| 发布日期：2026-06-11 16:36 点击次数：134 |
“AI考官”能评判学术背后的念念想分量吗？一项大限度询查，将面前发轫进的生成式AI推上了学术评判的席位。
英国剑桥大学领衔的询查团队让Claude、ChatGPT等前沿模子，为来自英国三所大学训练和侦查中的761篇本科论文一一打分。戒指自满，AI给出的评分与行家评审授予的学位品级只是有约半数相符。更为严峻的是，这些系统在识别优秀的学术后果和薄弱的功课时屡屡失准，暴败露其对话语容颜过度明锐、对学术实质把抓不及的弱势。
这份新近发布的证明警示，尽管AI不错在一些阅卷经由中充任扶植器具，但若将其推上前台寂寞裁断，不仅可能祛除学生的个性才华，更将动摇高档训导赖以维系的信任根基。
评分模式“去头去尾”
这项名为OpRaise的询查由剑桥大学神志学家德博拉·塔尔米博士主理，聚拢曼彻斯特城市大学、诺丁汉大学共同完成。询查团队收用了2022年至2025年间提交的761篇确凿本科论文，涵盖50个模块、87项不同功课，侦查容颜包括课程功课、开卷居家训练与监考训练。
经受测试的三种前沿谎话语模子分别为Anthropic的Claude Opus4.6、OpenAI的GPT-5.4以及谷歌的Gemini 3 Flash。询查团队系统性地从评分步伐具体性、校准烦闷和评分政策三个维度疗养指示，甚而为模子提供了竣工的评分步伐与预期分数漫衍，并条目其在给分前逐项解说评判依据。即便如斯，AI的评分准确率仍耽搁在35%至65%之间。
在三所不同的大学里，AI皆推崇出彰着的“中心倾向偏差”。它们倾向于给扫数功课打上安全的中等分数，在50至60分的区间，与东说念主类评分最为接近。一篇被东说念主类行家评为75分（一等学位水平）的优秀论文，AI平均会压低几分；而一篇被评定为50分的薄弱作品，AI反而会推进地拔高几分，呈现“去头去尾”的评分模式。
更提防容颜而非“内涵”
东说念主类阅卷，要基于学术推理和学科瞻念察再作出判断，但AI的评分执行上依赖统计预计。这次扫数被测模子，无一例外地对话语特征推崇出过度明锐：著述篇幅更长、词汇范围更广、句子结构更复杂，时时就能获取更高分数。至于论证是否严谨、笔据是否充分、批判性念念维是否到位，则并非其关怀中枢。换言之，AI更容易被“漂亮的外在”迷惑，很难穿透笔墨去算计学术念念想的分量。
这种容颜重于内容的倾向，带来了同质化风险。询查团队在不同时代用并吞篇论文反复测试，AI每次给出的分数真是文风不动。名义上看，这似乎是“一致性高”的优点，实则浮现了这些AI在分享并吞种机械逻辑：它们并非在“意会”论文，而是在匹配话语模式。
而当扫数模子皆呈现相易的评分模式时，学生的个性抒发、独到的论证旅途、特殊规但裕如创见的念念考，滚球app 反而可能被忽略。这种偏见的后果，就导致上文所说的，AI在最进军的评估决策之处，准确率最低。
在考语响应形态，相通存在局限。AI生成的考语篇幅时时是东说念主类的3至8倍，团队于是将AI考语压缩到与东说念主类考语同等长度后，再交由教职工和学生辩别作家身份，戒指世东说念主竟难以诀别。然则一朝揭晓哪段话出自AI之手，参与者对AI考语的认同度便彰着下落。这阐述，教师与教师之间、教师与学生之间，那种基于专科明白和学科共同体的意会，一经AI无法取代的。
东说念主类考官无法被替代
面临日益贫苦的阅卷压力，不少高校将AI视为缓解教职工包袱的潜在决策。塔尔米博士坦言，大学正承受着削减就业量、晋升效力、得志学生期许的多重压力，一些机构已驱动谈判让AI承担评估职责。机器省略照实能摊派部分劳动密集型的阅卷就业，让教师腾出更多时代径直提示学生。但这份题为《AI大学评估中的哄骗：评估自动评分的机遇与风险》的证明强调，最终收货必须恒久由东说念主类裁定，AI至多只可充任“第二双眼睛”，用于造作检测、一致性检查，或是秀丽出AI评分与东说念主工评分各异显耀的功课，提请东说念主类要点复核。
学术评估的趣味，远不啻于技艺层面的打分。塔尔米博士指出，评估是构建训导趣味的过程，它让学生感到被爱重，严防学术步伐，维系师生之间的信任。
曼彻斯特城市大学的证明合著者雅埃尔·本恩博士补充说念，很多学生明确示意，若得知功课由AI打分，会产生热烈的被糊弄感；教职职工也以为，过度依赖机器可能侵蚀到专科判断，并“抽走”了高档训导当作中枢的东说念主性化。师生之间围绕评分与响应造成的明白与期待，执行上是一种“社会条约”，它的存续有赖于东说念主对东说念主的认同与薪金。
这份证明并莫得含糊AI在训导领域的价值滚球app官网下载，而是为其轨则了明晰的界限：AI毫不行取代“考官席”上的那双受过专科训导的眼睛。在学术质地的裁断场，东说念主类的推理、造就与就业感，于今一经无法被算法替代的终末防地。(记者 张梦然)
备案号: