ARTICLE · 1037965
我不懂教学,如何给AI＂名师判断力＂建供应链(二)
一、先搞清楚 AI 的误判长什么样
做质检之前，要先知道 AI 会怎么错。我们设计了一组对照测试：同一道高考真题（16 条 1932 年新闻标题拟主题写短评），两个 AI 上场，一个只给备课框架（裸 AI），一个框架加案例库（装备 AI），都不许查答案。预判完，拿期刊记录的真实学生错答对照。
名师记录的真实错答是："国民政府坚持打内战""中国共产党是抗战的中流砥柱""国共合作抗击日本侵略"，错因三类：信息片面、时空错乱、后见之明。
测试结果有三点值得记录：
1. 裸 AI 能做出高质量预判。它预判学生可能拟"国共合作共同抗日"——与真实错答几乎一字不差，并还原了路径：看到"红军大胜利"与"击退日军"相邻，脑补出统一战线，忘了 1932 年国共正围剿反围剿。
2. 装备 AI 反而漏掉了这个弯。它的预判全部"有出处"，却漏了真题特有的错。原因是向库收敛：有了案例库后，AI 倾向于套用库中已有的错误模式，不再为眼前这道题专门想一遍。库帮了忙，也蒙住了眼。
3. 两类盲区四个受试者无一完整命中。知识型盲区——需要专门知识才能发现的错（如把欧洲"匈人"与中国"匈奴"画等号）；缺席型盲区——需要看出"材料没说什么"（如材料只讲游牧冲击欧洲，没讲长城保障丝绸之路的积极作用）。
结论：AI 的预判可用，但存在两类补不上的短板，必须有人守。这不是态度问题，是实测结果。
二、质检动作的设计：审校页与留删法
人守什么、怎么守，取决于成本。让老师通读每份课件，一次一小时，不可持续——不可持续的把关等于没有把关。我们把验证动作压缩到两分钟，产物是一张 A4 纸，叫审校页：
内容只有一张表：这道题 AI 预判了哪几个弯，一条一行； 每条带置信度标注：名师实证 / 期刊实证 / 课件类推 / AI 推测——老师一看就知道该把注意力放在哪； 老师批改用留删法：每行末尾印着 ✅/❌，留一个删一个。留 ✅=预判准，留 ❌=不准，一行一秒，不用写评语； 只有两类盲区弯（知识型、缺席型）需要想深一点，其余快速过。
设计逻辑：把专业验证压缩到两分钟，老师才肯天天在场；天天在场，质检才成立。
三、第一批实测：27/27
第一批送审五份课件，覆盖五种题型（选择题、材料题、短文题、比较题、图表题），共 27 条预判。
结果：27 条全部通过，零修改。
对这组数据我们内部做过一次复核，结论是两点：其一，流程成立——从生成、预判到真人验证的链路是通的；其二，这五道题都在案例库覆盖范围内，属于主场作战，27/27 不能外推为普遍命中率，真正的考验在完全陌生的题上（后续"期中考"已在跑）。
质检过程中也发生了一次典型的真人纠偏：AI 在课件里把一段学生习作诊断为"没有自己的观点"，其中有一句"1971 年，乒乓外交打开了中美交往的大门"。老师批注："这句话不是观点吗？"——"打开了大门"是对事件意义的评价，本身就是观点。后来统一改成三态表述：复述事实 / 复述别人的观点 / 有自己的中心论点。这个案例说明 AI 的误差常在一字一句的成色上，真人的一眼目前仍不可替。
四、这套质检对家长同样成立
质检的设计不依赖教学专业背景，核心动作是"拿预判清单对照真实作答"。家长完全可以复用：
让 AI 出一份"这道题孩子可能错在哪"的预判清单； 孩子裸做一遍题； 家长拿清单对照孩子的答案，逐条判断"像不像我孩子的错"。
老师审的是"准不准学生的错"，家长审的是"像不像我孩子的错"——论对自己孩子思维习惯的了解，家长是最合适的质检员。这也是我们说"外行不生产判断，外行组织判断"的含义：AI 负责生成预判，人负责在闸口上签字，各司其职。
这里还要说清一件事：老师在质检环节的位置，是临时的。我们最终要的是"教师退出机制"——使用端（家长和孩子）这条回路，从设计上就不需要老师：家长验证的不是"这个弯对全体学生准不准"，而是"我家孩子踩没踩中"，地面真相就在眼前，不需要专家。老师真正不可替代的是建库早期：新题型出现、课标变化时做判断。等库厚到一定程度（用连续批次陌生题的通过率来量，比如稳定在 90% 以上），老师就从"每单全审"退到"抽审"、再退到"只审 AI 自评低置信的项"，最终退出日常环节，只在需要时会诊。退出不是宣布的，是拿通过率考出来的。
小结
质检段的做法三句话：先实测 AI 会怎么错（对照测试，量出两类盲区）；再把验证压缩到两分钟（审校页+留删法）；第一批数据 27/27，流程成立，但不外推。
下一个问题是：今天的预判验完了，明天呢？原料会断顿、库存会过期、系统会自我复制退化——怎么让整条链自己转起来并且越转越好。第三篇，流转。