語(yǔ)文作文智能評(píng)分工具的對(duì)比研究和優(yōu)化策略

一、研究背景

寫作能力是一個(gè)人的基本素養(yǎng)，是一個(gè)人的語(yǔ)言能力、思維能力、創(chuàng)造力、想象力以及文化素養(yǎng)的綜合反映，它不僅在學(xué)術(shù)領(lǐng)域有著重要作用，在職場(chǎng)、社交和個(gè)人成長(zhǎng)等方面也發(fā)揮著關(guān)鍵作用。朱永新指出，“寫作已經(jīng)不再是部分人的職業(yè)和專長(zhǎng)，而逐步成為每個(gè)公民適應(yīng)社會(huì)變化和終身發(fā)展的核心素養(yǎng)”。但調(diào)查反映，我國(guó)中小學(xué)寫作教學(xué)花的時(shí)間和精力不少，可并沒有完全達(dá)到語(yǔ)文課標(biāo)要求，畏懼寫作或?qū)懽髋d趣低、不敢表達(dá)真實(shí)想法、寫作形式應(yīng)試化缺乏創(chuàng)新、內(nèi)容生硬缺乏真情實(shí)感等問題依然突出，中小學(xué)生乃至大學(xué)生的寫作水平都亟待提高[。產(chǎn)生上述問題的原因有很多，其中一個(gè)重要原因是：詳細(xì)而全批全改學(xué)生作文的工作量實(shí)在太大，導(dǎo)致教師批改作文時(shí)往往只是打分，缺少詳細(xì)、個(gè)性化且具有針對(duì)性的評(píng)語(yǔ)和指導(dǎo)，學(xué)生獲取作文的反饋不夠及時(shí)、作文指導(dǎo)難以到位。隨著計(jì)算機(jī)、互聯(lián)網(wǎng)的普及和人工智能的興起，許多學(xué)者針對(duì)作文批改工作量大的問題，開始參與語(yǔ)文作文智能評(píng)價(jià)工具的研究。

21世紀(jì)初，張晉軍等人提出了“漢語(yǔ)測(cè)試電子評(píng)分員”的設(shè)想，他們通過編程對(duì)700份少數(shù)民族漢語(yǔ)水平考試的作文進(jìn)行評(píng)分，結(jié)果顯示電子評(píng)分與人工評(píng)分的一致性較高[4。李亞男則使用多元線性回歸分析形成了作文自動(dòng)評(píng)分模型，其研究顯示自動(dòng)評(píng)分與人工評(píng)分的相關(guān)度達(dá)到0.572^[5] 。彭星源等人通過量化詞匯來(lái)實(shí)現(xiàn)自動(dòng)評(píng)分，測(cè)試集上的評(píng)分相關(guān)度接近0.7。然而，這些早期模型主要依賴詞匯評(píng)分，忽略了文章的整體結(jié)構(gòu)和深層含義[

隨著人工智能技術(shù)的發(fā)展，作文智能評(píng)價(jià)工具逐漸實(shí)現(xiàn)了多層次、多維度的深層語(yǔ)言分析。付瑞吉等人利用卷積神經(jīng)網(wǎng)絡(luò)和雙向長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)來(lái)識(shí)別優(yōu)美句子，顯著降低了自動(dòng)評(píng)分與人工評(píng)分的分差。鐘啟東等人構(gòu)建了基于語(yǔ)言感知的漢語(yǔ)作文評(píng)分算法，增強(qiáng)了對(duì)句子流暢度和語(yǔ)用能力的評(píng)估[8]。陳志恒等人設(shè)計(jì)了一種基于深度學(xué)習(xí)的中文作文智能測(cè)評(píng)方案，通過神經(jīng)網(wǎng)絡(luò)模型檢測(cè)作文中的修辭手法和優(yōu)美句子，評(píng)分結(jié)果與老師評(píng)判結(jié)果的誤差小于4分[9。目前，語(yǔ)文作文智能評(píng)分工具包括但不限于光速寫作、小猿作文、神筆作文批改、AI作文批改、筆神作文、IN課堂等[1]。其中，用戶較多且影響較大的有IN課堂、筆神批改和光速寫作。

