Rizar

Frizzle utiliza visión por computadora y LLM para calificar matemáticas escritas a mano con una precisión del 97%, con un sistema de intervalo de confianza que señala calificaciones inciertas para revisión humana. Los estudiantes escriben en papel. Los profesores fotografían el trabajo o lo pasan por la fotocopiadora. En cuestión de horas, Frizzle devuelve análisis formativos a nivel de estándares, que muestran qué estándares CCSS ha dominado realmente cada clase y estudiante, en lugar de esperar las evaluaciones de primavera.

El resultado: los profesores de matemáticas recuperan las 10 a 15 horas semanales que dedican a calificar manualmente, los entrenadores mantienen conversaciones específicas a nivel de estándares en lugar de genéricas, y los distritos reducen el tiempo de pantalla de matemáticas sin perder los datos que necesitan a nivel de aula. Vive en más de 30 escuelas y distritos, incluido un piloto universitario de matemáticas en Vanderbilt y ASU.