AIEd база знанийAIEd KB
На этой странице

Читать эту страницу на английском

Концепции

Оценочное суждение

Создано 2026-10-13

Автоматический перевод данной английской страницы, не проверенный носителем языка.

Оценочное суждение — способность выносить обоснованные суждения о качестве собственной работы и работы других, опираясь на критерии, которые можно объяснить, а не только заучить. В эпоху генеративного ИИ оно превратилось из желаемого качества выпускника в несущую способность: когда инструмент способен создать правдоподобную готовую работу, компетентного учащегося отличает умение оценить этот результат — судить, что хорошо, что ошибочно, что принять, что отклонить и почему. Благодаря этому оценочное суждение становится самостоятельным законным объектом Оценивание, и именно оно служит практическим поворотом для перехода учреждений от выявления к ориентированному на валидность и аутентичному проектированию оценивания.

Вопросы для размышления

  • Вспомните что-то, в чём вы умеете хорошо судить. Как вы этому научились — вас явно учили, или суждение складывалось само при создании работ и их сопоставлении — и что это означает для того, как такое суждение следует оценивать?
  • Критерии можно применять механически, а можно понимать. Если студент следует критериям правильно, но не может объяснить, почему одна работа лучше другой, — какую способность фактически измерило оценивание?
  • Когда языковая модель предлагает правдоподобное решение, оставшаяся работа учащегося — это в значительной мере суждение: что оставить, что исправить, что отбросить. Является ли это упрощённой задачей или более требовательной, чем создание черновика?
  • Студент может принять предложение ИИ потому, что оно хорошо звучит, или потому, что оно выдержало собственную проверку. Со стороны заявка может выглядеть идентично — что позволило бы оценивающему увидеть эту разницу?
  • Одно мультисайтовое исследование показало, что прямая обратная связь ИИ дала наибольший прирост в доработке работ, но создала риск пассивной передачи суждения наружу. На что указывает этот компромисс при проектировании обратной связи так, чтобы она развивала суждение, а не обходила его?
  • Рецензирование со стороны сверстников и со стороны ИИ может тренировать калибровку, но оба способа могут превратиться в показное исполнение. Как спроектировать оценивание так, чтобы применение суждения было необходимо, а не только демонстрировалось?

Введение

Оценивание, которое просит студентов создавать работу, предполагает, что они умеют отличать хорошую работу от плохой — сначала в работах других, а со временем и в своих собственных. Этому предположению больше нельзя доверять: когда генеративный ИИ способен по запросу генерировать компетентный текст, код и анализ, способность производить продукт становится слабым сигналом обучения, тогда как способность судить продукт — сильным. Оценочное суждение — название этой способности, и исследовательская часть базы знаний по оцениванию неизменно приходит к нему, задаваясь вопросом, что же остаётся оцениваемым и достойным оценивания. Оно находится там, где пересекаются Обратная связь, Формативное оценивание и Саморегулируемое обучение, потому что суждение развивается через сопоставление работы со стандартами и действия по поводу расхождения, и именно оно делает подлинно критическое взаимодействие с результатами ИИ возможным, а не только желаемым.

Что представляет собой конструкт

Оценочное суждение — это способность оценивать качество: собственной работы, работы сверстников и во всё большей степени работы системы ИИ, — опираясь на критерии, которые можно объяснить, а не только заучить. Три особенности отличают его от смежных понятий.

  • Это про качество, а не про правильность. Правильный ответ требует знания; суждение о том, хорош ли ответ, требует стандартов, которые генератор не может предоставить учащемуся вместо него.
  • Оно развивается, а не передаётся. Суждение растёт через многократные акты сопоставления — с образцами, с явными критериями и с различающимися подходами сверстников, — и именно поэтому образцы, упражнения на калибровку и взаимооценивание являются его естественными педагогиками.
  • Оно ситуативно в предметной области. Оно применяется внутри стандартов доказательности и аргументации дисциплины, поэтому не может оцениваться универсально — точно так же, как нельзя предполагать перенос.

