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

过程导向评估

创建 2026-09-26 · 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。

过程导向评估（process-oriented assessment） —— 把 评估 设计围绕学习者如何得出结论，而不仅仅围绕他们提交的成果：分阶段提交、反思性论证、对话性与口头交流、草稿与版本历史，以及学生可以施加于自身的标准。它不是 任务真实性 的同义词，也不是关于谁批改作业的主张：一个其唯一证据是一份无监督产品的真实性任务，与其取代的论文面临同样的替换问题。生成式 AI 使这一区分变得紧迫，因为流畅的产出如今可以按需生产，成品文件不再携带关于其推理出自谁的信息。

值得思考的问题

  • 如果学生提交一篇润饰过的论文，该成果究竟让你能对学生的思考主张什么——它又只是看似支持哪些主张？
  • 过程证据要求草稿、论证与对话。在你的情境中，谁擅长那种学术性自我表达，谁又可能因对这种表达的适应度而非理解力而被评判？
  • 检测不可靠，而围绕过程重新设计成本高昂。你会把有限的机构预算花在哪里，什么证据会改变你的答案？

引言

高等教育中的评估长期以来从产品推断思维。提交的论文、报告或考试答案代替了其背后的 推理，评分把一个论证充分的成果当作论证充分的过程的证据。Thapa 与 Lewis（2026） 指明了生成式 AI 打破的那个假设：一份润饰过的回答"可能不再代表任何人的思维过程"，因此从成果到理解的推断不再安全。他们的答案不是更好的检测器，而是不同的证据基础。过程导向评估在发展过程中收集解释、论证与知识建构的证据，使推理在产出可按需生产时仍然可见。

说明这个概念不是什么是有益的。它不是 真实性评估，后者问的是任务是否映射有价值的真实世界实践；Thapa 与 Lewis 保持两条轴分离，并坚持一个单一无监督产品的真实性任务仍然暴露于风险。它不是 AI 检测，后者问的是是否使用了工具而非如何做出决策。它也不是 自动化评估，后者关乎谁或什么在批改：机器评分的分阶段 档案袋可以是过程导向的，人工评分的期末论文则不必是。该概念关乎收集哪些证据、在什么时间段、以及在什么条件下产出。

这个观念已从一项提议变成知识库中反复出现的建议。它作为具名优先事项出现在 AIED 关于学习者 能动性 与 动机 的议程中，作为 表现-对-学习 研究中 保持与迁移问题的组织性研究议程，作为 Brunnström 与 Palmqvist 对 AI 时代 自我调节学习记述中的"黑箱评估"，以及作为实践中的教师教育者的请求——他们发现自己的课后书面作业已完全无法证明学习。

过程证据在实践中的样貌

最明确的设计词汇来自 Thapa 与 Lewis，他们的四项承诺把论证带入任务设计：反思性论证、分阶段任务设计、对话性参与与评价性透明。在实践中，学生解释解释性决策而不仅呈现结论，提交跨检查点逐步展开的作业，参与关于其推理的 口头或对话性交流，并对照自己可施加的标准工作——即 反馈素养 与 自我评估 的地形。Boysen（2026）对开放式学习实践的提议把同一逻辑转译为审计轨迹：项目开始前设定的共享学习计划、指明必需与禁用来源的学习分析计划，以及经修订痕迹与保存的文件版本所留存的、有文档记录的草稿与版本历史，它们暴露工作过程并解释每次修订的依据。他把这框架为可 自我调节 的可见化。

过程证据所选的渠道改变可被证明的东西：在同一项 79 名学生的生成式 AI 研究中，较深度的监控与规划在出声思维单元中更常见，而较深度的调节在交互日志中更常见，因此单一记录无法捕捉整个过程（Li 与 Liu（2026））。轨迹也可能与分数直接背离：在 150 段学生-AI 对话中，41% 的作业分数恰为 1.00，而可观察的认知参与各异，因此匹配的分数可能掩盖不同的过程（Fábrega（2026））。DraftTrace 通过把按键级过程测量与最终产品及 AI 交互轨迹对齐，为 AI 整合的写作回答同一问题，显示复制粘贴式打字只有在产品与过程被一起阅读时才可辨识（Chandarana 等（2026）），这是该领域仍缺乏的行为痕迹测量的一个具体实例。

实践者与框架记述填补了成果物的细节。Uden 与 Hwang（2026）的 LEARN 框架面向 问题式学习 评估，要求过程导向的评分规则、口头论证、分阶段提交与带 AI 使用披露的推理轨迹，并把经由学习日志与出声思维协议的反思视为该序列的 元认知引擎。Moganadas 等（2026）把 AI 透明的过程导向评估列为五个可研究命题之一，要求文档、核验与反思性论证，而非禁止或检测器使用。Padhy（2026）建议捕捉修订历史、交互模式与任务用时，并配以透明披露。Goldstein、Marae-Haj 与 Zidan（2026）报告了同样的成果物在 信任危机后从实践中浮现：提示记录、文档版本历史、受监控的小组贡献，以及记在纸质笔记本中的反思性"旅程日志"——连同那个平实的发现：课后书面作业已无法再证明学习。

具体的工具正在浮现：Kim 等（2026）把问题求解操作化为四个阶段与八个诊断性子技能，使一个大语言模型能生成针对特定阶段的问题与评分规则；五位教师与 64 名学生用该系统处理了 90 道题目与 720 个子问题，平均系统可用性量表得分为 83.5。

