論文AI率檢測的種種亂象，帶給師生們的不僅有現實困擾，更有深層追問。

“面對不同平台差距懸殊的檢測結果，‘學術誠信’究竟該怎麼衡量？當AI已能撰文、制表、提煉觀點，論文的‘原創’邊界在哪裡？‘優秀’又該如何定義？”山西省某高校學生劉斌反復思量。

在本報連續推出的畢業論文“AI率檢測”調研報道網頁評論區裡，網友們紛紛發問：“關鍵在於指標真的科學嗎？”“AI率的標准誰來定、是什麼？”“標准不明確，‘測AI率’豈不成了‘開盲盒’？”……

這些提問，指向的是一個日益緊迫的問題——AI時代，該怎樣精准評價學術論文質量？如何鍛造一把能夠准確度量學術誠信與真實能力的“新標尺”？

“AI可以是‘腳手架’，但不能成為‘代筆者’”

厘清輔助與不端的邊界

山東省某高校文學院教師趙芳連續多年指導學生的畢業論文。最近幾年，她真切感受到，學生使用AI輔助完成論文已成普遍現象。整理文獻、梳理邏輯、潤色語言、翻譯輔助……這些學術場景中，AI的身影無處不在。

這也導致了一個學術認知“模糊地帶”的出現——“AI使用”與“學術不端”的界限究竟在哪裡？

華東師范大學國家教育宏觀政策研究院副研究員盧威認為：根本性的判斷尺度是知識增量。“研究工作的根本目的，在於獲取不同形式的知識增量——包括提出新問題、發現新事實、總結新規律、創造新方法、為理論提供新証據，等等。如果這些核心工作是研究者本人完成的，只是將AI作為輔助工具，那麼大體上算是遵循了學術規范﹔反之，便可認為存在學術不端。”

鄭州大學馬克思主義學院博士生張曉彤正在進行“AI環境下高校科研誠信問題”的項目研究。她認為，判定學生使用AI是否構成學術不端，關鍵要看研究和論文寫作過程中的“認知主導權”是否掌握在學生手裡。

“若核心觀點、研究設計、材料判斷和結論凝練由學生自主完成，並對AI使用作必要說明，一般應視為合規輔助。相反，若將上述環節交由AI完成或對AI生成內容不加判斷原樣照搬，甚至刻意隱瞞使用痕跡，就已超出了工具輔助的合理邊界。”張曉彤說。

她建議，AI率檢測應從結果檢驗轉向過程審查，重點考查學生是否真實參與研究過程，能否解釋論文中的概念、方法、數據與結論，是否對AI生成內容進行了核驗、修正並承擔責任。“AI可以是‘腳手架’，但不能成為‘代筆者’﹔可以輔助表達，但不能替代思考﹔可以提升效率，但不能轉移責任。”

南開大學周恩來政府管理學院教授陳超認為，必須警惕AI率檢測工具本身的復雜性和對學術秩序的潛在破壞。“不同的工具在算法設置、權重分配、認定標准等方面存在較大差異，本身就可能蘊含功利目標，甚至成為一種壟斷手段。”他提醒，在此情況下，僅靠學者自律、個別監督或AI查重都難以應對挑戰，必須找到有效路徑，綜合施策加以防范。

勿將AI率和學術不端程度“畫等號”

貴在保持獨立思考與學術負責

更深一層的追問是：當AI可以輔助生成論文時，什麼才算作學生的核心智力貢獻？

盧威認為，論文的原創性或將被重新定義，而對於尚在接受學術訓練的學生來說，“更應強調本人提出、分析和解決問題的基本功，重在評價其研究和創新能力”。

張曉彤將學生的核心智力貢獻拆解為三個維度——一是問題提出與框架設計：能否基於現實問題、學術空白或已有研究不足，提出有價值、可研究、邊界清晰的問題，這是判斷論文原創性的起點﹔二是方法執行與材料處理：是否真實參與該項研究的資料獲取、數據清洗和情境判斷等環節，這是判斷學術能力的重要依據﹔三是批判性分析與論証能力：能否識別AI寫作中的偏差與不足，對觀點進行比較、修正、整合，形成有說服力的解釋，這體現的是更高層次的元認知能力。

