与学生和AI共同设计表现性任务评分量表的流程

评价项目式表现性任务时，最常见的纠纷是“为什么我们组的分数更低”的抗议。作品看上去都像模像样，分数却分了高低，而学生无法认同其依据。原因在于评分量表直到评分前一刻都只存在于老师的脑子里。学生在不知道该把什么做好的情况下完成了任务，而老师等一切结束之后才拿出尺子来量。好的评分量表在成为评价工具之前，首先是学习的路线图。标准必须在任务开始前就握在学生手里，可能的话还应当与学生一起制定。事先知道标准，学生就会朝着那个标准自我检查地推进工作。AI则用在快速抛出这份共同设计的初稿上。

共同设计评分量表的步骤

不要由老师独自完成评分量表再下发，而要按下面的顺序把学生拉进来。

1. 分析优秀作品：和学生一起看优秀案例与欠佳案例，把**“是什么把两者分开的”**用语言挖出来。
2. 生成AI初稿：把任务与目标交给AI，请它给出评价项目与分级描述语的初稿。这终究只是讨论的起点。
3. 与学生协商项目：和学生一起审阅AI初稿，增删项目，并把表述改成学生的语言。
4. 把分级描述语具体化：把“优秀／一般／欠佳”展开写成可观察的行为。剔除含糊的形容词。例如不写“调查得很用心”，而写成“引用了3个以上出处不同的资料”，让谁看都会作出同样的判定。

学生一旦参与制定评分标准，那套标准就会从评价变成目标。自己定的标准，自己会想遵守。

不能直接照用AI初稿的理由

AI做出的评分量表很快，但直接照用很危险。要检查以下几点。

• 目标对齐：确认AI给的项目是否与实际学习目标相符。很容易塞满了容易测量的东西，反而漏掉真正重要的能力。
• 项目过多：AI会造出很多项目。要精简到4到6个，老师和学生才用得起来。
• 语言水平：看描述语是否处在学生读得懂的水平。学生读不懂的评分量表，起不到路线图的作用。
• 公平性：查看有没有对特定背景的学生不利的表述。

核心是这样的分工：AI负责快速初稿，人负责对齐与公平性。评分量表的权威，归根结底来自它与目标紧紧相连。

核心要点

评分量表不是评分结束后才掏出来的尺子，而是在任务开始前交到学生手上的地图。用优秀与欠佳案例的分析把标准引出来，以AI初稿为起点与学生一同打磨项目，评分纠纷就会减少，作品的质量也会提升。建议在下一个表现性任务中不要独自完成评分量表，而先拿出30分钟和学生一起修改AI初稿。共同制定了标准的任务，学生会自己朝着那个标准奔跑。