大學正在快速制定生成式人工智能政策。這是必要的,但政策本身不足以解決學術誠信問題。學生使用人工智能的決定並不是在真空中作出;他們面對期限、家庭期望、同儕規範,以及大量聲稱「大家都在用」和「不會被發現」的網上資訊。
如果我們只把回應集中在監察與處分,便可能忽略令濫用人工智能變得合理或必要的環境。更有效的做法,是把人工智能誠信視為教育問題:學生需要清晰界線,也需要實際能力去抵抗壓力、核實資訊,並在不外判學習的情況下使用人工智能。
壓力會改變行為
不少學生承受強烈的成績壓力。成績可能連繫到獎學金、家庭期望、專業入門,甚至自我價值。在這種情況下,人工智能很容易由學習工具變成逃避壓力的捷徑。
這並不是為學術不誠實開脫,但能解釋為何單靠一句「不要使用人工智能」並不足夠。學生需要在危機出現前明白甚麼是負責任使用,而評估設計也應讓學習過程可見,而不只是獎勵一份漂亮的最終答案。
同儕規範很重要
學生也會觀察彼此。當同學說人工智能使用很普遍、不會被發現或沒有問題時,非正式的同儕規範可能比官方政策更有影響力。一項關於生成式人工智能與學術作弊的研究指出,同儕影響是人工智能相關作弊行為的重要預測因素。
因此,教師需要更公開地與學生討論這個議題。如果我們迴避討論,學生社群便會自行制定規則。清晰的課堂討論可幫助學生區分合理支援與錯誤呈現自己能力的做法。
錯誤資訊令問題更複雜
網上環境加入了另一層風險。社交媒體、討論區和科技內容創作者有時會把人工智能濫用描述成聰明策略,而不是學術風險。有些內容誇大人工智能能力、低估偵測系統,或推廣避開評估保障的方法。
學生因此可能形成錯誤安全感。問題不只是學生能夠使用人工智能工具,而是他們也能接觸到具說服力、但可能錯誤的人工智能使用建議。
核實已成為核心學術能力
人類核實不只適用於學生。2026 年,南非通訊與數碼科技部因草案中出現虛構及未經核實的來源,撤回一份國家人工智能政策草案。這是一個很有用的教學案例:人工智能生成文字可以看起來很權威,但其中的引用或事實可能經不起檢查。
對高等教育而言,訊息很直接。人工智能可以支援草擬、摘要與構思,但責任仍在作者身上。所有事實陳述、引用與建議,在用於學術或專業工作前都必須核實。
從偵測走向教育
偵測與紀律程序仍然有其位置,特別是學生有意把人工智能生成內容冒充為自己工作時。然而,這不應是整個策略。大學需要結合政策、評估設計、學生支援與人工智能素養。
- 為每項評估清楚說明人工智能是否可用,而不是只依賴一般課程聲明。
- 在允許使用人工智能時,要求學生記錄過程、來源、提示語、核實步驟及自己的貢獻。
- 使用有缺陷的人工智能輸出,包括虛構引用,作為核實訓練。
- 直接討論同儕壓力,以及「大家都在做」思維的風險。
- 把部分評估設計成口頭解釋、分階段提交、實作表現或反思性辯護。
對學生更誠實的訊息
最合理的訊息不是人工智能在所有情況都被禁止,也不是學生可以無限制使用。更準確的說法是:人工智能可以有用,但它不能取代學生學習、思考、核實及誠實交代自己工作的責任。
人工智能時代的學術誠信,不應只依賴事後偵測每一次濫用,而要建立一種讓學生在越界前已明白界線的學習文化。