大学正在快速制定生成式人工智能政策。这是必要的,但政策本身不足以解决学术诚信问题。学生使用人工智能的决定并不是在真空中作出;他们面对期限、家庭期望、同伴规范,以及大量声称“大家都在用”和“不会被发现”的网上信息。
如果我们只把回应集中在监控与处分,便可能忽略令滥用人工智能变得合理或必要的环境。更有效的做法,是把人工智能诚信视为教育问题:学生需要清晰界线,也需要实际能力去抵抗压力、核实信息,并在不外包学习的情况下使用人工智能。
压力会改变行为
不少学生承受强烈的成绩压力。成绩可能联系到奖学金、家庭期望、专业入门,甚至自我价值。在这种情况下,人工智能很容易由学习工具变成逃避压力的捷径。
这并不是为学术不诚实开脱,但能解释为何单靠一句“不要使用人工智能”并不足够。学生需要在危机出现前明白什么是负责任使用,而评估设计也应让学习过程可见,而不只是奖励一份漂亮的最终答案。
同伴规范很重要
学生也会观察彼此。当同学说人工智能使用很普遍、不会被发现或没有问题时,非正式的同伴规范可能比官方政策更有影响力。一项关于生成式人工智能与学术作弊的研究指出,同伴影响是人工智能相关作弊行为的重要预测因素。
因此,教师需要更公开地与学生讨论这个议题。如果我们回避讨论,学生群体便会自行制定规则。清晰的课堂讨论可帮助学生区分合理支持与错误呈现自己能力的做法。
错误信息令问题更复杂
网上环境加入了另一层风险。社交媒体、论坛和科技内容创作者有时会把人工智能滥用描述成聪明策略,而不是学术风险。有些内容夸大人工智能能力、低估检测系统,或推广避开评估保障的方法。
学生因此可能形成错误安全感。问题不只是学生能够使用人工智能工具,而是他们也能接触到具说服力、但可能错误的人工智能使用建议。
核实已成为核心学术能力
人类核实不只适用于学生。2026 年,南非通信与数字技术部因草案中出现虚构及未经核实的来源,撤回一份国家人工智能政策草案。这是一个很有用的教学案例:人工智能生成文字可以看起来很权威,但其中的引用或事实可能经不起检查。
对高等教育而言,信息很直接。人工智能可以支持草拟、摘要与构思,但责任仍在作者身上。所有事实陈述、引用与建议,在用于学术或专业工作前都必须核实。
从检测走向教育
检测与纪律程序仍然有其位置,特别是学生有意把人工智能生成内容冒充为自己工作时。然而,这不应是整个策略。大学需要结合政策、评估设计、学生支持与人工智能素养。
- 为每项评估清楚说明人工智能是否可用,而不是只依赖一般课程声明。
- 在允许使用人工智能时,要求学生记录过程、来源、提示语、核实步骤及自己的贡献。
- 使用有缺陷的人工智能输出,包括虚构引用,作为核实训练。
- 直接讨论同伴压力,以及“大家都在做”思维的风险。
- 把部分评估设计成口头解释、分阶段提交、实作表现或反思性辩护。
对学生更诚实的信息
最合理的信息不是人工智能在所有情况都被禁止,也不是学生可以无限制使用。更准确的说法是:人工智能可以有用,但它不能取代学生学习、思考、核实及诚实交代自己工作的责任。
人工智能时代的学术诚信,不应只依赖事后检测每一次滥用,而要建立一种让学生在越界前已明白界线的学习文化。