AI 評卷與即時回饋:回饋要快到甚麼程度才有用
從一疊中二英文週記講起,拆解 AI 評卷在客觀題、數學步驟與開放式寫作上的可靠度差異、評分準則要寫到多細、教師必須守住的三道閘,以及學生真正讀得入的回饋長甚麼樣。
星期五小息,教員室的桌角疊著三十二本中二英文週記。科任老師用手按著那疊簿說:「今晚批,星期三先派得返。到時佢哋連自己寫過乜都唔記得。」這三十二本,大概要用兩個晚上。
批改的真正問題不在於花多少小時,而在於回饋到達學生手上的時候,那件事已經過去了。把等待從三天壓到三分鐘,學生的修改意願是完全兩回事。
回饋的保鮮期
同一句評語,在不同時間送到,效力差別很大。學生剛寫完那篇週記,腦裡還記得自己在第二段卡住、想不到怎樣接下去;三天之後,他只看見簿上一個等級和幾個紅圈,原本那個卡住的位置已經沒有了。
學生肯改的那個窗口
即時回饋最值錢的地方,是它落在學生還在意這篇作品的時候。中二那班試過在課堂最後八分鐘讓學生把週記輸入平台,即場拿到逐段回饋,當堂改一次再交。三十二人裡有二十六人真的動手改了至少一段——同樣的評語如果三天後才出現在簿上,願意改的通常不超過五個。
快不等於可以少批
即時回饋不是拿來取代教師那一輪。它處理的是「學生需要立刻知道自己哪裡不對」,教師那一輪處理的是「這個學生這個學期在哪一項一直原地踏步」。兩件事不一樣,後者沒有人可以代勞。
準則的顆粒度
AI 批得準不準,八成取決於準則寫成甚麼樣。科組常見的準則寫法是「內容充實、描寫細膩、結構完整」,這種字眼對 AI 和對學生一樣沒有用——沒有人知道「細膩」是幾多。
把等級描述改寫成看得見的行為,情況會立刻改變。同樣是記敘文的「內容」一項,寫成「事件有時間、地點、至少三個具體動作,並且至少兩處用動作或對話交代情緒」,AI 就有東西可以逐項核對,教師覆核時也只需看那幾項有沒有做到。
這一步是科組的功課,不是個別教師的功課。準則一旦寫死,全科用同一把尺,跨班比較才有意思。
三類題目的可靠度
把所有批改講成一件事,是很多失望的來源。實際上這三類差得很遠。
客觀題與步驟題
選擇、填充、計算題最穩,只要標準答案清楚,錯的地方也指得出來。步驟題再進一步:批的不只是最後答案,而是哪一步開始走歪。中二那條解方程題,回饋會寫成「第 3 步:你把 5x 由等號左邊搬到右邊,但沒有變號,所以之後每一步都跟著錯」。學生看到的是斷點,不是一個交叉。
開放式寫作
這一類必須當成初評看待。AI 在指出語言層面的問題上很可靠——時態不一致、同一段連續三句用 And 開頭、同一個詞在一頁裡出現七次;但在判斷一篇文章的立意值多少分時,它會偏寬,而且大部分作品都被推到中上檔。這正是教師那一輪不能省的原因。
開放式寫作交給 AI,要它做的是指出問題,不是決定等級。
教師守住的三道閘
第一道是開頭三份自己批。每次新作業,教師先親手批三份,再看 AI 對同樣三份的判斷。差距大的話,問題通常在準則,不在學生。
第二道是抽樣覆核。全班批完之後抽五份——最高分一份、最低分兩份、中間隨機兩份。最低分那兩份最要看,錯判一個弱生的代價遠高於錯判一個強生。
第三道是分數的最終決定權。AI 的評級在教師按下確認之前,不應該對學生顯示為正式分數。這一條是原則問題,寫進校本指引裡比口頭講有用。
學生眼中的紅字
回饋寫得再準,學生讀不入就等於零。實務上有三件事值得要求:
引用原文。「注意結構」沒有可操作性,「你第四段寫『我好驚』,可以改成寫你當時做了甚麼動作」才有。
只標不改。讓 AI 標示問題與類型,但不要直接給出改好的句子。一給出來,學生就會抄,整個修改過程等於沒發生。這個設定要在派功課之前決定好。
一次不超過三項。逐句挑錯的功課發回去,能力弱的學生只會放棄。挑三項最影響理解的,其餘留到下一篇。支架式(scaffolding)的意思就是這樣:先扶住最要緊的那幾處,能站穩了才逐步放手。
常見誤解
-
誤解:AI 評卷等於把紅筆交給機器,教師就不用批。 實情:省下來的是重複標示同類錯誤的時間,不是判斷時間。教師那一輪從「逐份挑錯字」變成「看全班哪一個維度集體低分」,工作沒有消失,只是換了位置。
-
誤解:準則寫得越詳細越好,分得越細越準。 實情:一份十二個維度的準則,AI 和教師都守不住,結果是每一項都批得敷衍。四至五個維度、每個維度的等級描述寫成具體行為,比十二個維度有用得多。
-
誤解:AI 給的分數不準,所以整套都不能用。 實情:分數與回饋是兩件事。即使等級要教師重判,逐段指出問題那部分已經替學生省了三天的等待,而那三天正是他最肯改的時候。
星期一可以做的三件事
- 把你現在用緊的一份評分準則拿出來,找出當中最含糊的一個等級描述,改寫成一句可以勾選的行為,例如把「描寫細膩」改成「至少兩處用動作或對話交代情緒」。
- 揀一份已經批完的功課,抽三份重新讓 AI 批一次,對照你自己給的等級。差距落在哪個維度,那個維度的準則就是下一個要改的。
- 下一次派功課之前,對學生講清楚一句:即時回饋是第一位讀者的意見,分數由老師最後決定,改完可以再交。
幾條常被問到的問題
通常偏寬,而且中間分數段特別擠——大部分作品都會落在準則的中上檔。做法是把每個等級的描述寫成具體的行為,例如「至少兩處用動作或對話交代情緒」,而不是「描寫細膩」。等級描述越像可以勾選的動作,分數分佈就越貼近教師。
辨識錯誤主要來自跳步與擠在同一行,而不是單純字醜。要求每個步驟獨立一行、答案圈起來,辨識準確度會明顯改善。真正認不出的,系統應該標示為「無法辨認」交回教師,而不是猜一個答案給學生。
相反,學生通常更願意改——因為他知道即時回饋不是最終分數,改完可以再交。要講清楚的是分數誰說了算:AI 是第一位讀者,教師是最後評卷的人,這句話要在第一次用之前就對學生講。
最直接的是決定下一課教甚麼。全班同一個維度低分,那是教學問題,不是學生問題。累積下來的錯誤類型排名,也是科務報告與家長日解釋跟進安排時最實在的材料。
相關文章
三十分鐘備課:把 AI 擺在教案流程的哪一段才省時
一節課的教案、簡報骨架與三層工作紙,三十分鐘做得完嗎?以小五常識「社區規劃」與中二地理「市區重建」為例,拆解這三十分鐘該怎樣分配、哪一段交給 AI、哪一段只能由教師自己決定。
讀下去支架式(scaffolding)智能導師:不直接給答案的 AI 才配進課室
說明支架式智能導師如何用「路標、扶手、示範一步」逐步收窄支援、以追問代替代寫,以及教師如何設定支援上限與即時監察。附小三常識與中一科學的對話示例,說明為何「秒答型」AI 會削弱學習。
讀下去差異化教學不是準備三份材料:用 AI 分擔複製工作,把判斷留給教師
同一個學習目標可以開三條入口,加上讀寫障礙、ADHD、非華語學生的調適版本。本文拆解哪一部分值得交給 AI、哪一部分交出去就會出事,並提供分派、評分與追蹤的實際做法。
讀下去