本研究選取2023年深圳市高三年級(jí)二模標(biāo)桿作文和優(yōu)秀作文（下稱二模作文）為樣本，通過平均值、變異系數(shù)以及配對(duì)樣本t檢驗(yàn)這三個(gè)維度，對(duì)當(dāng)前三個(gè)主要作文智能評(píng)分工具的智能評(píng)分效果進(jìn)行對(duì)比研究。

二、研究設(shè)計(jì)

本研究選取的二模作文為材料類自命題作文，是高考和平時(shí)訓(xùn)練的一種典型作文。選取的三個(gè)作文智能評(píng)分工具為IN課堂、筆神作文與光速寫作，是應(yīng)用范圍較廣、反響度較高、各具特色的工具。IN課堂注重課堂學(xué)習(xí)與作文訓(xùn)練的緊密結(jié)合，通過豐富的課程資源引導(dǎo)學(xué)生提升寫作技巧；筆神作文側(cè)重于智能評(píng)分與即時(shí)反饋，利用先進(jìn)技術(shù)幫助學(xué)生快速定位并改進(jìn)作文中的不足；而光速寫作則強(qiáng)調(diào)高效與便捷，提供流暢的寫作體驗(yàn)與實(shí)用的寫作模板，助力學(xué)生輕松應(yīng)對(duì)各類寫作任務(wù)。通過平均值、變異系數(shù)及配對(duì)樣本t檢驗(yàn)，對(duì)IN課堂、筆神作文與光速寫作進(jìn)行了深入對(duì)比，旨在評(píng)估它們?cè)谂袛嘧魑馁|(zhì)量、符合標(biāo)桿作文特點(diǎn)及與人工評(píng)分差異度方面的準(zhǔn)確性、穩(wěn)定性和一致性。

1.工具選取

根據(jù)適用范圍、市場(chǎng)反響、技術(shù)水平等維度，選取了當(dāng)前三個(gè)較多用戶使用的作文智能評(píng)分工具，分別為：IN課堂、筆神作文和光速寫作（見表1）。除了IN課堂，另外兩個(gè)工具都能夠使用圖片識(shí)別進(jìn)行評(píng)分，方便快捷。此外，IN課堂支持批量評(píng)分，在學(xué)校的日常測(cè)試中也能夠使用。

2.數(shù)據(jù)提取

第一步，選取二模作文，共34篇作文，其中9篇標(biāo)桿作文，25篇優(yōu)秀作文。標(biāo)桿作文是在正式閱卷前，由專家組先行按比例抽取一定數(shù)量的作文，依據(jù)一定準(zhǔn)則，經(jīng)過認(rèn)真分類篩選出的作文。這些作文充分體現(xiàn)了試卷的整體特征和整體水平，是閱卷教師厘定評(píng)分標(biāo)準(zhǔn)的參考試卷。優(yōu)秀作文是在閱卷后，由閱卷教師評(píng)選出的55分以上的作文（滿分60）。每篇作文都有人工評(píng)分，為本研究第一組數(shù)據(jù)（作文原稿和人工評(píng)分的數(shù)據(jù)皆來(lái)源于深圳市教研院）。

第二步，將34篇作文的文字版，即人工提取答題卡中的文字，輸入到三個(gè)工具中進(jìn)行評(píng)分，得出第二組、第三組和第四組數(shù)據(jù)。有些工具只可以輸出百分制的分?jǐn)?shù)，則按比例換算為60分制的分?jǐn)?shù)，轉(zhuǎn)換公式：最終分?jǐn)?shù) ÷100×60 。（見表2）

3.數(shù)據(jù)檢測(cè)

數(shù)據(jù)讀取完后，用SPSS16.0版對(duì)所有的數(shù)據(jù)進(jìn)行描述性統(tǒng)計(jì)，同時(shí)對(duì)所有的數(shù)據(jù)進(jìn)行配對(duì)樣本t檢驗(yàn)（pairedt-test），檢測(cè)人工評(píng)分與各工具智能評(píng)分的差異。配對(duì)樣本t檢測(cè)是一種統(tǒng)計(jì)方法，用于檢驗(yàn)兩組配對(duì)樣本的均值是否存在顯著差異。

三、評(píng)分分析

1.描述性分析

對(duì)所有變量的有關(guān)數(shù)據(jù)進(jìn)行描述性統(tǒng)計(jì)分析，包括數(shù)據(jù)的集中趨勢(shì)與離散趨勢(shì)。

