作業(yè)95%由AI生成，老師能給不及格嗎？

學(xué)生用AI寫作業(yè)、寫論文已勢不可擋。教師不講規(guī)則就懲罰正當(dāng)嗎？如何用AI才不算剽竊？才能“促進學(xué)習(xí)”而不是“替代思考‘’？琢磨該如何教學(xué)生正當(dāng)使用AI不是計算機老師的專屬任務(wù)，而是每一位教師都需要面對的挑戰(zhàn)。

撰文|張藝瓊（廣東外語外貿(mào)大學(xué)）

開學(xué)季該給學(xué)生講什么？

在過去，這個問題并不難回答：課程要求、評分方式、研究方法等一套關(guān)于“如何學(xué)習(xí)”的說明書。但如今，如果不先談 AI使用，學(xué)期末很可能會上演下面這個劇本。

期末論文收上來，扔進檢測軟件，顯示機器生成概率 95%。 想給不及格，但如今一切都要走流程，要在成績欄里輸入不及格還得先報備 課程負(fù)責(zé)人 。

負(fù)責(zé)人 按住：“使不得！現(xiàn)在學(xué)生都是‘維權(quán)小能手’，你這分打下去，期末就成信訪現(xiàn)場。”

領(lǐng)導(dǎo)定調(diào)：

“沒有百分之百合法的證據(jù)，不能給不及格。”

于是，不及格變成了6 0 分。

學(xué)生卻理直氣壯地質(zhì)疑：

“你憑什么說是AI生成的？一個不會用 AI的大學(xué)生，是沒有未來的 ！ ”

所幸，AI還沒學(xué)會替人類申訴，學(xué)生們還不曉得具有殺傷力的維權(quán)話術(shù)該是：

“你又沒教過我們 該怎么用AI。”

盡管現(xiàn)實已經(jīng)有厲害的學(xué)生這么做了。

2024 年，一位麻省理工學(xué)院的學(xué)者在國際人工智能會議的主題演講中提到：一名因用 AI 篡改研究結(jié)果而被開除的中國學(xué)生，在公開回應(yīng)中 辯解的理由是：“ Nobody at my school taught us morals or values.”

這句話的殺傷力，不在技術(shù)層面，而在程序正義層面。

幾個本不該出現(xiàn)在期末評分現(xiàn)場的問題被同時拋了出來：

規(guī)則沒有講過，能不能判罰？

檢測報告算不算證據(jù)？

“輔助寫作”到底算不算抄襲？

AI 代寫作業(yè)的學(xué)術(shù)不端該如何認(rèn)定？

這些問題所觸及的已不再是單一課程的評分標(biāo)準(zhǔn)，而是 AI 時代教育的核心命題 。

當(dāng)一種工具在速度、成本和結(jié)果穩(wěn)定性上都顯著優(yōu)于人力時，不用是反人性的。用，是必然的。那該怎么用呢？

在討論學(xué)生的 AI 使用中 一個常見的誤區(qū)，是把問題簡化為“用沒用”或“用了多少”。但事實上，更重要、也更難判斷的 關(guān)鍵是 AI 是替你完成了任務(wù)，還是幫你推進了思考 。近兩年的 AI 素養(yǎng)研究反復(fù)強調(diào)，教育的重點不在于禁止工具，而在于幫助學(xué)生理解技術(shù)的功能、局限與風(fēng)險，發(fā)展判斷技術(shù)角色與邊界的能力。只有在這種訓(xùn)練之下，AI 才可能成為認(rèn)知工具，而非替代思考的捷徑（Ngo & Hastie, 2025）。

要判斷AI是否幫助學(xué)生推進思考的一個核心概念是 作者性（authorship） 。作者性并不等同于親手敲下每一個字，而體現(xiàn)在 寫作者能否掌控文本的立場、判斷與責(zé)任 。在學(xué)術(shù)寫作中，作者性意味著寫作者能夠在文本中“站出來”，對所提出的觀點負(fù)責(zé)，并在既有話語中為自己定位（ Ivani ? , 1998）。

在日常的教學(xué)實踐中，作者性往往是通過反剽竊機制被動呈現(xiàn)的，因此被理解為文本來源的合法性問題，而非認(rèn)知責(zé)任的歸屬問題。我們傾向于將剽竊簡單理解為一種道德問題，卻忽視了許多被英語學(xué)術(shù)共同體判定為“剽竊”的行為與學(xué)術(shù)寫作規(guī)范的文化性及其習(xí)得過程密切相關(guān)。

