新闻详情

新闻详情

首页 / 资讯中心 / 详情

图形化自动判题系统 Scratch OJ

发布时间:2026/11/15 15:42:19来源:尧图网络
图形化自动判题系统 Scratch OJ
CCF GESP图形化编程认证已正式采用Scratch OJOnline Judge自动测评模式。为帮助师生无缝衔接考试标准码学堂(mxt.cn)开通了Scratch OJ功能完整覆盖出题、组卷、答题、学情分析全流程。一、双模式评测体系根据题目类型与教学目标教师可灵活选择自动或手动测评方式。 自动测评 (OJ 模式)系统依据预设测试点自动判分实时反馈结果。与 GESP 认证、CSP 等正式考试机制一致适用于算法逻辑、函数实现等客观题型。‍ 手动测评教师手动执行学生项目并评分适用于交互设计、创意表达、多媒体应用等非标准答案题目保留教学评判的灵活性。二、自动测评Scratch OJ操作流程以下流程基于码学堂教师端标准操作与现有编程题工作流一致。1 出题2 组卷3 学生答题4 教师查看 2.1 出题图形化编程题目的出题逻辑与普通编程题一致也可以使用码学堂AI出题几分钟可完成包括生成测试数据。 2.2 组卷 · 语言标记为 Scratch将 Scratch 编程题纳入「练习」「考试」或「竞赛」时需在组卷设置中将语言标记为 Scratch。系统将自动识别并启用 OJ 测评引擎。 完整组卷流程请参阅 码学堂组卷帮助文档。若启用监考系统需使用客户端版本MXT-OMS-V9.1。‍ 2.3 学生端 · 提交即反馈学生在 Scratch 答题界面完成项目后单击「提交」按钮系统将即刻执行测评并显示得分若组卷时未隐藏成绩。实时反馈机制有助于学生即时验证逻辑提升自主学习效率。✅即时判分提交后自动运行测试点反馈通过情况与总分与 GESP 认证考试体验一致。‍ 2.4 教师端 · 学情分析教师可通过排名页或提交列表页单击学生得分深入查看其提交的 Scratch 项目代码、各测试点得分及详细日志便于精准讲评与个性化辅导。三、手动测评 · 兼顾创意表达对于交互式故事、多媒体作品、游戏设计等需要主观评判的题目教师可选择手动评分模式。出题方式按常规主观编程题方法出题无需配置测试数据。适用场景创意编程、项目式学习、开放性任务等。注意组卷时若勾选“主观题智能测评”则仍按自动模式处理可按需设置。 主观题出题说明请参阅 码学堂编程题目出题帮助。四、与 CCF GESP 认证接轨 Scratch OJ 是 GESP 备考首选考试模式一致GESP 图形化编程认证已采用 OJ 自动测评。学生在码学堂的每次练习都等同于一次模拟考试有效消除考场陌生感。评分标准统一基于测试点的自动判分逻辑与 GESP 认证的评分规则保持高度一致确保练习与考试尺度对齐。全级别覆盖支持 GESP 1~4 级图形化编程所有知识点的练习与评测从基础语法到综合应用均可训练。教学数据反馈教师可通过学情分析精准定位薄弱点调整教学策略实现数据驱动的因材施教。 更多内容请查阅码学堂教师用户帮助文档 · 《如何在码学堂中进行图形化编程Scratch OJ教学》 如何在码学堂中进行图形化编程Scratch OJ教学 - 码学堂教师用户使用帮助 - 码学堂帮助文档
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/15 4:54:16

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/15 2:04:12

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/14 10:11:15

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/14 17:14:38

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/14 16:35:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/15 4:06:36

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