减少同伴互评中搭便车现象的 AI 辅助设计

在小组作业的同伴互评中，学生大多会互给满分 5 分。给要好的朋友打低分很难，一想到下次轮到自己被评，也就只能给得宽松。一旦关系决定分数，同伴互评就失去了意义。实际上人人满分，区分度也随之消失。AI 可以用来加固评价的客观依据，并作为过滤敷衍反馈的安全装置。让人看的不是分数而是依据，这是起点。

阻断分数串通的结构

只收分数，串通起来很容易。把依据陈述定为必填，串通的成本就上去了。因为编造一条假依据，比直接给满分麻烦得多。设计要点如下。

• 分数旁边必须写上两条以上具体依据。
• 由 AI 检查这些依据是否与评价项目相关联。像"很亲切""很努力"这类无关的依据，要求重写。
• 所有评价都做匿名处理，但老师可以确认谁在敷衍。

例如在展示汇报的同伴互评中，AI 会引导学生不要写"声音大 5 分"，而要写"标明了 3 处资料出处，对提问能当场作答"这样的行为依据。当抽象的夸奖变成对行为的观察，评价就活了过来。

把 AI 用在信度检查上

1. 由 AI 标出集中在某一名学生身上的极端分数，也就是全部满分或全部最低分。
2. 比较针对同一对象的多份评价在依据上是否一致。若只有一个人看法格外不同，就确认其中的缘由。
3. 老师只查看亮起异常信号的小组，不必把全部都看一遍。

同伴互评不是为了分数，而是让学生把"好作品的标准"内化的一种训练。

一线检查清单

• 评价之前一起读一遍评分量规，并用示例答案做一次练习评分。没有标准的评价会变成印象分。
• 不让学生评价自己所在的小组。这是防止利益冲突的基本装置。
• 同伴给的分数只作为成绩中的一部分权重，其余由老师来看。一般同伴部分占 20~30% 左右比较稳妥。
• 对反复敷衍的学生，通过面谈明确"评价也是作业的一部分"。

教学生怎样给出好的同伴反馈

学生从来没有专门学过怎样给出好的反馈。所以他们只会留下"做得好"或"不怎么样"这类话。若在评价之前先把反馈本身教一遍，同伴互评的质量就会不一样。提供下面这个框架，效果很好。

1. 把做得好的一点写得具体。不是写"导入很有意思"，而是让他们写成"开头第一句就摆出统计数据，抓住了注意力"。
2. 把改一改会更好的一点以建议的形式写出来。不是写"不怎么样"，而是让他们写成"结论部分再加一行依据，说服力应该会更强"。
3. 把想问的一点用提问的方式留下来。提问会让评价者从指责者变成读者。

哪怕只给出这三栏的框架，敷衍的一行评语也会消失。做评价的学生也会因此仔细阅读别人的文章，最终看自己文章的眼光也一同长进。

要点总结

同伴互评的敌人是关系与敷衍。用 AI 把依据定为必填、把异常分数标示出来，评价就会从人气投票变成学习工具。关键在于让人看依据而不是看分数的设计。运转顺畅时，学生会在评价同学的过程中自己掌握好作品的标准，而这套标准会原封不动地用到自己的下一份作业上。