Оно тесно связано с подлинностью (аутентичностью) оценивания, но уже этого понятия: аутентичное оценивание спрашивает, похожа ли задача на стоящую реальную работу; оценочное суждение спрашивает, умеет ли учащийся отличать хорошую работу от плохой. Самооценивание оценивает собственную работу учащегося, его компетентность или прогресс в соответствии с критериями, тогда как оценочное суждение распространяет эту оценку и на работы сверстников, и на результаты работы системы ИИ.

Почему генеративный ИИ сделал его центральным

Сходятся четыре аргумента.

  • Продукт перестаёт быть доказательством. Выполнение задачи больше не демонстрирует способность, для подтверждения которой задача была предназначена, потому что значительную её часть может выполнить инструмент. Остаётся рассуждение, которое создаёт, проверяет и отчитывается за продукт, — суждение, коротко говоря.
  • Это способность, управляющая использованием ИИ. Решение о том, стоит ли принять предложение ИИ, адаптировать его или отклонить, и есть оценочное суждение, применённое к машинному результату. Курсы, которые не могут сделать это видимым, не могут отличить ответственное использование от подмены, — и именно поэтому исследователи академической честности всё чаще рассматривают критическое использование ИИ как оцениваемый результат, а не как правило, за которым надо караулить.
  • Это поворот от принуждения к проектированию. Там, где запрещённое использование невозможно выявить, Teichmann (2026) называет развитие оценочного суждения одним из трёх направлений проектирования, которые переносят учреждения от правоприменения, основанного на выявлении, к ориентированному на валидность оцениванию, — потому что там, где учреждение не может выявить, способностью, которая выдерживает проверку, остаётся умение студента отчитаться за работу и её качество.
  • Это превращает раскрытие из исповеди в доказательство. Когда задача просит студентов объяснить, для чего они использовали ИИ, какие предложения приняли или отклонили и как итоговая заявка отражает их собственное суждение, декларирование становится демонстрацией суждения, а не признанием, подлежащим карательному истолкованию, — и именно это снижает стоимость честности, которая иначе уводит раскрытие в подполье.

Дальнейший уровень касается источника суждения, а не только его содержания. AlGhamdi (2026) придаёт этому уровню более точную лексику: его 13 студентов компьютерных специальностей из Саудовской Аравии выносили два независимых суждения в рамках одного акта оценивания — было ли замечание полезным и обладал ли его источник полномочием ставить оценку. Все они приняли построенную по критериям обратную связь ChatGPT как ясную и конкретную, при этом подавляющее большинство оставляло оценку за преподавателем («Я с ним согласен, но с одним условием: чтобы преподаватель проверил обратную связь»), что указывает на то, что оценочное суждение в опосредованном ИИ оценивании теперь должно включать и рассуждение о самом оценочном авторитете, а не только о качестве полученной обратной связи.

Sharma (2026) придаёт этому конструкту наиболее сильное обоснование в литературе об академической честности. Расширяя рамку постплагиата Eaton (2023) от этической ориентации к проектированию оценивания, он утверждает, что модели академической честности, основанные на выявлении и проверке, не соответствуют работам, в которых человеческое суждение и машинная генерация переплетены, и переформулирует академическую честность как педагогическую практику, осуществляемую через оценочное суждение — способность учащегося взвешивать варианты, обосновывать академические выборы и принимать ответственность в условиях эпистемической неопределённости. Его четыре практики (аннотированные следы решений, верификация и подотчётность, устная защита и диалогическая подотчётность, различия черновиков с историей версий) делают это суждение видимым в качестве доказательства, вместо того чтобы выводить его из артефакта, и он отделяет суждение от конструктов, с которыми его часто смешивают: рефлексивная практика рассматривает собственное мышление в ретроспективе, Метакогниция — это осознание и регуляция когнитивных процессов, тогда как суждение оценивает варианты в сопоставлении со стандартами и принимает последствия в условиях неопределённости. Он также называет режим отказа, который отслеживает эта страница: требование документировать рассуждение рискует «заменой одного режима соответствия другим», поскольку суждение как доказательство «остаётся реляционным и ситуативным, а не механически проверяемым».

