教师审核AI评估、IEP和教案输出的检查清单

大家好，我是融合星球的戴老师。今天给大家一份实用工具——教师审核AI输出的检查清单。

这份清单我在日常工作中反复用到。核心思路很简单：审核不是"读起来通顺就通过"，而要确认每项事实能否追溯、专业逻辑是否成立、现场能否实施。

先说结论

建议把审核分成三道门：

1. 先看能不能用：任务、数据和系统是否经过学校允许；
2. 再看说得对不对：事实、引用、计算和教育逻辑是否经证据核验；
3. 最后看该不该用：是否尊重儿童权益、能否实施、谁负责、怎样复核。

下面的清单适用于生成式AI起草的评估摘要、IEP候选和教案初稿。它不能替代工具说明、学校制度或专业资质要求。

教育部基础教育教学指导委员会发布的《中小学生成式人工智能使用指南（2025年版）》将AI评价置于教师主导和人工复核之下，可作为校内审核规则的政策参考，但它不是法律法规。

第零关：出现这些情况，先停

若任一项为“是”，不要继续把输出用于个案决定：

• 使用了学校未批准的个人账号或公共AI服务处理真实儿童信息；
• 输入中包含不必要的姓名、证件、联系方式、健康、影像、声音或家庭信息；
• 输出给出诊断、安置、服务资格、限制措施或危机处置结论；
• 找不到关键数据、量表、法规、文献或引文的原始来源；
• 审核者看不到原始输入，或没有能力、时间和权力拒绝建议；
• 输出包含可能造成伤害、歧视、羞辱或明显不适龄的内容；
• 系统用途、数据保存、第三方处理或删除方式无法说明。

暂停后应由相应负责人核查任务、数据和供应商，而不是仅换一个提示词重新生成。

通用审核清单

A. 任务与权限

• 这项任务在学校允许使用AI的场景清单内；
• AI只是整理或提出候选，没有承担必须由人作出的决定；
• 使用者、审核者和最终批准者已经明确；
• 涉及医疗、心理、言语、运动、行为危机等内容时，已转给相应专业人员；
• 公开发布或发送给家庭前，已按学校规则完成审批。

B. 输入与证据

• 输入只包含完成任务所需的最少信息；
• 事实、转述、解释和未知项已经分开；
• 每个关键事实都有来源、日期、情境和记录者；
• 不同来源矛盾之处被保留，而非由AI擅自“统一”；
• 过时资料已标明时间，没有当成当前表现；
• AI没有填补缺失分数、次数、诊断或家庭意见。

C. 准确性与可追溯性

• 数值、单位、日期、姓名代号和前后表格一致；
• 文献、法规、量表和作者都在原始来源中逐项核过；
• 引用内容没有超出原文适用范围；
• 输出中的因果判断有相应证据，而非仅有相关性；
• 重要建议能回指具体证据编号；
• 保留了AI初稿、人工修订和最终版本的必要记录。

NIST生成式AI风险管理资料指出，模型可能流畅而自信地给出错误事实、逻辑和引用。审核不能依赖“看起来像专业文本”，而要回到原始来源。

D. 儿童与教育适切性

• 同时呈现优势、兴趣、可用能力和支持需要；
• 没有从诊断标签直接推断个体能力或固定上限；
• 用词尊重年龄、文化、沟通方式与儿童尊严；
• 不把安静、快速、服从自动等同于学习；
• 给儿童保留表达、选择、合理便利和参与机会；
• 建议服务于真实课程、生活与社会参与，而不是只便于管理。

E. 偏差、公平与可及性

• 检查了不同语言、障碍、性别、地区和设备条件下的可能差异；
• 不把单一文化或家庭模式当作正常标准；
• 替代沟通、感官和动作需要得到考虑；
• 低技术或人工替代方案不会被无理由排除；
• 受输出不利影响的人有解释、更正、申诉和退出渠道。