從平均分的角度上看，以高考作文評(píng)分細(xì)則中，6分為誤差閾值，誤差在6分或以上的為異常卷。人工評(píng)分與智能評(píng)分的平均值相比（見表3），IN課堂與人工評(píng)分的平均值相差2.738分，符合評(píng)分要求；筆神作文與人工評(píng)分的平均值相差2.126分，符合評(píng)分要求；光速寫作與人工評(píng)分的平均值相差8.391分，不符合評(píng)分要求。

由于標(biāo)桿作文的特殊性，將其單獨(dú)進(jìn)行描述性分析，以檢測(cè)三個(gè)工具是否能夠區(qū)分作文質(zhì)量的優(yōu)劣（見表4）。

從變異系數(shù)（CoefficientofVariation，CV）的角度上看，它是原始數(shù)據(jù)標(biāo)準(zhǔn)差與原始數(shù)據(jù)平均數(shù)的比值，變異系數(shù)越大，表示數(shù)據(jù)的離散程度越大，即數(shù)據(jù)值與其平均值的偏離程度越高；變異系數(shù)越小，則數(shù)據(jù)分布越集中。標(biāo)桿作文作為各類作文的評(píng)價(jià)基準(zhǔn)，具有明確且具體的描述性標(biāo)準(zhǔn)，其評(píng)分區(qū)間相對(duì)較大，最低與最高分?jǐn)?shù)之間會(huì)呈現(xiàn)出較為顯著的差異。這種評(píng)分方式有助于更精確地定位和評(píng)價(jià)作文的優(yōu)劣。因此這9篇標(biāo)桿作文的人工評(píng)分差異較大，其變異系數(shù)（CV）為0.177，符合標(biāo)桿作文的特點(diǎn)

以此為基準(zhǔn)，IN課堂、筆神作文和光速寫作的變異系數(shù)（CV）分別為0.099、0.008和0.086，表示當(dāng)前這三組數(shù)據(jù)差異較小，不符合標(biāo)桿作文的特點(diǎn)。

綜上研究結(jié)果表明，其一，IN課堂和筆神作文的智能評(píng)分符合高考作文評(píng)分要求。這可能是因?yàn)樗鼈冊(cè)趦?nèi)容、表達(dá)和特征等方面能夠比較全面地評(píng)估作文，并具有較強(qiáng)的適應(yīng)性和靈活性。而光速寫作不符合要求，可能是由于訓(xùn)練不足、評(píng)分維度不全或缺乏適應(yīng)性等原因?qū)е碌?。其二，三個(gè)工具都不符合標(biāo)桿作文的評(píng)分特點(diǎn)。究其根本原因是這些工具通常只能對(duì)文題進(jìn)行表面上判斷，而無(wú)法深入理解命題的深層含義、背景、目的以及所期望的回應(yīng)方式。這導(dǎo)致智能評(píng)分往往只停留在字面意思上，缺乏深度和廣度。

2.差異性分析

Cohen'sd值是一種效應(yīng)量指標(biāo)，主要用于量化兩組數(shù)據(jù)之間的差異程度。它特別適用于t檢驗(yàn)中，通過計(jì)算兩組數(shù)據(jù)的均值差異與合并標(biāo)準(zhǔn)差之比來(lái)得到。當(dāng) |d|lt;0.2 時(shí)，表示兩組數(shù)據(jù)之間的差異很小。當(dāng) 0.2?|d|lt;0.5 時(shí)，表示兩組數(shù)據(jù)之間有中等程度的差異。當(dāng) |d|?0.5 時(shí)，表示兩組數(shù)據(jù)之間的差異較大。以人工評(píng)分為基準(zhǔn)，分別對(duì)IN課堂、筆神作文和光速寫作三個(gè)工具進(jìn)行差異性分析。

配對(duì)樣本t檢驗(yàn)的結(jié)果顯示，基于變量人工評(píng)分配對(duì)IN課堂，顯著性P值為0.009，因此人工評(píng)分配對(duì)IN課堂之間存在顯著性差異。其差異幅度Cohen'sd值為：0.475。（見表5）

