理解大语言模型生成反馈的教师修订行为
计算与语言
2026-03-31 v1 计算机与社会
摘要
大语言模型 (LLM) 越来越多地为学生生成形式化反馈，但关于教师在将此反馈修订后交给学习者的做法了解甚少。教师的修订决定了学生最终接收到的内容，使修订实践成为评估 AI 教室工具的核心。我们分析了来自 117 名教师的 1,349 条 AI 生成反馈及其对应教师编辑解释的数据。我们检讨 (i) 与教师修订相关的文本特征，(ii) 从 AI 反馈文本中能否预测修订决策，以及 (iii) 修订如何改变所交付教学反馈的类型。首先，我们发现教师在约 80% 的情况下接受 AI 反馈而不作修改，edited 反馈显著更长且随后被教师缩短。编辑行为在教师之间差异很大：约 50% 的教师从不编辑 AI 反馈，只有约 10% 的教师编辑超过三分之一的反馈实例。其次，仅使用 AI 反馈文本作为输入特征训练的机器学习模型在识别将被修订的反馈方面取得相当好的表现（AUC=0.75）。第三，定性编码显示，当发生修订时，教师通常会简化 AI 生成的反馈，使其远离高信息解释，转向更简洁、纠错形式。综上，这些发现刻画了教师在实践中如何与 AI 生成反馈互动，凸显了设计更贴合教师优先事项、减少不必要编辑工作量的反馈系统的机会。
引用
@article{arxiv.2603.27806,
title = {Understanding Teacher Revisions of Large Language Model-Generated Feedback},
author = {Conrad Borchers and Luiz Rodrigues and Newarney Torrezão da Costa and Cleon Xavier and Rafael Ferreira Mello},
journal= {arXiv preprint arXiv:2603.27806},
year = {2026}
}
备注
Accepted as full paper to the 27th International Conference on Artificial Intelligence in Education (AIED 2026)