老师如何匿名分析班级错题？从脱敏表到教学动作的完整流程
删除可识别信息，生成班级错误矩阵，经教师抽样复核后，把结果转成全班重教、临时小组补救和个别支持动作。
自在学约 6 分钟阅读
先说结论：匿名分析的关键不是把姓名换成编号后整表上传，而是只用完成教学决策的最少数据。多数情况只给 AI“题目 × 错误类型”的班级汇总表；确需观察跨题错误时，才用随机临时 ID，映射表留在本地。这里的“匿名分析”是便于检索的通俗说法：只要映射表仍存在，随机临时 ID 只是去标识化，不等同于法律意义上的匿名化。AI 提出假设，教师抽样核验，再按“错误人数、严重度、是否阻塞后续学习”决定整班重教、临时小组或个别支持，并用下一次退出条或小测复验。
这套流程与官方方向一致：《教师生成式人工智能应用指引（第一版）》允许用脱敏班级作业、测验数据辅助诊断，并要求删除姓名、家庭信息、审查工具隐私政策、教师核查生成内容。教育部等五部门《“人工智能+教育”行动计划》支持学情分析，也强调安全、可信、可控并防范隐私泄露。本文不构成法律意见；实际操作应遵守学校制度、工具条款和适用法律。
第一步：先决定是否需要“学生级行”
先写下本次问题，例如：“下一课要重教哪两个概念？”如果只需找全班共性，直接在本地统计每题各类错误人数，不保留任何学生 ID。只有以下情况才可能需要去标识学生行：判断多个错误是否总在同一批作答中出现、组建短期补救小组、跟踪一次干预后的变化。
能聚合就不上传明细，能用错误类别就不上传原答案。尤其不要上传姓名、学号、座位号、家长联系方式、家庭情况、评语、头像、原卷扫描件或带手写特征的照片。《个人信息保护法》要求处理个人信息具有明确、合理目的并限于最小范围；不满 14 周岁未成年人的个人信息属于敏感个人信息，应采取严格保护措施。
班级错题最小数据表
随机临时 ID 应在本地生成。映射表单独存放在学校批准的受控位置，不与分析表同文件、不上传 AI；复验后按校规删除。不要用座位号、学号或姓名首字母。
第二步：在本地生成错误矩阵
先由教师定义少量、可观察的错误标签，并保留“未知／待复核”，不要强迫每份答案归类。以下为一个虚构的 32 人数学测验示例，仅演示流程，不代表效果数据。
这里的“教师核验错误标签”来自评分标准和教师看卷；AI 后续提出的“可能是概念混淆”等必须另列为“AI 假设”，不能改写成事实。
第三步：让 AI 只做模式归纳
把上面的聚合表和教学目标提供给已获学校允许、隐私条款经过审查的工具。可直接复制下面的提示词：
text
你是教学分析助手。以下仅为聚合数据，或在确有必要时使用的去标识数据。
任务：
1. 按错误人数、影响严重度、是否阻塞后续学习三轴排序；
2. 区分“表中已有的教师核验标签”与“你的假设”；
3. 不推断学生身份、能力、动机、家庭背景或长期画像；
4. 对证据不足处标为“未知/待复核”，列出需教师查看的证据；
5. 给出下一课可执行的整班、临时小组、个别支持建议；
6. 不做最终评分、排名、处分或学生定性。
请用表格输出：优先级｜已知证据｜AI假设｜需复核样本｜建议动作｜复验题。
[粘贴聚合错误矩阵，或确有必要时使用去标识错误矩阵]
第四步：抽样复核，开放题重点回查
每个高优先错误可在本地抽查 3—5 份，包含典型错例、边界例和正确答案；样本差异大或结论将影响个别支持时再扩大抽查。AI 只看到“样本 A、B、C”的去标识摘录，教师在本地用映射表找原卷，身份不交给 AI。
开放题更容易被误判。先用教师量规核对“观点、证据、推理、表达”，允许多种正确路径；AI 与教师不一致时，以教师对课程目标和原作语境的判断为准，并把类别改为“待复核”。不得把 AI 输出直接作为最终分数、处分依据、排名或个体画像。
何时不用 AI：样本很小；数据无法可靠脱敏；工具未经学校批准或隐私条款不清；任务涉及心理、健康、家庭困境、处分或高利害评价；错误标签尚未定义。此时用电子表格或人工计数。
第五步：把证据路由成教学动作
三轴判断：人数多且阻塞后续学习，整班重教；人数较少但模式一致，建临时小组；极少数独特或持续错误，教师本地识别后个别支持。严重度高但人数少，也不能忽略。
在示例中，Q2 和 Q3 应先进入整班重教候选；Q4 可按回查结果组成临时小组；Q1 只需常规提醒；Q5 因待复核较多，先人工检查量规一致性，不宜立即归因。若要进一步把匿名错误转成分层练习，可衔接差异化作业设计流程；若要把“证据—差距—动作—复核”写进学生反馈，可参考有效课堂反馈指南。
可复制教学动作卡
text
学习目标：
已知证据（只写教师核验数据）：
AI 假设（可为空）：
抽样复核：典型错例__份／边界例__份／正确例__份
优先级：错误人数__；严重度__；阻塞后续：是／否
教学路由：整班重教／临时小组／个别支持／暂不干预
下一课动作（时长、材料、教师提问）：
成功标准：
复验：退出条／小测；日期__；题目__
复验结果：达标__人；仍需支持__人；下一步__
数据处置：映射表与临时文件删除日期__课末用 1—3 道退出条复验同一目标，但更换数字或情境。比较班级错误类型是否下降，而不是让 AI 给学生贴标签。可参考课堂退出条设计指南。课堂音视频属于另一类风险与权限问题，应转看AI 课堂观察工具指南。
常见问题
通常不算。学号、座位号仍可能指向个人。优先聚合；确需跨题关联时才用随机临时 ID，映射表留在本地。
默认不要。扫描件可能含姓名、笔迹和批注。先在本地提取题号、错误标签和人数。
真正有价值的输出不是一份看似精确的 AI 报告，而是一张经过教师核验、能在下一课实施并可复验的教学动作卡。先从最近一次小测选一个学习目标，用聚合矩阵跑完这一闭环，再决定是否需要更细的数据。