AIEd 知识库AIEd KB
本页内容

本页面已译为中文。文章页面仍以英文撰写。 阅读本页的英文版本

概念

真实性评估

创建 2026-08-13 · 更新 2026-10-09

本页是英文页面的机器翻译，尚未经母语者审校。

真实性评估（authentic assessment） —— 设计考察学生在有价值的、真实智力任务上的表现的评估，而非孤立的、标准化的测试题。真实性评估起源于 Wiggins（1990），作为对标准化测试的制衡，已从复制职场任务演进为涵盖专业、数字、个人与社会真实性的多维框架。生成式 AI使真实性评估重新变得必不可少：任何语言模型在带回家的情境中能可信地模拟的任务，都丧失其作为学生原创能力证据的效力，因此真实性形式必须围绕 AI 无法可信伪造的东西重新设计。

值得思考的问题

  • 真实性评估考察在有价值的、真实智力任务上的表现，而非孤立的测试题。在读之前，你是否假设"真实性"任务只是复制一个真实世界或职场场景？本页论证，真实性已远远超越单纯复制——它还能采取什么形式？
  • 一个中心主张是，任何语言模型在带回家情境中能可信地模拟的任务，都丧失其作为学生原创能力证据的效力。你自己教学或学习中的哪项评估，你现在会认为"可伪造"——你凭什么这么说？
  • 本页突出了一个显著的缺口：37 项研究中只有 3 项涉及社会真实性——即评估是否帮助学生为社会变革做贡献。你认为真实性的社会维度为何如此被忽视，而评估它实际上可能是什么样子？
  • 知识库论证，真实性必须"重新设计，而非管制"。当学生共同创作评分量规、选择提交什么与如何提交、并参与实时互动时，AI 的使用就变成被预期与声明的，而非被隐藏的。这将如何改变学生与评估者之间的关系？
  • 口试与过程本位作品集被提出为抗 AI 的真实性形式。但被打分的反思与自评有沦为表演的风险——学生表演他们认为被期望的反思。你如何为真实的反思而非表演而设计？
  • 当 AI 提供量规、反馈与监控时，本页警告学生的元认知实践可能被取代。如果工具代做评估，学习者还有什么可实际练习或学习？

引言

真实性评估处于评估在 AI 时代如何被重新思考的核心。它连接到评估效度（评估测量的是它声称的东西吗？）、形式性评估（为学习提供信息的真实性任务）与学术诚信（从检测转向设计 AI 使用被预期与声明的任务）。它是知识库评估重新设计文献中的一个核心回应。

真实性的演进

  • **1990 年代起源 —— 有价值的智力任务：**Wiggins（1990）提出真实性评估，作为对"学生在有价值的智力任务上的表现"的直接考察，以制衡标准化测试。
  • **1990 年代末的采纳 —— 职场复制：**Joughin（1998）把真实性框定为评估在多大程度上复制专业实践或真实生活——这一观点主导了二十年。
  • **2020 年代的批评 —— 超越复制：**McArthur（2023）论证真实性评估必须使学生能够"影响未来与变革社会"，而非仅仅复制既有任务；Ajjawi 等人（2024）把真实性拓宽到反映学生经验的语境性、任务性与个人形式。
  • 生成式 AI 作为存在性挑战：Zhan、Boud 与 Du（2025）指出，生成式 AI 使职场复制式真实性重新变得脆弱，推动向数字素养、实时协作、社会贡献与 AI 无法可信伪造的个体意义建构的转向。

一个六维设计模型

Zhan、Boud 与 Du（2025）对 37 项实证研究（2000–2024）的范围综述提出六个设计维度：（1）评估中的真实性（评估、专业、数字、自我与社会真实性——其中只有 3/37 项研究涉及社会真实性，一个关键缺口），（2）认知挑战，（3）评估标准（学生常是被动接受者而非量规的共同作者），（4）反馈（以形成性为主，但可持续反馈罕见），（5）学生能动性（对提交什么/如何/何时/何地的选择罕见），与（6）社会协作。它还提出一个循环的共同设计模型——协商目标、创造情境、共同设计标准、规划反馈——AI 工具可以将其操作化。

Dollinger 与 Nieminen（2026）用包容性评估的悖论为这种乐观设界：无论是便利（accommodations）模型还是把评估重新框定为致残的结构批评，都完整保留了"一人成功、他人必败"的零和逻辑，因此分布式与能动性的形式必须改变这一逻辑，而非仅拓宽获取。

AI 时代的真实性评估

知识库的评估重新设计文献论证，真实性必须被重新设计，而非管制：

  • Beyond Detection主张，真实性无法被管制出来；它必须被设计，把 AI 定位为声明的协作者而非作弊应用，并优先真实性、过程本位的评估而非监控。

  • Responsible Assessment把评估重新框定在效力证据与镜像学生未来工作的真实性任务上。

  • 真实的产品，经认证的过程考察 AI 丰富的高等教育如何既评估真实产出，又评估产生它们的过程。

  • 一个 AI 起草伙伴仍留下判断。Paula 等人（2026）与八名协调员试用了 GPT-4.1 评估设计器：它产出了可用的概览、任务、标准、时间线与量规，却反复错过学科语境与主题排序，且八人全部拒绝端到端自动化，把学术判断而非模型置于中心。

