把学生作业交给 AI 打分很诱人，但如果评分依据不透明、反馈没有证据或系统把推测说成结论，学生得到的不是帮助。更可靠的智能批改，是把它放在教师设计的评分标准之内：AI 负责归类、发现模式、生成反馈草稿，教师负责确认评价与教学决策。
先把评分标准写成可观察行为
不要只给“表达清晰”“逻辑严谨”这类笼统描述。把每项拆成学生能理解和教师能判断的证据，例如是否提出论点、是否引用材料、计算步骤是否完整、是否解释结论。将样例答案和常见误区放进评分说明，让 AI 只在这些范围内评估。
| 反馈层级 | AI 可协助 | 教师必须确认 |
|---|---|---|
| 格式与完整性 | 检查必填项、字数和结构 | 特殊情况是否豁免 |
| 共性错误 | 聚类相近错误和遗漏 | 错误归因是否正确 |
| 个性化建议 | 生成下一步练习草稿 | 语气、难度与适配性 |
| 最终评价 | 整理依据 | 分数与教学判断 |
反馈要指向下一步，而不是贴标签
有效反馈描述作品中出现了什么、为何影响目标、下一步可以做什么。例如指出论据与结论没有连接，并建议补一条能支撑论点的证据。避免让 AI 对学生能力、动机或未来表现做概括性判断；这些都超出了作业文本所能支持的范围。
教师复核要有优先级
优先查看低置信度、存在歧义、与历史表现差异很大及学生申诉的作业。AI 可汇总班级共性问题，帮助老师安排复习；但不能绕过教师直接决定惩罚、升降级或其他高影响结果。学习过程的证据记录，可衔接 AI 辅助学习闭环的方法。
把被纠正的反馈变成改进样本
记录教师改写或否决的反馈，并注明原因：标准不清、材料不足、语气不当还是题目设计问题。下次更新评分说明与示例，智能批改会逐渐更贴近真实教学。
