前几天，我看到一个很真实的场景。

一位语文老师把学生作文上传到AI批改系统。系统很快，几十秒就给出分数、等级、问题清单。看起来很先进。

可问题来了。

有个孩子写了一篇关于爷爷的文章，语言不华丽，结构也不算工整，但里面有真实生活，有细节，有情感。老师读完以后，觉得这篇作文应该鼓励。AI却给了一个偏低分，理由是“论证不足、表达不够规范、结构层次不清”。

这就尴尬了。

机器没说全错。老师也不是凭感情打分。问题是：教育评价里面，很多东西不是一把尺子就能量完的。尤其是作文、开放题、探究报告，里面有人味，有表达习惯，有成长过程。

所以，今天我们不讨论“AI评分能不能用”。它当然能用。我们讨论更关键的问题：AI自动评分进校园后，公平性到底怎么保障？

一句话：AI可以参与评分，但不能独自裁决学生。

一、AI评分最大的风险，不是错一两分，而是系统性误伤

先说一个容易被忽视的问题。

人们一听AI评分，第一反应往往是：机器会不会打错分？

其实更大的风险不是某一次打错，而是长期偏向某一类表达方式。

比如，有的学生语言简洁，不爱用复杂句。有的学生来自不同语言环境，表达方式和标准答案不太一样。有的学生思维很跳跃，答案不够“模板化”，但里面有自己的理解。

AI可能不一定喜欢这些答案。

2025年发表于International Journal of Artificial Intelligence in Education的一项研究，分析了38722份学生短答文本。研究发现，最准确的自动评分方法在性别上没有明显差异，但在学生语言背景上存在轻微显著偏差。也就是说，模型看起来很客观，但并不天然公平。()

这件事放到中学里，非常现实。

一个英语基础弱但进步很大的学生，可能被AI认为“语言质量不足”。一个不爱套模板的学生，可能被AI认为“不符合评分特征”。一个表达朴素但观察细腻的孩子，可能被AI低估。

这不是技术小问题，这是教育大问题。

教师要特别警惕一种情况：系统给出分数以后，大家都默认它是“客观的”。因为机器没有表情，也不会发脾气，所以我们容易误以为它没有偏见。

但算法的偏见，往往不是吵出来的，而是悄悄算出来的。

学校可以这样做：凡是用于作文、开放题、探究题的AI评分，都要定期做“差异检查”。看不同班级、不同基础层次、不同语言表达风格的学生，是否长期出现异常低分。如果有，就不能简单说“学生不行”，要先问一句：尺子是不是歪了？

金句：公平不是平均快，而是每个孩子都有被认真看见的机会。

二、越是开放性题目，越不能只交给模型

AI最擅长什么？

它擅长找模式。比如格式是否完整，语句是否通顺，关键词是否出现，论点是否清楚。这些方面，AI确实可以帮老师节省大量时间。

但AI不擅长什么？

它不擅长真正理解一个孩子为什么这样写。它也不一定能准确判断一段表达背后的生活经验、思维突破和情感重量。

2025年的EssayJudge研究测试了18个有代表性的多模态大模型，发现它们在自动作文评分中确实有潜力，但在篇章层面的特征，特别是连贯性、论证质量等方面，与人工评价仍存在差距。()

这就给学校一个提醒：选择题、填空题、基础知识题，AI可以多用一点；作文、材料分析题、项目报告、综合实践成果，AI只能做辅助。

举个班级场景。

老师布置一篇英语作文，题目是“My Most Difficult Day”。有的学生写得语法很标准，但内容空泛。有的学生语法有错，却写出了真实经历。AI可能更容易给前者高分，因为它“看起来更规范”。但教育不能只奖励“看起来标准”。

教师在使用AI评分时，最好把题目分成三类：

第一类，客观题，可以让AI自动判分。

第二类，半开放题，可以让AI初评，教师抽查。

第三类，高开放题，AI只给建议，最终由教师判断。

这不是保守，而是专业。

因为评价本身就是教学的一部分。老师批改作文，不只是给分，更是在和学生对话。AI可以帮老师减少重复劳动，但不能替代这种对话。

金句：越是看思想的题，越不能只看机器的分。

三、学校要建三道门：AI初评、教师复核、学生申诉

现在很多学校谈AI，喜欢谈平台、工具、效率。其实第一步不该是买系统，而是立规则。

为什么？

因为教育评价一旦出问题，影响的不是一张表，而是一个孩子对自己的判断。

欧盟2024年通过的AI法案，采用风险分级思路，其中教育和职业培训相关AI系统被纳入高风险场景之一。这个信号很清楚：只要AI影响学习机会、评价结果、教育路径，就不能当普通工具随便用。()

