LaTA: Yerel LLM ile STEM Ödevlerini Otomatik Değerlendir — FERPA Uyumlu, Açık Kaynaklı (2026)

LaTA, STEM eğitimindeki en büyük sorunlardan birini çözmek için doğdu: öğretmenlerin saatlerce süren notlandırma yükü. Ancak bu çözüm, sadece zaman kazandırmıyor — veri güvenliğini yeniden tanımlıyor. Oregon State Üniversitesi'nde 2026 kış döneminde ME 373 dersinde ilk kez uygulanan LaTA (LaTeX Teaching Assistant), öğrenci ödevlerini üçüncü parti bulut servislerine göndermeden, tamamen yerel bir makinede değerlendiren ilk FERPA uyumlu, açık kaynaklı bir otomatik notlandırma sistemi. Bu, sadece bir teknoloji güncellemesi değil, eğitimdeki veri etiklerinin bir dönüm noktası.

LaTA: Neden Yerel LLM? Veri Tehlikesiyle Yüzleşmek

Geçtiğimiz yıllarda, birçok üniversite LLM tabanlı notlandırma sistemlerini denedi. Ancak çoğu çözüm, öğrenci yazışmalarını OpenAI, Anthropic veya başka bir üçüncü parti API'sine gönderiyordu. Bu, FERPA (Amerika Birleşik Devletleri Eğitim Hakları ve Gizlilik Yasası) ihlali demekti. Öğrencilerin kimlikleri, matematiksel çözümleri, hatta kişisel yorumları, bir şirketin sunucularında saklanıyordu. LaTA, bu riski tamamen ortadan kaldırıyor. Sistem, Oregon State Üniversitesi'nin kendi veri merkezindeki bir Mac Studio üzerinde çalışıyor. Öğrenci ödevleri hiçbir zaman internete çıkmıyor. Her satır, her formül, her denklem — yerel bellekte kalıyor. Bu, eğitimdeki veri gizliliği anlayışını kökten değiştiriyor.

LaTA Nasıl Çalışır? Dört Aşamalı Otomatik Değerlendirme Sistemi

LaTA, dört basit ama son derece akıllı bir süreçle çalışıyor: ingest (alma), segment (bölme), grade (notlandırma), report (raporlama).

1. LaTeX Notlandırma: Öğrencilerin Zaten Kullandığı Format

Öğrenciler, zaten kullandıkları LaTeX formatında ödevlerini sunuyor. LaTA, bu dosyaları otomatik olarak okuyor, matematiksel ifadeleri, algoritmaları ve argümanları parçalara ayırıyor. Bu, LaTeX notlandırma standartlarına tam uyum sağlıyor ve eğitimdeki mevcut alışkanlıklara müdahale etmiyor.

2. Rubrik Tabanlı Değerlendirme: Net ve Tutarsızlık Yok

Daha sonra, eğitmenin hazırladığı YAML formatındaki bir rubrik ile karşılaştırıyor. Bu rubrik, her bir değerlendirme kriterini “doğru/yanlış” olarak işaretliyor — nüanslı puanlama değil, net ikili kararlar. Bu, sistemin tutarlılığını garanti ediyor ve open-source autograder olarak tasarlanmasının temelini oluşturuyor.

3. AI Notlandırma: Düşünme Sürecini Anlama

Arka planda, gpt-oss:120b adlı açık kaynaklı bir zincir-bilgi (chain-of-thought) LLM, öğrencinin çözümünü referans çözümlerle karşılaştırıyor. Bu model, sadece cevabı değil, düşünme sürecini de analiz ediyor. Örneğin, bir öğrenci diferansiyel denklemi yanlış çözmüşse ama mantıksal adım atlamışsa, LaTA bunu tespit edip “mantıksal hata” olarak işaretliyor. Bu, sadece bir not vermekten çok, öğrenmeyi anlamak anlamına geliyor.

4. Hızlı Geri Bildirim: 24 Saatte Yeniden Notlandırma

Sistem, her bir ödevi 1-3 dakikada değerlendiriyor. 200 öğrenci için her hafta 200 ödevi tek bir Mac Studio üzerinde, sıfır ek maliyetle işliyor. Öğrenciler, ödevlerini düzeltip yeniden gönderdiğinde, 24 saat içinde yeniden notlandırılıyor. Bu, hataları hemen düzeltme fırsatı sunuyor — klasik notlandırma sisteminde bu 2 hafta alırdı.

FERPA Uyumu ve Veri Güvenliği: Eğitimdeki Yeni Standart

LaTA, FERPA uyumlu olmakla kalmıyor, veri güvenliğini yeniden tanımlıyor. Tüm veriler yerel sunucuda kalıyor. Hiçbir öğrenci verisi, bulut sunucularına, üçüncü parti API’lere veya harici sistemlere gönderilmiyor. Bu, open-source autograder olarak geliştirilmesinin en kritik avantajı: şeffaflık, kontrol ve güven.

İstatistiksel Başarı: Notlama Hatası %0.04, Öğrenme Artışı %11

En çarpıcı sonuç? Öğretmenlerin doğruladığı notlandırma hatası oranı, her rubrik maddesi başına sadece %0.02–%0.04. Bu, insan notlandırıcısının ortalama %1-3 hata oranından 50 kat daha iyi. Daha da ilginci: LaTA ile notlandırılan öğrencilerin yarıyıl sınavı sonuçları, önceki dönemlerde insan tarafından notlandırılan gruplara göre %11 daha yüksek oldu. Final sınavında da %8 fark oluştu. Bu, sadece daha iyi notlar değil — daha derin öğrenme anlamına geliyor. Öğrenciler, düzeltme döngüsünü sıkça yaşadıkça, kavramları daha sağlam kavradılar.

LaTA, yalnızca bir yazılım değil, bir eğitim felsefesinin somutlaşmış hali. Eğitimdeki teknoloji, öğrencileri kontrol altına almak için değil, öğrenmelerini güçlendirmek için kullanılmalı. Bu sistem, öğretmenleri notlandırma zorundan kurtarıyor, öğrencileri ise hata yapmaktan korkmadan denemeye teşvik ediyor. Veri güvenliği ve akademik başarı birbirini zorlamıyor — LaTA, bunların birlikte mümkün olduğunu gösteriyor.

LaTA, yalnızca Oregon State Üniversitesi'nde değil, fizik, mühendislik ve matematik derslerindeki tüm eğitim kurumları için bir model sunuyor. Yerel LLM tabanlı notlandırma, geleceğin eğitim altyapısı olacak. Ve bu geleceğin adı, artık LaTA.