研究解读 · 小互解读
达特茅斯实测AI判作业：学生嫌它死板，用的人反而考得更好
151人实测：简答题比选择题更能拉动分数，AI答疑侧栏却几乎没人用
速览
- 达特茅斯学院在151名统计课学生中试点了AI学习平台Phosphor，作为完全自愿、不计分的教材替代品，由Claude Sonnet 4.6负责给简答题判分。
- 90.2%的学生至少用过一次该平台，是这门课学生和老师自报阅读达标率（10到15%）的6倍以上。
- 完整使用（24课全上完，加3次跨课复习全通过）对比零使用，期末成绩差距在控制先验成绩后为0.71个标准差，不控制则为1.30个标准差。
- 三个模块因学生反馈换了两次考试形式，意外形成一次自然实验：只有需要学生自己作答的简答题模块保留了「多做题多得分」的关系，纯选择题模块这个关系几乎消失。
- 平台自带的AI答疑聊天侧栏全学期只被查询72次，只有14名学生用过一次以上。
1 达特茅斯的教材实验
把AI判卷塞进教材，九成学生自愿买账
达特茅斯学院统计课团队最近在151名学生中试点部署了AI学习平台Phosphor，把简答题和选择题测验直接嵌进课文阅读流程，由Claude Sonnet 4.6按老师定的评分标准给简答题判分。
在完全自愿、不计分的前提下，90.2%的学生至少用过一次这个平台；完整参与的学生，期末成绩比零参与的学生最多高出1.3个标准差。
◆
为什么值得看：90.2%这个自愿使用率，是本课程学生和老师自报的教材阅读达标率（10到15%）的6倍以上。它给出的证据是，AI判卷这件事能真正嵌进日常教学、被学生用起来，并且和期末成绩挂上钩。
这套平台要解决的，是一对现成的矛盾。一边，大学生几乎不读教材：自1980年代以来阅读达标率一路下滑，学生主动抵触阅读任务，客观测量出来的达标率远低于自报。这门课（MATH 010 统计入门）里，学生自报的阅读达标率约15%，老师估计只有10%，个别学生的原话从「压根没人会去读」到「这也要录下来吗」。
另一边，放任学生自由用AI，反而可能伤学习。Bastani等人在近千名学生的随机对照实验里发现，不加约束地给学生用GPT-4，等工具被拿走后，成绩反而降了17%，学生把它当成了拐杖而非学习工具；只有加了教学护栏的版本才避开了这个副作用。与此同时，学生用AI做作业的比例还在猛涨：2026年高等教育政策研究所（HEPI）的调查显示，94%的大学生在计分作业里用过生成式AI，两年前这个数字才53%。
−17%
近千人随机对照实验中，不加约束用GPT-4、工具拿走后成绩反降的幅度
94%
2026年大学生在计分作业里用过AI的比例（两年前为53%）
10–15%
这门课学生和老师自报的教材阅读达标率
Phosphor（前身名 Spongium）想做的，是把「主动作答」变成阅读体验里的一道结构性环节：读课文的同时就得做AI判分的小测。它的设计前提是，AI最有用的位置是直接嵌进内容传送系统本身，这也呼应了教育研究里有据可查的「doer效应」，稍后会讲到。
2 平台怎么运作
读完课文马上考，考完AI立刻判
Phosphor是一个网页应用，课程内容按「课」组织，每一课配一个15到20题的题库。学生读完一课，就在同一页做一次小测；做完，机器和AI当场给分。
1
读一课，页面侧栏显示整门课的目录和每课完成进度。课程内容是团队自己编写的，底子来自开放教育资源。
2
从这一课题库里随机抽4道题做小测。选择题（MCQ）系统自动判；简答题（CRQ）交给 Claude Sonnet 4.6，按老师给每道题定的评分标准和参考答案打分，并给出对错的理由。答到75%以上算「通过」。题库里40%是简答题、60%是选择题。不设阅读门槛，随便读随便考，可无限重考。
3
攒够课时后，触发跨课的模块复习：一次10题，覆盖整个模块的多课内容，要90%才算过，也可无限重考。复习默认只出选择题，学生可以选一个「全题型」模式，把简答题也加进来。
4
课程末尾是纸笔期末考，现场重度监考。全学期对齐两次期中和一次累积期末，本研究就用这三场考试来衡量效果。