2026年9月1日

拍照批改到底准不准 —— 用714个手写答案实测

批改本身不难，却很花时间。diglabo 里有一个功能：把做完的练习卷拍下来，就会自动批改。不过站在使用者的角度，先冒出来的念头恐怕不是“方便”，而是“机器要是读错了，明明做对却被打叉怎么办”。

我起初以为，机器读数字总比人准。实际测了之后，并非如此。

到底准不准，我做了测量，把结果写在这里。

怎么测的

把孩子实际用铅笔做完的练习卷扫描下来，对其中写有手写答案的 714 个格子，逐一记录人用眼睛读出来的答案，以此作为正确答案的基准。

这同样的 714 个格子可以反复测量。每次改动读取的方式，都能用同一把尺子和之前作比较。

714 个格子中读错的数量。下面三项是在相同条件下并排测的。

以前只在设备内部读取。好处是不需要联网，代价是每 5 处就读错 1 处。看到这个数字之后，我改成了交给外部模型来读。

没有采用最准的那一个，是因为读取的费用要多出 3 倍以上，等待时间也变成 1.7 倍。换来的是 714 处中的 4 处。既然是免费公开的，我判断这个差距不值这笔钱。

把读错的内容逐一清点，现在这套方式的 10 处错误中，有 9 处是“把 0 读成了 6”，剩下 1 处是“把 4 读成了 9”。

我有点在意，就把纸拿出来重新看了一遍。写在上面的那个手写的 0，硬要说的话确实更像 6。 不是机器判断错了，而是那个字就是这么读的。

我本以为这是提升读取精度的事，做着做着变成了写字方式的事。

读取时，每一处都会返回“对这次读取有多少把握”。我原本打算只让人复查把握低的格子。

实际一查，读错的地方无一例外都被判定为“有把握”。被判为把握低的格子，一处也没有出现。

靠自信度来挑出可疑格子，这个设计不成立。所以 diglabo 做成了可以当场修改读取结果的形式。它的前提就是：不把机器的判断当作最终结论。

老实写下来。

有时会在什么都没写的格子里凭空造出数字。 把橡皮的痕迹或纸上的阴影读成了数字。做了对策之后减少了，但没有归零。

竖式计算中，行会因人而异地错位。 在有余数的除法和除法（÷1位数）中，如果孩子省略不写中间的“0”，写余数的那一行就会往上移一行。机器看的是固定位置，于是读到了别的格子。写法不止一种的地方，我还没有追上。

把同一张图片用同样的设置再读一次，239 处中有 4 处（1.7%）与上一次的读取结果不同。既然用的是生成式模型，这一点无法避免。

也就是说，这种测法能分辨的只有“大于几处的差距”。上面那些数字里，10 处、7 处、6 处之间的差距接近这个幅度，所以我并不把它读作“哪一个更好”。能读出来的，只有从 152 处降到 10 处这一段。

不写什么时候完成。测出来了就补写在这里。

批改是确认对错的动作。机器读错了，并不等于孩子做错了。读取看起来不对的时候，请当场改掉——修改功能就是为此准备的。

这篇文章由 diglabo 的开发者、一位家长撰写。我不是老师，也不是教育专家。文中一般性的教法依据日本小学的教学内容，并对照了日本的课程标准。

diglabo 的练习题按日本的课程编写。如果你不在日本，这意味着什么