每个实例都有课程编号、时间点和原话，来自本项目 2026 年 8 月到 10 月在真实课堂上的人审记录、专家标注对照和回转写深读。Q1–Q4、Q14 五条 AI 没有材料可评，放在最后一表。
实例里出现的"AI"有四种，每张卡都标了来源：平台AI 评课平台生产线对 2026 批 726 门的直评；课程评价专用模型 本项目课程分及评语；合规筛查 本项目合规/言语筛查；推算→深读 用评语推算九项等级，再回转写逐项核对。
坚持马克思主义立场观点方法，教学逻辑清晰、内容完整，基本理论阐释清楚，基本事实讲述准确，重点难点突出
这一条里"基本事实讲述准确"是 AI 最容易出事的地方。它核对事实时读的是转写，转写错了它就把教师讲对的话当成错话；它的知识有截止日期，课堂上最新的时事它可能没见过，会判成"虚构"；它分不清谁在说话，学生上台展示里的错会记到教师头上。
AI 没见过的新近事件，会被当成教师编造，一条就把分数打到谷底。平台AI
〖以下为学生上台展示/汇报的原声转写，不是教师本人讲解内容〗2017年10月，我们十八届四中全会。（十八届四中全会实际在 2014 年 10 月）
错是真错，但说错的是学生。2025 批 803 门全量核验 13 条人核里，就有这一条是学生段算给教师。课程评价专用模型
改革开放后呢，1983年10月11日到12日，我们当时通过了一个中共中央关于整党的决定（AI"应为"：1982-09-11 / 1983-10-12）
该决定由十二届二中全会于 1983 年 10 月通过，教师没错；AI 事实表里的 1982 是抓取伪影。人核后这条事实被降为低可信。课程评价专用模型
教学素材多样，案例鲜活生动，及时将新时代中国特色社会主义的生动实践转化为课堂教学资源
AI 能数出案例、能判断案例和论点贴不贴，但判不好"鲜活不鲜活、陈旧不陈旧"。专家觉得老掉牙的案例，AI 照样夸"咬合紧密"；反过来，教师举例讲得长一点，AI 会判成"跑题"。
案例跟论点对不对得上，AI 看得出；对这一届学生新不新鲜，AI 看不出。平台AI
专家 19:48："教师表述'孟晚舟被关押'事件，从案例没有问题，但要透过现象说清事件本质，这不仅仅是民营企业贡献，更是技术'卡脖子'问题"
素材用没用到位，要看教师从案例里提炼出了什么。AI 看到案例出现、看到后面接了理论，就算升华。平台AI
同一批里，文化强国课讲综艺、短剧、文旅产品被判"娱乐话题"；讲十五五规划编制流程被判"行政事务"。AI 不认识这些就是本课的分析对象。
修复后小样本误报 12 → 8；但"详略是否得当"和"是否跑题"仍要人分。合规筛查
理论联系实际，善于通过热点事件、感人故事、国际对比、学术掌故等学生感兴趣的内容，促进思政课堂和社会课堂有效融合
联系实际的"度"AI 把握不住。教师拿一个热点组织讨论，AI 容易当成亮点满分，专家却看到它挤占了本该讲透的理论；教师讲的轶闻，AI 自己也写"未经核实"，分照样给高。
专家 37:44："用8分钟时间讲育儿补贴的问题，其中提问了5个学生，看似有互动，学生发言很积极，实质浪费了大量时间，没有讲清楚关键问题"
AI 看到了联系实际，没看到代价。专家总评"效果较为有限"。平台AI
模型看见了问题，但"学理扎实"的印象压过了联系实际失当的扣分。课程评价专用模型
53:25 [视频] "你说治理洱海，要治理洱海，你说旁边的苍山上的树，你说要不要保护好呢？"
36:37 [视频] "但是目前仅在实验室生产了少量的淀粉样品"
播片段里的"联系实际"不是教师的。只看文字不看说话人，这一分就算错了。推算→深读
巧妙针对学生常见问题清单，发掘身边人身边事蕴含的育人元素，有效回应学生关心问题和思想困惑
清单 AI 没有。它能听见教师说"课前做了问卷、同学们提了问题"，但核不了清单上到底有什么、课上回应了几条。"有没有回应困惑"AI 与专家判断可能相反。
"这一节呢，我们在课前也进行了一个小调研，形成了我们学生常见的清单。那我们今天的主要内容也就是围绕着这个问题清单来。我们的三个问题啊，三个问题。"