作者如何理解“什么是作者”、“文本是否屬于個人”，以及學(xué)術(shù)寫作中應(yīng)如何呈現(xiàn)自我等議題直接影響他們在引用、改寫和借用他人表達時的具體做法（ Scollon, 1995）。因此，剽竊并不能簡單歸結(jié)為道德問題，而是一種需要通過教學(xué)逐步澄清的寫作規(guī)范（Pennycook, 1996）；學(xué)習(xí)者的文本借用等行為可能反映的是學(xué)術(shù)寫作社會化的過渡階段，而非有意的學(xué)術(shù)不端（Chandrasoma et al., 2004）。

剽竊問題對中國學(xué)生尤為具有挑戰(zhàn)性。我們應(yīng)該都有記憶，從小就被鼓勵 “引用名家名言”。語文老師常表揚：“小明的作文很棒，用上了課本的好詞好句！”只要用了，老師就會覺得好，但不會要求我們區(qū)分哪些話是自己的，哪些話是別人的，更不會要求逐條標(biāo)注出處。因此我們會認(rèn)為，用上記憶中的好詞好句是一種能力，而不是需要特別警惕的邊界問題。 的確， 在寫作能力發(fā)展過程中，對文本進行局部的替換、重組和模仿的確是寫作能力發(fā)展中一種比較重要 的過渡性實踐（ Howard, 1995）。

針對中國學(xué)習(xí)者的實證研究也顯示，本科生和研究生對剽竊的理解與判斷都明顯受學(xué)術(shù)社會化程度影響；相關(guān)問題多集中在規(guī)范不清、訓(xùn)練不足以及對“引用”與“改寫”邊界的誤解上（ Hu & Lei, 2015）。因此，研究普遍呼吁將應(yīng)對重點從事后懲罰轉(zhuǎn)向前置、系統(tǒng)的寫作教學(xué)，幫助學(xué)生在實踐中逐步形成對作者性與學(xué)術(shù)規(guī)范的判斷能力。

連‘剽竊’這一前AI 時代的實踐我們都沒有教清楚，就不能指望學(xué)生在 AI 時代自動守住新的邊界。更 難的是，這一次面對的不是一個可以被識別和追蹤的“他者”，而是一個不承擔(dān)責(zé)任的生成系統(tǒng)，作者性的邊界因此變得更加模糊。

學(xué)生在 AI 面前的越界，并不全是個人道德問題，而是我們長期把許多關(guān)鍵判斷留給“學(xué)生自己會懂”的結(jié)果。AI 的出現(xiàn)讓這種默認(rèn)變得不可持續(xù)。與其在一次次質(zhì)疑中消耗彼此，不如承認(rèn)這是一個必須被重新教學(xué)的問題：如何在工具高度智能化的環(huán)境中，依然站穩(wěn)作者的位置。

作者性是 AI 素養(yǎng)培養(yǎng)的核心，其本質(zhì)是一種認(rèn)知責(zé)任的判斷能力：在完成任務(wù)時，界定哪些關(guān)鍵認(rèn)知必須由學(xué)習(xí)者親自承擔(dān)，哪些執(zhí)行性環(huán)節(jié)可以交由技術(shù)輔助（Ngo & Hastie, 2025; UNESCO, 2024）。在這一視角下，作者性不再是抽象的倫理要求，而轉(zhuǎn)化為學(xué)習(xí)過程中的操作性問題 ： 我的核心判斷與獨特印記是否始終在場？ 只要這一點得以保留，技術(shù)的介入就不會消解作者性。

為了讓這一判斷在課堂中更容易被理解和執(zhí)行，我認(rèn)為在實踐中一個很關(guān)鍵又可行的區(qū)分是 AI到底是在支撐（scaffold）作者完成寫作，還是取代 (substitute) 作者完成寫作 。這兩者的學(xué)習(xí)與倫理后果完全不同。

一

學(xué)習(xí)支架：AI 在“旁邊”，作者在“中間”

所謂學(xué)習(xí)支架，指的是 AI 支持作者完成他們表達的任務(wù)，而不是代替他們完成任務(wù)本身。在這種情況下，文本的“來源”仍然是作者，AI 只是幫助他們更好地表達、理解或修正。典型的支架型用法包括：

語言層面的支持：比如檢查語法、調(diào)整句子順序、提供多種表達方案供學(xué)生選擇。這類用法并不決定“寫什么”，只影響“怎么說”，作者依然需要判斷哪種表達最符合自己的意思。

