一句话结论：平均分只告诉你「班级怎么样」，AI 分析报告告诉你「每个学生正在发生什么、下一步做什么」。
一份 AI 班级分析报告的结构
以一次期中考试诊断为例（示例数据已脱敏）：
- AI 深度解读 · 班级发展诊断报告
- 班级整体概览：总平均分与年级对比、各学科表现稳定度、头部尖子与短板学科分布；
- 关键预警：如「数学英语两极分化风险」——离散度高于其他学科，尾部学生已完全跟不上，需预防分层扩大；
- 学科诊断：逐科给出进退步与离散度；
- 重点学生关注：进退步名单与波动归因（注意脱敏）；
- 班主任下一步动作：按优先级排序的行动清单。
两个可视化视图
学科对比：两次考试各学科的得分率与排名变化并列呈现，哪科在退步一图看清。
班级画像：按「优势学科 / 待发展学科」把学生落进四象限——优势学科 19 人、待发展 9 人、均衡 5 人、需关注 16 人，一目了然。
增值评价：和自己比，不只和别人比
传统评价只看绝对分位；增值评价关注每个学生相对自己过去的变化：
- 进步 5 名以上的学生，哪怕仍在中游，也值得公开表扬；
- 连续两次下滑的学生，哪怕还在前十里，也要及时介入。
万事留痕的成绩分析内置了这个视角，导入成绩自动生成。
给老师的三个提醒
- 数据是起点，不是结论——报告给出的归因要结合你平时的观察验证；
- 重点学生名单务必脱敏再流转（截图、群发前检查）；
- 每次考后只选一个行动项落地，比全做一遍更有用。