AI 批改的分数从哪来？评分维度与采信边界

AI 批改正进入越来越多的课堂：作业拍照上传，几秒钟出分。但不少老师拿到分数时心里打鼓：这个分是怎么算出来的？能直接抄进成绩册吗？要回答这两个问题，得先拆开看 AI 批改内部发生了什么——分数背后是一组评分维度和一套加权规则，哪些维度算得准、哪些维度误差大，直接决定了哪些分能采信、哪些必须回到教师手上。本文按公开产品的一般做法拆解评分维度与采信边界，给一份可落地的分工建议，各产品的具体规则以其官方说明为准。

一次 AI 批改内部发生了什么

一条批改链路大致四步：先识别——把手写或打印的作业转成机器可读的文本；再提取——按预设的评分维度从内容里抽取特征，比如答案对不对、步骤是否出现关键点；然后比对——把特征与评分规则对照打分；最后加权——各维度分数按权重合成总分。理解管线的好处是知道误差藏在哪一环：字迹识别错，后面全错；维度设计不合理，分数就偏；权重失衡，总分就失真。判断一个批改工具靠不靠得住，可以照着这条链路逐环追问。

拆开看：常见的评分维度

把各家产品的打分项收拢，常见维度有四类。客观对错：与标准答案直接比对，算得最准。步骤过程：理科解题按关键点匹配给分，误差居中，识别环节最容易翻车——学生跳步、写法不规范时容易漏判。表达结构：作文的立意、结构、语言，AI 靠语言特征打分，能看出段落、病句这类表层问题，对思想深度的判断有限。规范书写：字迹工整度、格式规范，完全依赖识别质量，识别差一点这项就失真。需要说明的是，各产品维度划分与命名不同，本文讲的是一般框架，具体以所用产品的说明为准。

采信边界：哪些分能用、哪些要复核

按误差风险从低到高排。客观题分数可以较放心地采信，配合定期抽查即可。步骤分建议半采信：结果对错可用，过程分的细节抽一部分人工复核，尤其对书写潦草的学生。表达类分数当参考用：拿它做作文排序、分层、找共性问题很顺手，直接写进成绩册则不妥——AI 对立意与思想性的把握，替代不了教师的判断，这类判断本身就带着不确定性，如何与机器结论共处可以参考AI 不确定性下的信任一篇。涉及升学评价、评优的分数必须教师终审：评价终审是教师把 AI 当助手的底线之一，见教师使用 AI 的三条底线一篇。另外，批改之前还有一道前置检查：先判断作业是不是学生本人写的，AI 代写的识别思路见学生作业的 AIGC 检测一篇，给 AI 的分先确认分的是谁的东西。

把分数用对的三条做法

第一条，先小样本校准再全量使用：拿一批自己已经改过的作业与 AI 分数对比，偏差明显的维度降权，偏差稳定的维度放心用。第二条，把分数当教学决策的入口而非终点：AI 汇总错误分布、定位共性薄弱点很好用，讲评重点与干预方案由教师来定。第三条，给学生和家长的反馈里说明来源：AI 分数定位为初评，终评教师复核，规则事先讲清楚，误解就少。文书活也能借力：用 DeepSeek 起草讲评稿初稿、用 Kimi 汇总错题分布表，但讲评里的事实判断要自己核过再发。

延伸阅读：AI 批改作文怎么打分。

采信边界速查

• 客观对错：放心采信，定期抽查
• 步骤过程：结果可用，过程抽复核
• 表达结构：排序分层可用，成绩册慎入
• 高利害评价：一律教师终审

AI 批改快问快答

• AI 分数和我的判断差很多怎么办？：先查识别环节有没有读错，再比对是哪个维度的偏差，校准后仍对不上的，以教师复核为准。
• 平时分能直接用 AI 分数算吗？：建议把 AI 分当过程性参考，使用规则事先向学生说明，进入成绩的分数留人工复核。
• 作文批改能全交给 AI 吗？：结构与语言维度可作参考，立意与思想性必须人评，AI 的意见当助教不当主审。