项目式学习中的报告批改耗时且主观性强，现有AI工具难以处理创新性等高阶判断。CoGrader系统提出了一种人-AI协作方案，在不将评分权交给AI的前提下，显著提升教师批改效率和公平性，同时保持教师的判断权威。
智能速览
项目报告评分存在多阶段复杂流程和评分漂移问题
教师对AI接受度较高但坚持关键判断需人工掌控
CoGrader采用协作式指标设计和基准对比评分机制
评估显示系统显著提升效率且未导致教师过度依赖AI
benchmarks驱动的重评分过程最受教师认可
精华内容
面对项目报告批改的复杂挑战，研究者深入调研教师工作流程，开发了以教师为中心的CoGrader系统，通过人-AI协作实现了效率与质量的双重提升。
评分痛点分析
通过对6位高校教师的深度访谈，研究发现项目报告评分包含多阶段流程：评分指标设计、整体浏览与基准选择、对照式与回溯式评分、以及最终反馈整合。
教师面临四大核心挑战：评分指标难以覆盖多样化作品与课程目标、长时间评分中的公平性维持、主观指标高度依赖教师判断、以及评分漂移现象。这些问题在项目式学习日益普及的背景下显得尤为突出。
尽管教师普遍认可AI在加速总结、初步分析等重复性工作的潜力，但一致强调指标选择、基准确定、最终评分等关键环节必须由人工掌控。
系统设计理念
CoGrader的核心设计理念是教师主导的人-AI协作，而非全自动评分系统。系统架构围绕三个关键模块展开：协作式评分指标设计、基于基准的协同评分、以及教师主导的反馈生成。
在指标设计环节，AI从项目要求中自动提取基础指标并推荐潜在指标，教师负责筛选、修改并决定哪些指标可自动评分。这种分工既发挥了AI的信息处理优势，又确保了教师的专业判断权威。
基准机制是系统的创新亮点，教师选定高低基准作业后，AI据此对其他报告进行对比式重评分，有效提升了评分的一致性。
协作工作流程
CoGrader的工作流程体现了深度的人机协作：首先进行人-AI协作的评分指标设计，AI提取基础指标，教师进行筛选和决策。
接着是基准驱动的评分过程，AI先进行初始评分，教师选择基准作业，AI再基于基准进行对比重评分。这个过程既保证了评分效率，又通过基准机制维护了公平性。
最后是反馈生成环节，AI整合分数、评论与教师批注生成结构化反馈，但所有AI输出都可被教师修改、覆盖或删除，确保了最终的评分权威仍然掌握在教师手中。
实证评估结果
包含12位教师和助教的用户研究表明，CoGrader在多个维度上取得了显著成效。评估数据显示，系统在提升评分效率和一致性方面表现突出，特别是在长时间批量评分时效果更加明显。
基准驱动的重评分过程获得了教师最高认可度，被认为是维持评分公平性的关键机制。教师反馈表明，这种对比式评分方式有效减少了评分漂移现象。
值得注意的是，虽然系统提升了效率，但教师并未出现过度依赖AI的情况，仍然频繁检查和修改AI输出，保持了应有的专业审慎态度。
CoGrader为人-AI协作在教育评估中的应用提供了成功范例，既发挥了AI技术优势，又保持了人类专业判断的核心地位。这种协作模式或将成为教育数字化转型的重要方向，但仍需关注伦理考量与长期影响。
