直面困境：作业“含AI量”增长，传统评价失效

作业批改是教学评的重要环节。在这个过程中，教师能够深入了解学生的学习情况，学生也能够通过教师的评价和反馈总结学习经验，及时查缺补漏，使后续学习更有针对性。

进入人工智能时代后，学生完成作业的方式发生了巨大的变化。在AI的帮助下，学生能够迅速获得正确答案，这为作业辅导提供了有益的帮助，但也给作业批改带来了困境：若仍以答案的对错作为作业批改的标尺，不仅难以辨识学生的真实学情，还可能沦为对AI代写的变相鼓励。

近期，菲尔兹奖获得者、加州大学伯克利分校教授、著名数学家理查德·博切兹在发现人工智能工具可以帮助学生获得高分后，已停止按正确性批改学生作业。这一做法提示我们：当作业结果的可信度崩塌时，教育评价的重心必须从“结果的正确性”转向“过程的有效性”，这也倒逼我们重新评估作业批改的价值，探索新的评价策略。

价值重估：让作业批改成为“思维流量”的监测

在人机协同学习日渐成为常态的背景下，作业批改的价值需要重新审视。教师与其把批改的重心放在“甄别是否用了AI”，不如转向一个更根本的追问：学生是否借助AI增加了自己的“思维流量”？

所谓“思维流量”，借用的是互联网领域的概念，指学生在完成作业过程中思维活动的频率和路径。AI可以生成完美的结果，却无法替代学生思维流动的过程，而这正是作业批改应该关注的重心。

把作业批改定位为“思维流量监测”，意味着评价的重心从“判断对错”转向“追踪过程”。具体而言，需要关注三类信号：

其一，思维启动信号：学生是否有自主思考？一份作业如果从头到尾没有留下任何思考的痕迹，那么无论结果多完美，反馈给教师的思维流量信息都非常匮乏；反之，那些留有涂改、追问、旁批、反思的作业，哪怕结果不完美，也说明思维活动真实地发生过。批改时，这些痕迹比答案本身更值得关注。

其二，思维路径信号：学生的思维走了哪条路？面对同一个问题，学生是直接套用现成结论，还是尝试了不同角度？是沿着一条线走到黑，还是在关键节点做了调整？这些信息在终稿中往往被抹平，但在过程材料中清晰可见。因此，批改不能只看终稿，还要看与AI的对话历史、修改记录等过程性材料。这些材料共同勾勒出思维的路径图，教师能够由此判断学生的认知活动是否发生和如何发生。

其三，思维阻滞信号：学生在哪些地方卡住了？思维流量监测最有价值的部分，恰恰不是学生顺利通过的地方，而是学生停滞、反复、困惑的地方。一道题反复改了三遍仍不满意，一段论证写了两版都不通顺，与AI对话时反复追问同一个问题——这些“卡顿”处，正是思维生长的节点，也是教师最需要介入的地方。传统批改把这些信号当作“错误”标记出来，而思维流量监测则把它们标记为“最近发展区”加以追踪和回应。

AI可以生成答案，但无法替学生思考。作业批改的真正价值，不在于甄别结果的优劣，而在于思考的真实发生。在人机协同学习时代，作业不应成为AI与教师之间的攻防战场，而应成为学生思维轨迹的记录仪。当批改从“结果验收”转向“流量监测”，教师的角色也随之改变。教师不再是站在终点打分的人，而是站在过程之中观察流量、诊断阻滞、提供反馈的“思维教练”。作业本上的红笔批注，不再只是“对”与“错”的判决，而是对学生思维路径的回应。

优化作业设计，让思维“留痕”

人机协同背景下的作业批改，不能只在“判分”环节做文章，更需向前追溯到作业设计本身。如果作业任务只要求一个正确答案，AI几秒就能完成，批改便无从分辨思维的真假。以语文习作升格为例，批改的核心在于看见写作过程中思维活动的发生——从关注学生“怎么写”转向关注学生“怎么想”。这对一线教师最直接的启示是：作业设计本身就要让学生“留下思维痕迹”，批改才有迹可循。

