LLM-as-a-Grader: автоматическая оценка письменных работ через GPT

Обнаружено: GPT-4o оценивает письменные работы почти как человек — корреляция 0.98. Но есть перекос: занижает оценки в 39% случаев, завышает только в 6%. Метод позволяет автоматизировать проверку тестов, эссе и отчётов с прозрачностью — модель не просто ставит балл, а объясняет каждое снижение. Фишка: эталонный ответ + фиксированный набор баллов + требование обосновать. Модель не выдумывает шкалу, а работает в рамках. Результат: 55% точное совпадение с преподавателями.