超越选择题：把表现性评价的批改自动化的分阶段路线图

用答题卡（OMR）处理选择题大家都很熟，可表现性评价的自动化就让人无从下手了。答案并不收敛到唯一解，机器要怎么看？疑问自然会冒出来。不少学校因为想一次全部自动化而失败。第一年就贪心到长篇论述，会被验证的负担压垮，最后又回到手工批改。必须从小的范围开始逐步扩大。下面提出表现性评价批改自动化现实可行的 4 个阶段。

分阶段路线图

1. 先从结构化的简答开始：先把答案模式明确的简答和填空自动化。误差小、验证容易，很适合用来积累信任。
2. 基于评分量规的短论述：对 2~3 句的答案套用评分量规。以「AI 打分 + 老师审校」的双重结构来运行。
3. 长篇论述与报告：扩展到按维度拆分的批改。从这一阶段起要定好老师抽样审校的比例。比如由人再看 20%。
4. 档案袋与项目：连过程性材料一起综合评价。自动化是辅助，判断以人为主。

关键在于每个阶段都用一个学期充分验证之后再往下走。信任尚未积累就扩大占比，一定会出事。急躁是自动化失败最常见的原因。

确定审校比例的标准

• 当老师打分与 AI 打分的差距稳定在平均 1 分以内时，可以降低抽样审校的比例。
• 一旦进来新单元或新题型，就把审校比例重新提上去。已经验证过的信任，在题目改变时应视为归零。
• 临界分数，也就是及格与不及格附近的答卷，永远由人 100% 确认。这里的一线之差会变成投诉。

自动化的目标不是取消老师，而是让老师把时间集中在真正需要他来判断的答卷上。

引入时要达成的共识

自动化在成为技术问题之前，先是共识问题。建议在学期初就把下面这些理清楚。

• 事先向学生和家长告知使用 AI 辅助批改的事实。若日后才被知道，信任就毁了。
• 把申诉流程写成明文。谁、以什么方式、在几天之内提出申请，都要写具体。
• 把批改记录连同依据一并留存。无法解释的分数会成为自动化的软肋。

每个阶段该检查什么

进入下一阶段之前先确认以下几点，就能避免勉强扩张。也就是用一个学期来观察这些信号是否稳定。

1. 简答阶段：自动批改与人工批改是否几乎一致。被误识别的答卷有几份。
2. 短论述阶段：在部分给分的临界处，分数是否不摇摆。同一份答卷再跑一遍是否给出相同分数。
3. 长篇阶段：抽样审校中发现的修改频次是否在减少。修改频繁就说明还为时过早。
4. 档案袋阶段：自动分析是否与老师的综合判断不相违背。

各阶段的信号稳定了就往下走，摇摆就在原地多待一阵。压住急躁本身就是成功的条件。哪怕只把一个阶段真正夯实，那个范围的批改负担就会永久性地减少。

要点小结

表现性评价的自动化是积累信任的过程，而不是速度战。建议从简答起步，用抽样审校铺好安全网，每个阶段用一个学期验证着往外扩。哪怕只把第一阶段稳住，选择题之外范围的批改负担也会明显减轻，而这份余裕就会成为迈向下一阶段的动力。