在研项目：AI 写作反馈与修改质量

本文性质：研究院在研项目的研究设计公开。证据标签：观察 ／ 模型 ／ 假设（本项目不含已成立的实证结论）。

写作教学的常见困境是反馈循环太慢：学生交稿、教师批改、发回重改，一个循环常常拖两周，热情早已冷却。AI 反馈把循环压缩到几分钟——但速度的提升是否等于质量的提升？这正是本项目的核心问题。

研究问题与判定标准

核心问题：引入 AI 反馈后，学生的修改是否从「表面修订」升级为「实质性修改」。我们给两个概念定了可操作的分界：表面修订指换词、改标点、调整拼写；实质性修改指调整句序、增删论点、重写段落结构——后者才涉及写作能力的真实生长。

判定由两名教师独立编码，分歧处协商裁定。编码标准在项目启动前成文，避免边看数据边定标准。

当前的设计与进展

设计为院内课堂的对照观察：两组学生完成同题写作，一组使用 AI 反馈加自我修改，一组采用传统同伴互评加修改，比较两轮后实质性修改的比例与类型分布。项目处于数据积累阶段，尚无结论可公布。

同步进行的观察记录包括：学生向 AI 提问的方式、采纳与拒绝的建议各占多少、拒绝的理由——「怎么用」可能比「用不用」更影响结果。

证据边界与诚实声明

必须声明：本项目全部内容处于假设与数据积累阶段。院内已有观察（AI 反馈后学生修改频率上升）只是现象记录，频率上升不等于质量上升，更不构成任何效果承诺。

书面反馈的效果在教育研究界本就存在长期争论，AI 反馈作为新变量加入，任何轻率的结论都会误导教学决策。我们宁可慢，不做快。

为什么先公开设计

常规的做法是研究做完再发表设计——为什么本项目反过来，设计阶段就公开？两个原因。第一，教育场景里的研究设计经不起「做完才被挑错」：等数据收完才发现判定标准有偏，几个月的记录就白费了。设计期公开，等于请全行业的眼睛帮我们找漏洞。

第二，公开本身就是一种承诺装置：判定标准在见到数据之前成文并公开，事后就无法悄悄调整标准去迁就结果。这个小小的不可逆，换来的是结论的可信度。

本文依据

观察来源：研究院写作课堂的修改环节观察记录与学员修改稿对比（院内资料，持续积累中）。

模型出处：反馈—修改过程的工作模型为本院为教学设计所构建，用于组织观察，不解释大脑机制。

待验证项：AI 反馈能否提升实质性修改率；提问方式对修改质量的影响方向。

外部文献：书面纠正反馈有效性的长期学术争论（Truscott 与 Ferris 等人的系列讨论）为本项目的问题意识来源之一；自动化写作评价（AWE）为相关研究方向。

今天就能开始

写作教学中遇到 AI 反馈的同仁，欢迎通过合作项目栏目交换观察——不同课堂的数据对照，比单一课堂的独白可靠。