AI 评分稳定，仍需证明它评的是目标能力

摘要

厂商自己的效度复盘承认，稳定一致的评分也可能激励错误的教学方向。

Christodoulou 与 Wheadon 区分评分可靠性和效度，讨论人机一致、跨次测验相关及年龄增长曲线。他们认为现有结果有希望，同时保留人类阅读与判断。

作者明确列出未解决的问题：异常作品、外部测验关联、对抗性操纵，以及教师是否为迎合 AI 而改变教学。尚未发现作弊办法，并不等于经过系统攻防检验。

厂商效度论证；未取得原始数据，也未独立检验偏差和可操纵性。