会议论文：FeedType 检验 AI 写作反馈能否随修改过程调整重点

Norah Almousa 及其同事在 10 月 5–7 日举行的 AIME-Con 会议论文集中发表 FeedType。基准使用三门大学写作课程的 1,966 个段落，在三种提示策略下比较教师反馈和六种语言模型，并以七类内容描述反馈重点。自动标注经过人工判断核对。模型虽然覆盖了大多数类别，却没有完全再现教师的适应性模式。修改阶段与表现水平的分析仅限写作课程中的 composition 课程。论文考察反馈行为，没有检验干预对学习的影响。

这项研究提供了一种提问方式：评语针对什么问题，其重点是否会适当改变？即使另一种回应更有用，系统也可能反复要求学生补充细节。即使模型的类别分布与教师接近，也不能单凭这一点证明每条评语准确或有帮助。课程、标注选择和受测模型版本，同样限制了结论适用的范围。

对 AIEDHK 读者而言，可考虑围绕同一段落的两版草稿开展写作工作坊。阅读生成反馈前，教师先判断当前作业阶段最重要的下一步。学生随后比较建议，找出每条建议针对的文字证据，并解释为什么某个问题应优先修改。这是本站提出的教学设计，并非基准研究已经评估的活动。

例如，关于本地环境议题的初稿可能需要更清楚的主张和适当来源；后续稿件也许已解决这项问题，转而需要精确说明一项限制条件。两次都要求“增加细节”，就可能遗漏不同阶段的修改重点。学生可解释为什么一条表面有用的建议会分散当前任务的注意力，让教师看到其写作判断。

本地试点可保留草稿、建议、学生选择的行动及简短理由。教师抽查有分歧和无分歧的案例，而不应假定接受更多建议就代表学习更好。审阅也应包含类别判断正确、但修改方案不适当的评语。目标是了解反馈如何支持写作过程中特定时刻的决策。

双语写作课还可检查评语是否在跨语言表达时保留作者原意。学生可依据作业目的解释修改，教师则考察语言润色是否掩盖了尚未解决的论证或缺乏依据的主张。

产品团队可在发布前明确一个评估问题：反馈是否回应了作业、当前草稿和学生表现出的困难？这能指导范围明确的审阅样本，又不必把教师过去的做法当作不可质疑的标准。之后减少辅助的独立写作可提供补充学习证据。FeedType 是检查反馈适应性的研究资源；课堂或机构采用系统，仍需了解学生实际收到的评语质量及其后果。