标准的学期末学生教学评估被广泛认为是有缺陷的。随着 一些大学开始逐步淘汰它们，部分原因是 它们所代表的潜在法律责任，出现了进行调整、引入尖端技术和重新构想教师评估过程的机会。

不难理解为什么这样一个有缺陷的仪器会被如此广泛地使用这么长时间。除了作为政治工具的有用性之外，学生评估的获取方式简单且成本低廉，并且可以轻松(如果有缺陷)进行比较。尽管变革正在进行中，但大多数机构在一段时间内不会效仿，特别是因为同行评估和投资组合评估等替代方案本身也存在问题。

学生评价出了什么问题?

当然，我们可能还想保留学生的评价。问题不在于学生评价的概念本身，而在于如何获取和使用信息。大学通常忽视对学生如何进行评估进行培训，然后在学期结束时对他们进行民意调查，这种方式往往会鼓励发泄挫败感，对教师或学生本身来说没有什么价值。这会给每个人带来不好的结果：教师的工作被错误评估，管理人员被迫根据错误信息采取行动，学生错过了教学质量改进带来的好处。

资源收集：像 ChatGPT 这样的 AI 转换器将继续存在

为教育工作者提供将评估带入未来的技能

通过全班反馈减少你的标记时间

可以说，我们需要一种更好的方法来进行学生评估。然而，要想获得广泛采用，这种新方法必须同样简单方便，同时减少问题并改善结果。

期中进行不同类型的评估

如果我们希望学生评估提供有意义的、可操作的反馈，从而实时提高教学质量，我们必须改变评估的方式和时间。我们不应该在学期末询问一系列有关课程和教师的封闭式问题，而应该鼓励在学期中期对课程体验进行开放式的自我反思。这可以通过一个简单的提示来实现，要求学生反思他们在学期之前对课程的期望，以及他们对课程的体验以及由于参加课程而导致的知识或能力的任何变化。进一步的问题应该鼓励学生检查自己对课程的投入，以及到目前为止课程的哪些领域对他们有效(或无效)以及原因。最后，提示应该邀请学生思考如果他们必须重新开始，他们是否会做一些不同的事情，以及这些事情会是什么。

在我自己对这种方法的实验中，回复率很高，学生通常会深思熟虑地回复，结果更有用，而且同样容易匿名收集(通过 iLearn 等在线学习平台或无数其他可访问的数字工具)。额外的好处是学生有机会对自己负责，从而对他们的课程经历进行更客观的评估，其中结合了形成性和自我评估。

如果我在学期中期获得这些信息，我仍然有时间思考我的教学并进行更改以尝试改进课程。

采用大型语言模型来处理数据

这种类型的学生评价很容易收集并汇总到一个小语料库中，但它是散漫的并且分析起来可能很耗时。然而，诸如 ChatGPT 等大型语言模型 (LLM) 等 AI 技术意味着可以轻松快速地完成此任务。我们需要做的就是上传我们的(匿名或匿名)学生评估语料库并编写合适的分析提示。提示工程的艺术正在发展中，我们想要什么样的提示最终取决于我们想要从评估中提取什么样的信息和价值。但提示很容易编写、测试和适应特定的环境和目的，并且可以标准化以在正式的管理程序中使用。

生成执行摘要样式的报告

为了使这种获取和报告学生教学评价的方法像现在使用的方法一样方便，学生评价自动分析的输出应该结构良好、相当简洁且易于阅读。这也是一个在提示中包含正确说明的问题。免费使用的法学硕士可以进行各种客观的定性和定量分析，并自动快速地生成执行摘要式的报告，尽管付费订阅的分析质量和可靠性以及输出的一致性更好。同样，在我自己的实验中，我发现生成 围绕自动分析中出现的分析类别构建的一页执行摘要很有用(但这也可以根据需要进行修改)。

这个过程需要仔细分析机构需求以及在前端进行实验和测试的时间。但一旦提示被制定和测试，它就很简单并且基本上是自动化的。这种进行学生评估的方式也是灵活的，因为它可以用来补充现有方法或作为现有方法的替代品，由教师自己使用，作为同行评审的一部分，或由管理员使用。重要的是，它保留了学生的声音，同时生成更好的信息来帮助每个人。