客观题自动识别
答题卡扫描上传后自动识别客观题填涂结果，与考生信息关联，无需人工逐份录入。
为什么需要 AI 智能阅卷
一次校级统考的阅卷工作量，往往集中在少数几个主观题上：同一道题要重复看几百甚至上千份答卷，评分标准再清晰，也难以避免疲劳带来的波动。而客观题的部分又几乎完全依赖人工录入或专用读卡设备。
智阅达把这两段工作分开处理：客观题交给识别引擎，主观题交给 AI 与教师协作。教师不再需要在不同系统之间切换，也不需要重复录入分数——从扫描上传到成绩分析，数据在同一套系统里流转。
阅卷是怎么完成的
- 答题卡扫描后批量上传，系统完成版面识别并与考生信息匹配。
- 识别异常的答卷进入异常处理，按考号识别失败、定位点异常、考号重复、方向与幅面异常等原因分类核对。
- 识别通过的答卷按题号生成阅卷任务，分发给对应教师或题组。
- 主观题由 AI 先行评分，在阅卷界面呈现建议分与置信度。
- 教师确认或调整评分，可填写评语；如遇评分争议，通过仲裁处理。
- 全部提交后汇总为成绩数据，进入分析与归档。
教师看到的是什么
阅卷界面以答卷原件为中心：左侧是考生的作答区域与原卷影像，右侧是评分面板。教师看到的是自己负责的题组，以及剩余待阅份数，不需要在长列表中反复查找。
当该题存在 AI 评分时，系统会在同一界面显示建议分与置信度。教师可以采纳，也可以按自己的判断给出分数——AI 的角色是提供参考、减少重复判断，不是替代教师。
功能构成
AI 智能阅卷系统的六个部分
从识别、分发、评分到复核与分析，每个环节都由独立的功能模块承担。
AI 主观题评分
对主观题先行评分，教师在阅卷界面直接看到建议分与置信度，可选择采纳或自行调整。
阅卷任务分发
按题号把阅卷任务分配给不同教师，每名教师只看到分配给自己的题组与答卷。
复核与仲裁
评分进度与状态可跟踪，出现评分争议时通过仲裁处理，评分痕迹与评语完整留存。
AI 模型可配置
支持配置 AI 阅卷使用的模型与 API 源，同一模型可配多个源，第三方优先、官方兜底。
成绩分析与导出
输出参考人数、平均分、最高分、最低分、及格率、优秀率，以及分数分布、排行与明细。
评分质量如何保障
AI 评分带来的最大疑问是"准不准"。平台的处理方式是把 AI 评分定位为建议分，并明确标注置信度：置信度高的答卷教师可以快速确认，置信度低的答卷则需要教师仔细判读。这样教师的注意力会自然集中在有疑问的答卷上。
在流程层面，阅卷过程包含复核与仲裁两个环节。教师提交的评分可以被复核，出现分歧时通过仲裁处理，评语与评分调整记录一并留存，便于事后追溯。
成绩分析输出什么
阅卷完成后，系统按考试、科目与班级汇总成绩，输出参考人数、平均分、最高分、最低分、及格率与优秀率等指标，并提供分数分布、成绩排行与成绩明细三个视角。
成绩数据支持导出，可用于教务归档或进一步的教学分析。需要说明的是，作弊标记与缺考标记属于人工登记的状态信息，平台不提供自动的考场行为检测功能。
常见问题
AI 智能阅卷常见问题
- AI 给出的分数会直接作为最终成绩吗？
- 不会。AI 评分作为建议分与置信度呈现在阅卷界面，由教师确认或调整后生效。系统在配置层面允许教师查看建议分，最终成绩仍由教师提交确定。
- 教师能只阅自己负责的题目吗？
- 可以。阅卷任务按题号分发，教师登录后看到的是分配给自己的题组。权限与数据范围由角色控制。
- AI 模型是否只能使用固定厂商？
- 不是。平台提供 AI 模型配置，可维护多个模型源；同一模型可以配置多个 API 源，并支持第三方源优先、官方源兜底的调用策略。
- 识别异常的答题卡怎么处理？
- 异常答卷会进入异常处理流程，可按考号识别失败、定位点异常、考号重复、方向或幅面异常等原因分类查看与核对，修正后再进入阅卷。