AI批改到底给老师省没省时间，先把这3笔账算清楚

一台作业扫描设备，用两分钟就可以处理一个班的作业，AI还能自动生成错题统计和作文反馈，单看演示的话，老师好像一下子就少了好几个小时的工作。

实际上等这套设备放进学校以后，老师的时间要从布置作业一直算到成绩确认，因为扫描完成以后，还会有上传失败、手写识别、答案校准、人工复核和学生申诉，两分钟只是整个流程里面非常靠前的一步。

教育部近两年一直在推动AI进入备课、教研、课堂分析和教师培训，同时也反复提到教师要掌握使用边界。

其实老师在意的问题没有那么复杂，他们更想知道的是作业到底少改了多少，自己是不是又多出了一套上传、检查和向家长解释的工作。

AI两分钟扫完作业，老师还要接着检查

北京市基础教育领域的AI应用案例里面，有学校把教师设计作业的时间，从人均45分钟降到25分钟左右，英语作文批改也节省了大约7.5小时，湖北一所中学则使用扫描设备收集整班作业，再让系统生成学情信息。

选择题、填空题、错题归类和格式检查这些比较重复的工作，可以先交给机器处理，老师把时间留给讲评和个别辅导，可到了作文立意、开放题步骤、表达风格和学生情绪，老师还是得回到学生写下的内容里面，系统给出的反馈只能放在旁边参考。

所以学校统计AI到底省了多少时间时，不能只记录机器用了几分钟，还要把整理纸张、上传失败、手写识别、答案校准、教师复核和学生申诉全部算进去。如果一周少了2小时批改，却又多出2小时检查，那么老师的日程还是没有松下来。

而且不同作业要用不同的方法检查，选择题可以抽查识别率，数学解答题要看步骤和不同解法，作文则要防止反馈全是固定模板。就算系统页面上写着98%的准确率，也要继续问它测试的是哪一类题，学生当时怎样书写，以及剩下2%的错误最后会落到谁身上。

我的话会把那些机械重复的工作，跟会影响学生评价的判断分开，前面的工作可以多试一试，后面的判断还是要让老师确认。如果一套系统只是让老师多开一个后台，再多填写一套数据，那么它生成内容的速度再快，老师也很难感觉自己轻松了。

省下来的时间，可能很快又被新任务占满

有一项研究使用了2014年至2015年的中国教育追踪调查数据，当时测得教师平均每周工作大约48.91小时，这个数字已经不能代表2026年的实时情况，但它至少提醒我们，老师的工作不只发生在讲台上面，备课、批改、行政、沟通和课后服务都会占用时间。

如果AI把写一份教案的时间，从1小时减少到20分钟，可学校随后又要求每位老师生成更多版本，或者提交更细的分析报告，那么前面省下来的时间，很快又会被新流程占满。所以一套工具到底有没有减负，最好连续记录一个学期，再看教师总工时、非教学任务和个别辅导时间怎样变化。

减负也不能只看全校平均数，因为数学选择题和语文作文对机器的要求完全不同，新教师和熟练教师学习一套系统的时间也不一样。同一套工具在一个教研组里面节省了时间，换到另一个学科可能还要花很久校准，学校应该允许老师按照具体任务决定用不用。

学校在刚开始试用的时候，可以先让AI和老师同时批改几周，把最常见的错误找出来，等系统稳定一些以后，再慢慢缩小人工复核的范围。碰到期中、期末和影响升学的考试，人工确认的比例应该更高，日常练习则可以让学生先看机器反馈，再把有争议的题目交给老师。

摄像头开始看课堂，麻烦就不只在效率

课堂评价系统可以统计教师讲了多长时间，问了多少问题，也可以识别学生有没有抬头、举手或者使用手机。可数据一多，学校很容易把这些能够数出来的行为，顺手当成课堂质量。

问题是，学生一直看着老师，不代表他已经听懂了，安静坐着也可能正在走神，老师讲得少，同样不一定代表这堂课更好。AI可以帮助老师回看某一段教学活动，可一整套教育判断，最后还是需要学校和老师自己完成。

课堂里面还有一个绕不开的问题，就是学生隐私，瑞典有一所学校曾经使用人脸识别记录学生出勤，即便校方取得了学生同意，数据保护机构仍然认为，处理生物识别数据缺少充分法律依据，并对当地政府罚款20万瑞典克朗。

所以学生和家长点下同意，并不能代替学校判断这项数据有没有必要采集，如果刷卡或者点名已经能够完成出勤记录，就没有必要默认采集人脸。课堂视频保存多久，谁可以查看，会不会用到教师考核里面，也应该在设备开机以前写进规则。

课堂分析还有一个比较现实的麻烦，系统最容易识别抬头、举手、语速和停顿，学校如果把这些数字拿去排名，老师就可能调整自己的行为去适应指标，学生也会慢慢学会在镜头前保持合适姿势，最后数据越来越整齐，可学生到底有没有听懂，未必跟着一起变好。

如果一项课堂分析只是告诉老师，哪一道题全班错得比较多，我会把它当成普通的教学辅助。可如果它开始给学生的专注度打分，或者给老师的情绪表现排名，那么学校就应该拿出更高的证据标准，也得给老师和学生留下申诉的渠道。

用了一个学期，老师一周少忙了多久

一套系统使用一个学期以后，学校至少应该说清楚几个问题，老师每周总工时到底少了多少，人工复核花了多久，出现过多少错判和申诉，以及省下来的时间，有没有回到备课、辅导和休息里面。

这些数字并不需要太多技术术语，只要连续记录几个月，变化就会慢慢出现。老师愿意长期使用的工具，通常会让他们少录入一次重复数据，少翻一摞作业，或者少做一张根本没人看的表格，学生也能更早拿到有针对性的反馈。

学校还应该允许老师停用某一项功能，并且把停用原因记下来，有的系统识别公式不稳定，有的反馈过于模板化，还有的后台操作甚至比纸笔更慢，这些不太好看的结果，同样应该成为下一次采购的依据。如果材料里面只有成功案例，却没有失败记录，下一所学校很可能还要重新交一次试错成本。

AI进入课堂以后，新功能肯定还会继续增加，可老师和学生每天花了多少时间，系统出现了多少错误，又收集了哪些数据，也都要一起记录下来。

所以说，等一个学期结束以后，如果老师每周确实少忙了一些，学生又更早拿到了有用的反馈，这套工具才真的算在学校里帮上了忙。