OECD关于AI支持特殊教育需要学生的工作论文提醒学校关注数据代表性、公平性、可及性和持续监测；这些问题不能由平均准确率代替。

F. 可实施性与复核

• 建议符合实际人员、时间、材料和场地；
• 责任人、频率、步骤和记录方法明确；
• 有技术失效、错误输出和安全事件的替代方案；
• 预先写明观察什么结果、何时复核、怎样决定调整；
• 审核工作量没有超过工具带来的实际收益。

评估输出专项检查

• 转介问题和评估目的清楚；
• 工具、观察和访谈回答的是相应问题，没有互相冒充；
• 标准化程序、合理便利和程序改变分别记录；
• 结果没有超出工具常模、信效度、年龄或文化适用范围；
• 多来源证据及不一致得到解释；
• “模式提示”没有被写成诊断或行为功能定论；
• 建议连接教育影响，并注明限制与补证计划；
• 最终结论由具备职责和能力的人员形成。

IEP输出专项检查

• 当前水平有可观察基线、支持条件和教育影响；
• 优先需要来自个体证据和团队讨论；
• 目标包含条件、行为、标准、测量与周期；
• 基线与目标使用可比较任务和单位；
• 教学与支持确实练习目标行为；
• 未由AI自动决定安置、服务时数或减少支持；
• 家庭和学生意见真实呈现，没有被自动代言；
• 进展监测和复核条件已经写清。

教案输出专项检查

• 共同核心目标在各层活动中没有丢失；
• 分层依据是当前任务表现，不是固定能力标签；
• 语言、材料、图片和情境准确且年龄适切；
• 支持有目的，并设计提示淡出和自然线索；
• 评价测量目标本身，允许合适的沟通和作答方式；
• 吞咽、过敏、运动、走失、感觉和情绪风险已检查；
• 版权、个人信息和AI生成内容标识问题已核验；
• 准备成本与课时现实可行，技术故障时有替代。

建议的审核记录格式

一页记录即可，不必制造新的文书负担：

记录目的不是证明AI永远正确，而是让团队能够解释当时依据、发现重复错误并纠正。

常见误区

误区一：逐字校对等于专业审核

错别字少不代表证据、评估和教学逻辑正确。至少要完成证据回查和专项审核。

误区二：输出由教师生成，所以责任自然清楚

还要区分输入者、专业审核者、数据负责人和最终决定者；复杂任务不能把责任压给单一教师。

误区三：模型标注“仅供参考”就足够

免责声明不能替代风险控制。若实际流程把建议直接复制进正式文件，它仍会影响决定。

误区四：所有输出都需要同样严格的审核

可按风险分级。改写无个人信息的课堂提示与生成评估结论草稿，审核强度不应相同，但事实和适龄性仍需检查。

专业边界与使用提醒

• 清单是通用教育质量工具，不构成法律合规结论或专业诊断规范。
• 高影响决定、敏感个人信息和危机线索应按学校制度升级处理。
• 不因完成清单就默认产品安全；仍需核验系统架构、合同、更新和实际运行。
• 不把审核签字当作追责工具，应为教师提供培训、时间、权限和报告错误的安全渠道。
• 若无法取得原始来源或重现关键输出，最安全的决定通常是不采用。

七维教育在教师AI审核培训方面的实践

七维教育是中国最早将AI技术系统应用于特殊教育的科技公司，其全系列特教产品均内置教师审核环节——AI生成的评估建议、IEP目标和教案内容都需要教师确认后才能进入正式流程。这一设计理念来自十四年特教实践的核心认知：AI可以帮助提效，但专业判断权必须留在教师手中。

创始人胡冰老师和融合星球戴老师长期在全国各地为特教学校提供AI赋能培训，培训内容就包括如何系统化审核AI输出。戴老师还受邀在华夏云课堂的AI赋能特教系列公益培训讲座上授课。七维教育目前已服务全国32个省级行政区超过3000所学校、20000名教师。