Negli ultimi anni, i Large Language Models (LLM), come ChatGPT, hanno dimostrato notevoli capacità nella comprensione e generazione del linguaggio naturale, aprendo nuove prospettive nell’automazione di compiti complessi. Questa tesi esplora l'applicazione degli LLM nella valutazione automatizzata delle query SQL, con l'obiettivo di supportare il processo di correzione e feedback in contesti educativi. SQL è un linguaggio fondamentale per la gestione dei database, ampiamente utilizzato sia in ambito accademico che professionale; tuttavia, la sua valutazione risulta impegnativa a causa della varietà di errori che possono emergere. Per affrontare tale sfida, la ricerca ha esaminato l’efficacia di modelli come ChatGPT, Gemma2B, CodeStral e Llama 3.1 Sonar, analizzando la loro precisione nel riconoscere errori sintattici, semantici e logici nelle query SQL prodotte dagli studenti.