摘要
对多阶段数学任务的评估需要将学生作品与评价标准明确联系起来。本研究提出了一种大语言模型（LLM）支持的混合评分框架，该框架将基于规则的正确性检查、任务分段证据的分类评估以及独立的定性反馈生成相结合。其任务特定的剖析特征区分了概念理解、符号程序、块编码程序、自我报告的坚持性以及对工具实用性的书面解释。初步评估涉及42名中学生完成一项二次方程任务。两名专家独立地对学生作品进行评分，未参考系统评分；40名学生的平均评分产生了200对配对评分。系统评分与专家评分呈中等程度关联（皮尔逊相关系数=0.632；斯皮尔曼秩相关系数=0.676），平均绝对误差为17.3分，平均偏差为+5.1分。学习者聚类自助法区间考虑了学生内部嵌套的分数。排除自我报告的坚持性后，得到160对配对数据，皮尔逊相关系数为0.669，平均绝对误差为16.8。块编码得分与专家评分的关联性最强，而符号程序得分的绝对误差最小。个体分数差异显著。本研究为开发教师监督下的混合评估提供了任务特定的设计及初步实证参考。
