把同伴互评计入课程成绩以后，分数上升，可能同时反映合作表现和给分方式的变化。一项美国医学院研究发现，互评开始占最终成绩的一小部分时，团队平均评分明显提高；由于比较的是不同学年，无法单独证明计分政策造成了提高。对在加拿大参加小组课程、职业培训的学生，使用互评前最值得看清的是评分依据、权重和事实争议怎样处理。
源
已经拿到低分的人，先保存评分标准、自己交付的材料和具体反馈。负责设计互评的教师，需要检查它是在帮助学生改进，还是在用未经校准的同伴印象调整成绩。选课时看到“团队合作表现优秀”，也可以问一句：这是作品质量、同伴评分，还是两者都测过？
只占百分之一，评分环境已经变了
研究者观察了美国路易斯安那州一所医学院精神科轮转课程中的90个团队，跨三个学年。学生彼此评价合作学习、自主学习和人际技能，研究者把评分转换为一个最高100分、最低52分的尺度。第三学年，教师开始让互评占最终成绩的1%，并在开课时告知学生。源
前两个学年59个团队的平均互评分为90.7，第三学年31个团队为97.1。这些数据以团队为单位；两个均分之间的差异没有告诉我们，有多少人给出了满分。论文报告了差异，但没有随机把同一学年的团队分成计分与不计分两组。源
所以，两个事实可以一起保留：互评进入正式成绩的那一年，分数明显升高；这次观察仍分不开政策变化、年级构成和其他教学变化各自贡献了多少。直接宣布“学生更会合作了”，比现有证据多走了一步。
论文原本关注团队性别构成与评分，但没有完整记录每个评分者的性别。团队平均分较高，可以来自实际合作、评价尺度或其他因素；仅凭这些分组差异，很难判断某位同学打分宽严，更无法给男性或女性规定固定的合作特点。
同学同时是伙伴，也是给分的人
互评有一个实际优势：同学看得见教师未必在场的过程。谁提早发现资料问题，谁帮团队理解要求，谁总在最后一刻才交付，都可能通过合作被观察到。正式作品只能展示最终结果，过程评价有机会补上这一部分。
但只要评分会影响彼此的成绩，填写表格便多了一层后果。给低分可能担心关系受损，给高分可能希望互相照顾；有人倾向把总体人缘写进每个栏目，也有人对“正常完成”究竟该给几分理解不同。这些是需要在制度设计中考虑的可能机制，上述研究没有逐一测定它们造成了多少分差。
因此，问“大家有没有认真打分”还不够。还需要知道“认真”在不同人眼里是否使用同一把尺子。一个人认为按时完成就值得最高分，另一个人认为最高分留给罕见贡献，两人即使都诚实，结果也很难直接比较。
一份互评规则，至少要说清这些事
下表可以用于读课程说明，或在课程开始时向教师确认。它是评价制度的核对工具，尚未被该研究作为干预测试。
| 要确认的事项 | 为什么影响解释 | 更具体的说明应包括什么 |
|---|---|---|
| 每一栏评什么 | 努力、能力和交付结果可能混在一起 | 可以被观察到的行为及对应任务 |
| 分数怎样使用 | 反馈与扣分会改变填写后果 | 是否计入成绩、权重、怎样汇总 |
| 谁能看到反馈 | 会影响顾虑及纠错方式 | 教师和被评价者分别看到什么 |
| 出现离群评价怎样处理 | 一条极端评分可能放大争执 | 是否查事实、能否补充材料 |
| 团队成员承担的任务是否可见 | 汇报角色容易被记住 | 分工、版本或阶段交付的记录 |
| 何时反馈 | 结课后才知道问题难以调整 | 中途反馈与最终计分的时间 |
分数权重很小，也值得说明。它可能在总分中影响有限，却向学生传达了“这次评价会改变别人结果”的信息。把权重写得透明，可以减少大家凭传闻猜测后果；是否改变权重，则还要考虑课程目标和其他证据。
低分争议要回到哪一层
如果意见是“没有参与”，可以核对参与指哪项任务、哪段时间以及什么交付物。如果意见是“沟通不积极”，需要说明漏了什么信息、造成什么影响。若只是因为口头发言少，便进一步核实资料准备、书面反馈和技术工作是否被计入。
对第二语言学生，表达流畅度和实际贡献尤其值得分别记录。一个人可能发言简短，却准确指出了计算或资料错误；另一个人善于汇报，也确实承担了协调工作。两者都需要对应证据，不能预先把某种表达方式当成没有贡献或抢功劳。
提出异议时，可以只选一条影响最大的评价，写清原评价、相关任务、已有材料和请求澄清的标准。这样教师较容易判断分歧是在事实，还是评分尺度。是否能复核、提交给谁，应遵循课程当前公布的程序；研究没有提供统一申诉权利或期限。
高分也需要接受同样的解释
几乎人人都接近上限时，评分可能表明团队合作良好，也可能让原本要识别的差别变得难看见。要区分这两种情况，需要把评分与独立的作品质量、任务完成情况或中途反馈对照。平均数漂亮，只回答大家给了多高的分。
教师也可以在使用新规则前保留原有量尺，并观察评分分布是否改变。如果一改计分办法，分数就普遍挤到上端，下一步应核实际表现和评分理解，而非立刻拿它证明改革成功。不同规则下得到的数字，不能无条件串成一条进步曲线。
这项研究来自特定医学院课程，量表由研究者转换，原研究也承认测量及外推限制。它无法决定所有同伴互评都可靠或都该取消；更能支持的判断是，把评分放进成绩以后，要重新检查这份数据表达了什么。源
在下一次小组任务开始前，可以先核课程中互评如何使用，再按任务留下简短贡献记录。若团队成果已经很好，个人功劳仍分不清，《团队评价只写一起完成，女性功劳为何容易打折》讨论的是另一种信息缺口。
拓展阅读
微软一个团队四分之一新人90天没合过代码，带新人先给个小真任务：同版块的站内帖，同样围绕 分之一，往深里读接这一篇。
甲功报告都正常，FT3/FT4比值究竟能说明什么：加拿大医疗福利的医疗帖，另一条线上和 说明什么 挨着的一篇。
拿到甲状腺化验单，TSH、FT4、FT3、抗体到底哪个说明什么：加拿大医疗福利的医疗帖，与本文相邻的一条线。
2025全年财报解读：Great-West Lifeco 破纪录盈利…：福利与保障的保险帖，与本文相邻的一条线。
参考资料
- Mark H. Townsend、Margaret Bishop Baier，2019年在线发表、2020年刊期：The Effect of Gender on Team-Based Learning Peer Assessment in a Psychiatry Clerkship。