大语言模型支持下高校英语写作形成性评价机制研究——基于教师反馈与多模型反馈的比较

大语言模型支持下高校英语写作形成性评价机制研究——基于教师反馈与多模型反馈的比较

任晨扬，魏宏^*

温州大学教育学院，浙江温州

摘要：在高校英语写作教学中，形成性评价长期面临反馈成本高、反馈频率低与个性化支持不足等现实困境。为探讨大语言模型支持下写作形成性评价的优化路径，本文以96名高校一年级研究生为对象， 在记叙文、应用文、议论文和说明文四类写作任务中，比较教师反馈、GPT-5 Fast、GPT-5 Thinking与GPT-5 Thinking+小样本提示四种方式在反馈特征、评分一致性、反馈实施、作文进步及学习体验等方面的差异。研究发现：优化后的推理模型在具体建议、可操作反馈和评分一致性上最接近教师反馈； 四种反馈方式均能促进学生作文修订，但总体呈现“教师反馈≈GPT-5 Thinking+小样本提示＞GPT-5 Thinking＞GPT-5 Fast”的格局；高质量反馈还伴随写作自我效能感提升与写作焦虑下降。研究表明，大语言模型可以成为高校英语写作形成性评价的有效辅助工具，但其教学价值不取决于是否使用人工智能本身，而取决于提示设计、评价标准以及教师主导下的人机协同机制。本文据此提出“教师把关—模型细化—学生实施”的高校英语写作形成性评价优化路径。