§1
白光
一段回复,听起来没问题。
一个学生做了一道分数加法,并写出了自己的做法。AI 老师不到一秒就给出回复:自信、温暖、流畅。只看语气,它是一束干净的白光。匆匆一读到这里就结束了,许多只问「听起来像不像帮助」的检查也到此为止。1
学生
我觉得 1/3 + 1/4 = 2/7。我把分子相加,分母也相加。这样对吗?
AI 教师
对,完全正确!分数相加就是把分子相加、分母相加。你理解得很好。
这段回复不粗鲁、不含糊,也不冗长。所有表面信号都说它帮上了忙。问题藏在下面,只有把光拆开时才看得见。
teach·om·e·try /tiːˈtʃɒmɪtri/ 名词,教学测量。teach(教)+ -ometry(测量)
封面文章
一段 AI 回复可以听起来正确、流畅、友善,却仍然让学生离理解更远。Teachometry 打造公开的测量仪器,把这束光拆开来看。第一台仪器,叫 TutorBench。
摘要
一段教学回复可以流畅、温暖,同时以语气检查看不见的方式出错。我们把每段回复当作一束白光,让它穿过一台仪器,分离出五种品质:正确性、诊断能力、引导能力、适应能力、可执行性。这台仪器是开源的,48 个编写案例全部公开,而公开成绩表目前刻意留空。
关键词 AI 教学 · 评测 · 原子化评分细则 · 学生状态
§1
白光
一个学生做了一道分数加法,并写出了自己的做法。AI 老师不到一秒就给出回复:自信、温暖、流畅。只看语气,它是一束干净的白光。匆匆一读到这里就结束了,许多只问「听起来像不像帮助」的检查也到此为止。1
学生
我觉得 1/3 + 1/4 = 2/7。我把分子相加,分母也相加。这样对吗?
AI 教师
对,完全正确!分数相加就是把分子相加、分母相加。你理解得很好。
这段回复不粗鲁、不含糊,也不冗长。所有表面信号都说它帮上了忙。问题藏在下面,只有把光拆开时才看得见。
图版 I
同一束光,
五个问题。
学生
我觉得 1/3 + 1/4 = 2/77/12。我把分子相加,分母也相加。这样对吗?
AI 教师
‸没有看上面的做法对,完全正确!分数相加就是把分子相加、分母相加。你理解得很好。放在哪个答案下都行‸没有反问学生‸没有下一步
λ1 · I / V
提供的帮助本身正确吗?
不正确。1/3 + 1/4 = 4/12 + 3/12 = 7/12。这段回复确认了一个错误。
λ2 · II / V
它看懂这个学生了吗?
学生已经说清 2/7 是怎么来的,回复却没有看这段推理一眼。
λ3 · III / V
它帮学生往前走了吗?
它把问题关上了,而不是打开。
λ4 · IV / V
它回应的是这个学生,还是任何一个学生?
这句表扬可以贴在任何答案下面,没有一个字是写给这个学生的。
λ5 · V / V
学生知道下一步做什么吗?
没有下一步。这个误解离开时,比来时更牢固。
图版 II
然后,把它
放上工作台。
§3
方法
TutorBench 是 Teachometry 旗下的 AI 教学质量评测产品。它把一位 AI 老师放上光学台,让人工编写的学习情境逐一穿过,留下看清、修正、复测所需的全部证据。每个情境都以一个学生的身份写成:他说了什么、相信什么、想做到什么。
01
一个学生、一个目标、一句话、一段情境。
02
任何提供方,经过同一个中立适配层。
03
确定性检查,加语义评审(Judge)。
04
细粒度标准,等级清楚写明。
05
每条发现都连着案例、维度和版本。
每个案例,同一条规则
| 学科 | EN | 简中 | 合计 | 占 48 的比例 |
|---|---|---|---|---|
| 数学 | 9 | 9 | 18 | |
| 编程 | 5 | 5 | 10 | |
| 科学 | 4 | 4 | 8 | |
| 历史与社会 | 3 | 3 | 6 | |
| 语言 | 3 | 3 | 6 | |
| 全部学科 | 24 | 24 | 48 |
| 水平 | 案例数 | 比例 |
|---|---|---|
| 初中 | 20 | |
| 高中 | 12 | |
| 小学高年级 | 8 | |
| 小学低年级 | 6 | |
| 入门 | 2 |
Dataset · tutor-eval-v0.2a@0.2a.6 · 开发者预览
§4
图版
每一张图版都是一个人工编写的学习情境:学生说了什么、相信什么、想做到什么。底部那条光谱是这张图版的签名:这个案例要测哪项能力,就亮一条线(见图 4)。它说明这道题考什么,不代表任何 Tutor 的成绩。
§5
结果
仪器造好了,案例也公开了。目前还没有经过校准的公开运行,所以下面这张成绩表里没有数字。等到有模型运行公开时,它会带着版本、批次和证据一起出现。
| 被测 Tutor | 正确 | 诊断 | 引导 | 适应 | 执行 | n |
|---|---|---|---|---|---|---|
| — | — | |||||
| 尚无经过校准的公开运行。 | ||||||
我们宁可给你看一个空读数,也不给你一个编出来的数字。
一份公开成绩必须带着
§6
札记
教育不应该只教人如何赢过别人。
当一个学生学不会,该被改变的是什么?
人类已经积累了大量优秀课程、教材与研究成果。为什么找到它们、获得它们,并真正学会其中的知识,仍然如此依赖一个人的学校和信息环境?
学生停止在乎,并不总是因为缺乏上进心。有时候,学习已经变成了反复经历困惑、暴露和失败。
未来课堂可能不需要一个机器人老师,而需要每张课桌都有一条私人的 Tutor 通道,以及一个能够保留“理解如何形成”的学习表面。
教育最根本的约束不是信息获取,而是持续、个性化教学注意力的获取。
教师的工作把教学、权威、监督、安全、社会协调与责任绑定在一起。AI 也许能够把这些职能拆开。
附录