最新研究：AI尚无法像人类教师一样可靠地批改作业
据外媒 Phys.org8月24日报道，卡迪夫大学和墨尔本大学的一项新研究发现，生成式人工智能（GenAI）目前还无法像人类教师一样可靠地评判学生的书面作业。
据外媒 Phys.org8月24日报道，卡迪夫大学和墨尔本大学的一项新研究发现，生成式人工智能（GenAI）目前还无法像人类教师一样可靠地评判学生的书面作业。
研究人员使用ChatGPT的两个版本，对50篇生物科学专业本科生论文进行评分，以测试大模型评估学生作业的能力。ChatGPT需要按照7项标准批改这些论文，研究人员还采用了4种不同的提示方式，随后将大模型与人工评分的平均分和分数波动情况进行比较。
卡迪夫大学生物科学学院威廉·凯博士指出：“研究结果显示，模型给出的分数波动很大，无法准确预测人工评分。生成式AI与人类批改同一批论文时存在明显差异。只看论文总分，两者给出的结果相对接近；一旦具体到每项评分标准和每一篇论文，大模型与人工评分之间的差距就相当明显。”
除一种情况外，AI模型给出的平均分普遍高于人工评分。平均分方面，AI 模型与人工评分的最大差距达到16.1分；具体到单篇论文，最大差距达到 40分。
威廉·凯还发现，AI往往会压低高分论文的成绩，又把低分作业的成绩抬高，最终使分数系统性地向中间集中。
研究结果说明，至少现阶段，即使经过大量训练，AI仍无法可靠地对主观性较强的书面作业给出与人类相当的分数。“我们测试的大模型目前并不适合取代教师，为学生预测作业成绩。”
研究人员指出，高等教育领域确实很关注大模型能否利用模式识别能力，让学生作业评分更加客观，同时提高批改效率、减轻教职人员压力。但这项研究表明，目前并不适合这么做。
此外，未经学生明确同意便把作业提交给AI工具，本身还涉及伦理问题；大模型也不能、也不应该被依赖来给学生的长篇书面作业评分。“随着大模型继续发展，未来模仿人类判断的能力可能会提高。但从这项研究来看，要让AI给出的分数与人工评分真正保持一致，恐怕并不容易。”
延伸阅读
特别声明：本文转载仅仅是出于传播信息的需要，并不意味着代表本网站观点或证实其内容的真实性。
如果作者不希望被转载，请与我们联系。
如果作者不希望被转载，请与我们联系。