結(jié)構(gòu)與體裁提示：例如詢問一篇書評 通常包含哪些部分，或一段 討論 應(yīng)該如何展開。這相當(dāng)于 查詢 寫作指南或請教老師，而不是直接獲得答案。

理解與澄清：作者用 AI 幫助理解寫作要求、學(xué)術(shù)概念或反饋意見，然后再自行完成寫作。這類用法的產(chǎn)出仍然是作者的理解，而非 AI 的文本。

這些用法的共同特征是，沒有 AI，作者寫得可能更慢、更不順，但仍然寫得出來。在這種情況下，作者性不僅沒有被削弱，反而可能被強化，因為作者更清楚自己在表達什么。

二

替代寫作：AI 站到“前臺”，作者退到“后臺”

真正的問題出現(xiàn)在 AI接管寫作。典型的替代型用法包括：

直接讓 AI 生成整篇或整段作業(yè)，用 AI 生成論點、例子與結(jié)論，而作者只是微調(diào)措辭，用 AI 自動“改寫”原文，卻并不理解改寫后的差異，用 AI 補充引用與論證來“撐起”一個作者尚未想清楚的觀點。

在 AI深度介入的寫作中，一種危險的異化正在發(fā)生：作者從負(fù)責(zé)的“認(rèn)知主體”蛻變?yōu)楸粍拥摹安僮髦黧w”。他們完成了拼接、修飾與提交的“操作任務(wù)”，卻將文本的邏輯、立場與依據(jù)等“認(rèn)知任務(wù)”讓渡給了不可控的算法。其產(chǎn)物或許形式完備，甚至語言優(yōu)美，但因作者對其內(nèi)核失去了理解與掌控，學(xué)術(shù)最根本的“責(zé)任鏈條”在此斷裂。

近期香港高校論文中出現(xiàn)的 AI生成虛假文獻 事件 之所以 屬于 學(xué)術(shù)不端，主要在于作者放棄了對內(nèi)容的最終審查與擔(dān)保，交出了自己的“作者性”。文章已經(jīng)不能作為作者認(rèn)知能力與學(xué)術(shù)信譽的可靠憑證。

總體而言，判斷AI 是否使用過度，并不在于文章寫得如何，而在于能力是否能夠遷移。如果換一道題、關(guān)掉 AI，作者仍然能夠調(diào)動并運用在寫作中學(xué)到的策略，這樣的 AI 使用是在輔助學(xué)習(xí)；但如果一旦離開 AI，寫作失序、論證無法展開、表達無從下筆，那么 AI 實際上已經(jīng)承擔(dān)了本該由作者完成的認(rèn)知工作，就屬于過度的替代。

很多人以為 AI 素養(yǎng)是計算機老師的事 ，實際上它是每一位教師都需要面對的挑戰(zhàn)，因為作者性與認(rèn)知責(zé)任的界定發(fā)生在所有學(xué)科的學(xué)習(xí)過程中 。 很多教師已經(jīng)意識到 AI 正在改變學(xué)習(xí)和學(xué)術(shù)誠信，卻不知道該從哪里教起。現(xiàn)有培訓(xùn) 主要關(guān)注 “怎么用 AI 提高效率”，而不是“如何帶學(xué)生理解 AI 的局限與風(fēng)險”。 于是出現(xiàn)一種普遍困境，知道重要，卻無從下手。研究也表明，教師 普遍缺乏內(nèi)容知識 和 制度支持， 這 直接削弱他們在課堂中討論 AI 的信心（Long & Magerko, 2020；Ng et al., 2021）， 教學(xué) 最終只能回到“技術(shù)優(yōu)先、倫理靠邊”的現(xiàn)實中（Ma et al., 2025）。

我結(jié)合自己的 實踐， 提供幾點在課堂中如何在 AI 時代守住作者性的教學(xué)建議。

1. 轉(zhuǎn)換焦點：從“檢測是否使用AI”轉(zhuǎn)向“評估學(xué)習(xí)是否發(fā)生”

與其把精力放在判斷學(xué)生有沒有使用 AI，不如通過課程與課堂活動的設(shè)計，去識別學(xué)習(xí)是否真實發(fā)生。評價的關(guān)鍵不再是文本的“純凈度”，而是作業(yè)能否呈現(xiàn)學(xué)生的核心理解、獨立判斷與知識遷移能力。技術(shù)可以參與表達，但無法替代理解；教學(xué)的任務(wù)是讓學(xué)習(xí)的證據(jù)變得可見，而不是去追逐工具的痕跡。