配對(duì)樣本t檢驗(yàn)的結(jié)果顯示，基于變量人工評(píng)分配對(duì)筆神作文，顯著性P值為0.033，人工評(píng)分配對(duì)筆神作文之間存在顯著性差異。其差異幅度Cohen'sd值為：0.381。（見表6）

配對(duì)樣本T檢驗(yàn)的結(jié)果顯示，基于變量人工評(píng)分配對(duì)光速寫作，顯著性P值為0.000，人工評(píng)分配對(duì)光速寫作之間存在顯著性差異。其差異幅度Cohen'sd值為：1.778。（見表7）

綜上研究結(jié)果，IN課堂和筆神作文的智能評(píng)分與人工評(píng)分差異幅度相對(duì)較小，光速寫作的智能評(píng)分與人工評(píng)分差異幅度較大。結(jié)合各工具的特點(diǎn)，我們可以發(fā)現(xiàn)：第一，IN課堂和筆神作文基于機(jī)器學(xué)習(xí)算法，該算法能夠?qū)W習(xí)并模擬專家的評(píng)分行為，能夠在評(píng)分時(shí)產(chǎn)生與人工評(píng)分相近的結(jié)果。第二，IN課堂和筆神作文考慮了多種評(píng)分維度，確保評(píng)分的全面性和準(zhǔn)確性，與人工評(píng)分時(shí)的考量因素相似。

四、討論

1.智能評(píng)分問題及其原因

通過上述對(duì)比IN課堂、筆神作文和光速寫作三個(gè)語(yǔ)文作文智能評(píng)分工具的作文評(píng)分與人工評(píng)分的描述性分析和差異性分析，智能評(píng)分總體上能夠反映作文質(zhì)量和水平高低，這顯示出智能評(píng)分工具在作文評(píng)價(jià)中的實(shí)際應(yīng)用價(jià)值和潛力，但絕非完美無(wú)缺，需要優(yōu)化和改進(jìn)的地方不少。在實(shí)施過程中，研究發(fā)現(xiàn)有如下評(píng)分問題

第一，評(píng)分離散度與人工標(biāo)準(zhǔn)錯(cuò)位。三個(gè)工具普遍存在變異系數(shù)過低的問題（筆神 CV=0.008 、IN課堂 CV=0.099 、光速CV=0.086 ），其評(píng)分分布集中程度顯著偏離人工評(píng)卷應(yīng)有的離散特征。人工評(píng)分對(duì)作文質(zhì)量差異敏感，常因思想深度、語(yǔ)言創(chuàng)新等維度產(chǎn)生合理分差，而作文智能評(píng)分工具因機(jī)械化執(zhí)行量化標(biāo)準(zhǔn)（如語(yǔ)法正確性、字?jǐn)?shù)達(dá)標(biāo)率），導(dǎo)致評(píng)分結(jié)果呈現(xiàn)“趨中化”傾向。這種離散度不足的本質(zhì)是算法對(duì)作文多維價(jià)值（如文學(xué)性、邏輯嚴(yán)謹(jǐn)性、觀點(diǎn)獨(dú)特性）的權(quán)重分配失衡，最終弱化了對(duì)優(yōu)秀作文的識(shí)別能力。例如，工具可能將一篇辭藻華麗但邏輯混亂的作文與結(jié)構(gòu)嚴(yán)謹(jǐn)?shù)Z(yǔ)言平實(shí)的作文評(píng)為相近分?jǐn)?shù)。

第二，評(píng)分準(zhǔn)確性存在系統(tǒng)性偏差。工具間準(zhǔn)確性差異顯著：光速寫作與人工均分偏差達(dá)8.391分，暴露其評(píng)分標(biāo)準(zhǔn)與人工體系的根本性偏離；筆神作文（差2.126分）和IN課堂（差2.738分）雖在閾值內(nèi)，但仍存在穩(wěn)定偏差，說(shuō)明現(xiàn)有算法對(duì)“語(yǔ)言表達(dá)一邏輯結(jié)構(gòu)一思想深度”的復(fù)合評(píng)價(jià)邏輯存在誤判。例如工具可能高估堆砌復(fù)雜句式的作文，卻低估語(yǔ)言質(zhì)樸但論點(diǎn)深刻的文章。更深層矛盾在于，算法難以捕捉文化語(yǔ)境對(duì)評(píng)分的影響，如對(duì)古詩(shī)文引用、地域性表達(dá)的處理易出現(xiàn)誤判，導(dǎo)致評(píng)分偏離人工基準(zhǔn)。