Доказательства: как развивается суждение и что с ним делает ИИ

Совместная и оценочная литература базы знаний дают сходящиеся доказательства того, что оценочное суждение обучаемо, вытесняемо и проектируемо, — и что ИИ действует в обе стороны.

  • Обучение через сравнение ощутимо его развивает. В 14-недельном исследовании с участием 28 будущих преподавателей созданные ИИ сильные, средние и слабые образцы служили опорой для итеративного сопоставления студенческих черновиков с точками отсчёта; фокус оценивания расширился с поверхностных языковых особенностей до содержания, организации и связности, — но рассуждение оставалось поверхностным: доля обоснований, опирающихся на примеры, удвоилась, тогда как наиболее сложное сравнительное рассуждение оставалось редким. Суждение можно ввести в существование с опорой; оно не появляется по требованию, и качество точек отсчёта имеет значение.

  • Проектирование обратной связи решает, выживает ли агентность. Мультисайтовый кластер-рандомизированный полевой эксперимент с 1 176 студентами первого курса в 48 группах сравнивал четыре условия обратной связи для научной аргументации: только сверстники, прямой GenAI, рефлексивный GenAI (сначала самооценка, потом критика) и гибридный (самооценка + сверстники + GenAI). Гибридное условие дало наибольший прирост качества аргументации; прямая обратная связь GenAI создавала риск пассивного усвоения — студенты передавали оценочное суждение системе, — тогда как рефлексивные и гибридные конструкции сохраняли эпистемическую агентность, вынуждая студента сначала оценить собственную работу. Ключевой вывод авторов: образовательная ценность GenAI зависит меньше от доступа к ИИ, чем от того, сохраняет ли среда обратной связи агентность, суждение и чувство авторства при доработке.

  • Источник обратной связи определяет, какое измерение суждения развивается. В кейсе докторского обучения по статистике ChatGPT-4o давал процедурные указания, но не смог выявить неверный файл данных или неверно применённый критерий, тогда как диалог со сверстниками в реальном времени обнаружил ошибочные данные и заставил обосновать выбор метода (Xie et al. (2025)).

  • Структурированное рецензирование со стороны сверстников и ИИ масштабирует калибровку. Модель PAIRR (Sperber et al., 2025) сочетает рецензирование со стороны сверстников с рецензированием со стороны ИИ и структурированной рефлексией и была проверена в крупнейшем на сегодняшний день исследовании использования студентами обратной связи ИИ (654 студента, десять курсов письма). Она рассматривает сравнение собственного суждения учащегося, суждений сверстников и ИИ как тренировочную площадку, позиционируя оценочное суждение как явный результат обучения, а не как неявный побочный продукт.

  • Обратная связь ИИ помогает только там, где грамотность уже есть. Концептуальная рамка от лидеров в области грамотности в сфере обратной связи (Boud, Dawson & Yan) анализирует обратную связь через запрашивание, обработку и применение, используя два контрастирующих кейса «IELTS с ChatGPT»: студент с низкой грамотностью в сфере обратной связи использовал расплывчатый промпт, получил обобщённый результат и доверился ему или чрезмерно его скопировал, тогда как грамотный студент использовал ИИ критически и чему-то научился. GenAI снижает когнитивные и эмоциональные барьеры на пути к поиску обратной связи, но сам может быть галлюцинированным, необъективным или обобщённым, — и именно поэтому преподавателям предлагается моделировать оценочное планирование и тренировать суждение, а не только промптинг.

  • Устойчивое суждение, а не моментальная обратная связь, — вот пробел. Скопинг-обзор аутентичного оценивания (Zhan, Boud & Du) выявил, что формирующей обратной связи ИИ избыточно, но устойчивой обратной связи — переносимой на будущие контексты — присутствовала лишь в 4 из 23 формирующих исследований. Обратная связь, которая закрывает текущую задачу, оставляя учащегося неспособным судить будущие работы, — это провал оценочного суждения в его наиболее ясной форме.

