分数告诉我们一次任务得到了多少分，却经常无法解释学生为什么得到这个分数。

学习证据可以包括什么

  • 学生第一次给出的解释；
  • 关键错误及其原因；
  • 接受提示后的修改过程；
  • 能否用自己的语言重新说明；
  • 能否把知识迁移到新问题；
  • 多次学习后是否仍然保持掌握；
  • 作品、演示、对话和实践任务；
  • 教师的人工观察与确认。

为什么AI时代更需要证据

AI可以生成正确答案，也可以帮助学生生成看似完整的作品。因此，仅看最终结果越来越难判断知识是否真正属于学生。

评价需要追踪学生与任务互动的过程，并区分：

  • 学生独立完成；
  • 在提示后完成；
  • 由AI主要完成；
  • 学生能够解释但暂时无法熟练执行；
  • 学生能够在新情境中迁移。

证据不等于监控

学习证据系统必须遵守最小化原则。它不应收集与学习无关的持续监控数据，也不应把学生变成一个公开排名数字。

目标是帮助学生和教师理解学习状态，而不是制造新的 surveillance system。