第三，動(dòng)態(tài)適配性與語(yǔ)義理解雙重局限。部分工具呈現(xiàn)的“穩(wěn)定性”實(shí)為保守策略的結(jié)果：筆神作文為避免極端誤差，可能采用“安全區(qū)間”評(píng)分機(jī)制，致使優(yōu)秀作文評(píng)分偏低。同時(shí)，工具過度依賴表層語(yǔ)言特征（如詞匯難度、句式數(shù)量），對(duì)深層語(yǔ)義關(guān)聯(lián)（如隱喻呼應(yīng)、論證鏈完整性）的解析能力薄弱，典型案例包括將比喻修辭誤判為語(yǔ)病，或未能識(shí)別論點(diǎn)與論據(jù)的邏輯斷裂。這種缺陷源于NLP模型對(duì)文本的符號(hào)化處理模式，難以真正理解人類語(yǔ)言中的模糊性和創(chuàng)造性。

導(dǎo)致以上問題的原因如下。

其一，缺乏特征提取功能，難以生成適應(yīng)不同題目的個(gè)性化評(píng)分模型。標(biāo)桿作文一般是在評(píng)分過程中給教師學(xué)習(xí)所用。在作文智能評(píng)分工具中，稱之為“定標(biāo)樣本”，用于作文智能評(píng)分工具的特征提取，通過機(jī)器的深度學(xué)習(xí)生成適合該題的評(píng)分模型，進(jìn)而有效評(píng)分，但是這三個(gè)評(píng)分工具都不具有這種功能，這也是智能評(píng)分與人工評(píng)分有差異的主要原因。

其二，手寫識(shí)別技術(shù)尚待提升，影響系統(tǒng)的整體效能。手寫識(shí)別工具（也稱為手寫輸入工具或手寫文字識(shí)別工具）是一種能夠識(shí)別和理解人類手寫輸入的技術(shù)。它使用計(jì)算機(jī)視覺和模式識(shí)別技術(shù)來(lái)分析手寫輸入（如筆跡、筆順、字形等），并將這些信息轉(zhuǎn)換為計(jì)算機(jī)可讀的字符、文本或數(shù)字?jǐn)?shù)據(jù)。筆神作文、光速寫作都可以使用手寫識(shí)別工具，這大大提高了作文評(píng)價(jià)的效率。盡管手寫識(shí)別工具在過去幾十年中取得了顯著的進(jìn)步，但由于技術(shù)的限制，其效率并不總是能達(dá)到理想的水平[]。手寫輸人具有高度的多樣性和復(fù)雜性。每個(gè)人的書寫風(fēng)格、字體大小、筆順等都可能不同，這增加了手寫識(shí)別工具的處理難度。因此，在測(cè)試過程中，筆神作文和光速寫作都會(huì)不可避免地出現(xiàn)個(gè)別錯(cuò)誤識(shí)別。而IN課堂是人工輸入文字版的作文，其正確率較高。這也是IN課堂較之筆神作文、光速寫作，其智能評(píng)分更準(zhǔn)確、更一致的重要原因。

2.智能評(píng)分優(yōu)化策略

由于作文智能評(píng)價(jià)工具還處在初始階段，不盡如人意之處在所難免。其核心挑戰(zhàn)在于如何克服現(xiàn)有技術(shù)的局限性，構(gòu)建一個(gè)既能深入理解文本內(nèi)涵，又能精準(zhǔn)提取關(guān)鍵特征的智能評(píng)價(jià)體系。這一目標(biāo)的實(shí)現(xiàn)，不僅依賴于技術(shù)層面的突破，更需教育理念與技術(shù)實(shí)踐的深度融合。