是不是真有清单、三个问题是不是清单里学生问得最多的，AI 无从判断。同类表述：726_2031 "整理成了这样一份问题清单，主要集中在四个方面"、170_2976 "课前做了问卷，大部分同学集中在五个方面"。课程评价专用模型
AI 认为没回应，专家认为这是示范课。谁对需要回看，但 AI 单方面判"没回应困惑"是不够的。课程评价专用模型
专家 1:29："让学生联系初中高中学过的关于改革开放的知识谈一下自己的认识……通过问卷调查了解学生的疑难困惑" → 标签"回应学生现场生成"
这是 Q8 的正面证据，AI 的 94 分理由里一个字没提问卷。它夸的是后面的育儿补贴讨论，而那段专家判"浪费时间"。AI 在 Q8 上夸错了地方。平台AI
熟悉教学法基本原理，注重教学逻辑与学术逻辑的辩证统一，教学设计符合学生认知规律、关注学生差异性
AI 看得出结构是并列还是递进，看不出时间分配合不合理、课堂管理是不是教学的一部分。它把传纸条、报学号当行政事务扣分，把 8 分钟跑偏的讨论当亮点加分。"关注学生差异性"一堂课基本看不出。
专家 5:58："通过设问引导学生界定新兴市场国家的内涵与核心特征，并在其回答基础上持续追问，推动思考逐层深化" → 标签"追问有层次"
同一批复核里，传纸条做民生调查被读成"收作业"，报学号给发言计分被读成"点名"。AI 只抓到组织性话语，没看它包裹的教学目的。平台AI
专家在 726 门里标了 132 次"时间分配失衡"，AI 直评理由几乎不含这个判断。AI 评的是"讲了什么"，不是"该不该花这么久讲"。平台AI
23:50 "所以核心我们得去讲一个词。到底什么是？"
41:45 "那么中国式现代化到底厉害在哪些方面，哪些进行了改进呢？我们后面讨论吧。"（关键问题提出后未展开）
评语夸结构，推算就给四级；真回到转写，递进在关键处断了。反向例子 C25-687_15691816103：推算一级，深读发现章节框架交代清楚，升为二级。推算→深读
能够运用研讨式、案例式、模拟式、体验式、访谈式等教学方法，精心组织互动，有效激发学生的问题意识、学习兴趣和深度思考
互动是 AI 错得最集中的地方，两头都错：录音条件一句话就让它放弃判断，明明有点名、有回应也判"不可观测"；反过来，教师问了、学生答了，它就判"有真实往返"，看不出那是走过场。
"有没有同学可以举手"
"刚才谁先举手的，好像那位同学……那你来吧"
"哎，非常好啊，请坐啊"
"他说，毛泽东同志在延安为中央党校提了实事求是四个大字" ← 教师复述学生回答
互动真实存在且完全可判。错在判据按"录音条件"写、不按"证据有没有"写。合规筛查
AI 判互动看的是"有没有问、有没有答、有没有接"。五个学生都答了，形式上全齐，AI 就给满。有没有把学生往深处带，它判不了。平台AI
专家 11:44："课堂教学氛围较为沉闷，学生对教师教学活动参与感不够强"
这堂课专家和 AI 结论其实接近（互动差），但 AI 给的是"不可观测"而不是"互动差"，分数也没扣。平台AI
学术基础较好，具有较为扎实的马克思主义理论功底
功底是教师的，不是这堂课的。AI 只能从一堂课的学理深度推，而推出来的结论和专家可以完全相反：专家说"核心问题是夯实理论功底"，AI 说"思想性俱佳"。方案自己写了边界：不由一堂课推断教师总体理论功底。
一个课堂两种读法：AI 看到的是讲得流畅、有讨论、有提炼；专家看到的是避开了难点、只讲熟的。平台AI
14:07 "郑煤机的成功呢，就昭示了想要改革必须要坚持党的领导"（以例代证）
25:42 "我们只有跟上时代，我们才能够取得个人的发展"
AI 认为学理薄；专家给了高分。同一堂课 AI 内部也不稳：F2 推算一级，深读升二级。推算→深读
5:52 "那理论来指导实践当中又反复产生理论，它符合我们维度变更法的这种认识论的逻辑"
34:10 "历史逻辑告诉我们我们必须要有一个核心这是第二个逻辑"
评语里"论证完整"的印象让推算给了四级；逐句看，几处推理是用术语堆出来的。功底这件事，看一堂课的印象和逐句核对，结论不一样。推算→深读
