GLASS 方法预告:用图聚类与 LLM 无需人工编码即可给开放式回答打分

GolinoHudson · x · 2026-11-07

作者预告了一项名为 GLASS(Looking through the GLASS)的研究:Graph-Led, LLM-Assisted Structure and Scoring,用于在没有人工编码的情况下,从开放式回答中发现并评分策略。

配图展示了方法效果:对句子做社区聚类后,发现的社区与人工标注类别高度对应——如「AI 练习测验」社区(121 句)与人工 practice 类的 φ 系数达 .87,「概念澄清解释」(86 句)与 explanation 类 φ=.87;少数社区(如无 AI 使用、无关技术残留)被丢弃。该方法有望替代昂贵的人工编码流程,用于分析学生对 AI 工具的真实使用方式。