在特征提取功能的優(yōu)化上，關(guān)鍵在于構(gòu)建一個(gè)具有高度智能化與自適應(yīng)性的框架體系。BERT、ERNIE等預(yù)訓(xùn)練模型的引入，為這一進(jìn)程提供了強(qiáng)大的技術(shù)支持。陳宇航等人結(jié)合多頭注意力機(jī)制與BERT模型的句法和語(yǔ)義特征，通過多維度特征融合解決了作文自動(dòng)評(píng)分中的主題相關(guān)性缺失和長(zhǎng)文本信息丟失的問題，提高了評(píng)分精準(zhǔn)度[12]。張春云等人則采用類別對(duì)抗訓(xùn)練策略實(shí)現(xiàn)跨提示特征對(duì)齊，有效避免了錯(cuò)位對(duì)齊問題并提升模型泛化能力，同時(shí)結(jié)合分類與回歸聯(lián)合學(xué)習(xí)，通過共享特征增強(qiáng)評(píng)分準(zhǔn)確性[3]

手寫識(shí)別技術(shù)的短板則是語(yǔ)文作文智能評(píng)分工具面臨的另一大挑戰(zhàn)。近年來(lái)，盡管手寫識(shí)別系統(tǒng)領(lǐng)域的研究眾多，然而聚焦于學(xué)生群體的手寫識(shí)別系統(tǒng)研究卻相對(duì)匱乏。一方面，學(xué)生的書寫，尤其是低學(xué)段學(xué)生，往往存在筆畫順序錯(cuò)誤、字形結(jié)構(gòu)松散或變形等情況[14]，這無(wú)疑為手寫識(shí)別技術(shù)的精準(zhǔn)應(yīng)用帶來(lái)了挑戰(zhàn)；另一方面，相較于成人手寫識(shí)別在簽名驗(yàn)證、文檔處理等方面的廣泛應(yīng)用，學(xué)生手寫識(shí)別的直接應(yīng)用場(chǎng)景相對(duì)較少，這限制了相關(guān)研究的動(dòng)力和投入。由此可見，針對(duì)學(xué)生的手寫識(shí)別系統(tǒng)研究尚處于較為邊緣化的狀態(tài)。然而，隨著語(yǔ)文作文智能評(píng)分工具的日益興起，手寫識(shí)別系統(tǒng)在教育領(lǐng)域的應(yīng)用需求愈發(fā)迫切。加快學(xué)生手寫識(shí)別系統(tǒng)的研究步伐，不僅對(duì)于提升教育技術(shù)的智能化水平至關(guān)重要，更是推動(dòng)教育評(píng)價(jià)模式革新、實(shí)現(xiàn)個(gè)性化教學(xué)反饋的關(guān)鍵所在。

語(yǔ)文作文智能評(píng)價(jià)工具技術(shù)雖然相對(duì)成熟，但由于教師對(duì)其評(píng)價(jià)標(biāo)準(zhǔn)的擔(dān)憂、學(xué)生對(duì)評(píng)價(jià)結(jié)果的不信任，以及開發(fā)者在技術(shù)突破和市場(chǎng)推廣上的挑戰(zhàn)，導(dǎo)致其尚未在教育領(lǐng)域得到廣泛應(yīng)用。首先，對(duì)于教師而言，作文評(píng)價(jià)不僅是評(píng)分，更是對(duì)學(xué)生寫作能力的診斷和指導(dǎo)。他們更看重個(gè)性化、有針對(duì)性的反饋，而這正是當(dāng)前智能評(píng)價(jià)工具所缺乏的。此外，教師對(duì)新技術(shù)的接受度、培訓(xùn)需求以及對(duì)智能工具評(píng)價(jià)準(zhǔn)確性的疑慮，也是影響其普及的重要因素[15]。其次，對(duì)于學(xué)生，作文評(píng)價(jià)涉及主觀判斷，學(xué)生擔(dān)心機(jī)器無(wú)法準(zhǔn)確理解文章的深層含義和情感表達(dá)，尤其是面對(duì)文學(xué)性較強(qiáng)的作文時(shí)，智能工具的局限性更為明顯。同時(shí)，學(xué)生也習(xí)慣于教師的直接指導(dǎo)，對(duì)智能工具的適應(yīng)性和接受度有限。最后，開發(fā)者方面，推廣作文智能評(píng)價(jià)工具面臨多重挑戰(zhàn)。語(yǔ)義理解、創(chuàng)造力評(píng)估等方面仍然是技術(shù)難點(diǎn)，尤其是在處理比喻、反諷等修辭手法時(shí)，智能工具的表現(xiàn)尚不理想。此外，智能評(píng)價(jià)工具的研發(fā)和優(yōu)化需要大量的高質(zhì)量標(biāo)注數(shù)據(jù)，而作文數(shù)據(jù)的多樣性和主觀性使得數(shù)據(jù)收集和標(biāo)注成本較高。除此之外，市場(chǎng)推廣和用戶教育也是一大挑戰(zhàn)，需要時(shí)間和資源來(lái)建立用戶信任和認(rèn)可。

