AI 评估真的能减轻教师工作量吗？能减轻多少？
是的，证据显示出了明确且可量化的减少。在2024年一项关于自动评分与反馈系统的研究中，教师的批改时间从每周15小时降至9.75小时——减少了35%[1]。这意味着每周节省超过五个小时，这些时间可以重新投入到教学或备课中。该研究追踪了系统引入前后的真实课堂数据，因此这些节省是实际可行的，而非理论上的。
2023年开展的一项规模更大的试验——涵盖103所学校的18500名学生和990名教师——测试了一种名为FLASH标记的基于代码的反馈方法，该方法依赖同伴评估和自我评估，而非书面评分[2]。研究发现，教师的总工作时间有所减少，专门用于批改和反馈的时间也下降了。效应量虽小（分别为0.16和0.17），但在大规模的真实世界试验中，即便是微小的效应也能为数千名教师带来可观的时间节省。重要的是，参与干预学校的教师对该方法持积极态度，表明工作负担的减轻是显著且受欢迎的。
将评分交给AI，学习质量会受影响吗？
证据表明，学习质量并未下降，甚至可能有所提升。在自动化评分研究中，学生参与度指标实际上有所上升：作业提交率从70%提高到88%，课堂参与度从65%增加到81%[1]。作者将此归因于更快速、更一致的反馈，这有助于保持学生的学习动力。尽管该研究未直接衡量考试成绩，但更高的参与度和提交率是主动学习的强有力指标。
在FLASH标记试验中，教师自身报告称，基于代码的反馈方法对学生的学习成果产生了积极影响[2]。这是一种主观衡量标准，但该方法旨在促进学生元认知技能——即引导学生反思自身的思考与学习过程，而非被动接受分数——这一事实为其提供了支撑。研究作者指出，该干预措施基本按设计实施，这增强了人们对结果的信心。
一项值得注意的发现是：2023年一项关于在蒙台梭利课堂中使用ChatGPT进行课程规划的小型行动研究得出了喜忧参半的结果，并呼吁开展更多研究[3]。该研究并未找到明确证据表明AI工具改善或损害了学习效果，但其重点也并非评估体系的重构。因此，就评估本身而言，规模更大、相关性更强的研究指向了质量维持或提升的方向。
“好处在哪里——AI评估重设计何时会失效？”
关键在于，并非所有人工智能评估工具都同样有效，具体情境也很重要。FLASH评分试验虽然取得了成功，但采用的是基于代码的同伴互评与自评方法，而非完全自动化的AI评分系统[2]。这意味着教师仍需培训学生使用这些代码，并引导同伴反馈。因此，工作量的减少源于反馈方式的转变，而非完全消除人工参与。
另一个局限性在于：自动化评分研究[1]是一项探索性研究，采用了实施前后的课堂观察方法，而非随机对照试验。这意味着其他因素（如新课程或积极性高的教师）也可能促成了改进。此外，该研究主要关注作业提交率和参与率，而非批判性思维或长期记忆等更深层次的学习成果。
最后，一篇2023年关于构建“抗AI”课程的论文警告称，评估需要经过深思熟虑的重新设计，以保持其真实性，避免因学生使用AI而受到损害[4]。如果你只是简单地将人工评分替换为AI评分，而不重新思考评估的内容，最终可能会得到一个容易被钻空子或衡量错误指标的系统。关键在于调整评估方式，使其无论是否涉及AI都能有效运作——这才是真正在不牺牲质量的前提下节省工作量的途径。
关于这些来源
该答案基于4项研究（3篇经同行评审，1篇为预印本）——发表于2023年至2024年间，其中1篇为2024年或之后发表，1篇发表于Q1–Q2期刊——这些研究是从通过质量筛选的4项研究中选出的最具相关性的成果，而该筛选过程则源于从超过5亿篇论文的数据库中检索到的47篇文献。
本文引用的文献
自动评分与反馈系统：减轻教师负担，提升学生表现
在一项探索性课堂研究中，自动评分系统将教师的批改时间减少了35%（从每周15小时降至9.75小时），同时作业提交率从70%提升至88%，课堂参与度从65%上升至81%。
基于代码的批注与反馈方法能否减轻教师工作负担？——FLASH批注干预评估
在一项涵盖103所学校、18500名学生和990名教师的大型试验中，基于FLASH标记代码的反馈方法减少了教师的总工作时间（效应量0.16）和批改作业时间（效应量0.17），且教师反馈该方法对学生学习产生了积极影响。
利用人工智能工具减轻教师压力与工作负担
一项为期五周的小型行动研究，探讨了在蒙台梭利课堂中使用ChatGPT进行教案设计的效果，结果喜忧参半，并得出结论认为，需要进一步研究以评估其对教师福祉和工作量的影响。
构建具备AI韧性的学术课程：支持教师维护教学法
一篇概念性论文指出，为维护教学本质，评估方式必须重新设计，使其无论学生或教师是否使用人工智能，都能保持真实性和韧性，而非简单依赖AI工具替代现有方法。