تُجري شركة Fetebird ثورة في تقييم المهام من خلال الاستفادة من إمكانات Gemini API(gemini-1.5-flash-001) وبنية Retrieval Augmented Generation (RAG). ويسهّل ذلك عملية التقييم، ما يقدّم للمعلّمين إحصاءات قيّمة حول مستوى فهم الطلاب مع الحفاظ على المرونة والقدرة على التكيّف. الوظيفة الأساسية قاعدة بيانات الإجابات المرجعية: تحافظ Fetebird في الأساس على قاعدة بيانات للإجابات المرجعية التي تم التحقّق منها، ويتم تحويل كلّ منها إلى مصفوفة لإجراء مقارنة فعّالة. في البداية، قد لا تحتوي قاعدة البيانات هذه إلا على حلّ المعلّم، ولكنّها تتوسّع بشكل ديناميكي مع مراجعة المزيد من الحلول التي يرسلها الطلاب والموافقة عليها. دمج Gemini API: يستفيد التطبيق من Gemini API (gemini-1.5-flash-001) ومكتبة Java Langchain4j للتفاعل مع نموذج لغوي كبير. يتيح ذلك لخدمة Fetebird إجراء تقييمات معقّدة وتقديم ملاحظات تفصيلية. بنية RAG: عندما يبدأ أحد الأساتذة تقييمًا باستخدام الذكاء الاصطناعي، تستعين خدمة Fetebird ببنية RAG. يسترجع النظام إجابات مرجعية ذات صلة من قاعدة البيانات ويعرضها على نموذج Gemini إلى جانب العينة التي أرسلها الطالب. هندسة الطلبات: تُوجّه طلبات النظام والمستخدمين التي تم إنشاؤها بعناية عملية تقييم النموذج. ويستند إلى الإجابات المرجعية وعمل الطالب لتقديم ملاحظات شاملة، مع تسليط الضوء على نقاط القوة والضعف ومجالات التحسين.
مصمَّم بالاستناد إلى
الويب/Chrome
الفريق
من
Fetebird
من
أستراليا
[[["يسهُل فهم المحتوى.","easyToUnderstand","thumb-up"],["ساعَدني المحتوى في حلّ مشكلتي.","solvedMyProblem","thumb-up"],["غير ذلك","otherUp","thumb-up"]],[["لا يحتوي على المعلومات التي أحتاج إليها.","missingTheInformationINeed","thumb-down"],["الخطوات معقدة للغاية / كثيرة جدًا.","tooComplicatedTooManySteps","thumb-down"],["المحتوى قديم.","outOfDate","thumb-down"],["ثمة مشكلة في الترجمة.","translationIssue","thumb-down"],["مشكلة في العيّنات / التعليمات البرمجية","samplesCodeIssue","thumb-down"],["غير ذلك","otherDown","thumb-down"]],[],[],[],null,["# Fetebird\n\n[More Apps](/competition/vote) \n\nFetebird\n========\n\nUltimate solution for University \nVote \nVoted!\nWhat it does\n\nFetebird revolutionizes assignment grading by harnessing the power of the Gemini API(gemini-1.5-flash-001) and a Retrieval Augmented Generation (RAG) architecture. It streamlines the evaluation process, providing educators with valuable insights into student understanding while maintaining flexibility and adaptability. \nCore Functionality \nReference Answer Database - At its heart, Fetebird maintains a database of verified reference answers, each vectorized for efficient comparison. Initially, this database may contain only the teacher's solution, but it expands dynamically as more student submissions are reviewed and approved. \nGemini API Integration - The app leverages the Gemini API (gemini-1.5-flash-001) and the Langchain4j Java library to interact with a large language model. This enables Fetebird to perform complex evaluations and provide detailed feedback. \nRAG Architecture - When a professor initiates an AI evaluation, Fetebird employs a RAG architecture. It retrieves relevant reference answers from the database and presents them to the Gemini model alongside the student's submission. \nPrompt Engineering: Carefully crafted system and user prompts guide the model's evaluation. It considers the reference answers and the student's work to provide comprehensive feedback, highlighting strengths, weaknesses, and areas for improvement. \nBuilt with\n\n- Web/Chrome \nTeam \nBy\n\nFetebird \nFrom\n\nAustralia \n[](/competition/vote)"]]