推動(dòng)智能評(píng)價(jià)工具的普及，需要在技術(shù)優(yōu)化、用戶體驗(yàn)提升和教育理念融合等方面進(jìn)一步努力。未來(lái)，隨著技術(shù)的不斷進(jìn)步和各方認(rèn)知的深入，其普及程度有望逐漸提升。相信在不久的將來(lái)，語(yǔ)文作文智能評(píng)分工具將成為教育領(lǐng)域中不可或缺的一部分，為教師的教學(xué)和學(xué)生的學(xué)習(xí)提供更加便捷、高效的支持。

參考文獻(xiàn)

[1]朱永新.讓閱讀和寫作成為一種生活方式[J].民主，2023（10）.

[2]徐林祥，張志強(qiáng).課改二十年小學(xué)語(yǔ)文教學(xué)經(jīng)驗(yàn)與問題[J].語(yǔ)文建設(shè)，2022（6）.

[3]榮維東，唐玖江，陳磊，寫作課程教學(xué)應(yīng)該向何處去？一一來(lái)自全國(guó)31位寫作課程教學(xué)專家的建議[J].中學(xué)語(yǔ)文教學(xué)，2021（2）.

[4]張晉軍，任杰.漢語(yǔ)測(cè)試電子評(píng)分員實(shí)驗(yàn)研究報(bào)告[J].中國(guó)考試，2004（10）.

[5]李亞男.漢語(yǔ)作為第二語(yǔ)言測(cè)試的作文自動(dòng)評(píng)分研究[D].北京語(yǔ)言大學(xué)，2006：36-40.

[6]彭星源，柯登峰，趙知，等.基于詞匯評(píng)分的漢語(yǔ)作文自動(dòng)評(píng)分[J].中文信息學(xué)報(bào)，2012（2）

[7]付瑞吉，王棟，王士進(jìn)，等，面向作文自動(dòng)評(píng)分的優(yōu)美句識(shí)別[J].中文信息學(xué)報(bào)，2018（6）.

[8]鐘啟東，張景祥，嵌入語(yǔ)言深度感知的漢語(yǔ)作文評(píng)分算法[J].計(jì)算機(jī)工程與應(yīng)用，2020（8）.

[9]陳志恒.基于深度學(xué)習(xí)的中文作文智能評(píng)測(cè)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D].中國(guó)科學(xué)院大學(xué)（中國(guó)科學(xué)院沈陽(yáng)計(jì)算技術(shù)研究所），2021：43-68.

[10]張悅，魏順平.數(shù)智時(shí)代語(yǔ)文作文評(píng)價(jià)工具的比較和選用一一基于5款作文批改App的分析研究[J].中小學(xué)信息技術(shù)教育，2024（Z1）.

[11]付鵬斌，劉鵬輝，楊惠榮，等.基于多重規(guī)則和路徑評(píng)價(jià)的在線中英文手寫識(shí)別方法[J].計(jì)算機(jī)工程，2022（3）.

[12]陳宇航，楊勇，先木斯亞·買買提明，等.基于主題感知和語(yǔ)義增強(qiáng)的作文自動(dòng)評(píng)分方法[J].計(jì)算機(jī)工程，2024（8）.

[13]張春云，趙洪焱，鄧紀(jì)芹，等.基于類別對(duì)抗聯(lián)合學(xué)習(xí)的跨提示自動(dòng)作文評(píng)分方法[J/OL].計(jì)算機(jī)研究與發(fā)展，1-14[2024-10-16].http：//kns.cnki.net/kcms/detail/11.1777.tp.20241015.1438.002.html.

[14]王偉.小學(xué)低段學(xué)生漢字書寫情況的調(diào)查及教學(xué)建議[J].教學(xué)與管理，2018（14）.

[15]苗逢春.基于教師權(quán)益的自主人工智能應(yīng)用一對(duì)聯(lián)合國(guó)教科文組織《教師人工智能能力框架》的解讀[J].開放教育研究，2024（5）.