整理说明：本文整理自焦建利 2026-09-15 的解读文章（教育技术学自留地），并回溯原论文逐条核对——所有引文与数据以原论文为准。原文为 arXiv 预印本：AlGhamdi, R. (2026). Who Should Grade My Work? Student Perspectives on Transparent AI-Assisted Writing Assessment in Higher Education. arXiv:2609.05346（2026-09-04 提交，24 页）。配图均取自原论文（图 1、图 5、图 6、图 7），图注标明图号。

生成式 AI 越来越多地走进课堂，用大模型给作文写反馈、批改作业，已经成了一些地方 AI 教育应用的核心场景。一个很现实的问题随之而来：如果分数和评价本身就是 AI 给出的，学生知道真相之后会怎么想？

这篇研究没有去纠结「AI 打分准不准」，而是把目光投向学生的真实看法。作者在摘要里点明了研究的缺口：「相对而言，人们并不清楚，当学生被明确告知是 AI 系统而非人类教师产出了反馈与分数时，他们会如何理解这种评价」（comparatively little is known… about how students interpret such evaluation when they are explicitly informed that an AI system, rather than a human instructor, produced the feedback and the score）。

一、三个研究问题

作者提出的三个问题都很「接地气」（原文 1.1 节）：

1. 当学生知道反馈是 ChatGPT 产出的，他们如何评价这份反馈？
2. 学生如何理解 ChatGPT 作为自己作业评价者的角色？
3. 在学生的反思中，会浮现出哪些更广泛的教学与制度层面的关切？

当下不少研究热衷于验证「AI 反馈能不能提升写作成绩」，或测量「学生觉得 AI 反馈有没有用」；而学生知情之后的态度、信任与对评价权力的思考，受到的关注要少得多。这恰是本研究的位置。

二、研究怎么做的：一次嵌在真实课程里的教学探究

这是一项课程内嵌的质性教学探究，全部发生在真实大学课堂，不是实验室实验。作者本人就是该课程的授课教师，为计算机专业本科生讲授《技术沟通》。

• 参与者：同一教学班 19 名男生（大学二年级，入学前完成一年预科）；其中 13 人完成了反思任务，构成最终分析样本。
• 写作真实性：学生当堂手写完成写作任务，避免 AI 代写；作业扫描数字化后再交给 ChatGPT。
• 关键干预（第 4 步）：明确告知学生——这份分数和反馈由 ChatGPT 生成，并非教师批改。学生随后当堂手写反思，回答三件事：是否同意 AI 的分数与反馈及原因、从这次评价中学到了什么、如何看待用 ChatGPT 评价自己的写作。
• 分析方法：归纳式主题分析（Braun & Clarke）。第一轮由作者用 NVivo 做开放编码并提炼主题；第二轮把扫描件**独立交给 Claude Code（Anthropic，Opus 4.7 模型）**做验证性复核。作者特意强调这个顺序是刻意的——先人、后 AI，「以确保作者的分析判断不会被 AI 生成的框架所锚定」。
• 伦理处理：所有提交物在送交 AI 前匿名化；AI 评价被设计为课程内的常规教学活动而非额外研究程序，学生可拒绝将其反思用于研究；对「教师兼研究者」这一双重身份带来的回答偏差与权力不对等，作者列出了四项缓解措施，并承认「残余偏差无法在这种条件下被完全消除」。

一个对照组背景：作者此前在同一门课上做过盲测研究（AlGhamdi, 2024）——学生并不知道反馈来自 AI。本研究的关键变量就是透明披露。但作者明确说明：两项研究队列不同、学年不同、学生对 AI 的熟悉度也不同，不能做严格的因果比较。

