Автоматическая проверка лабораторных работ по программированию: автогрейдер Apricot собирает и тестирует лабы студентов в изолированном Docker-контейнере за вас. 80% работ — без участия преподавателя. Поддерживает Python, C++, Java, Go, Bash, SQL, Git, Docker, ML. Работает на кафедрах МФТИ, ВШЭ, МГТУ и Центрального университета — курсы до 400 студентов.
● МФТИ, ВШЭ, МГТУ, Центральный университет · курсы до 400 человек
Почему ручная проверка лаб съедает больше всего времени и как автогрейдер забирает её рутинную часть.
Проверка лабораторных работ по программированию — самая массовая и рутинная нагрузка преподавателя. Каждую лабу нужно скачать, собрать, запустить, прогнать тесты, сверить вывод с эталоном — и так десятки раз за вечер. К сороковой работе вы уже не проверяете, а пролистываете.
Apricot автоматизирует проверку лабораторных работ целиком. Студент сдаёт решение — код, ссылку на Git-репозиторий или файл. Система собирает лабораторную в изолированном Docker-контейнере, запускает ваши тесты, сравнивает с эталоном, считает метрики и пишет подробный лог. Балл автоматически попадает в ведомость. Преподаватель открывает только спорные случаи — частичные решения и нестандартные подходы.
На Apricot уже работают кафедры МФТИ, ВШЭ, МГТУ им. Баумана и Центрального университета. Один преподаватель ведёт курс до 400 студентов — без армии ассистентов на рутинной проверке лабораторных.
Три этапа — от сдачи лабораторной до записи балла в ведомость.
Код, ссылка на Git-репозиторий или файл с решением лабораторной работы — система принимает все форматы. Поддерживаются Python, C++, Java, Go, Bash, SQL и другие языки.
Лабораторная работа собирается в изолированном Docker-контейнере. Проверка включает компиляцию, запуск ваших тестов, сравнение вывода с эталоном и анализ метрик качества.
Студент получает балл, подробный лог проверки лабораторной и комментарии системы. Преподаватель видит результаты в ведомости с аналитикой по группе.
Платформа Apricot поддерживает автоматическую проверку лабораторных работ по широкому спектру дисциплин и технологий.
Лабораторные по Python, C++, Java, Go, Rust: компиляция, запуск тестов, проверка вывода, анализ кода.
Лабораторные по SQL: автоматическая проверка запросов к реальной базе данных с мгновенной обратной связью.
Лабораторные по Git: визуальные упражнения, проверка веток, коммитов и истории репозитория.
Лабораторные по Dockerfile, docker-compose, Kubernetes-манифестам, CI/CD-пайплайнам и Bash-скриптам.
Лабораторные по ML: автоматическая оценка моделей по метрикам качества на тестовых данных, поддержка GPU.
Лабораторные по обработке больших данных и численным методам с автоматической верификацией результатов.
Расскажите про курс — сколько студентов, какие языки и дисциплины. Пришлём расчёт экономии преподавательских часов и предложение под ваши объёмы. Настройка — 1–2 дня, пилот на один курс.