Saltar al contenido

[EP49]Winnie Han| 计算机教授如何重塑评估体系, 以及AI时代,我们到底在评估什么?

28 de marzo de 2026 · 1 h 11 min

Notas del episodio

Hello 大家好,欢迎来到教育AI智造者播客。

这一期,我们直面一个在AI时代越来越难回避、却被反复“简化”的问题:
当AI可以完成越来越多“看起来像学习成果”的事情时,我们到底在评估什么?

在过去两年,关于AI进入教育的讨论,大多集中在效率、工具、甚至伦理层面。但在这次对话中,我逐渐意识到:真正被低估、甚至被忽略的,是 assessment ——评估本身。

当一个学生可以用AI写出更好的代码、更完整的论文、更流畅的表达,我们看到的“成果”,还等于这个学生的能力吗?
当检测AI的工具本身也不可靠,甚至无法作为证据,我们又凭什么去判断“作弊”?
当老师说“鼓励使用AI”,学生却直接用AI完成全部作业,这到底是理解偏差,还是系统设计的问题?

这一期我邀请到的嘉宾是韩文林教授,一位同时身处计算机科学、教学一线,以及AI评估标准建设的实践者。她提出了一个非常关键的视角:
AI改变的,可能不是学习本身,而是我们判断“学习是否发生”的方式。

在这场对话中,我们不仅讨论了:

  • 为什么AI检测工具在逻辑上很难成立
  • 为什么“允许/鼓励使用AI”会带来系统性混乱
  • 为什么完成任务 ≠ 学会能力

更重要的是,我们逐渐走向一个更底层的问题:

👉 在AI时代,我们评估的,还是“人”,还是“人+AI的系统”?
👉 评估,到底是技术问题,还是认知与信任的问题?

如果你是老师、研究者、产品设计者,或者正在用AI学习的人,这一期可能不会给你一个简单答案,但会帮你看清一个更底层的变化:

评估,正在从“结果判断”,变成“学习如何发生”的再定义

韩教授主办的AAB(AI Assessment Board) 网址:www.aaboard.org

🧭 内容大纲🧩 AI来了,但我们还在用旧的评估逻辑
  • AI可以生成答案,但“答案”不再等于能力
  • assessment 被忽视,但其实是最核心问题
  • 学习的证据,开始变得不可信
⚡ 第一波冲击:作业突然“变好了”
  • 学生项目质量整体提升,而不是个别作弊
  • 教师凭经验判断:这是AI带来的结构性变化
  • 旧的rubric在新能力面前失效
⚖️ AI作弊检测:一个逻辑上站不住的系统
  • AI detector 只能给“概率”,无法给“证据”
  • 学生申诉几乎必然成功
  • 对比 Turnitin:有来源 vs 无来源
🧠 评估崩塌的本质:边界无法定义
  • “允许 / 鼓励 / 禁止”AI → 每个人理解不同
  • 60%用AI?怎么量化?按代码量还是思路?
  • 教师与学生对“合理使用”的认知完全错位
🔄 从“评估人”到“评估人+AI系统”
  • 计算机课程已开始评估人机协作能力
  • 不再只看代码,而看“如何用AI完成任务”
  • 课程体系被整体重构
🧪 完成任务 ≠ 学会能力
  • 任务完成只是“样本”,不是能力本身
  • 真正关键:迁移能力(举一反三)
  • AI可以加速任务,但不保证形成认知结构
🌐 AI Assessment Board:从“共识”走向“事实”
  • 不先定义标准,而先收集真实案例
  • 用数据找pattern,而不是专家拍脑袋
  • 从实践中抽取“不可替代能力”
🧭 收束:评估不再是技术问题,而是哲学问题
  • 我们是否一直在用“产出”替代“理解”?
  • 我们是否误把“完成”当作“掌握”?
  • 在AI时代,什么才算真正的学习?

-----------------------关于伊伊子----------------------

伊伊子的小红书传送门

----------------------关于听友群-----------------------

如果您对AI和教育的融合充满兴趣,欢迎填写我们的听友群入群申请问卷!🎧点击链接,或扫码,与更多志同道合的伙伴一起交流最新的行业动态、分享学习经验,并共同探讨AI如何重塑教育的未来。期待在听友群中与您相遇,共同成长!😊

请大家在填写微信联系方式时,务必确认拼写是否完整和正确。我们遇见过好几次微信ID无法识别的情况~谢谢大家!

--------------------相关词介绍-------------------

Assessment(评估)
在AI时代,从“结果验证”转向“学习证据的定义”。不再只是打分工具,而是决定什么被视为能力的核心机制。

Test-Based Learning (TBL)
以考试为核心的学习方式,依赖标准答案与个体输出。在AI时代最容易被替代与冲击。

Project-Based Learning (PBL)
通过项目完成任务进行学习。原本被认为更真实,但在AI加持下也出现“代做式完成”的问题。

AI Detector(AI检测器)
试图判断文本是否由AI生成的工具,但由于缺乏可验证来源,在教育场景中难以作为有效证据。

Turnitin(查重系统)
基于已有文本数据库进行比对的工具,因“有来源证据”而成立,对比凸显AI检测的逻辑问题。

Rubric(评分标准)
教师用于评估学生表现的标准体系。在AI时代失效,因为无法区分“能力 vs 工具增强”。

Human-AI Collaboration(人机协作)
新的能力单位。学生不再是独立个体,而是与AI共同完成任务的系统。

Transfer(迁移能力)
将知识应用到新情境的能力。是区分“学会”与“完成任务”的核心指标。

Feynman Technique(费曼学习法)
通过解释来验证理解。在AI时代成为重要“反作弊”与“验证真实理解”的方式。

Formative Assessment(形成性评估)
关注学习过程,例如与AI的互动记录。相比结果,更能反映真实学习。

Summative Assessment(终结性评估)
关注最终成果(考试、作业)。在AI时代逐渐失去可信度。


在小宇宙查看该单集文稿

Todos los episodios de 教育AI智造者

Ajustes

Visualización

Idioma

Determina qué emisoras ves primero en la página de inicio.

Historial

Las emisoras y episodios escuchados recientemente y tus últimas búsquedas solo se guardan en este navegador.

Avisos

Un breve aviso cuando un pódcast que sigues tiene un episodio nuevo. Puedes desactivar pódcast concretos con la campana de su página.

Cuenta

Guarda tus favoritos: en la app y en la web.

Atajos de teclado

/
Abrir búsqueda
Espacio
Reproducir o pausar
← →
En el reproductor: 15 s atrás, 30 s adelante (episodios) · en una fila: siguiente tarjeta
↑ ↓
En una fila: destino dentro de la tarjeta
Inicio / Fin
En una fila: primera o última tarjeta
Esc
Cerrar ventana o menú
?
Este resumen
Reproduciendo ahora

Ir a la emisora

A continuación

    Añade episodios con «A continuación»: sonarán después del episodio actual.