三、四个发现：核心是「有条件信任」

1. 反馈有用：13 人全部认可其实用价值

13 位参与者全部认为 ChatGPT 的反馈有用，尤其看重它指出具体问题（某个语法错误、某段组织混乱），而不是「需要改进」这类空泛评语。多人用「清晰」「直接」「有条理」「客观」形容它。一位学生写道：「这些评语很清楚，帮我理解了自己的错误，尤其是语法和句子结构方面。」另一位说：「它直接指出我的错误，给出具体的改进点……分数与解释完全对得上。」

作者指出，这种一致的好评本身就是一个值得注意的发现——因为其他研究里学生对 AI 的态度往往是分裂的。对大班课上反馈不足、反馈滞后的现实困境，AI 反馈确实能补上一部分缺口。

2. 看得见局限：技术局限与语境局限

学生并不是盲目迷信 AI。他们提出的局限分两类：

• 技术层面：手写扫描可能被误读。一位学生说：「我注意到它把我的姓拼错了，还认为我拼写有错误——但我并没有。我想是因为我的笔迹，它一定读错了。」他补充：「我也会不那么当真地看待它的分数，因为如我所说，它可能读错词、做出错误假设。」另一位说得更直接：「AI 会犯错，而这些错误会影响学生的成绩。」
• 语境层面：AI 不熟悉本门课的评分体系——「AI 评分有个问题：它并不知道（老师的）评分体系」；还有学生会觉得它一味讨好：「AI 总是试图正面评价，但这不意味着它不能用。我觉得可以把它当作初步反馈。」

作者由此判断：至少有部分参与者并没有把 ChatGPT 的评价当成中立、无误的，他们会主动质疑其准确性与可靠性，尤其是在语境理解与意义辨识方面。

3. 核心洞见：区分「反馈效用」与「评价权威」

这是全篇最具分析价值的模式，也是论文自称的核心概念贡献：

学生可以同时肯定 ChatGPT 反馈的有用性，又拒绝让 ChatGPT 充当最终评价者。他们在「这份反馈有用」与「这个系统不该决定我的分数」之间划出了稳定的界线——这两种判断在分析上是彼此独立的，而不是同一条认可刻度上的两端（These were treated as analytically separate judgements rather than two ends of a single approval scale）。

学生的原话把这个区分表达得很清楚：

• 「我同意它的反馈，但有一个条件：老师必须检查这份反馈，改掉其中的错误。」
• 「老师可以只用 AI 来读考试反馈；但如果用它来给学生打分，问题就会出现。」
• 「ChatGPT 和人不一样。你可以跟人说话、解释你的理由，请他考虑或者再给一次机会……我更愿意让正常的老师来给我的作业评分。」

值得注意的是，这种「有条件信任」在最喜欢 ChatGPT 的学生身上同样存在：有人把 ChatGPT 称作「你自己的老师」，但这一认可指向的是学习支持，而不是评分权；还有一位起初「怀疑」的学生最后建议「更多老师至少该试试用 AI，尤其是做反馈」——认可同样止步于反馈，未延伸到评价。

4. 教师为什么不可替代：四类理由

学生的反思并没有停在「AI 技术上有局限」，而是给出了人为什么必须留在评价环节的理由，论文归纳为四类相互关联的论证：

1. 老师了解每个学生的个体情况：「老师更懂学生，也更知道怎样给学生打分、怎样支持学生的学习。」
2. 评价是对话性的人际实践：可以解释、可以申诉、可以争取「再给一次机会」——而不只是单向判定。
3. 大学的制度合法性：「如果 ChatGPT 来检查考试，那我们为什么还要上大学？为什么不直接跟 ChatGPT 学、在 ChatGPT 里自己考自己？」——这一问不是关于反馈质量，而是关于把评价交给 AI 之后，正规高等教育的意义与合法性。
4. 防止 AI 错误落到学生头上：「AI 会犯错，而这些错误会影响学生的成绩」——教师因此被看作兜底的安全阀。

作者强调：这些理由不是对技术的简单抗拒，而是主动为「人类评价权威应当保留」给出的正面论据（Participants were not rejecting AI; they were articulating positive reasons…）。

