학생이 그린 과학 모델 평가는 차세대 과학 표준(NGSS)에 따른 모델 기반 학습 과제에서 학생들의 개념적 이해도를 평가하는 데 널리 사용돼요. 하지만 복잡한 시각적 표현을 해석하기 위해 전문가의 판단이 필요해 대규모 평가를 비용 효율적으로 구현하기 어려워요.
Vision Transformer(ViT) 모델을 활용해 학생이 그린 과학 모델을 자동으로 평가하는 방법을 연구하고, 예측 분포에서 응답 수준의 신뢰도를 파생하는 신뢰도 기반 평가 프레임워크를 제안했어요.
실험 결과, 제안된 접근 방식은 평가 신뢰도를 향상시키면서 자동화 범위와 평가 위험 간의 실용적인 균형을 유지해 신뢰할 수 있는 교육 평가에 대한 신뢰도 기반 방법의 가치를 보여줬어요.