有老师私下问我一句话：

“如果评分越来越靠机器，学生会不会只是‘数据对象’？”

这是一个非常诚实的问题。

一、先说结论：冷不冷，不取决于 AI，而取决于谁在“做决定”

把话先说透：

考试会不会变冷，不是技术问题，而是制度和使用方式的问题。

同一套技术，用法不同，结果完全不同。

二、为什么大家会觉得“冷”？

这种感觉，其实有三个来源。

1️⃣ 评价语言变了

过去老师说的是：

“你这一步想得不错”

“这里有点可惜”

“思路是对的”

现在系统说的是：

正确率 63%

能力标签：建模偏弱

风险等级：中

语言一变，情绪自然就变了。

2️⃣ 过程被“压缩”了

AI 擅长结果呈现：

图表

指标

排名

但学生真正经历的是：

紧张

犹豫

临场调整

如果这些过程没人再解释、再回应，

学生当然会觉得：

“考试变成了一次冷冰冰的扫描。”

3️⃣ 教师角色被误解了

最危险的一种情况是：

老师退到一边，让系统“自己跑”。

一旦出现这种情况，

温度一定会下降。

三、一个反常识的事实：AI 用得好，反而更“有温度”

我在一所学校看到过完全相反的场景。

考试后，班主任没有直接发成绩单，

而是给每个学生一份**“诊断反馈单”**：

哪些地方进步了

哪些问题是阶段性的

下阶段重点建议一条

老师对学生说的第一句话是：

“这不是给你打分，是帮你找方向。”

学生的反馈非常直接：

“老师，我第一次觉得，考试是在帮我，而不是审我。”

四、真正“冷”的不是算法，而是三种错误用法

如果出现下面三种情况，

考试一定会变冷。

❌ 把数据当“结论”，而不是“线索”

分数一出

结论盖章

不再解释

这是最典型的“数据霸权”。

❌ 用 AI 替代对话，而不是支持对话

AI 给了反馈，

老师却不再跟学生谈一谈。

技术替代了关系，问题就来了。

❌ 把效率当唯一目标

如果系统设计的唯一目标是：

更快

更省

更统一

那“人”的感受，必然被挤掉。

五、那怎样才能“既用 AI，又保温度”？

说三条非常具体、可操作的原则。

原则一：AI 只回答“发生了什么”，老师负责“意味着什么”

这是一个非常重要的分工。

AI：

老师：

解释权，一定要在人手里。

原则二：所有数据反馈，都要“翻译成一句人话”

不要直接甩给学生：

雷达图

能力标签

百分位

而是要帮他们理解：

这说明什么

不说明什么

学生听懂了，

数据才有温度。

原则三：评价结果必须通向“行动建议”

如果一份评价，只告诉学生：

你弱

你差

你不行

那它一定是冷的。

但如果告诉他：

下周只改这一个点

用这个方法试试

两周后我们再看

温度自然就回来了。

六、家长最担心的，其实不是 AI，而是“被忽略”

在家长沟通中，真正的焦虑往往是：

“孩子会不会被一刀切？”“会不会只剩一个分数？”

当学校能清楚地说出：

AI 用在什么地方

不用在什么地方

人工一定参与哪些环节

家长的焦虑会明显下降。

七、写给学校管理者的一句话

如果你是校长、分管教学的领导，这句话很重要：

技术是可以采购的，温度是必须设计的。

系统上线之前，一定要问三件事：

谁在解释数据？

学生如何被回应？

老师有没有退场？

结尾：真正危险的不是“冷”，而是“没人负责”

考试从来都不是冰冷的机器，

它之所以有温度，

是因为有人在为学生负责。

只要这一点不变：

不管工具多先进，教育都不会失温。

👉下一篇，也是最后一篇：

第五篇主题：

《评价改革的技术底座，到底该怎么搭？》

这一篇，我们站在系统和制度层面看问题，

适合校级、区域级决策者阅读。