第一，填写AI协作报告。在写作升格任务中，可重点关注AI辅助升格过程中的人机对话历史记录与学生修改习作的过程性材料。

例如，要求学生借助AI完成升格后填写一份简短的AI协作报告，回答三个问题：

三问由浅入深，从“AI如何帮助我”到“AI哪里有问题”再到“我如何形成自己的判断”，本质上是要求学生把与AI的协作过程复述一遍。复述的过程，就是思考被重新组织的过程。

第二，做好修改标注。在学生按AI升格建议修改作文后，可要求其完成两项标注：一是标注按AI建议修改的部分，用特定格式标出并简要说明采纳理由。这既是对AI辅助的诚实披露，也是对“为什么采纳”的再次确认；二是找出至少一个AI建议中未提及的问题，自行修改并标注。后一项要求尤为关键，它迫使学生不能止步于“照着AI改”，而必须独立发现AI的盲区。一个学生若能指出“AI只关注了论据的丰富性，却没有发现我的论点与结论之间存在逻辑断裂”，便说明他真正进行了深度学习。

第三，关注同伴互评。同伴互评的价值不在“判分”，而在于学生为了评价别人，不得不把自己的判断说出来。笼统地说“写得好”与能够指出具体的思维漏洞，反映出来的思维活动水平有显著差异。教师可批阅学生的互评留言，将那些能提出具体质疑或建设性修改意见的留言标记出来，作为思维流量出现的信号。

第四，建立写作档案袋。档案袋评价的实质是过程性评价，通过持续收集学生的写作材料来追踪能力变化。单次作文的修改痕迹是孤立的，但若将同一学生一学期多次作文的初稿、修改稿、反思记录、互评留言放在一起，便能看出单篇看不到的东西：学生的论证方式、思维习惯是否在改变？对AI建议的采纳是否从“照单全收”走向“有选择地吸收”？哪类问题反复出现却始终未被自己发现？让零散的思维痕迹连成一条线，形成动态轨迹。

构建多维评价网络，捕捉思维痕迹

在优化作业设计、积累过程材料的基础上，评价标准需从单一的结果判断转向多维网络，以捕捉AI难以替代的思维痕迹。具体可从四个维度展开，四者并非并列罗列，而是形成以思维过程为核心、AI协作质量与原创贡献为两翼、结果质量为基础的评价结构。

思维过程维度是评价的核心，该维度关注思维的动态轨迹，包括思维活动的发生、阻滞、推进、修正、反思等环节。这一维度之所以居于核心，是因为它直接指向学生认知活动的发生与深化，是AI最难替代的部分。

AI协作质量维度与原创贡献维度构成两翼。前者看学生对AI信息是否核实、对AI建议是否辨析、反思中是否展示独立判断等，摒弃传统作业“禁用AI”的评价导向，鼓励学生合理使用AI；后者看学生是否提出属于自己的核心观点、是否运用个人化经验与观察、是否形成有辨识度的个性化表达，这是思维主体性的最终落脚点。

结果质量维度则作为基础层保留。答案对错与表达优劣仍然纳入评价，但权重下调，需结合前三者综合判断。结果不再是终点，而是检验思维过程是否真实发生的一个参照。

四维相互支撑，思维过程为AI协作与原创贡献提供观察窗口，AI协作质量为思维过程提供辨析依据，原创贡献为思维过程提供价值标尺，结果质量则为前三者提供基础参照。如此，评价便不再是单一的对错判决，而是对学生思维轨迹的多角度回应。

AI时代，作业批改不应成为搜集抄袭证据的“侦探”，而应变成更好的思维“教练”，以科学的评价反馈机制引导学生合理使用AI，保持学习主体性，提升学科素养和思维能力。这既是AI给教学带来的挑战，也是作业评价回归育人本质的契机。