读书量大、知识储备丰富、熟悉党史、新中国史、改革开放史、社会主义发展史、中华民族发展史，讲课能够旁征博引、史论结合，信手拈来、引人入胜
"旁征博引"AI 能听出来，但引得对不对它核不了几条：能核的只有"届次/年份同句共现"这种硬事实，文献出处、官方提法几乎核不出；它自己的事实表还会错。"读书量大"更是推断。
教师的史料是对的。AI 核验的上限是它自己那张表的质量，表错了，旁征博引的教师反而被记一笔。课程评价专用模型
"就是什么建党100年啊，就2020年7月1日庆祝中国成立呃这个100周年的这个大会上"（AI"应为"：99 周年）
教师错的是年份（2021 说成 2020），AI 却说教师应该讲"99 周年"。差错找对了，纠正方向反了。13 条人核里有 2 条"应为"方向反了。课程评价专用模型
三个大家都知道的例子，AI 当成史论结合；专家看到的是只有这三个。"引了多少、引得多新"AI 没有参照系。平台AI
热爱思政课教学事业，尊重学生、关心学生、了解学生，话语体系贴近学生，不照本宣科，能够和学生有效对话，语言表达生动形象、有画面感
"尊重学生、话语贴近"是 AI 误报的重灾区：它只看文字不听语气，正常的课堂管理、口音、泛指，都会被判成贬损学生；转写错一个词就能造出一句教师没说过的"怪话"。"热爱事业、关心学生"是态度，听不出来。
"人不可能一直躺平的。啊你躺着就不正常了啊，你天天躺就不正常了，什么就真成了废物了啊。人还是需要做一些事情啊"
上下文是在讲"人需要做事"的道理，不是指着学生说。同类：T07-20250422 @9:27 "我觉得我很可爱"被判"不当玩笑"，人审"联系上下文毫无戏谑之感"；@11:32 "鬼子进村"形容破坏现场被判粗俗，人审"应无不妥"。合规筛查
同校 T07-20251117 @11:26，"哥们"实为口音下的"对吧同学们"，也被判"市井随意"。合规筛查
0:02 "从思想上、行动上，思想上、政治上、思想上、行动上"
23:38 "我们的军力只有我们的兵力只有80万，但是国民党的兵力有，我们的兵力有60万"
评语里写"表达流畅"，推算就给三级；逐句看有重复、有前后矛盾。30 门深读 F9 只降不升，说明评语对"语言生动"普遍偏宽。另一面，转述批判对象原话里的"中国佬"曾被判教师用语不当（speech_conduct_206），人审纠正后才写进排除规则。推算→深读
引领力强，有效引导学生坚定"四个自信"，坚定不移听党话跟党走
教师说了什么 AI 能判，学生有没有"坚定"AI 判不了。而教师侧的判断也不稳：遇到立场可疑的话，AI 倾向替教师找"教学性模拟"的理由；遇到课堂事务，又会上纲到"政治高度"；价值引领讲得扎实的课，推算等级反而偏低。
"哪个人不想打一仗，对吧？因为打仗才能有立功的表现"
这是本项目第一条红线判例。模型给的"教学性模拟"辩护未被采信：即便是模拟口吻，把"想打仗"说成普遍心理仍属立场表述不当。合规筛查
行政事务和政治高度是两回事。专家对这堂课的判断是"整体成熟有效"，问题在互动不在立场。AI 把扣分理由往"政治"上靠，是引领力判断上的另一种失准。平台AI
11:40 "因为我们的改革呢，是社会主义制度的一种自我完善，对吧？"
12:43 "改什么怎么改，我们都要坚持党的领导，坚持社会主义制度作为根本的标准。"
评语编码里没有对应的亮点码，推算就按课程分（64）的基线往下压。价值引领讲得好不好，评语常常不单独写，推算就看不见。推算→深读
说服力强，能够通过富有思辨、符合逻辑的理论推演，把思政课的道理讲深、讲透、讲活
这是 AI 最该擅长的一条，也是和专家分歧最大的一条。AI 认"论证链条"，专家认"重点有没有讲透"。讲得流畅、有推演、有术语的课，AI 给高分；专家却说关键问题绕开了。两端的课 AI 分不开。
AI 读到了完整的推演链条并给了近乎满分的评语。专家的判断在另一个层面，AI 没有触到。课程评价专用模型
专家 21:59："本次课应该重点讲解改革开放是决定当代前途命运的关键一招，为什么是关键一招，这些重点问题都没有讲清楚" → 标签"案例陈旧或失真 · 以断言代替论证"
AI 94 分。说服力的核心是"把难的道理讲透"，AI 判的是"有没有推演的样子"。平台AI
