展开知识库目录
批量整理学生反馈时怎样匿名化并保留教师判断
批量整理反馈时，先把身份、敏感信息和最终评分权从工具链中分离。AI 可以聚类或起草低风险反馈，但教师必须核对原作业、量规和每个学生的实际证据。
教师把全班作业连姓名上传到公共 AI，得到的评语还引用了另一个学生的内容
作业中包含姓名、学号、实习单位和个人经历。教师直接批量上传，模型生成统一评语，却把 A 同学的案例写进 B 同学反馈，还把语言风格当成内容理解能力。
批量反馈要先做权限和数据最小化：确认学校是否允许、使用哪个批准环境、哪些字段必须删除、结果保存多久。自动化只处理规则明确、结果可由教师复核的辅助工作，最终成绩、特殊情况和实质性判断由教师依据量规和原作业确认。
- 判断材料能否进入所用工具
- 生成不可逆或受控的匿名标识
- 保留教师逐份确认和修改记录
整理共性问题和决定个人成绩不是同一风险等级
| 任务 | 可考虑的辅助 | 必须人工控制 | 不应直接做 |
|---|---|---|---|
| 统计常见错误 | 对脱敏片段按已定义标签聚类 | 抽样核对分类和遗漏 | 上传身份和不必要全文 |
| 生成反馈草案 | 按量规和已标证据起草建议 | 教师回原文确认归属、准确和语气 | 模型凭印象判断学生能力 |
| 检查格式或缺项 | 规则明确时自动标记 | 处理合理调整和技术异常 | 把格式错误自动当学术能力不足 |
| 评分 | 可辅助汇总教师已做的分项判断 | 教师负责每项证据、总分和一致性 | 由黑箱模型独立决定高风险成绩 |
| 学术诚信线索 | 发现相似片段供人工检查 | 按正式证据和程序处理 | 自动指控、通知或处罚 |
先脱敏，再处理，再回连，最后删除中间材料
- 01
确认合法与校内政策依据
核对课程告知、学校批准工具、数据类别、处理目的、访问人员、保存期限和是否允许境外或第三方处理。
- 02
最小化输入
删除姓名、学号、邮箱、班级、实习单位、联系方式和不影响反馈的个人经历；图像、文件属性和自由文本也可能泄露身份。
- 03
建立受控映射
用随机作业 ID 替代身份，映射表单独加密保存在批准位置，仅授权教师访问，不与作业内容一起上传。
- 04
限定辅助任务和输出格式
只让工具按教师量规标记证据或起草反馈，要求引用作业段落，不生成性格、动机或风险画像。
- 05
教师逐份核验
回原作业确认每条反馈属于该学生、证据准确、没有幻觉或跨学生污染，并按量规作最终评分。
- 06
记录、通知和清理
保存教师修改、最终反馈、申诉所需证据和处理日志；按学校期限删除临时上传、中间输出和映射副本。
工具输出与教师决定必须分栏
反馈核验记录
一份作业一行或多行
anonymous_id,assignment,criterion,evidence_location,tool_suggestion,teacher_verified,teacher_correction,final_feedback,score_decision,identity_map_location,approved_tool,data_fields_removed,access_scope,retention_until,reviewer,status
A7F3,{作业},{量规维度},{段落/页码},{草案},{是/否},{修正},{最终反馈},{教师决定},{受控位置},{工具},{删除字段},{访问者},{删除日期},{教师},待复核不要在此表中重新放入姓名、学号或敏感身份；映射位置只记录受控路径，不记录密钥。
每条个体反馈都要能回到该学生自己的证据
学生数据处理必须先服从学校制度和适用法律
一手来源中华人民共和国个人信息保护法编辑依据本校学生数据、生成式 AI 与课程考核政策 一手来源NIST Privacy Framework
核对个人信息处理的合法、正当、必要、透明和安全要求。
决定哪些平台获批、是否需告知同意、数据保存地点、人工复核和申诉要求。
用于梳理数据、风险、控制和责任；不能替代中国法律及学校制度。