学校事务自动化——利用 AI 检查学生综合素质评价（生记簿）科目别“细部能力及特长事项”

如果要在学校工作里选出一项最无意义、最辛苦、最无聊的，我会选生记簿检查。

在初中，学生综合素质评价（生活记录簿）并不那么重要，但在高中它与升学直接相关，因此极其重要。

问题在于，这样的生记簿检查最终找的无非就是简单的错别字、禁止填写用语、拼写等。

这篇文章就是从这样的疑问开始的。

现在这种简单检查，是不是已经可以交给 AI 来做了？

1. 利用 AI 生成生记簿的局限

高中老师都很清楚，用手写的生记簿和交给 AI 生成的生记簿，从文体开始就不一样。

尤其是最近随着升学趋势，流行的写法是把具体观察与教师评价连贯地写出来，这时候如果交给 AI，就会出现如下文体：

• 在解题过程中，认真核对条件并建立算式，能检查计算结果的态度有所观察。

• 在式子的变形或图像解析过程中，表现出试图用依据进行说明的态度，能够较为清晰地展现得出结果之前的思维流程，展现了以推理为中心的问题解决能力。

• 表现出区分计算失误与概念应用差异的努力，通过反复学习，在解决类似问题时准确度有所提升。

• 关注文本中的表达来推断意义，并联系自身经验扩展思维。

AI 写作的特点是，很难看出学生具体学到了什么、获得了什么。

例如像思维的流程、以推理为中心的问题解决能力、扩展思维这样的描述，教师很难轻易理解到底想说什么。

还有像……的态度有所观察这类文体也非常别扭。

这些部分正是迫使老师只能手写填写生活记录簿的原因。

于是教师们主要就去找错别字、双空格、禁止使用用语等。

2. 用 chatGPT、NotebookLM 不行吗？

当然，利用网页上提供的一般性 LLM 也可以进行生记簿检查。

问题在于可输入文本长度有限，而且对话进行得越久，就越会遗忘最初给定的提示词（prompt）。

因此中间会出现必须不时重新输入一开始的提示词的问题。

那么，是否可以每次都像第一次对话那样重新输入提示词来检查呢？

3. 数据清洗

想要把这种生记簿分析自动化，最大的障碍就是工作门户系统。

上图是从 NEIS 下载生记簿后，对数据格式用虚拟数据再现的样子。

下面附上示例链接。

数据结构真的是糟糕透顶。

接下来要给每一行都标上科目、学期、编号等标签，并把像 8 月和第 12 列那样被截断的部分接起来。

然后删除页码和重复的目录部分。

关于代码的说明已写在注释里。

import pandas as pd
from pathlib import Path

# 먼저 폴더 생성해 줌
cwd = Path.cwd()

resultFolter = cwd / "result"
resultFolter.mkdir(exist_ok=True)
targetFolder = cwd / "target"

# 타겟 폴더안의 .xlsx 파일을 for문으로 돈다.
for file in targetFolder.glob("*.xlsx"):

	# 일단 4줄 뛰어넘고, 쓸데없는 null행과 열들은 잘라낸다.
    df = pd.read_excel(file, skiprows=4)
    df = df.iloc[:, :6]
    stNumCol = [i for i in df.columns if "번" in i][0]
    subjectNmae = [i for i in df.columns if "과" in i][0]
    df.drop(df[df[subjectNmae] == subjectNmae].index, inplace=True)
    df.dropna(subset=stNumCol, inplace=True)
    df.reset_index(drop=True, inplace=True)
    
	# 열을 돌면서 비어있는 행들을 모두 채워준다.
    dropRowIndex = []
    for i in range(len(df)):
        rowSubNmae = df.iloc[i, 0]
        rowGrade = df.iloc[i, 1]
        rowClass = df.iloc[i, 2]
        rowStNum = df.iloc[i, 3]
        rowStName = df.iloc[i, 4]
        rowInnerText = df.iloc[i, 5]
        if i == 0 :
            continue
        if pd.isna(rowSubNmae):
            df.iloc[i, 0] = df.iloc[i - 1, 0]
        if pd.isna(rowGrade):
            df.iloc[i, 1] = df.iloc[i - 1, 1]
        if pd.isna(rowClass):
            df.iloc[i, 2] = df.iloc[i - 1, 2]
        if pd.isna(rowStNum):
            df.iloc[i, 3] = df.iloc[i - 1, 3]
	# 만약 글이 쪼개져 있으면 두 행의 내용을 합쳐주고 하나는 지운다.
	# 굳이 dropRowIndex를 만들어 추가한 다음에 지우는 이유는
	# for문이 실행되는 동안 df의 길이변화가 일어나지 않도록 하기 위함이다.
        if df.iloc[i, 3] == df.iloc[i-1, 3]:
            dropRowIndex.append(i)
            df.iloc[i-1, 5] = df.iloc[i-1, 5] + df.iloc[i, 5]
    df.drop(dropRowIndex, inplace=True)
    df.reset_index(drop=True, inplace=True)
    df.to_excel(cwd / "교과세특 학년별 과목별_정제.xlsx", index=False)

