Extensión de un framework de evaluación por IA generativa para integrar múltiples modelos de lenguaje.

Abstract

Este Trabajo de Fin de Grado se centra en la refactorización y extensión de “EVALIA”, un framework universitario de evaluación automática de respuestas de estudiantes, originalmente dependiente de la API de OpenAI. El objetivo principal es abstraer su arquitectura para permitir la integración con múltiples modelos de lenguaje (LLM), como Claude (Anthropic) y Gemini (Google), además de GPT. El sistema ha sido rediseñado para ser modular, extensible y compatible con funcionalidades avanzadas como procesamiento por lotes y respuestas estructuradas. Esta nueva arquitectura permite comparar el rendimiento, coste y calidad de los distintos modelos integrados. Además, se garantiza que el framework pueda mantenerse y ampliarse fácilmente ante la aparición de nuevos LLM o actualizaciones futuras.

This Final Degree Project focuses on the refactoring and extension of “EVALIA”, a university-developed framework for the automatic evaluation of student responses, originally dependent on the OpenAI API. The main goal is to abstract its architecture to enable integration with multiple language models (LLMs), such as Claude (Anthropic) and Gemini (Google), in addition to GPT. The system has been redesigned to be modular, extensible, and compatible with advanced features like batch processing and structured outputs. This new architecture allows for comparing the performance, cost, and quality of the integrated models. In addition, the framework is designed to be easily maintainable and extendable to support future LLMs or future updates.