  • 工具不变框架主张评估计算方法与过程，而非工具特定产出，用口头答辩与验证。

  • **过程证据的机构基础设施。**一个受托的质量保证框架把过程论证变成政策，把学习过程痕迹——时间戳编辑、资源使用、元认知提示——当作成绩单无法显示的持久证据，并引用解释表现方差比产品特征更多的过程特征（Lodge 等人（2026））。

  • 可规模化的口头评估，带一个评分告诫。Pentland、Lowenthal 与 Krier（2026）递送了限时、不可回访的录制回应，对照嵌入式量规评分，发现学生的分数超过了自己的现场多选题考试；他们强调这是格式效应而非学习收益，LLM 重新评分与教师的一致度为 ICC = 0.73 与 0.60。

  • 重新思考口试把口试/口头评估定位为一种低技术、本质上抗 AI 的真实性替代——其实时、互动的对话检验理解、批判性思维与推理（而非记忆），镜像专业实践，并防止学生用 AI 生成并背诵答案。它提供了一套具体的实用建议（清晰量规、标准化内容、评估者培训、提示指南、偏见缓解）以在高中与高等教育中重新引入口语考评。

  • 电子作品集评估是另一种抗 AI 捏造的真实性、过程本位形式：Zhan、Boud 与 Du（2025）把社会贡献作品集列为对生成式 AI 最稳健的真实性形式之一，Beyond Detection推荐带注释的作品集与实时探查推理的录制走查。Ni 与 Lam（2026）与Laksana 等人（2026）表明生成式 AI 能协助作品集过程——反馈、起草、反思——而作品集的推理痕迹与草稿保存真实性。

  • 真实性标准本身可以约束 AI 使用。Chen 与 Zou（2026）发现，一份要求学生把小组汇报扎根于自己第一手的教学经验、并反思共同课堂观察的量规，使 15 个学生小组中的七个刻意减少了生成式 AI 使用。学生论证该工具无法满足认识上的要求——"AI 只知道你打字的那一刻"——因为它缺少同学与教师所拥有的纵向的、情境性的知识。两层都重要：任务的真实性与把个人思考贡献给一个小组的关系真实性，后者把重度 AI 使用重新框定为对同伴的搭便车。设计意涵是，真实性的、基于经验的标准即使没有执行也做着评估工作——它们提供了政策声明无法提供的克制理由。

  • 把一个易受攻击的任务与一个较不易受攻击的孪生配对。Roe、Perkins 与 Giray（2026）把一个易受生成式 AI 攻击的任务与第二个评估相同结果的任务配对，把它们安排得时间相近以便互相交叉检查，并通过一个确认阈值或权重使分数相互依存。

Sharma（2026）论证，面向诚信的设计与真实性设计不是一回事，且其区别是认识上的而非风格上的。真实性问的是任务是否镜像有价值的真实世界实践；面向诚信的设计问的是学习者能否为自己的决策辩护并承担与学科标准相关的责任，这使诚信成为嵌入任务架构的、明确的、可评估的标准，而非现实主义的偶然副产物。他提供的实践——带注释的决策轨迹、对生成式 AI 贡献主张的核验、口头答辩与对话问责、带版本历史的草稿差异——都是可识别的真实性评估形式，但它们是为其使判断可见而被选中的，而非为其现实性，这对那些看似真实却在实质上仍可伪造的任务是一个有用的纠正。他的告诫也属于本页：要求有据的推理偏向更流利于反思话语的学习者，且作为证据的判断"保持关系性与情境性，而非机械可核验"，因此设计自带其自身的解释性可靠性负担。

同一问题被Thapa 与 Lewis（2026）重新框定，他们命名一个任务应当认证什么，而非它看起来是否真实：认识真实性，即评估在多大程度上捕捉对解释、评估性判断、推理与知识建构的真实投入。他们的论证是，仅真实性无法在生成式 AI 下存续，因为一个真实性任务若其证据是单一的无人监督产出，就与它所取代的作文暴露于同样的替代问题。让推理可见反而需要分阶段提交、反思性论证、对话投入与评估透明性。他们把上面的告诫带入设计：反思性与对话性任务会偏向对学术自我表达有自信的学生，除非它们被包容地设计与支架化，且关系性工作在大型或资源受限情境中加剧教育者的情绪劳动。