经过这样一次清洗后，数据就会像下面这样整洁。

现在就可以利用这些数据向 AI 发起审查请求了。

4. 提取提示词（prompt）

所有检查的基准都是提示词，因此这是整个设计过程中最需要费心的部分。

从网上下载 PDF 形式的生活记录簿填写要领来制作提示词，是最稳妥的做法。

从上述网站下载文件后，交给人工智能，让它根据我想检查的部分来帮我制作提示词。

然后用该提示词进行 API 请求测试。

下面保留一部分提示词内容。

prompt = """
너는 학생부 세부능력 및 특기사항 검수 전문가다. 
입력 JSON 데이터 중 “세부능력 및 특기사항(세특)” 항목만 점검하시오.

[기재 유의어 → 대체 표현 치환 규칙]

다음에 해당하는 경우, 표준 대체 표현으로 반드시 수정한다.

- Google(구글), NAVER(네이버), Daum(다음) 등 → 포털사이트
- Google Classroom(구글 클래스룸), EBS 온라인클래스 등 → 학습 플랫폼 / 원격 학습플랫폼

...중략...

[예외적 허용 항목 — 아래는 수정하지 않음]
- 단순 지명, 국가명, 산업명(학교 특정·진학 연계가 불가능한 경우)
- 교육부/교육청 등 공교육기관 명시
- 교내 수행평가·지필평가의 “정량 미제시” 성취 표현
- 수업 중 개념/원리 학습(예: Z점수 개념 이해, 반도체 공정 원리)
- 일상생활 경험(아르바이트 등)이 학습 연결 맥락일 때
- 일반 공간(아파트 등) 언급
- 미래형 포부/계획(‘가고 싶다’, ‘탐색 중’, ‘꿈꾸고 있다’)
- 독서 제목 및 저자 / 인용문 (‘ ’ 사용 가능)
- 단순 정보 제공이나 개념 학습의 수치(예: 최저임금 1만원, GDP 성장률 2%)는 금지 항목이 아님.

[판정 기준]
- “과거형 실적”이면 수정
- “미래 포부/계획/탐색”이면 유지
- 반드시 앞, 뒤 문맥 기반으로 판단할 것
"""

5. 代码

在 OpenAI 官网可以看到简单的示例。

可以以如下代码为基础，或利用 AI 边写边问的“vibe coding”方式来构建 API 请求。

我觉得如果能以表格形式而不是自然语言来接收 AI 的回答会最干净利落。

生记簿检查完后，向同事老师传达相关内容时，消息的形式通常如下：

可以像这样强制规定响应格式。

问题在于，如果一次性检查全部科目，token 长度会过长。

为防止这一点，需要按科目拆分内容，在用 pandas 整理响应后再一次性保存。

# 먼저 파일을 과목별로 묶어 jsonDtat로 만든다.
data = df[df["과 목"] == sub]
jsonData = data.to_json(orient="records", force_ascii=False)

# AI에게 응답을 강제하도록 구조를 설계한다.
response = client.responses.create(
    model="gpt-5.2",
    input=[{
        "role": "user",
        "content": [
            {"type": "input_text", "text": prompt},
            {"type": "input_text", "text": jsonData}
        ]
    }, 
    ],
    text={
        "format":{
            "type": "json_schema",  
            "name": "response_format",  
            "strict": True,  
            "schema": {
                "type": "object",
                "properties": {
                    "rows": {
                        "type": "array",
                        "items": {
                            "type": "object",
                            "properties": {
                                "subjectName": {"type": "string"},
                                "studentName": {"type": "string"},
                                "before": {"type": "string"},
                                "after": {"type": "string"},
                                "edit": {"type": "string"},
                                "editReason": {"type": "string"}
                            },
                            "required": ["subjectName", "studentName", "before", "after", "edit", "editReason"],
                            "additionalProperties": False  

                        }
                    }
                },
                "required": ["rows"],
                "additionalProperties": False 
            }     
        }
    }
)
responseJson = json.loads(response.output[0].content[0].text)["rows"]

这样发出一次请求并整理响应后，就可以看到如下内容。

6. 反复修改提示词

现在基本框架已经搭好了，接下来只需不断反复打磨提示词即可。

为了获得更详细的输出，我补充了输出规则和判定规则，并把所有填写注意用语都输入了进去。

7. 使用后感

最重要的是，准确度非常出众。

用这种方式检查后，错别字和空格问题几乎都解决了。

在某些科目中，还发现了记录了海外志愿服务经历的内容，并进行了修改。

由于生记簿填写指引每次都会变，让教师记住所有内容本身就不是件容易的事。

而且我也不太明白，这种生记簿填写活动到底和教育质量有什么关系。

希望能通过一点点减少教师的杂务，早日迎来可以把更多精力投入到教学上的那一天。