作文自动评分
把学生写好的文章提交后,由 AI 给出分数评价,老师不用逐篇手写分数。适合一个班几十份作文同时收上来、需要在短时间里出结果的情况。
拖动滑块完成拼图,通过后发送验证码
独立第三方 AI 评测平台 · 只用实测数据
Tallyrus 是一款面向写作教学的 AI 评分工具,核心场景是把学生作文交给模型批改,由系统给出分数、逐项评价和改进建议。它想解决的是作文批改耗时长、反馈口径不统一的问题:老师布置完写作任务后,不必逐篇手写评语,学生也能更快拿到针对自己文章的意见。对需要高频布置作文的语文、英语写作课堂来说,它能省下大量重复劳动;但 AI 评分的判断标准是否贴合本校的教学要求,仍需要老师自己先看几篇结果再决定怎么用。
Tallyrus 是一款 AI 作文评分与反馈工具,定位在写作教学环节,服务对象主要是布置写作任务的老师和需要拿到评语的学生。
它的工作方式是把写好的文章提交给 AI,由模型对文章进行打分并给出评语,覆盖内容、结构、语言表达这类作文评价常见的维度,帮助学生知道自己哪里写得好、哪里需要改。相比老师逐篇批改,它把反馈周期压缩到提交之后很快就能看到结果。
对老师而言,它更像一个批改助手:可以先让 AI 出一轮分数和意见,自己再挑重点复核,把精力放在讲评和个别辅导上。对学生而言,它适合当作写完初稿后的第一轮自查,用来发现明显的结构和表达问题,再据此修改。
把学生写好的文章提交后,由 AI 给出分数评价,老师不用逐篇手写分数。适合一个班几十份作文同时收上来、需要在短时间里出结果的情况。
评分之外还会针对文章给评语,指出内容、结构、表达上的问题,学生看到的不只是一个分数,而是知道具体哪一段、哪个方面需要改。
老师可以围绕一次写作布置组织学生提交,把同一次作业的文章集中起来处理,省去在聊天工具里一份份收稿、对名字的麻烦。
功能围绕课堂教学设计,而不是通用写作润色。评语的语气和指向更接近老师给学生的批改意见,用来配合讲评课而不是替代写作本身。
学生提交后能在较短时间内拿到评价,不必等老师把整班作文改完。对需要反复修改、多稿迭代的写作训练来说,这个速度差直接影响学生愿不愿意改第二稿。
当成批改的辅助工具用,Tallyrus 是划算的:一个班几十份作文,先让 AI 跑一轮分数和评语,老师只做复核和讲评,能省下大量重复劳动,学生也能更早拿到反馈。但如果指望它直接产出最终成绩,就要谨慎——AI 对作文的判断标准和你班上强调的重点未必一致,尤其是议论文的立意、文学性表达这类主观维度,机器给的分可能和你的直觉差得比较远。比较稳妥的用法是先自己批几篇作对照,摸清它在哪类题目上靠谱、哪类题目容易走偏,再决定哪些环节交给它、哪些环节自己来。
每周布置作文、一个班几十份要批,用 AI 先出一轮评语,自己复核重点篇目,能明显减少逐篇写评语的时间。
作文量大、语法和结构问题重复度高,适合让 AI 先标出语言层面的问题,老师把精力放在内容和思辨上。
多位老师批同一批作业时评分口径容易不一致,用统一工具过一遍有助于对齐标准,但仍需人工把关。
写完初稿想马上知道哪里要改,可以拿它做自查;但要清楚它给的是参考意见,不能当成老师认可的最终评价。
如果目标是贴合某场具体考试的评分细则,AI 评分的标准未必对得上,这类需求更适合找熟悉该考试的真人批改。
它是一款用 AI 给作文打分并给评语的工具,主要给布置写作任务的老师用。老师把学生作文提交上去,系统出分数和改进意见,可以用来替代一部分重复的批改工作,再配合人工复核。
更适合当第一轮助手而不是最终裁判。分数和评语可以帮你快速过一遍全班作文、发现共性问题,但涉及立意、思想深度这类需要结合教学要求的判断,还是得老师自己看。直接拿它的分数当成绩风险比较大。
提交后能在较短时间内看到评价,不用等老师把整班作文改完。对需要反复修改的写作训练来说,这个速度差会直接影响学生愿不愿意认真改第二稿。
结构、论证、语言表达这类有相对明确标准的作文,它给的意见参考价值更高;纯文学性、强调个人风格的写作,机器判断的可靠性会下降,更适合只拿它来挑错别字和句子通顺度。
建议先拿几篇自己批过的旧作文试一轮,看看 AI 的评分和评语跟你习惯的口径差多少,再决定是全班用还是挑题型用。用之前跟学生讲清它是自查工具,避免他们把分数当定论。