医学生AI辅助小讲课PPT评价

要解决的问题

医学生用 AI 辅助完成小讲课 PPT 后，教师要评价的不只是幻灯片成品，还包括学生与 AI 的交互过程。手工批改意味着要逐份读完 PPT、对话导出、AI 使用披露单、主张-证据核验表、反思文档等一堆格式各异的材料，再按统一尺度打分，工作量大且标准容易漂移。更棘手的是评价导向：这类作业的目的是鼓励探索，评分规则明确要求全程使用鼓励性语言、严禁「不及格」等负面表述，人工撰写反馈时很容易在措辞上失守。

技能如何工作

核心机制是「先读后评 + 双重打分」：

• 接收 zip 或散文件后，用 scripts/unzip_assignment.py 解压（自动修复中文文件名乱码），再清点文件并为每份标注角色：PPT 成品、AI 交互记录、披露单、核验表、反思等。
• PPT 文本用 scripts/extract_pptx.py 提取（含表格与备注页）；docx/xlsx/pdf 走 python-docx / openpyxl / PyMuPDF；截图类记录逐张查看。
• AI 交互记录要统计总轮数与有效轮数（引发实质修改/核验/新增素材的轮次），标记纠错实例与递进式提问，这些是 A1–A4 维度的评分证据。
• 评分前必读 references/rubric.md：先做四项前置合规确认（脱敏、AI 披露、引用可定位、素材来源，不扣分只写入温馨提示），再对 P1–P5（PPT 成品，55 分）与 A1–A4（AI 交互，45 分）九个子维度按 0–4 行为锚定评级；子项得分 = 权重 × 等级 ÷ 4，总分对应成长树等级（🌳硕果累累 / 🌲枝繁叶茂 / 🌿茁壮成长 / 🌱破土新苗 / 🌰蓄力种子）。
• 每条成长建议必须包含「建议 + 理由 + 可操作做法 + 改写示范」，改写示范要取自该生作业的真实片段。

报告生成不靠手工拼 HTML：评估数据组织成 JSON，由 scripts/fill_report.py 注入 assets/report_template.html（自动安全转义），模板自带 SVG 雷达图、折叠面板和「另存为 PDF」按钮，离线可用。每位学生输出一份独立报告，方便教师直接转发。

适用边界与注意点

• 隐私是硬闸门：一旦在材料中发现真实患者隐私信息，立即停止该生评价，不生成学生版报告，只向教师提示先做脱敏处置。
• 视觉维度可能降级：环境没有 LibreOffice 时，退而解析 ppt/theme/theme1.xml 中的主题配色值，结合图文标记评估；确实无法获取视觉信息时，按锚定中间等级评分，并在证据中注明「视觉维度基于结构信息评估」。
• 本技能面向医学生 AI 辅助小讲课这一特定教学场景，评分权重与反馈语言规范均来自配套的 references/rubric.md，如需调整应先修订该文件再运行。