教师如何比较 AI 批改工具：一套可靠的评估框架

不只看出分速度，还要检查证据、可编辑性、隐私和真正节省的时间。

几秒钟生成分数，并不代表工具适合教学。真正重要的是：它能否帮助教师做出更一致的判断，能否说明依据，并在不确定时明确提示。

比较时至少检查八项：

1. 支持哪些作业类型；
2. 能否按照教师提供的评分量规工作；
3. 是否引用学生回答中的具体证据；
4. 是否解释判断，而非只给分；
5. 是否标记低信心和争议案例；
6. 教师能否在发布前修改结果；
7. 学生数据如何保存、使用和删除；
8. 是否能连接布置、提交、历史记录和反馈流程。

使用同一组匿名样本测试：优秀答案、中等答案、薄弱答案、偏题答案和边界案例。比较它与教师判断的差异、严重错误、反馈质量以及人工修订时间。

要计算完整工作量。准备量规、修正虚构评论、调整语气和处理例外，可能吃掉所有表面上的效率收益。

高风险作业和不确定案例必须由教师复核。学生也应知道评价标准，并有机会提出疑问。

在 SubSchool 中，AI 可以先提出评价与反馈，教师再检查和编辑。合理的角色是“初稿助手”，而不是不可质疑的自动裁判。