  • Критика сгенерированных черновиков развила суждение самих педагогов. Paula et al. (2026) обнаружили, что грамотность в оценивании восьми координаторов курсов выросла по мере того, как они критически разбирали сгенерированные инструментом на базе GPT-4.1 критерии и таймлайны в сопоставлении со стандартами дисциплины, при этом все восемь отказались от сквозной автоматизации — инструмент усилил академическое суждение, а не заменил его.

  • Оценивание можно спроектировать так, чтобы оно вознаграждало суждение, а не результат. Модель зоны ответа формализует, почему это так: перепроектирование снижает выгоду от скрытой передачи работы наружу и повышает ценность видимого рассуждения, объяснения и критики. Просьба к студентам объяснить, какие предложения ИИ они приняли, а какие отклонили, превращает само это решение в оцениваемое доказательство.

  • Собственному суждению учреждения не хватает тех критериев, которые оно требует от студентов. Munoz et al. (2026) оценили доказательственную значимость 1 855 элементов доказательств по 1 162 обвинениям в нарушении с использованием генеративного ИИ и обнаружили, что качество доказательств не имело достоверной связи с исходами дел, потому что ни одна стадия процедуры не устанавливала минимальный порог доказательности и не требовала от следователей взвешивать доказательственную значимость перед продвижением обвинения — комиссии взвешивали доказательства через неструктурированное профессиональное суждение. Результаты работы детекторов оказались самой слабой категорией в этом корпусе (отдельные результаты детекторов были целиком низки по достоверности), и Hadra et al. (2026) показывают, что инструмент не может установить тот факт, на который ссылается находка, — макро-точность 0,69 и 0,61 на 192 текстах, почти полный провал на гибридных человеко-ИИ текстах и пограничная проблема систематической ошибки для пишущих на английском как на иностранном языке (EFL), — и именно поэтому собственная рекомендация авторов — человеческое суждение, более ясная политика и лучше специфицированные задачи, а не слежка. Лучшая спецификация важна вдвойне: Wright (2026) утверждает, что правила, написанные по признаку платформенной идентичности, а не функции, чрезмерно широки по определительной случайности, наказывая студента, не сделавшего того, для предотвращения чего правило было предназначено, поэтому суждение оценивающего должно применяться к тому, что сделал инструмент, а не к тому, какая платформа использовалась. Суждение, применяемое без разделяемых критериев, нельзя ни обучить, ни откалибровать, ни проверить — та же проблема согласованности, которую эта страница фиксирует для студентов, возникающая теперь на уровне учреждения. Суждение оценивающего также имеет измеряемое собственное смещение: пять приёмных сотрудников, разделявшие 50 человеческих и 50 сгенерированных ИИ эссе для поступления, достигли AUC 0,70 (95% ДИ [0,65; 0,75]), и их оценки качества падали по мере роста воспринимаемой вероятности ИИ-происхождения, — связь, которая сохранялась после поправки на машинную оценку качества, фактически доказанные моменты меньше на 2,6 при контроле качества эссе (Isley, Gaebler and Goel 2026).

  • Предлагаются прокси-показатели суждения на уровне учебной аудитории. Austin (2026) добавляет два поведенческих сигнала к перепроектированной последовательности заданий: коэффициент распознавания UnBlooms™ — долю результатов работы ИИ, которые учащийся опрашивает, оспаривает или пересматривает вместо принятия, — и коэффициент принятия с первого прохода. Ни один из них не валидирован — оба предложены как дешёвые диагностики на уровне отдельного задания, — но они делают конструкт наблюдаемым внутри обычного оценивания, где почти нулевой коэффициент распознавания на протяжении нескольких заданий читается как сигнал о проектировании задачи, а не как индивидуальный дефицит.