专家：整体成熟有效，"10:12 史料追问与 30:52 过程指导的缺位，决定了良好而非优秀"。AI 对说服力的判断被一个它自己弄错的事实判断整个推翻。平台AI
感染力强，学生思想观念受到撞击、情感深处受到触动，上课注意力集中、课堂气氛活跃，学生愿意与教师交流反馈
这一条评的是学生。AI 看不到学生的脸，听不清学生的声音，也不知道后排在干什么。它只能从教师的话里猜课堂气氛，猜错方向都有：专家看到抬头率高，AI 说"不可观测"；专家看到交头接耳，AI 给 82 分。
专家 12:57："学生反馈较好，抬头率高，课件内容丰富" → 有明显反应或变化
专家 22:29："列举学生日常生活中的绿水青山，贴近学生生活实际……学生反馈较好" → 有明显反应或变化
AI 给了 92 分，互动状态却是"不可观测"。专家标学生清晰可见、师生均可听清。感染力的证据在画面里，AI 读的是文字。平台AI
专家 0:00："从教师的教学行为判断可以看出准备比较充分，但是学生进进出出以及后排学生明显在交头接耳聊天影响整个的听课感受"
AI 82 分，判"仅确认式假问"。注意力集不集中、气氛活不活跃，转写里没有。平台AI
按"学生发言占比"判气氛活跃，这堂课会被判成互动好。反向的例子：220 课型普查中 8 门无学生机位的录播课被系统性低估，扣的分对应拍摄方式，不是教学。所以方案的结论是：拍不到学生的课，这一项标 N/A 走人工，不给低档。合规筛查
| 条目 | 内容 | 权重 | 为什么没法评 |
|---|---|---|---|
| Q1 | 开展学情调查并提交学生常见问题清单 | 2 | 评的是提交的清单文件，语料里没有。195 门课教师口头提到了清单，但清单本身一份都没有 |
| Q2 | 学生常见问题"原汁原味"，反映 Z 世代 / α 世代真实思想状态 | 2 | 同上，评的是清单文本 |
| Q3 | 清单准确对应各章节各专题，梳理细致 | 4 | 同上 |
| Q4 | 教学工作规范，教材、教案、课件、讲义、活页齐全 | 2 | 726 批导出只有视频、转写、AI 评价、报告、专家标注五个目录，没有任何教学材料文件 |
| Q14 | 具备数智素养，主动优化教育部配套课件，借助人工智能提升教学吸引力 | 5 | 要拿课件和教育部原版比对，没有课件；"用了 AI"只有教师口头说出来才能捕到（如 1954 课教师提到使用某国产大模型） |
这 15 分不是 AI 的能力问题，是材料问题。学校补交清单、教案、课件之后，Q1–Q4 可以做文本核对，Q14 可以做课件比对。
平台 AI 与专家标注对照：/data/files/activity-3-completed-expert-20260908_211512/04_AI评价结果 · 06_专家标注结果（726 门，2026-09-08 导出，脱敏版）；课程分与评语：simpleEval_sim/data/f9_infer/f9_courses.json；推算→深读：dashboard/xsx2026/f9_deep30.json（30 门，2026-10-22）；言语筛查人审：assets/human_review/b_tjlg53_adjudications_2026-08-18_sam.jsonl；规则事实核验人核：runs/b_uc25_687b/data/p10_validation_20261001.json；互动可观测性复盘：评价服务器:tjlg_xsx_2025/docs/互动可观测性定义错误_2026-08-02.md；"与教学无关"轨专家复核：docs/decisions/2026-08-30_教学诊断轨专家复核与三项修复.md；事实核验口径对照：docs/decisions/2026-08-28_事实核验判读口径AB与结论核验否定.md；无学生机位 8 门、纪录片 19.6%、极值区 ρ≈0：章节锚定评价方案_v2.md；课前问卷提及 195 门：对 unified_corpus/2026/asr 全文检索。