证据优先的形成性评价：进入成绩册前先审核 AI 建议

AI 形成性评价审核流程应该让证据保持可见，并把最终决定留给教师。在 ClassSpark 中，AI 分析可以提出观察、推理和分数建议，但“建议”不是成绩。教师必须检查、修改并确认，经过审核的证据才会进入形成性评价流程。

从正确名单和课程标准开始

审核流程使用当前范围内的班级名单与相关课程标准。证据按照该课程自己的评分体系分析，而不是套用固定的 ClassSpark 分值。如果学生作品不足以支持结论，流程可以标示“证据不足”，而不是为了完成表格强行给分。

审核界面向教师展示可能的学生匹配、观察或理由以及建议分数。只在所选名单内匹配可以缩小范围，但教师仍要核对学生身份、作品、标准和结果。图片分析、文字提取与 AI 解释都可能出错，教师确认是必要边界。

把收集与评分分开

并非每次上传都应直接进入成绩册。与活动关联的练习证据使用私有证据区域；尚未确定学生时，它进入“Needs student”队列，保持未评分状态，也不会触发成绩册。教师先把作品分配给正确学生，再决定是否以及怎样审核。

收集作品、确认作品归属、解释证据和记录形成性结果是四个不同决定。证据评价流程保留这些阶段，成绩册介绍则说明确认后的学业记录在哪里使用。

只确认有证据支持的结果

1. 选择正确班级、名单和课程标准。
2. 上传或打开相关学生作品。
3. 如果作品仍在待分配队列，先解决学生身份。
4. 阅读 AI 的理由、观察和建议分数。
5. 必要时修改学生、标准、说明或分数。
6. 只确认教师认为证据能够支持的结果。

确认后，经过审核的证据可以关联标准，并进入形成性成绩册流程。系统不保证 AI 建议准确，也不假设每份上传内容都有足够信息进行评价。

教研团队还可以约定什么属于充分证据，并用课程评分标准比较已经审核的实例。即使共用同一体系，专业判断仍可能不同；流程能够保留证据与审核步骤，却不能自动消除所有判断差异。

如果作品模糊、信息不完整或无法可靠确认学生，教师应暂停记录，补充证据或采用其他评价方式，而不是接受一个看似完整的建议。

团队也可以约定一套简短的证据说明方式。教师在保存判断前，注明参考了哪项课堂活动、学生作品或观察，并记录为何接受、调整或拒绝 AI 建议。这样，后来查看成绩册的人能够理解专业判断的依据，而不是只看到一个脱离情境的结果。

因此，学校更值得问的问题不是“AI 会不会打分”，而是“结果成为记录前，专业审核发生在哪里”。创建账户，查看当前配置中的评价流程。