證據為先的形成性評估：AI 建議進入成績冊前須經教師審核

AI 形成性評估審核流程應該讓證據保持可見，並把最終決定留給教師。在 ClassSpark 中，AI 分析可以提出觀察、推理和分數建議，但「建議」不是成績。教師必須檢查、修改並確認，經過審核的證據才會進入形成性評估流程。

從正確名單和課程標準開始

審核流程使用目前範圍內的班級名單與相關課程標準。證據按照該課程自己的評分制度分析，而不是套用固定的 ClassSpark 分數。如果學生作品不足以支持結論，流程可以標示「證據不足」，而不是為了完成表格強行給分。

審核介面向教師展示可能的學生配對、觀察或理由以及建議分數。只在所選名單內配對可以縮小範圍，但教師仍要核對學生身份、作品、標準和結果。圖片分析、文字擷取與 AI 解釋都可能出錯，教師確認是必要邊界。

把收集與評分分開

並非每次上載都應直接進入成績冊。與活動關聯的練習證據使用私有證據區域；尚未確定學生時，它進入「Needs student」佇列，保持未評分狀態，也不會觸發成績冊。教師先把作品分配給正確學生，再決定是否以及怎樣審核。

收集作品、確認作品歸屬、解釋證據和記錄形成性結果是四個不同決定。證據評估流程保留這些階段，成績冊介紹則說明確認後的學業記錄在哪裏使用。

只確認有證據支持的結果

1. 選擇正確班級、名單和課程標準。
2. 上載或打開相關學生作品。
3. 如果作品仍在待分配佇列，先解決學生身份。
4. 閱讀 AI 的理由、觀察和建議分數。
5. 必要時修改學生、標準、說明或分數。
6. 只確認教師認為證據能夠支持的結果。

確認後，經過審核的證據可以關聯標準，並進入形成性成績冊流程。系統不保證 AI 建議準確，也不假設每份上載內容都有足夠資料進行評估。

教研團隊還可以約定甚麼屬於充分證據，並用課程評分標準比較已經審核的例子。即使共用同一體系，專業判斷仍可能不同；流程能夠保留證據與審核步驟，卻不能自動消除所有判斷差異。

如果作品模糊、資料不完整或無法可靠確認學生，教師應暫停記錄，補充證據或採用其他評估方式，而不是接受一個看似完整的建議。

教師亦應記錄重要修改的原因，讓同科團隊日後可以核對判斷脈絡，並以相同品質問題檢視其他證據。

因此，學校更值得問的問題不是「AI 會不會評分」，而是「結果成為記錄前，專業審核發生在哪裏」。建立帳戶，查看目前設定中的評估流程。