上期推送了一則新聞《高考語文、英語作文閱卷新形式來了，今年已有9省試行》。其實大多數家長的感受是，「畢竟只是小範圍試行中，離我們還遠著呢」。大家再想想早幾年，電子支付曾經被認為只是科幻電影裡的場景，從荒蕪到繁茂也不過一年半載。
作文機器閱卷不可阻擋地正在一步步逼近我們了，我們要早一點看到、理解它，就像懷滿欣喜地迎接未來一樣，迎接它的到來。
作文人工閱卷的局限
在高考評分中，作文往往是最耗費工作量，也最具爭議的一項。近年來，高考作文評分體系屢遭質疑，其中人工作文閱卷，最受詬病的是情緒化和疲勞度。
情緒化閱作文卷，帶來的是面對同樣一篇作文，分數的穩定性同一性太小。而閱卷的疲勞幾乎是難以逾越的難關，因為每年夏季的中考、高考，都是在時間緊任務重勞動強度大的狀態下進行的。
中高考中，作文的平均閱卷時間只有30秒左右。有些省份為了防止評卷老師閱卷過快，設置了每篇作文出卷的時間間隔。但實際上真正閱讀文章的時間仍是幾十秒，也就是說，不到一分鐘你的600-800字的作文就被老師打上了。
一般來說，60分的作文，凡是兩次獨立評卷的差異達到6分（即誤差大於10%）及以上的，必須進行三評。請注意，這6分誤差是大範圍存在的。且不說6分了，就1分在高考中也會左右一位學子的命運。
在如此短時間，高強度，低準度下的人工閱卷評分的局限性突顯，難免引起不少專家關注。
作文評價體系及維度
自20世紀60年代以來，國外許多專家和學者就致力於主觀題的機器閱卷技術研究，也出現了各種不同的自動批改系統。比如美國的MBA、託福考試中就應用了 E-rater系統等。
但是，不管是E-rater還是國內的一些研究，大部分針對的都是第二語言作文，即非母語作文。非母語作文的特點是，學生的錯誤大多是一些基礎性的拼寫、語法方面的初級錯誤，這些錯誤是比較容易確立一個規則並讓機器執行和批閱。
要想機器閱卷技術真正普及並為閱卷工作帶來便利，無法迴避的一個難關就是：批閱學生用母語寫的作文。
與第二語言作文不同，中學生母語作文中基本很少犯語言基礎性錯誤，需要在更高層次，比如作文的文採、篇章的銜接、作文立意等方面做出評判。高考新課標卷作文等級評分標準如下：
那麼面對這些主觀性很強的作文，我們應該從哪些維度去評判，又如何去量化這些維度呢？
作文機器閱卷的機理
一是，機器學習評卷標準，然後按標準批閱。
在中高考閱卷中，全國的老師都是以一套統一的、嚴格的標準為基準來對試卷進行評分，同理，機器批閱作文，最重要的也是讓機器學到這套標準，設置不同層級的作文評分欄目後，按標準批閱。
教師們設置了一套通用的從字跡工整度、詞彙豐富性、句子通順度、文採、篇章結構、立意等多個層次綜合評估一篇作文質量的解決方案。這每一項標準背後都需要複雜、精密的技術來支持。比如要判斷字跡工整度，則需要用到手寫識別技術，給出識別概率，來表示工整度。判斷一篇作文是否離題，首先需要根據題目內容提取關鍵詞，並根據主題進行擴展，同時提取作文的關鍵詞，計算作文的關鍵詞和題目關鍵詞的相似度。
另外，也可以在本次考試的大規模數據上訓練主題模型，得到全局的主題分布，然後和待考察作文的主題分布對比。詞彙豐富性和立意屬於內容相關的特徵；字跡工整度、局部連貫性、句法正確性和篇章結構屬於表達相關的特徵；文採屬於發展等級特徵。
二是，機器可以自動學習教師的閱卷方法。
作文評分標準中，發展部分最為主觀，不易量化指標，機器評定設計較難。
我們知道在圍棋比賽中，阿爾法狗打敗世界冠軍不是背誦記憶進了若干的棋譜，而是深度學習了天量的世界冠軍的下棋案例。因此，機器還可以根據阿爾法狗機器人的思維方式，來模似作文評分，即除了評分標準，根據高考作文閱卷實際進行深度學習的算法進行的作文評分。
比如一次考試有2000份卷子，從第一份卷子開始，機器就可以學習教師的閱卷方法，學到200份的時候機器就可以代替人工，自動對剩下的試卷進行智能化打分。
理解了這兩大閱卷機理，不難看出，機器閱卷分數將更客觀、更精準、更有價值。
與此同時，「閱卷」這件需要教師們投入大量人力物力才能完成的事將變得輕鬆，教師們將會有更多的時間和精力被解放出來，投入到對教學方法、教學手段等創造性工作的研究中，相信學生們也會因此獲得更好、更全面的教育。
感謝您的閱讀！
下次，我們接著再聊！
本文主要內容來自@科大訊飛
綜合整理@左思
□如果你喜歡文章，點個在看、轉發和收藏一下啦！
□歡迎關注公眾號「左右談」，和孩子一起快樂成長！