这篇文档属于类型a，即报告了一项原创性研究。以下是针对该研究的学术报告：

基于生成式AI的本科生英语写作人机协同评价模型的构建与应用
作者黄子芹（中南民族大学教育学院）、王静（外语学院）、万力勇（教育学院）的研究成果发表于《高等继续教育学报》（Journal of Continuing Higher Education）2025年第38卷第1期。研究由人民教育出版社“十四五”规划重点课题（2023GHB05）资助，聚焦生成式人工智能（Generative AI）在英语写作评价中的创新应用。

学术背景

研究领域为教育技术与外语教学的交叉领域。随着生成式AI（如ChatGPT）的快速发展，传统英语写作评价模式（如教师评价、同伴互评、自动写作评估系统AWE）暴露出两大问题：一是评价片面化，过度关注语法等表层语言规范，忽视内容与逻辑深度；二是反馈吸收率低，因缺乏即时性与个性化指导。研究旨在构建一个融合生成式AI的人机协同评价模型，通过优化评价流程与维度，提升写作评价的效率和质量。

研究流程与方法

研究分为模型构建与实证应用两阶段，具体流程如下：

1. 模型构建

   • 理论基础：结合人机协同教育理念（强调机器作为认知主体与人的动态交互）和过程写作法（写作前准备、初稿、修改、反馈、重写的循环）。
     
   • 评价维度：设计三级框架：
     
     • 能力层：内容（相关性、深度、逻辑性）、组织（结构连贯性）、语言运用（语法、词汇）、独创性（创新性与非抄袭）。
       
     • 二级维度与具体指标：例如“内容相关性”细化为“是否符合任务要求”“事实准确性”等可量化指标。
       
   • 评价技术：整合四大技术——评价量表（细化评分标准）、生成式AI自动化评分系统（基于自然语言处理技术）、自适应学习算法（动态优化评价标准）、交互式反馈平台（实时互动）。
     
   • 评价流程：分三阶段：
     
     • 准备阶段：教师定义写作任务与标准，生成式AI分析学习者特征。
       
     • 评价阶段：初评（同伴30%+教师40%+AI 30%权重）、复评（AI整合多方反馈生成综合报告）、修改（学生与AI交互优化）、终评（AI分析修改过程与终稿）。
       
     • 总结反思：师生共同评估模型效果。
       

2. 实证应用

   • 研究对象：Z大学19名非英语专业本科生，以2024年6月四级作文题目为任务。
     
   • 实施过程：
     
     • 准备：设计提示词明确主题（“大学图书馆是否应向公众开放”）及评分标准（内容4分、组织4分、语言4分、独创性3分）。
       
     • 评价与修改：ChatGPT初评后，学生根据AI反馈优化语言（如修正中式英语）和组织结构（如增强段落连贯性）。例如，一名学生通过AI建议将“about this thing, if good enough”改为“if the conditions permit”。
       
     • 终评：AI生成写作过程报告，教师最终评分。
       

主要结果

1. 模型有效性：
   
   • 评分提升：修改后作文平均分从7.84（满分15）升至11.74，语言运用维度进步最显著（1.68→3.32）。
     
   • 反馈吸收：19名学生均主动咨询语言问题，12名优化结构，但仅3-4名关注内容与独创性，反映学生对深层次写作能力的认知不足。
     
2. 局限性：
   
   • AI对文章整体结构指导较弱，且部分建议偏离主题或超出学生水平。
     
   • 教师需投入额外时间细化评价标准。
     

结论与价值

1. 科学价值：
   
   • 提出首个融合生成式AI的英语写作评价三级维度框架，弥补了传统AWE系统在内容与逻辑评价上的空白。
     
   • 验证人机协同能提升评价效率（缩短修改周期）与个性化（自适应反馈）。
     
2. 应用价值：为高校英语教学提供可复制的智能评价工具，推动写作评价向智能化、动态化转型。
   

研究亮点

1. 方法论创新：首次将生成式AI的“类人交互”能力（如即时反馈、语义分析）嵌入写作评价全流程。
   
2. 跨学科整合：结合教育理论（过程写作法）与AI技术（自然语言处理），构建“评价-反馈-优化”闭环。
   

其他发现

师生访谈显示，过度依赖AI可能削弱学生独立思考能力，需平衡技术辅助与自主写作训练。

此研究为人工智能赋能教育评价提供了重要范例，未来可进一步探索生成式AI在不同语言水平学习者中的差异化应用策略。