NIST在2024年发布的生成式AI风险管理框架也强调，要关注生成式AI带来的透明度、偏见、隐私和问责等问题。放在学校里，这些词不用说得太复杂，本质就是四句话：谁来用？怎么用？错了谁负责？学生怎么申诉？()

我的建议很明确：学校要建立三道门。

第一道门，AI初评。

AI可以先给出分数、理由、修改建议。但系统页面必须标注：这是“初评结果”，不是最终成绩。

第二道门，教师复核。

凡是用于正式成绩、评优评先、分层分班、学生画像的重要评价，都必须有教师复核。尤其是边缘分数、异常分数、与学生平时表现明显不符的结果，要人工复看。

第三道门，学生申诉。

学生要有机会说明：“这篇文章是我自己写的。”“这个观点老师可能没有看到。”“AI说我偏题，但我想表达的是另一层意思。”申诉不是给学生钻空子，而是让评价更完整。

学校管理者还要做一个简单台账：AI评分使用了什么工具，适合什么题型，哪些结果人工复核，哪些学生提出申诉，最后如何处理。

这套流程不复杂，但很关键。

没有流程，AI评分就是一把快刀。刀快没问题，但不能乱切。

金句：AI可以给建议，但签字权不能外包。

四、家长看AI批改报告，不要只盯那个分数

现在很多家长最容易犯一个错误：打开AI批改报告，第一眼就看分数。

78分，焦虑。

92分，高兴。

可是，AI报告真正有价值的部分，不是那个分数，而是它指出的问题是否具体，修改建议是否可操作。

2025年一项关于大模型作文评分与人工评分一致性的研究综述，综合了2022年1月至2025年8月的65项研究。结果显示，大模型与人工评分的一致性总体从中等到较好不等，相关指标大多在0.30到0.80之间，但不同研究差异明显。这说明，AI评分有参考价值，但还没有到“完全放心”的程度。()

家长看报告，可以问三个问题。

第一，AI有没有说清楚“为什么扣分”？

如果只说“表达不够好”，这等于没说。如果能指出“第二段例子和中心句关系弱”，才有价值。

第二，AI有没有给出“下一步怎么改”？

比如，把“内容空泛”改成“补充一个具体场景”；把“结构混乱”改成“先写原因，再写经过，最后写收获”。这样的建议，孩子才用得上。

第三，老师有没有参与判断？

家长要特别注意：AI批改不能成为家校沟通里的“判决书”。老师要结合课堂表现、平时作业、学生基础来解释结果。

最好的家校沟通方式，是把AI报告变成一张“学习地图”，而不是一张“成绩罚单”。

班主任可以这样和家长说：

“这次AI报告我们主要看三个点：孩子有没有清楚表达观点，有没有具体例子，有没有修改痕迹。分数只是参考，我们更关注他下一次能不能把一个问题改好。”

这句话很重要。它能把家长从焦虑里拉回来。

金句：真正有用的批改，不是告诉孩子“你不行”，而是告诉他“下一步怎么改”。

五、评价改革不能把孩子交给算法

AI评分带来的最大诱惑，是效率。

过去一个老师批改两个班作文，可能要熬到深夜。现在AI几十秒出结果，谁不心动？

但教育评价从来不是单纯的效率问题。

UNESCO在2025年关于AI与受教育权的说明中提醒，AI进入教育后，需要关注学生数据如何收集和使用，以及偏见、伦理、保护、文化和语言多样性、问责等问题。()

UNESCO在2024年发布的教师AI能力框架，也把“以人为本”“AI伦理”“AI教学法”等作为教师必须掌握的重要能力。换句话说，未来教师不是简单学会点几个按钮，而是要知道什么时候用AI，什么时候不用，什么时候必须人工介入。()

这对中学尤其重要。

因为中学生还在形成自我认知。一次评价，可能影响他对一门学科的态度。一个“低分”，如果解释不清，孩子可能会觉得“我就是不会写”。一个“高分”，如果来得太容易，孩子也可能误以为“套模板就够了”。

