TOPIK将由AI评分，基于考生答案训练：2028年试行考试

韩国语能力考试（TOPIK）准备将评分工作移交给人工智能。根据教育部于9月29日公布的一项计划，自2029年起，AI将编写TOPIK试题并为考生的写作和口语作答评分，改版后新考试的试行考试将于2028年举行。

去年的报道称，政府正与韩国科技集团Naver就运营该考试进行谈判。这一次则是一项官方计划，设有委员会、₩235亿的预算以及逐年推进的时间表。2025年有超过56万人报名参加TOPIK，其中许多人是为了在韩国取得签证、大学入学以及就业。

让我们来看看该计划的具体内容，从AI评分及其学习所用的数据，到将由谁来构建这一系统。

TL;DR

自2029年起，AI将编写TOPIK试题并对写作和口语答案进行初评，由人工评分员检查其评分
该AI将基于以往考生的手写和口语作答进行训练
改版考试的试行考试将于2028年举行，随后将于2029年开展采用面部识别和视线追踪的居家考试试行
计划中未引用任何表明AI能够可靠评分TOPIK的研究，而在负责韩国高考（修能）命题的机构开展的研究中，教师估计目前的准确率为60-70%
该系统将由一家私营承包商构建，计划中未提及任何具体公司或AI模型
计划引用了韩国官员和管理人员的意见，但没有引用外国韩语专家

2029年全面改版

该计划围绕一个承担两项任务的AI系统对TOPIK进行重构。一个在考试题库上训练的大型语言模型将为各个等级编写试题。该系统还会将新试题与以往试题进行比对，并预测其难度。

目前，每次考试的试题由在封闭环境中隔离的人员编写。自2029年起，试题将从题库中抽取，计划每年为该题库扩充4,000道试题。TOPIK II的写作部分包含四种题型，从句子填空到一篇600至700字的作文。口语考试则是一项在电脑上进行的单独考试。对于两者，手写答案和录音回答都将被转换为文本，并根据语法、词汇和逻辑连贯性进行评分。AI给出初评分，随后由人工评分员进行复核，计划将这一步骤称为"人在回路"（Human-in-the-Loop）。

随后在2029年，将在个人电脑上开展居家考试试行。它们仅限于成绩不用作留学或签证用途的较低等级，而纸质考试暂时予以保留。2027年的15次考试中有6次为纸质考试，其余9次为机考：包括6次IBT考试和3次口语考试。

由来自韩语教育、测试和AI领域人士组成的改革委员会将于今年10月成立，随后将在2027年6月公布新的考试设计。试行考试定于2028年举行，配合在线练习题，旨在让考生在新形式正式生效前体验该形式。政府已为AI及数字化工作编列了₩235亿的预算，并设定了到2030年达到100万考生的目标。

委员会将在地区、性别和所属机构之间保持平衡。对于命题人员库而言，"地区"指的是成员位于首尔地区还是韩国其他地方，而非某种更具全球视野的考量。外国韩语专家，即将韩语作为外语学习、能够站在考生角度发声的人，在计划中无处可见。该计划引用的全部四项一线意见均来自韩国官员和管理人员：教育部下属两所海外韩国教育院的院长、一个外交驻外机构以及一所大学的国际交流处处长。

未经证实的AI评分

改革委员会的议程涵盖等级结构、纸笔与机考分数的等值对照、写作与口语任务，以及针对青少年的TOPIK版本。是否应由AI为考试评分并不在此议程之内，因为这在计划公布之前就已确定。同样尚不明确的是，2028年的试行考试是否会采用AI评分，因为计划的时间表表明该系统在那一年可能仍在开发中。如果是这样，隐含的情形将是AI评分根本没有通过试行考试进行检验。

计划中同样欠缺的，是任何关于AI在TOPIK写作或口语评分方面表现如何的引用研究。在负责韩国高考（修能）命题的机构开展的研究中，教师们认为目前的AI评分准确率为60-70%，大多数人表示至少需要达到80%才能投入实际应用。研究人员发现，其表现因学科和题目的不同而存在很大差异。他们还呼吁由AI来检查人工评分员的工作，这与TOPIK由人工评分员审核AI输出的设计正好相反。另外，一所韩国科学高中开展的长达一年的研究发现，同一份答案在重新评分时可能会得到不同的分数。

自动评分在语言考试中并非全新事物。运营托福（TOEFL）的ETS长期以来在人工评分员之外使用评分引擎。其自身的研究发现，对于大多数群体而言，引擎与人工评分员给出的平均分数几乎完全一致。但存在一个明显的偏差：来自中国大陆的作文是一个例外，机器给出的分数远高于人工评分。TOPIK在94个国家举行，因此这里存在出现类似差异的实际风险。

