亟待定标准！勿让“测AI率”沦为“开盲盒”——毕业论文“AI率检测”调研报道之三

　　光明日报记者 晋浩天 姚晓丹 杨飒

　　论文AI率检测的种种乱象，带给师生们的不仅有现实困扰，更有深层追问。

　　“面对不同平台差距悬殊的检测结果，‘学术诚信’究竟该怎么衡量？当AI已能撰文、制表、提炼观点，论文的‘原创’边界在哪里？‘优秀’又该如何定义？”山西省某高校学生刘斌反复思量。

　　在光明日报连续推出的毕业论文“AI率检测”调研报道网页评论区里，网友们纷纷发问：“关键在于指标真的科学吗？”“AI率的标准谁来定、是什么？”“标准不明确，‘测AI率’岂不成了‘开盲盒’？”……

　　这些提问，指向的是一个日益紧迫的问题——AI时代，该怎样精准评价学术论文质量？如何锻造一把能够准确度量学术诚信与真实能力的“新标尺”？

　　“AI可以是‘脚手架’，但不能成为‘代笔者’”

　　厘清辅助与不端的边界

　　山东省某高校文学院教师赵芳连续多年指导学生的毕业论文。最近几年，她真切感受到，学生使用AI辅助完成论文已成普遍现象。整理文献、梳理逻辑、润色语言、翻译辅助……这些学术场景中，AI的身影无处不在。

　　这也导致了一个学术认知“模糊地带”的出现——“AI使用”与“学术不端”的界限究竟在哪里？

　　华东师范大学国家教育宏观政策研究院副研究员卢威认为：根本性的判断尺度是知识增量。“研究工作的根本目的，在于获取不同形式的知识增量——包括提出新问题、发现新事实、总结新规律、创造新方法、为理论提供新证据，等等。如果这些核心工作是研究者本人完成的，只是将AI作为辅助工具，那么大体上算是遵循了学术规范；反之，便可认为存在学术不端。”

　　郑州大学马克思主义学院博士生张晓彤正在进行“AI环境下高校科研诚信问题”的项目研究。她认为，判定学生使用AI是否构成学术不端，关键要看研究和论文写作过程中的“认知主导权”是否掌握在学生手里。

　　“若核心观点、研究设计、材料判断和结论凝练由学生自主完成，并对AI使用作必要说明，一般应视为合规辅助。相反，若将上述环节交由AI完成或对AI生成内容不加判断原样照搬，甚至刻意隐瞒使用痕迹，就已超出了工具辅助的合理边界。”张晓彤说。

　　她建议，AI率检测应从结果检验转向过程审查，重点考查学生是否真实参与研究过程，能否解释论文中的概念、方法、数据与结论，是否对AI生成内容进行了核验、修正并承担责任。“AI可以是‘脚手架’，但不能成为‘代笔者’；可以辅助表达，但不能替代思考；可以提升效率，但不能转移责任。”

　　南开大学周恩来政府管理学院教授陈超认为，必须警惕AI率检测工具本身的复杂性和对学术秩序的潜在破坏。“不同的工具在算法设置、权重分配、认定标准等方面存在较大差异，本身就可能蕴含功利目标，甚至成为一种垄断手段。”他提醒，在此情况下，仅靠学者自律、个别监督或AI查重都难以应对挑战，必须找到有效路径，综合施策加以防范。

　　勿将AI率和学术不端程度“画等号”

　　贵在保持独立思考与学术负责

　　更深一层的追问是：当AI可以辅助生成论文时，什么才算作学生的核心智力贡献？

　　卢威认为，论文的原创性或将被重新定义，而对于尚在接受学术训练的学生来说，“更应强调本人提出、分析和解决问题的基本功，重在评价其研究和创新能力”。

　　张晓彤将学生的核心智力贡献拆解为三个维度——一是问题提出与框架设计：能否基于现实问题、学术空白或已有研究不足，提出有价值、可研究、边界清晰的问题，这是判断论文原创性的起点；二是方法执行与材料处理：是否真实参与该项研究的资料获取、数据清洗和情境判断等环节，这是判断学术能力的重要依据；三是批判性分析与论证能力：能否识别AI写作中的偏差与不足，对观点进行比较、修正、整合，形成有说服力的解释，这体现的是更高层次的元认知能力。