“因此，不能簡單地將AI率和學術不端程度‘畫等號’。判斷學生的原創能力不是看其用不用AI，而是看其能否在工具參與下仍保持獨立思考、深度理解和學術負責。”她主張。

遼寧大學高等教育研究所研究員高明將原創性歸結為“主體性貢獻”。“過去原創性多指向文本的新穎表達，但在AI能快速生成文本的當下，僅憑文字相似度來區分已遠遠不夠。”他指出，真正的原創性，主要體現在研究過程中的三個方面：“問題意識，即能否提出有現實價值、理論意義的問題﹔研究過程，即能否獨立完成資料搜集、方法設計、案例分析、實驗執行或田野調查﹔判斷能力，即能否對材料、數據和結論進行批判性分析，形成有依據、合邏輯、負責任的學術判斷。”

“AI率只能作為風險提示，不能視作最終依據”

構建可信可行的學術評價體系

舊尺已難量新衣。那麼，AI時代可信且可行的學術評價體系該如何構建？

杭州師范大學中國創新創業教育研究院教授羅志敏從技術、評價、制度、教育四個維度給出系統方案——

“在技術應用方面，不應過度依賴某一AI率檢測平台，而應重視版本歷史、草稿演進、修改記錄、數據來源、AI交互日志等過程性材料，以可溯源的過程証據對單一結果式判定進行補充和校正﹔在論文評審方面，要改革以往的‘重成品、輕過程’模式，通過開題、中期檢查和畢業答辯，要求學生解釋關鍵概念、復現推理過程、說明AI的使用環節，判斷其是否真正掌握論文內容﹔在AI使用規范方面，要結合學術倫理與學科特點，構建‘允許使用、標注使用、審批使用、嚴禁使用’的分級規范體系，如格式整理、翻譯輔助可允許使用，虛構文獻、偽造數據應明確禁止﹔在教育引導方面，高校需將AI素養、學術倫理、引用規范等納入常態化人才培養，幫助學生盡早建立正確的AI使用認知。”

在此基礎上，他勾勒出一條多方協同的評價路徑：“可由教育主管部門出台大學生論文AI使用與學術規范指導性框架，建立健全學術判定申訴、復核機制，杜絕片面判定、隨意判定。高校需細化AI工具使用負面清單與正面規范，全面推行AI使用強制披露制度，要求學生如實標注所用工具、使用環節、應用范圍，並說明對AI生成內容的核驗、修正情況。教師應在選題、研究設計、論証撰寫等各環節全程介入，指導學生規范使用AI工具。AI率檢測平台與機構須持續優化算法，提升檢測結果穩定性、准確性與適配性，並在必要范圍內公開檢測邏輯與判定依據。”

“AI率只能作為風險提示，不能視作最終依據。可信標准應由高校、教師、學生與技術平台共同建設。”高明與羅志敏的思路一致。“唯有建立以過程証據為基礎、以學術能力為核心、以技術檢測為輔助的綜合評價體系，方能守住學術誠信底線，推動大學教育回歸育人本質。”

盧威認為，和構建評價指標體系同樣重要的，是規范操作流程。“要制定適應AI時代的研究工作評價程序，譬如應加強現場答辯。”他提出，長期以來，高校學術評價體系更重視專家評閱，答辯有時流於形式。但在AI時代，通過現場對話來判斷研究者是否誠信、對研究成果有多大貢獻，往往效果更好。

陳超則從頂層設計的角度發出呼吁：“期待由相關政府部門牽頭，聯合高校、科研院所、AI企業、行業協會、新聞媒體等，形成治理網絡，共同制定行業國家標准，監督和引導人工智能軟件的合規使用，形成大監管合力，鍛造AI文化自覺。”

(記者 晉浩天 姚曉丹 楊颯)