一個真實片段：晚上十一點，改到第三十七份課程作業。同一種格式錯誤，我今晚已經寫下第十一遍評語；下一份的評語欄裡，我的手已經開始不受控制地打「注意規範引用格式」——和前十份一模一樣。
那一刻我意識到，批改的大部分時間，我根本不是在「反饋」，是在「謄寫」。
先算一筆批改的時間賬
把一次 50 份作業的批改拆開看：真正需要教師專業判斷的——觀點是否成立、論證是否嚴密、方案是否可行——其實只佔其中一部分。剩下的大頭是：同樣的格式問題重複寫評語、共性問題分散在各份作業裡需要人工彙總、以及深夜導致的評語質量滑坡。
重複的不是反饋本身，是反饋的載體。 意識到這一條，是流程重構的起點。muchsci 在這套流程裡的角色也隨之清晰——它只碰重複的部分，判斷的部分一概不碰。
重構後的批改流程
第一步，定標準。 先把評分標準寫清楚——這份作業分幾個維度、每個維度什麼權重。標準是教師的判斷，不允許外包。
第二步，機器跑初篩。 把評分標準和學生作業文本一起交給 muchsci：AI 跑一遍，產出兩樣東西——逐份的評語草稿，和一份共性問題總結。「三十份作業都存在引用格式不統一」這種橫跨全班的觀察，正是人眼逐份翻最容易漏掉的。
第三步，教師覆核定稿。 逐份過評語草稿：認同的直接簽發，不認同的改寫，涉及個別學生特殊情況的重寫。AI 起草，教師定稿——這個順序不能反。
流程重構之後，邊界在哪裡
工具吃掉的是重複勞動，不是教師的責任邊界。這條線我畫得很清楚：
不能交給 AI 的：對學生的最終評價與打分判斷、需要育人語境的個別反饋、涉及學術誠信的認定——這三樣是教師的核心職責，一行字都不外包。
放心交給工具的：共性問題聚類彙總、逐份評語草稿（教師覆核後使用）、格式類問題的統一標註。
那天之後
同樣 50 份作業，批改時長肉眼可見地縮短，而評語質量反而比深夜手寫穩定——因為每一份評語草稿都是我在清醒時覆核過的，共性問題還多出了一份可以下次上課集中講的清單。
工具吃掉重複勞動，教師留出判斷力。muchsci 這類工具帶來的批改效率紅利是真實存在的，前提是你先想清楚：哪些事只有你能做。