@民航局公安局，關于桌推考核的一個建議

桌推，很多安全員一提這兩個字就皺眉。有人說形式主義，有人說考的都是嘴皮子功夫，還有人干脆一句話：這玩意兒沒用。

我不這么看。

桌推當然有問題，而且問題不少。但要說它完全沒價值，那也有點情緒化了。

桌推的價值里我覺得有一個是目前其他考核替代不了的：

在具有心理壓力的環境下，逼你開口說“法言法語”。

在民航系統里干久了就知道，一個人懂不懂規則，很多時候不是看他腦子里有沒有，而是看他嘴里能不能說出來。真正的突發事件現場，沒有時間給你慢慢翻手冊。

判斷—表達—指令。

這三件事幾乎是同步發生的。而桌推其實練的就是這個能力。

但今天不聊桌推考核這事本身，這個話題太有爭議性，能寫一萬字都停不下來。我想聊的是另一件事。

桌推的評分方式。

現在的評分模式，說白了很傳統。

兩三個考官，一群考生。

考生回答，考官打分。

看起來很正常，但里面有問題。

人類的評分是不穩定的

不是因為考官不專業，而是因為人類的大腦本來就不適合干這種高強度重復評分的活。

心理學有個很經典的數據。在人連續做同一種判斷任務，45分鐘以后，人類判斷準確率平均下降20%左右。如果任務復雜一點，下降幅度會更大。

桌推考試什么場景？

考官一坐就是一整天，幾十個考生輪流說，同樣的題型反復聽。

哪怕再敬業的考官，注意力都會波動。這是神經系統決定的，不是態度問題。

更現實一點，一天如果考60個人。5人一組每次回答20分鐘。考官至少要聽240分鐘。

不是純聽，還要判斷，還要記分。差不多至少四個小時高強度認知任務。

你覺得評分會穩定嗎？

希望不大。

人類的評分天然有主觀性

哪怕評分表寫得再細。比如一個典型的桌推題，得分點可能是五個。

• 是否性質判斷準確

• 是否引用對了法條

• 是否完整提出了處置措施

• 是否符合流程

• 表達是否清晰

問題來了。

考生如果回答順序亂一點呢？或者說話不太流利呢？或者用了不同表述呢？

有的考官會給分，有的不會。這不是誰對誰錯，是人腦在做“語義匹配”。而人腦做語義匹配，本質上是模糊算法。所以每次桌推考試之后，總會有一些聲音。

“這分怎么打的？”

“為什么他能過我不能？”

“是不是看人下菜？”

很多時候其實不是有壞人在里面，只是評分系統本身不穩定。

還有一個很有意思的現象

其實有不少考官是在幫考生找得分點。不是故意放水，是人的共情機制在起作用。

當你面對一個緊張的考生，看著他努力表達，你的大腦會自動去理解他的意思。于是就會出現一個現象。

考生說了一大堆，考官在腦子里翻譯：

“哦，他其實是想表達這個。”

然后給分。

這叫善意解釋原則，法律界很常見。但在考試里，這就會帶來一個奇怪的副作用。

考生開始“掃射式回答”。

不管題目問什么，先把自己知道的都說一遍。法條、程序、職責、注意事項。

像機關槍一樣掃一圈，賭一個概率。只要踩中兩個得分點，就不虧。于是考試慢慢變成了一種策略游戲。

誰會說，誰會拖時間，誰會堆答案。

有時候反而得分比真正理解問題的人還高。

這事兒你要說完全沒有。

那是自欺欺人。

解決方案是AI

問題說完了，解決方案其實也不復雜。

AI評分。

桌推用AI評分的技術門檻其實不高，桌推考試評分本質上只有兩件事。

語音識別+語義識別。

現在的語音識別準確率是多少？普通話環境下，主流模型識別率已經在95%以上。再配個行業詞庫，像“非法干擾行為”“客艙失壓”“應急處置程序”這種術語之后，識別率更高。

語義識別更簡單，因為桌推的答案其實是結構化的。

一個題目，對應幾個關鍵語義節點。

舉個例子。

題目：發現旅客攜帶疑似危險物品。

關鍵語義節點可能是：

• 報告機組

• 控制現場

• 防止擴散

• 依法處置

• 引用相關法規

AI只需要做一件事，判斷這些語義有沒有出現，出現幾個，順序對不對，邏輯是否沖突，然后打分。

AI會不會誤判？

當然會。

但關鍵不是“有沒有誤差”，關鍵是誤差是否穩定。人類評分的誤差是隨機的。

今天高，明天低。這個考官松一點，那個考官嚴一點。

而AI的誤差是可量化的。

模型訓練一萬次，測試一千次。誤差率多少，一清二楚。而且還能不斷優化。

這就是算法的優勢，穩定。

再說一個很多人忽略的點

其實好的點子很多，但不一定都能落地。

因為你要改變一個事物的時候，背后會牽扯出很多千絲萬縷的利益和現有資源的配置問題。這些都會影響你點子到底能不能落地執行。

但AI評分這事其實很好落地，就是因為它只是優化了考核方式，而不會去觸碰其他更復雜的東西。

現在考官在桌推里的角色是兩個：監考+評分。

如果引入AI評分，監考依然需要考官。

而關于評分，考官會退到第二道防線，成為現場異議的最終裁決者。

如果考生對AI評分有異議，可以申請復核，由考官進行最終判斷。

這其實更合理，人類更適合做復雜判斷，不適合做重復勞動。

從系統角度看，這件事還有個好處

數據沉淀。

每一場桌推考試都會產生大量語音數據。如果全部結構化存儲，幾年下來會形成一個巨大的訓練庫。

能干什么？能干很多。

比如分析考生的表達結構，分析常見錯誤，優化題庫設計。甚至可以反過來改進培訓。

這才是系統思維。

考試不是終點。

是數據入口。

當然，現實一定會有阻力

有人會說：

AI不懂現場，AI沒有經驗，AI不理解語境。

聽起來很有道理，但邏輯上有個漏洞。

桌推本來就不是現場。它本來就是一個結構化表達考試。如果一個答案需要靠“理解語氣”才能得分，那說明評分標準本身就有問題。

考試應該測能力。

不是測考官的理解力。

現在很多行業都在做AI評分。雅思口語，托福口語，客服質檢。這些系統每天處理的語音量，比桌推考試大幾個數量級。技術早就成熟了，民航如果連這種規模的應用都不敢嘗試。

那就有點保守過頭了。

最后說句可能不太討喜的話

很多制度之所以幾十年沒變。不是因為它最優，只是因為改它的人需要承擔責任。

而不改，是沒有責任的，這叫制度慣性。

但技術一旦成熟，這種慣性遲早會被打破。桌推評分這件事，其實就是個小切口。它不改變培訓體系，不改變考試結構，甚至不改變人員配置。

只是把評分這一步，從人腦換成算法。優化一個節點，系統效率就會提升一截。

說了這么多，其實核心就一句話。

讓機器干機器該干的事，讓人干人該干的事。

全文完，如果覺得不錯請關注與三連。