当从业者退回到被管制的形式时

知识库论证真实性必须被设计而非管制，Goldstein、Marae-Haj 与 Zidan（2026）提供了来自实践的反证：在一场信任危机（职前教师把原始 AI 生成作品当作自己的提交）之后，七所以色列学院的教师教育者围绕过程证据（提示、文档版本历史、受监控的小组贡献）与课堂表现重新设计了评估——但也有人描述了作为最后手段退回到受监督的考试与预期的论文口头答辩，一位参与者称回到考试令他个人痛苦却不可避免。对照设计优先的立场来读，这一发现标志着一个失败模式而非解决方案：凡真实性未被提前重新设计之处，对无法评估的提交作业的实际回应就是恢复控制——换名的监控——这重新引入了真实性评估文献试图超越的形式。它也显示了替代方案的感受成本：参与者报告，他们的带回家书面评估已完全无法证明学习，而过程文档的建立需要真实的工作。

第二种失败模式位于重新设计内部：在五种在线语言教学方法中，与真实性相关的紧张主导了教师的叙述（20 项中的 11 项），包括任务现实性腐蚀——为抗 AI 而非真实性而重新设计的活动（Baoyi 与 Khan（2026））。

退却带来一个证据成本，案卷证据使其可见。Munoz 等人（2026）对 1,162 项生成式 AI 不当行为指控进行编码，发现最强的证据类型由调查或监督产生，而非由指控产生，且草稿、监督会议与汇报等过程证据只在这些实践已存在之处出现——因此在未重新设计的评估中，本文献推荐的过程证据根本不可得，案件只能依赖更弱的类别。取代它的是其语料中最弱的材料：检测器输出在所有类别中获得最低的证明力评级，而Hadra 等人（2026）说明了原因——在 192 篇文本上宏准确率为 0.69（Originality）与 0.61（Turnitin），在人—AI 混合写作上近乎完全失败，且倾向于把 EFL 学生作业误读为 AI。Wright（2026）补充了规则设计维度：按平台身份而非功能书写的禁止规定，因定义上的意外而过度包容，因此一个被管制的格式可以惩罚一个并未做规则本欲阻止之事的学生，且对依赖转录工具以获取无障碍性的学生打击最重。合起来读，这种退却以可用的证明力最弱的证据，替代了真实性设计本会首先生成的过程证据。

  • **自我调节学习：**真实性评估中的学生能动性（选择、自我反思、共同设计）镜像预思 → 表现 → 自我反思循环，尽管被打分的反思有沦为表演的风险。
  • 元认知：元认知是学生对照共同设计的量规评估自己作品所必需的；当 AI 提供量规、反馈与监控时，学生的元认知实践可能被取代。
  • **形成性与可持续反馈：**真实性评估强调形成性、面向未来的、能迁移到后续情境的反馈。

对教育中 AI 的意涵

  • **抗 AI 的评估类型：**现场演示、社会贡献作品集、带可审计出处的共创工件，以及实时的具身互动，比带回家的作文或多选题更有韧性。

  • **暴露是可测的。**一个三年制心理学学位被证明 90% 可通过：ChatGPT 在 40 项课程评估中的 36 项上产出了足够的产出，只有四项需要在场、一件视觉工件或学生自己数据的任务顶住了（Ivory 等人（2026））。

  • **大规模的共同设计：**AI 工具可以支持在课堂或MOOC规模上的量规共同设计与评估参数的学生共创——尽管机器中介的能动性必须被仔细设计。

  • **应对社会真实性缺口：**只有 3/37 项研究涉及社会问题；AI 评估工具应帮助学生为社会变革做贡献，而非仅仅模拟它。

  • 可持续反馈：AI 反馈应被设计为迁移到未来情境，而非只提供反应性的、瞬时的纠正。

  • 过程聚焦的测量现在有效力证据。Oliveira 等人（2025）对 70 篇打分作文按学生如何驾驭一次生成式 AI 对话并使课程知识可见来评分；这些过程分数与传统作文分数相关 r = 0.54，同时奖励概念工作而非结构化的任务规定。

  • 真实性评估适合实践导向的领域。Mesny、Roberge-Maltais 与 Galy（2026）发现真实性评估尤其适合管理教育：镜像真实专业问题的任务（实时咨询项目、带高管简报的仪表盘）与该领域实践导向的、就业能力焦点一致，并能支持生成式 AI 时代包容的、保诚信的考试中心评估的替代。然而在他们对四份管理教育期刊 58 篇文章的综述中，真实性评估主要经技术中介的模拟出现，并常与经验学习混为一谈——这是一个术语缺口，可能掩盖其更广的价值与采纳。

  • **真实性不是安全性，且缺口在部门规模上可见。**在上面单学位审计发现 90% 课程作业可通过之处，Villanueva（2026）在 53,915 个条目中把录制的汇报、远程小组项目与无人监督的数字工件都打进高暴露带，因为公开记录对生产如何被监督一无所知。

关联概念

关联文章

相关常见问题

元数据

层次Higher Ed
学习与教学元认知, 自我调节学习
技术与方法生成式人工智能
评估与测量评估, 评估效度, 真实性评估, 形式性评估, 过程导向评估
教育中的人工智能基础学术诚信
SourceHistoryEditChat

嵌入此页

复制下面的代码，将本页嵌入学习管理系统或其他网站。嵌入版本只显示页面内容 — 网站的页眉、导航和页脚会被隐藏。