主题分布（原论文表 1）：主题 1 有 13/13 人明确表述，主题 2 有 7 人（另有 2 人部分表述），主题 3 有 7 人（另有 3 人部分表述），主题 4 有 5 人（另有 2 人部分表述）。

四、三原则框架，以及一个被低估的设计动作

框架围绕三条原则展开，每条原则都分别落到教师、评价设计、学生三个对象上：

1. 透明性（Transparency）——教师明确披露 AI 的参与、点名用的是哪个工具；评价设计把披露写进评分量规、制定可及的 AI 政策；学生把 AI 当学习工具、发展 AI 素养。
2. 人类中介（Human Mediation）——教师在交付前审阅全部 AI 反馈、保留最终打分权；评价设计设置人工复核节点、提供申诉通道；学生期待教师复核 AI 输出、把疑虑直接对人说。
3. 反思实践（Reflective Practice）——教师在 AI 反馈之后嵌入反思、让学生把担忧摊开讲；评价设计在 AI 评分之后安排反思、对分析性参与给予回报；学生批判性评估反馈内容、明确表达同意或不同意。

框架底部写着一句总纲：「AI 应当增强，而不是取代，教育评价中人的判断。」（AI should augment, not replace, human judgment in educational assessment.）

一个容易被忽略但很关键的设计动作：这项研究把反思放在拿到分数之后（post-assessment reflection），而不是写作或修改过程中。论文 5.4 节说，这个时序选择「被证明是有后果的」——它把学生的注意力从「这句话该怎么改」推向了「谁应该来评价我的作品」「AI 在评分中该扮演什么角色」这类系统性问题。作者进一步提出：透明不只是伦理义务，也可能是一种教学策略——它支持了学生的批判性参与，而不只是合规要求。

五、局限：作者自己划的边界

• 样本小且可能自选：13/19 人提交了反思；作者认为对同质、有界的样本做反身性主题分析是够的，且主题饱和在数据内较明显，但不能推论到其他人群。
• 高度同质：全部为男性、计算机专业、单一沙特公立大学、单一班级、单一教师、单一学期——跨性别、跨学科、跨机构、跨文化的可迁移性受限。
• 教师兼研究者的回答偏差：缓解措施已列出，但无法完全排除。
• 与前作不可作因果比较：队列、学年、AI 熟悉度都在变，无法把「透明」的效应从队列效应、时间效应中分离出来。
• 图 6 的模型是理论综合，不是经过检验的因果路径；作者认为最有价值的后续方向，是在同一队列内做「盲测 vs 透明」的对照实验。

写在后面

读完这篇，最值得带走的是那个概念区分：反馈效用与评价权威是两件事。学生可以一边说「这份反馈写得好、有用」，一边坚持「分数不能由它定」——这不是模棱两可，而是把两个不同的问题分开回答。

今天是不少教师已经在用大模型批改作业。这篇研究给出的三个自问，我认为可以直接拿来用：

1. 我们用 AI 生成反馈甚至分数时，有没有告诉学生真相？
2. 我们有没有把最终评价权握在教师手里，并留下可申诉的通道？
3. 我们有没有给学生机会对 AI 的评判提出质疑、表达不同意见？

还有一点方法层面的收获：这项研究最有说服力的地方，不是「学生说 AI 反馈有用」，而是它把「是否告知」当成了一个可设计的变量——作者此前做过盲测版，这一版做了透明版。虽然两版之间不能直接比较（作者自己也反复强调），但**「同队列内盲测/透明对照」这个方向已经被作者点名**，谁先做出来，谁就拿到这个题目最硬的那块证据。

---

来源：原论文 · arXiv:2609.05346（AlGhamdi, R., 2026-09-04）｜解读：焦建利《谁应该给我的作业评分？》（2026-09-15）｜文中引用的前作：AlGhamdi, R. (2024). Education and Information Technologies, 29(14), 18901–18926（盲测研究）