mcpField
S
student-submission-assessor

student-submission-assessor

github.com/lensetekOther013 installsUpdated 1d ago
Repository

About student-submission-assessor

student-submission-assessor is an assessment skill for teachers that reviews student work against a specified rubric. It provides evidence-based feedback for each criterion and recommends remedial or enrichment work based on results.

Key features

  1. 01Scans submission folders
  2. 02Evaluates against rubric criteria
  3. 03Cites evidence from submissions
  4. 04Creates scores and feedback
  5. 05Recommends remedial or enrichment work

Use cases

  1. 01Assessing student work in varied file formats
  2. 02Applying a course grading rubric
  3. 03Giving students specific feedback
  4. 04Identifying students for remedial or enrichment work

Install

Copy the command and run it in a terminal.

$npx skills add https://github.com/lensetek/course-agent-skills --skill student-submission-assessor

After installing, type/student-submission-assessorin Claude Code to confirm it loaded.

Details

From the project README

Student Submission Assessor 📝

student-submission-assessor berperan sebagai asisten pengajar cerdas (AI Teaching Assistant) yang mengoreksi tugas-tugas mahasiswa atau siswa secara konsisten, objektif, dan berlandaskan pada rubrik penilaian yang telah disepakati.

🔍 Alur Kerja Pemeriksaan Tugas

  1. Inspeksi Direktori Submissions:
    • Agen memindai folder [Nama_Sesi]/05_Tugas_dan_Asesmen/Submissions/.
    • Mendukung format berkas teks, Markdown (.md), Microsoft Word (.docx), PDF, berkas kode sumber (.py, .js, .java, .cpp, dll.), atau file teks polos (.txt).
  2. Pencocokan Rubrik Terstruktur (Rubric-Grounding):
    • Agen membaca Rubrik_Penilaian.md sesi terkait.
    • Setiap kriteria (misal: Ketepatan Konsep, Kualitas Analisis, Solusi Praktis, Kerapian) dinilai secara terpisah dengan justifikasi bukti kutipan konkret dari berkas tugas siswa.
  3. Penyusunan Lembar Umpan Balik (Feedback Report):
    • Setiap siswa mendapatkan catatan umpan balik yang memuat:
      • Skor per kriteria dan nilai akhir (skala 0–100).
      • Apresiasi & Kekuatan: Apa yang telah dikerjakan dengan sangat baik.
      • Area Pengembangan: Di mana letak celah logika atau miskonsepsi yang perlu diperbaiki.
      • Rekomendasi Tindak Lanjut: Saran bahan bacaan atau latihan tambahan.
  4. Deteksi Pembelajaran Berdiferensiasi:
    • Siswa dengan nilai di bawah ambang batas kelulusan (KKTP) otomatis dikelompokkan ke dalam daftar rekomendasi Remedial.
    • Siswa dengan nilai luar biasa diberikan rekomendasi modul Pengayaan.

📊 Format Output Data Asesmen (Hasil_Penilaian.json)

{
  "session": "Sesi_01",
  "evaluatedAt": "2026-10-27T10:00:00Z",
  "passingGrade": 75,
  "results": [
    {
      "studentId": "202401001",
      "studentName": "Ahmad Rizki",
      "submissionFile": "Ahmad_Rizki_Tugas1.docx",
      "scores": {
        "ketepatanKonseptual": 28,
        "analisisArgumentasi": 32,
        "penerapanSolusi": 22,
        "kerapian": 10
      },
      "totalScore": 92,
      "status": "Tuntas",
      "actionRecommendation": "Pengayaan - Studi Kasus Skalabilitas",
      "feedback": "Pemahaman konsep enkapsulasi sangat tajam disertai analogi industri yang relevan."
    }
  ]
}

Comments

Markdown supported