一条不同于真实性、也不同于批改的轴

把这些轴分开是重要的，因为混淆它们会使重新设计看起来已完成，而暴露仍在。Sharma（2026）提出了真实性与诚信导向设计之间的互补区分：真实性问的是任务是否映射有价值的实践，而诚信导向设计问的是学习者能否为其决策辩护并承担与学科标准相关的责任——这正是他提供的实践（带注释的决策轨迹、对 GenAI 贡献主张的核验、口头答辩、带版本历史的草稿差异）被选中的原因，它们以所 判断的可辨识性被选择，而非以其真实性。Espino 与 Espino（2026）对 商业教育的十年综述从文献侧得出同样的设计结论，发现该领域正汇聚于真实的、过程可见的任务，它们要求解释、情境应用与迭代精炼，并把在不变的评估结构内部孤立地采用工具视为其最持久的失败。

这一构念也可与证据如何被评分的问题区分开来。效度推理是两者相遇之处：Brunnström 与 Palmqvist（2026）论证，当一个 聊天机器人能产出看似合理的考试答案时，提交的产品成为学生学习情况的较弱指标——这是一个评估效度问题，而非仅是 诚信问题。这与 Yan、Greiff、Lodge 与 Gašević 的 表现-对-学习论证中处于风险的推断是同一个：一旦援助撤除便缩水的 表现增益，显示增益存在于工具而非学习者中，而其提议的补救是过程测量，如 保持与迁移测验，而非即时任务成功。

为何检测无法承担这一负载

过程导向评估通常被提议为检测的替代方案，而关于检测的证据解释了原因。检测文献发现错误率、任务依赖性，以及针对非母语与残障写作者的模式化 偏差；最新的工作得出一个程序性结论：检测器分数可以促使更仔细的审查，但它本身不是一项发现。Munoz 等（2026）展示了这在实践中的代价。对 1,162 项生成式 AI 不当行为指控进行编码后，他们发现最强的证据类型由调查或督导产生，诸如草稿、督导会议与演示等过程证据只出现在那些实践已存在之处——因此在未重新设计的评估中，它干脆是缺失的——而检测器产出在所有类别中获得了最低的证据力评级。设计后果是排序：过程证据必须在案件需要它之前就存在，Weidlich（2026）关于何种推断处于风险的推理从效度侧得出同一点，因为试图通过检测恢复评估安全性的做法引入了与构念无关的变异，而非关于学习者的证据。

设计与工作量成本

各来源异常坦率地指出这是昂贵的。Thapa 与 Lewis 直接陈述了公平性告诫：反思性与对话性任务可能偏袒对学术性自我表达更有信心的学生，除非它们被包容性地设计并加以 脚手架支持；而关系性的、反馈密集的工作在大型或资源受限的情境中加剧了 教育者的情感与专业劳动——与机构对可扩展性、标准化与可测量表现的期望相矛盾。Sharma 补充了诠释版本：要求有文档记录的推理偏袒更精通反思性话语的 学习者，而作为证据的判断"仍是关系性与情境性的，而非机械可验证的"。

运营成本在别处被逐项列出。Boysen 列出了新技术、修订的作业与教学大纲、教学生不熟悉的技能，以及需要收集与批改的额外材料，警告对过程的低利害学分可能抬高成绩，并承认该模型远更适合大型技能发展项目而非日常知识获取工作；他还指出过程追踪正是某些批评者所称的 AI 监控。Goldstein、Marae-Haj 与 Zidan 的参与者报告，建立过程文档需要真实的工作，13 个受资助的高级工具中有 9 个是自掏腰包的，其方式可能加深 数字鸿沟，且有几人退回到 受监督的考试并预期了口试论文答辩。公平性担忧在 Brunnström 与 Palmqvist 的发现中带有 AI 特有的边界：无引导的工具使用要求一种分布不均的交互管理技能，因此 AI"可能对已处优势的学生最有益"——这与要求学生管理一个有文档记录的过程时伴随的是同样的分布性风险。Lopez-López、Bru-Cordero 与 Correa-Álvarez（2026）发现，投入更多独立学习时间的学生对 AI 使用的判断更严格，并建议检验披露模板、口头答辩与基于过程的评估是否降低 伦理不确定性——这是一项该领域仍需要的研究。风险附着于使过程证据起作用的那个机制：在协作、修订与反思被评分之处，学生有理由生产匹配其预期评分者所想的证据，因此过程记录可能变成表演性的而非证据性的（Alam 与 Jackson（2026））。

仍未解决的问题

Thapa 与 Lewis 的记述是概念性的：没有参与者、没有数据收集、也没有实施试验，因此四项原则是被论证的而非被检验的，论文本身呼吁就 学生体验、教育者工作量与长期可行性开展实证工作。可行性在不同情境间未被区分——向大型讲座、实验室、工作室或临床实习的迁移未被处理。Lane（2026）的立场论文指出了制度天花板：基于过程的评估被奖励精饰最终成果的评分与成绩单结构所削弱，因此单靠课堂重新设计并不改变激励。测量也薄弱：Jin 等（2026）对 AI 素养工具的综述呼吁基于表现的过程导向评估与对 提示及核验的行为痕迹测量，但报告现有工具依赖 自陈。此处没有任何来源报告一个针对过程导向重新设计相对产品导向设计的 对照试验，这使核心主张——过程证据既更难伪造也更易公平评判——只能从原则、实践者报告与案例文件证据加以论证，而非在大规模上得到证明。

关联概念

关联文章

相关资源

  • Process Feedback
    AI 检测的免费替代方案：它记录一篇文字的产出过程，并将其转化为一份用于关于学习的对话的报告，而非判决。

元数据

层次Higher Ed
学习与教学自我调节学习
技术与方法生成式人工智能
评估与测量评估, 人工智能检测, 评估效度, 真实性评估, 评价性判断力, 形式性评估, 过程导向评估
公平、伦理与负责任使用公平性
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。