大语言模型在教育评估中的应用与伦理反思

摘要

本文系统评估了GPT-4、文心一言等大语言模型在教育评估场景中的表现，发现AI评估与专家评估的一致性达82%，但在开放性评价和创造性思维评估方面仍存在显著不足。