学生用 AI 写作业,老师还怎么评分?从 MIT 报告到三类高校实操

如果学生交来一篇写得很顺、观点也很完整的 1,000 字短评，老师还敢按成品直接给分吗？

这不是“学生有没有用 AI”的问题，而是：这份成品，还能不能证明学生真的会？

许多讨论一上来就在“全面禁用”和“全面放开”之间二选一。但对一门具体课程来说，真正该先定的不是 AI 能不能用，而是三件事：

1. 1. 学生最后到底要学会什么；
2. 2. 你准备用什么证据给这项能力评分；
3. 3. AI 在哪些环节可以帮忙、又不能替学生把分拿走。

先拆掉一个误会：多交过程材料，不等于证明“是他自己写的”

让学生多交初稿、反思、提示词、版本记录，当然有价值：它们能帮助学生复盘，也让老师批改时更有依据。

但它们不能单独证明学生真的具备这项能力。AI 同样能生成一份看起来很完整的“思考过程”。

所以，过程材料的角色应该是“帮助学习、辅助评分”；真正承担能力验证的，是少量、明确设计为学生本人必须展示的环节，例如课内短写、现场操作、可预期的个人解释。

这不是为了“抓谁用了 AI”。更实用的目标是：让 AI 能帮上忙，却不能替学生把分拿走。

一项作业，直接这样改：把 1,000 字短评拆成四步

假设原题是：“写一篇 1,000 字短评：AI 会如何改变大学教育？”

旧版只要求交最终文章。现在，模型也能交出一篇语句通顺、观点齐全的文本；老师只看成品，很难判断学生是否理解、核查过材料，还是只提交了生成结果。

改造后，不是多加四份“抓作弊”的材料，而是分配四种不同功能：

这个设计不承诺“百分之百防住造假”。它只是让“一次性生成最终答案”不再足够，并把最关键的分数放回学生必须亲自展示的地方。

班额很大怎么办？不要把它变成每周给全班逐个口试的新增负担。先选一项高权重作业试跑，把书面反馈的一部分时间换成短解释；也可以由助教在统一追问卡下分组完成。先把一个环节做稳，再扩展到整门课。

AI 不是只有“禁用”或“放开”

同一门课在不同任务里，可以有不同安排：

• • 禁用：先建立基础直觉和独立解题能力；
• • 有限使用：允许头脑风暴、解释、编辑或调试，但要说明使用边界；
• • 鼓励使用：把核查 AI 输出、比较方案当成练习；
• • 必须使用：当提示设计、人机协作或 AI 系统评估本身就是学习目标。

重点不是哪一张卡“更先进”，而是学生能否看懂：为什么这项任务这样规定。

例如，一门初级算法课的前几周可以禁用 AI，让学生先亲自经历递归、引用和复杂度推演；进入工程项目后，反而可以要求使用 AI 提出测试、比较方案，但学生必须说明如何验证建议、为什么拒绝某个方案。

顺序别反：先定目标，再设计证据，最后才定 AI 政策

MIT 报告给出的启发，不是某一条“禁用”或“必须用”的固定规则，而是一个顺手的设计顺序：

1. 1. 先说清学生要学会什么；
2. 2. 再设计什么证据能说明他会了；
3. 3. 最后再决定 AI 可以出现在哪些环节，以及为什么。

这样做有一个很现实的好处：老师不必把判断压力全交给 AI 检测器、写作风格猜测或提交记录。那些东西不应该单独决定一个学生是否“真实学习”。

明天就能开始的最小试跑

不用等全校统一采购平台，也不用先出台一部完美制度。挑一门课、一个关键作业，按下面五步走：

1. 1. 写下这项作业真正要培养的能力；
2. 2. 问自己：一份最终答案能不能证明它；
3. 3. 选一张匹配的 AI 政策卡；
4. 4. 加入一个学生必须亲自展示的短环节；
5. 5. 试跑后复盘：学习证据更清楚了吗？老师负担扛得住吗？学生能公平获得所需工具吗？

这篇先解决“评分到底该怎么改”。接下来的三篇，才分别进入编程课、写作课和课程治理的具体做法。

一句话带走：AI 能写出答案，不等于学生已经学会。老师要评的能力，必须被放进学生本人需要展示的环节里。

资料与边界

• • MIT，《Report: AI Use in Teaching, Learning, and Research Training^[1]》及其 appendices^[2]。
• • 文中的四步作业、A/B/C 场景和执行建议，是基于报告原则做的本地化原创设计；不是 MIT 官方课程模板，也还不是已完成真实课堂验证的效果案例。
• • 本文不把 AI 检测器、屏幕录制或单一版本记录当作学习真实性的决定性证据。

引用链接

[1] Report: AI Use in Teaching, Learning, and Research Training: https://aiandeducation.mit.edu/report/[2] appendices: https://aiandeducation.mit.edu/appendices/