2. 重構(gòu)過程：讓“作者性”在創(chuàng)作軌跡中呈現(xiàn)出來

在 AI可以生成完整文本的情況下，“這是我寫的”不再是作者性的充分證明。真正需要被看見的，是學(xué)生在 AI使用中 的判斷與取舍：他如何提出問題、如何組織框架、為何接受或拒絕某種表達。因此，我在任務(wù)設(shè)計中要求學(xué)生提交提綱、迭代版本與簡短的反思說明，解釋AI在何處提供了幫助、哪些內(nèi)容仍由自己決定。 當(dāng)創(chuàng)作過程變得可追溯，作者性就不再是抽象的道德要求，而成為可以學(xué)習(xí)、可以評價的能力 。

3.將AI納入對話：在學(xué)科教學(xué)中培養(yǎng)新的責(zé)任意識

與其在課堂上回避 AI，不如把它變成共同討論的對象。與學(xué)生一起探討：何時使用AI是合理的？何時把關(guān)鍵步驟交給AI會削弱思考？這種討論不以“違規(guī)”為起點，而以“學(xué)習(xí)會在何處中斷”為核心。當(dāng)出現(xiàn)使用爭議時，我更傾向于進行實踐性的解釋 ， 例如指出“如果這一部分由AI完成，你將失去哪一步關(guān)鍵的概念建構(gòu)”。 這樣， AI不再只是需要管理的風(fēng)險，而成為幫助學(xué)生理解學(xué)習(xí)本質(zhì)的契機。

后記

在本文寫作過程中，我也用了AI，它 的作用是對思考與表達的支撐（scaffolding），而非對論證與結(jié)論的替代（substitution）。因此文中的立場、關(guān)鍵判斷 以及 學(xué)術(shù)責(zé)任仍由 我 本人承擔(dān)。

參考文獻

[1] Long, D., & Magerko, B. (2020). What is AI literacy? Competencies and design considerations. In Proceedings of the 2020 CHI conference on human factors in computing systems (pp. 1-16).

[2] Ng, D. T. K., Leung, J. K. L., Chu, S. K. W., & Qiao, M. S. (2021). Conceptualizing AI literacy: An exploratory review. Computers and Education: Artificial Intelligence, 2, 100041.

[3] Ma, M., Ng, D. T. K., Liu, Z., Lin, J., & Wong, G. K. (2025). Why Don't Teachers Teach AI Ethics? Understanding Teachers’ Beliefs and Intentions in Chinese AI Curriculum Implementation Through the Theory of Planned Behaviour. Computers and Education: Artificial Intelligence, 100518.

[4] Chandrasoma, R., Thompson, C., & Pennycook, A. (2004). Beyond plagiarism: Transgressive and nontransgressive intertextuality. Journal of Language, Identity, and Education, 3(3), 171-193.

[5] Howard, R. M. (1995). Plagiarisms, authorships, and the academic death penalty. College English, 57(7), 788–806.

[6] Hu, G., & Lei, J. (2015). Chinese university students’ perceptions of plagiarism. Ethics & Behavior, 25(3), 233–255.

[7] Pennycook, A. (1996). Borrowing others’ words: Text, ownership, memory, and plagiarism. TESOL Quarterly, 30(2), 201–230. https://doi.org/10.2307/3588141

[8] Scollon, R. (1995). Plagiarism and ideology: Identity in intercultural discourse. Language in Society, 24(1), 1–28.

[9] Ngo, T. N., & Hastie, D. (2025). Artificial intelligence for academic purposes (AIAP): Integrating AI literacy into an EAP module. English for Specific Purposes, 77, 20–38.

[10] UNESCO. (2024). Guidance for generative AI in education and research. UNESCO Publishing. https://www.unesco.org ( retrieved Feb 2, 2026)

注：本文封面圖片由AI生成。

版權(quán)說明：歡迎個人轉(zhuǎn)發(fā)，任何形式的媒體或機構(gòu)未經(jīng)授權(quán)，不得轉(zhuǎn)載和摘編。轉(zhuǎn)載授權(quán)請在「返樸」微信公眾號內(nèi)聯(lián)系后臺。

往期推薦閱讀

1、

2、

3、

4、

5、

微信公眾號：考研競賽數(shù)學(xué)(ID: xwmath)大學(xué)數(shù)學(xué)公共基礎(chǔ)課程分享交流平臺！支持咱號請點贊分享！