01
问题
同一道阅读题,大量作答都写了“同意”或“部分同意”。直接让模型评价,得到的是一个分数和一段评语:说不清每份作答停在哪种推理上,也就定不下一步该教什么。
题目有人说“小华成绩好,是因为他不熬夜”。你同意这个说法吗?请用文章中的信息支持你的判断。
02
概率式做法
人工批改
按要点给分。结果是分数,推理过程不留下记录。
直接让模型评价
输出一段评语。标准随提问方式漂移,结论没有可回查的规则和引文。
03
结构式做法
把“证据推理”写成四条可检查的规则,每条规则说明需要在作答中看到哪些信号。模型只负责找信号并逐字引用,层级由规则判定。
c一份作答当前认知
r@D规则 @ 证据推理命中规则,摘出原文信号
C′层级 + 教学动作新认知 · 待复核
| 规则 | 层级 | 名称 | 需要的信号 |
|---|---|---|---|
| R-01 | L1 | 复述结论 | 无文本引用 + 结论循环 + 无因果质疑 |
| R-02 | L2 | 经验举例 | 个人举例 + 无文本引用 + 未识别论证局限 |
| R-03 | L3 | 结构解释 | 引用文本 + 意识到局限 + 逻辑未完整说明 |
| R-04 | L4 | 迁移分析 | 引用文本 + 因果分析 + 明确指出逻辑混淆 |
04
结果
选一份作答,看 AI 接入 OCG 后的完整推理与诊断卡。
// 1. AI 收到一个任务const input = { domain: "language_reading", ability: "EvidenceReasoning", question: "有人说“小华成绩好,是因为他不熬夜”…", answer: "我觉得这个说法不够准确。文章确实提到…",};
r@D按 OCG 规则诊断示例
作答原文我觉得这个说法不够准确。文章确实提到小华不熬夜且成绩好,老师也说睡眠帮助记忆巩固。但这只是两个例子,不能证明不熬夜就是原因。也许小华有其他学习方法,文章没提。这个说法把“同时发生”当成了“因果关系”,是一种逻辑混淆。
L4迁移性理解命中 R-04置信度 88%
强 · 文本引用“文章确实提到小华不熬夜且成绩好”
强 · 因果质疑“不能证明不熬夜就是原因”
强 · 逻辑命名“把“同时发生”当成了“因果关系””
下一步教学动作比较“相关、因果、充分证据”三类表达,并在新文本中标出证据链的缺口。