所以，学校推进AI评分，要守住五条底线：

第一，不把AI分数作为唯一依据。

第二，不用AI给学生贴长期标签。

第三，不把AI批改报告直接甩给家长制造焦虑。

第四，不让学生在没有解释权的情况下接受结果。

第五，不让教师退到系统后面，只做点击确认的人。

AI评分最适合做什么？做初筛、做提示、做统计、做重复性反馈。

AI评分最不适合做什么？做最终裁决、做人格判断、做学生潜力预测。

说到底，评价改革的方向，不是把老师换成算法，而是让老师从重复批改中腾出手来，更认真地看见学生。

这才是AI进入教育的正确位置。

给教师的可操作建议

教师可以从一张“AI评分复核单”开始做。

每次使用AI评分后，至少抽查三类作品：高分边缘、低分边缘、与平时表现明显不符。复核时看四项：评分是否符合量规，扣分理由是否具体，建议是否可执行，是否存在表达风格被误判。

作文类任务建议保留“三件套”：学生初稿、AI反馈、学生修改稿。这样，老师看到的不只是结果，而是成长过程。

给学校管理者的治理建议

学校层面要制定AI评分使用规则。

哪些题型可以自动评分，哪些题型必须人工复核，哪些结果不能进入正式档案，都要写清楚。涉及分层、评优、处分、升学推荐等重要事项，不能只看AI结果。

建议建立“AI评分异常复核机制”。凡是学生、家长、教师认为结果异常，都可以提出复核。复核结果要有记录，有解释，有反馈。

给家长的沟通建议

家长不要把AI评分当成“电子老师”。

看到低分，先问孩子：“你觉得它说得哪一点有道理？”再问老师：“这份报告哪些地方值得参考？”最后和孩子约定一个小目标，比如“下次作文补充一个具体事例”。

不要一上来就说：“你看，AI都说你写得差。”

这句话伤害很大，也没有教育价值。

结尾：技术越快，教育越要慢一点

AI自动评分会越来越常见。这不是坏事。

它能帮老师减负，能给学生更多即时反馈，也能让学校看到一些过去看不到的数据。

但我们必须记住：快，不等于准；准，不等于公；公，也不只是分数一致。

真正好的评价，是让孩子知道自己在哪里，也知道下一步往哪里走。

所以，AI评分可以进校园，但必须带着护栏进来。

AI可以算分，但不能替学生下结论。

AI可以提醒老师，但不能替老师负责。

最后送给教师、家长和学校管理者一句话：

评价不是给孩子盖章，而是帮孩子找到下一步。

您所在学校有没有使用AI批改作文、作业或试卷？您最担心的是效率、准确性，还是公平性？欢迎在评论区说说真实体验。

高搜索量热词摘要

AI自动评分、AI批改作文、教育公平、算法偏见、作文AI反馈、AI阅卷、教师复核、学生申诉、家校沟通、评价改革、人工智能教育治理。

配图建议

风格：校园纪实照片风，轻量科技HUD叠加。

色调：深蓝、暖白、银灰。

内容：一位教师在电脑前查看AI评分报告，旁边有学生作文纸和红笔，屏幕上出现“Score / Review / Appeal”三个简洁词。

配图文字：签字权不外包

AI生成配图提示词

中文提示词：

一张16:9横版校园纪实风照片，场景为中学办公室，一位教师坐在电脑前认真查看AI评分报告，桌上有学生作文纸、红笔和评分量规。画面真实克制，不要赛博朋克。加入轻量科技HUD线框，屏幕附近显示英文词“Score / Review / Appeal”。色调为深蓝、暖白、银灰。整体干净、专业、有教育现场感。图片文字不超过6个字：“签字权不外包”。

English prompt:

A 16:9 documentary-style photo set in a secondary school office. A teacher is carefully reviewing an AI scoring report on a computer. Student essays, a red pen, and a scoring rubric are placed on the desk. Keep the scene realistic and restrained, not cyberpunk. Add subtle HUD-style overlays with the words “Score / Review / Appeal” near the screen. Use deep blue, warm white, and silver-gray tones. Clean, professional, with a strong sense of real school assessment. Add short Chinese text: “签字权不外包”.