某市教育考试院AI智能评卷与质量监控系统
项目背景
某市级教育考试院承担着全市中考、高中学业水平考试、教师资格考试等重大考试的命题、组考和评卷工作。中考每年考生规模超过 8 万人，语文作文和英语写作两道主观题共产生约 32 万份待评答卷。传统“双评+仲裁”模式需要组织 600 余名教师连续评卷 6 天，评卷成本高、周期长，而且不同评卷员之间的评分尺度差异是一大痛点——语文作文双评差异超过 5 分的比例约为 18%，需要第三位仲裁教师介入，进一步增加工作量和时间成本。
核心诉求
部署 AI 智能评卷系统，实现语文作文和英语写作两个科目的 AI 辅助评分，人机评分一致率达 90% 以上，评卷效率提升 40% 以上，同时建设评卷质量实时监控系统，保障考试公平公正。
方案设计
AI 评分模型训练
基于近 5 年共计 120 万份历史评卷数据（含每位考生的双评分数和仲裁结果）训练 AI 评分模型。对于语文作文，模型从内容（立意、选材、思想性）、表达（语言、结构、文体）和发展等级（深刻、丰富、有文采、有创新）四个维度综合评分。对于英语写作，模型从内容完整性、语言准确性、篇章连贯性三个维度评分。
人机协同评卷流程
设计“AI 初评+单人复核”的新评卷模式：AI 首先为每份答卷进行初评并给出分数和评分依据，评卷教师复核 AI 的评分是否合理，可以采纳、微调或退回。AI 与人工评分差异超过阈值（语文 5 分/英语 3 分）的答卷自动进入仲裁流程。系统还对每位评卷员的评分曲线进行实时监测，发现评分尺度漂移自动提醒。
评卷质量监控大屏
建设实时质量监控大屏，展示整体评卷进度、各题组评分分布、异常评分预警（如评分速度过快或过慢、评分分布异常的评卷员）、AI 与人工评分一致性趋势等关键指标，帮助评卷负责人实时掌握全局质量状况并快速响应异常。
公平性保障
AI 模型训练样本覆盖了城乡不同区域、不同层次学校的考生答卷，并经过偏见检测确保不对特定群体产生系统性偏差。模型输出为参考分数，最终成绩以人工复核结果为准。AI 评分不替代人工，而是辅助人工提升效率和一致性。
项目成效
客户评价
“引入 AI 评卷不是要替代教师，而是让教师的专业判断力发挥更大价值。AI 处理掉大量基础性评分工作后，教师可以把精力集中在有争议的答卷上。而且 AI 评分的一致性非常好——同一篇作文不会因为评卷员不同而产生 10 分以上的差异。”
—— 该市教育考试院副院长