该项目将为教师专业发展、评估设计和人工智能政策提供宝贵建议，以使GenAI能够更有效负责地被应用在高等教育教学中。

使用生成式人工智能（GenAI）来辅助功课在全球大学生中变得越来越普遍，而这也给教师的评估过程带来前所未有的挑战。例如，教师应该如何评价被GenAI优化过的学生功课？没有使用GenAI辅助做功课的学生应该得到更高的分数吗？ 这些问题展露出我们急需为教师在GenAI时代的评估判断过程提供支援。所谓评估判断，指的是老师在评估学生功课质量时的过程。提供这样的支援需要对教师在评估判断时的担忧和现有的经历有深刻的了解，而这些目前还没有得到实证研究的充分探讨。 因此，本项目提出三个研究目标： （1） 探究大学教师如何在GenAI时代完成对学生功课的评估判断 （2） 找出影响教师评估判断的主要因素 （3） 初步探讨教师评估判断对学生与GenAI互动的影响 基于这三个研究目标，本项目期望 （a）建立类型框架来归类教师不同的评估判断模式，（b）收集一系列案例捕捉教师在评估判断过程中的难题，（c）基于研究结果为教师在人工智能时代的评估判断过程提供建议。 本项目是一项现象学研究。基于学科分类，本项目将重点关注四个学科 – 人文、教育、科学和工程 – 以期探讨教师在评估判断中的差异。资料收集包括32组面向教师的一对一访谈和四个案例分析。案例分析会涉及师生访谈，文档分析和有声思维法。作为在GenAI兴起背景下对大学教师评价判断的首批研究，该项目将为教师专业发展、评估设计和人工智能政策提供宝贵建议，以使GenAI能够更有效负责地被应用在高等教育教学中。