该计划的安全保障措施也存在内在矛盾。如果人工评分员仔细检查每一份答案，AI能节省的工作量很少。如果他们不这么做，AI实际上就成了评分员。

去年，韩国劳工团体"职场霸凌119"旗下在线工会韩国语教师分会会长李昌镛（音译）明确阐述了什么才应放在首位："在将AI应用于严重影响人们生活的高利害考试之前，必须首先进行研究和验证，以确保评估的效度、信度和公平性。而目前这一验证尚未充分完成。"

其他地方的审慎态度

韩国在为本国学生权衡同样的想法时，态度要谨慎得多。对高考（修能）论述题进行AI评分仍处于公众审议阶段，国家教育委员会委员长曾表示，即使引入该技术，人工评分也必须保持核心地位，AI仅作为辅助手段。

其他国家已经收手。由于几乎无法保证评分的可靠性，日本在2019年搁置了在其大学入学共通考试中加入论述题的计划。澳大利亚曾考虑引入AI评分，但随后将其取消。

这使得TOPIK成为韩国唯一一个制定了预算和时间表、计划由AI对书面和口语作答进行初评的国家级考试。

笔迹、声音与面部

2027年，政府将开始为AI收集训练数据，比系统本身的构建早一年。这些训练数据包括政府存档的、来自TOPIK写作和口语部分的真实考生的手写和口语作答档案。

针对居家考试，该计划增加了AI监考，利用面部识别和视线追踪来监控考生在自己家中的情况。报名时，考生还必须同意与第三方共享个人数据，计划将此与同"相关机构"的合作挂钩。根据政府力争今年建立的法律依据，被指定为TOPIK研究机构的大学将获得考试数据用于其研究。

计划并未说明构建该系统的公司是否会看到考生的答案、录音或面部数据，也未说明这项强制同意涵盖哪些第三方。

韩国在此方面已有先例。在一项于2021年结束的项目中，法务部和科学技术信息通信部允许私营公司使用出入境面部照片训练AI。个人信息保护监管机构后来发现，这些公司使用了近1.8亿条记录，其中1.2亿条属于外国人；该机构裁定这一安排属于合法的数据处理外包，并仅因法务部未披露公司名称而对其处以₩100万的罚款。2026年2月，宪法法院以项目已结束为由驳回了相关诉讼，并补充称宪法并未创设禁止使用此类数据训练AI的义务。

谁来构建评分系统

预算的大部分将用于从2028年开始构建系统并开发其AI。在₩235亿的总预算中，这部分占了₩230亿，而战略规划将在2027年先行推出。在韩国，此类系统是通过公开招标由私营承包商构建的。

截至2025年12月，原计划仍是由一家企业出资并运营该考试。2024年，政府选定了一个由Naver牵头的财团开展一项民间投资项目，根据该项目，该企业本将承担约₩3440亿的费用，并从考试收入中收回成本。韩语教师和工会开展了反对活动，2025年12月，政府取消了这一安排，并将该项目纳入自身预算。虽然全面私有化已不复存在，但将由私营公司开发的AI评分却在这次转变中保留了下来。

计划中没有提及谁将构建该系统，也没有提及将使用哪种AI模型。处于领先地位的模型是美国开发的，但该计划将平台部署在政府自己的云端，这使得将未公开的试题和考生的答案发送给外国AI服务变得不大可能。大多数可以在本地私有化运行的最强模型来自中国，且在政治上属于禁忌：韩国政府各部委在2025年封禁了DeepSeek，而在2026年1月，因使用中国模型组件引发争议，Naver被移出了政府的国家AI模型项目。这样就只剩下了韩国本土模型。负责高考（修能）命题的机构已经聘请了韩国AI公司Upstage来为高考英语构建试题编写系统，但对作文和口语进行评分是一项比编写新试题要求高得多的任务。

模型的选择比表面上看起来更为重要。通过构建TOPIK Easy6，我们发现没有哪一个单一的AI模型能在韩语评估的每一项任务中都表现最佳，而且只有最昂贵的专有模型才具备足以实现公平评分的准确度。除此之外，一个模型在韩语上的流利程度，对它评判学习者作文的水平所能反映的出人意料地少。

教育部上一个重大AI项目提供了一个警示。2025年仅实施了一个学期后，面向学校的"AI数字教科书"就被降级为"教育资料"。监察院后来发现，该项目在没有经过协商或试运行的情况下被仓促推进，平均使用率为8.1%。

时间表与实施

改革委员会定于本月成立，并计划在今年晚些时候征集新试题。2027年6月，该委员会将公布新的考试设计。政府也将在那一年制定其AI战略，并开始构建题库和收集AI训练数据。

2028年，AI平台将在政府云上构建，改版后新考试的试行考试将在韩国及海外举行。新的TOPIK定于2029年生效，届时AI将编写试题并评判答案，针对较低等级的居家考试试行也将启动。