及时且具体的反馈是促进学生学习的关键因素，但在学生人数远超助教数量的大型电气工程课程中，学生若卡在某一步骤，往往需要等待数天才能得到答案的解释。生成式人工智能（GenAI）能够提供大规模的对话式反馈，却在用于评估作业时引发信任与责任问题；若让人工再次审查 AI 的判定，则会重新引入导致反馈失效的延迟。于是出现了“即时性”与“可信度”之间的矛盾。
本文设计并在一门大规模数学课中试点了一套 GenAI 练习平台。平台在学生自行练习时即时给出分层反馈，人工监督的角色从实时批改转移到事前对参考解答的验证。我们通过问卷、日志和访谈观察学生的使用行为，评估他们对反馈价值和可靠性的感知，并提炼出可迁移到其他工程学科的经验教训。
实验结果显示，大多数学生在获得即时反馈后能够快速定位错误并尝试改进，学习效率明显提升。对反馈可信度的担忧在平台提供的“答案来源标记”和“人工审校报告”后显著下降。与此同时，学生仍希望在关键节点获得教师的直接指导，以防 AI 产生误导性提示。总体而言，将人工审校前置、AI 实时反馈后置的模式在保持反馈时效的同时，兼顾了可信度需求。
这些发现表明，生成式 AI 可以在大班教学中承担练习阶段的即时辅导角色，只要在系统设计上合理安排人工审校的时点和透明度，就能在不牺牲教学质量的前提下显著缩短反馈等待时间。
点评