Как неправомерное использование вытесняет суждение

Самый явный риск — вытеснение, и оно доказано на материале литературы об обратной связи, а не только теоретизируется. Когда инструмент поставляет и критерии, и обратную связь, и мониторинг, метакогнитивная и оценочная практика учащегося вытесняется, а не поддерживается, — оценивание становится исполнением суждения, которое студент никогда не осуществлял, тем же режимом отказа, что и когнитивная разгрузка, выраженным на языке оценивания. Прямая обратная связь GenAI в мультисайтовом эксперименте толкала именно к такой пассивной передаче работы наружу. Давление оценивания усугубляет это: там, где самооценка или рефлексия об использовании ИИ сама подлежит оцениванию, студенты могут создать ту рефлексию, которую хотят видеть критерии, а не то рассуждение, которое за ними стоит, поэтому подлинное суждение требует сделать упражнение последственным — решением, которое проявится в последующей работе, устным объяснением или документированным обоснованием, которое само подвергается проверке.

Следствия для практики

  • Сформулируйте это как результат обучения. Если оценка качества работы — включая результаты работы ИИ — действительно важна, впишите это в результаты обучения и оценивайте, а не оставляйте побочным продуктом задачи.

  • Оценивайте решение, а не только артефакт. Просите студентов обосновывать, что они оставили, изменили или отклонили; это превращает мышление в доказательство и делает подмену видимой без слежки.

  • Назовите рутину суждения. Проверка «Agency Check» О'Бирна — Credible, Relevant, Acceptable, Nuanced — спрашивает, является ли результат точным, уместным, применимым и несёт ли он позицию и голос; в семестровом исследовании итоговые работы самых и наименее судящих студентов выглядели обманчиво похоже (O'Byrne, 2026).

  • Используйте образцы и калибровку осознанно. Сравнительное суждение в сопоставлении с сильными, средними и слабыми образцами — это механизм, который подтверждают доказательства, и ИИ делает генерацию таких образцов дешёвой — одно из его самых ясных педагогических применений.

  • Предпочитайте гибридную и рефлексивную обратную связь прямому результату. Самооценка перед критикой со стороны ИИ, или самооценка + сверстники + ИИ, сохраняет Автономность учащегося, которую прямая обратная связь ИИ разрушает; проектируйте среду обратной связи, а не просто добавляйте инструмент.

  • Стройте к устойчивому суждению, а не к моментальным правкам. Обратная связь, которая не может переноситься на следующую задачу, не тренирует ничего долговечного.

  • Сочетайте это с процессом и устными формами. Процессуальные артефакты и короткие устные объяснения показывают суждение в действии там, где финальный продукт не может, и это одна из ключевых причин, по которым перепроектирование оценивания в эпоху ИИ опирается на них.

  • Делайте удержанное суждение видимым с помощью зондов на долг осознания. Mahmoud (2026) определяет четыре сквозных обязательства — объяснить, проверить, модифицировать и отчитаться, — которые делают удержанную компетентность видимой на каждом уровне интеграции ИИ, и предлагает отсроченные запросы на изменение, разбор кода, независимо спроектированные тесты, локализацию дефектов и живую отладку как зонды, сравнивающие то, что было произведено, с тем, что можно позже продемонстрировать. При агентных возможностях цель оценивания перемещается к надзору — контракты на задачи, границы разрешений, песочницы, оценочные стенды, рецензирование диффов, откат и человеческая подотчётность, — смещая оценивание от видимого авторства к видимому суждению.

Связанные концепты

Связанные статьи

Метаданные

УровеньHigher Ed
Целевая аудиторияInstructors, Learners, Assessment Designers
Обучение и преподаваниеМетакогниция, Саморегулируемое обучение
Оценивание и измерениеВалидность оценивания, Обратная связь, Формативное оценивание
Основы ИИ в образованииАкадемическая добросовестность, Критическое мышление
SourceHistoryEditChat

Встроить эту страницу

Скопируйте код ниже, чтобы встроить эту страницу в систему управления обучением или на другой сайт. Во встроенной версии отображается только содержимое страницы — заголовок сайта, навигация и нижний колонтитул скрыты.