　　“因此，不能简单地将AI率和学术不端程度‘画等号’。判断学生的原创能力不是看其用不用AI，而是看其能否在工具参与下仍保持独立思考、深度理解和学术负责。”她主张。

　　辽宁大学高等教育研究所研究员高明将原创性归结为“主体性贡献”。“过去原创性多指向文本的新颖表达，但在AI能快速生成文本的当下，仅凭文字相似度来区分已远远不够。”他指出，真正的原创性，主要体现在研究过程中的三个方面：“问题意识，即能否提出有现实价值、理论意义的问题；研究过程，即能否独立完成资料搜集、方法设计、案例分析、实验执行或田野调查；判断能力，即能否对材料、数据和结论进行批判性分析，形成有依据、合逻辑、负责任的学术判断。”

　　“AI率只能作为风险提示，不能视作最终依据”

　　构建可信可行的学术评价体系

　　旧尺已难量新衣。那么，AI时代可信且可行的学术评价体系该如何构建？

　　杭州师范大学中国创新创业教育研究院教授罗志敏从技术、评价、制度、教育四个维度给出系统方案——

　　“在技术应用方面，不应过度依赖某一AI率检测平台，而应重视版本历史、草稿演进、修改记录、数据来源、AI交互日志等过程性材料，以可溯源的过程证据对单一结果式判定进行补充和校正；在论文评审方面，要改革以往的‘重成品、轻过程’模式，通过开题、中期检查和毕业答辩，要求学生解释关键概念、复现推理过程、说明AI的使用环节，判断其是否真正掌握论文内容；在AI使用规范方面，要结合学术伦理与学科特点，构建‘允许使用、标注使用、审批使用、严禁使用’的分级规范体系，如格式整理、翻译辅助可允许使用，虚构文献、伪造数据应明确禁止；在教育引导方面，高校需将AI素养、学术伦理、引用规范等纳入常态化人才培养，帮助学生尽早建立正确的AI使用认知。”

　　在此基础上，他勾勒出一条多方协同的评价路径：“可由教育主管部门出台大学生论文AI使用与学术规范指导性框架，建立健全学术判定申诉、复核机制，杜绝片面判定、随意判定。高校需细化AI工具使用负面清单与正面规范，全面推行AI使用强制披露制度，要求学生如实标注所用工具、使用环节、应用范围，并说明对AI生成内容的核验、修正情况。教师应在选题、研究设计、论证撰写等各环节全程介入，指导学生规范使用AI工具。AI率检测平台与机构须持续优化算法，提升检测结果稳定性、准确性与适配性，并在必要范围内公开检测逻辑与判定依据。”

　　“AI率只能作为风险提示，不能视作最终依据。可信标准应由高校、教师、学生与技术平台共同建设。”高明与罗志敏的思路一致。“唯有建立以过程证据为基础、以学术能力为核心、以技术检测为辅助的综合评价体系，方能守住学术诚信底线，推动大学教育回归育人本质。”

　　卢威认为，和构建评价指标体系同样重要的，是规范操作流程。“要制定适应AI时代的研究工作评价程序，譬如应加强现场答辩。”他提出，长期以来，高校学术评价体系更重视专家评阅，答辩有时流于形式。但在AI时代，通过现场对话来判断研究者是否诚信、对研究成果有多大贡献，往往效果更好。

　　陈超则从顶层设计的角度发出呼吁：“期待由相关政府部门牵头，联合高校、科研院所、AI企业、行业协会、新闻媒体等，形成治理网络，共同制定行业国家标准，监督和引导人工智能软件的合规使用，形成大监管合力，锻造AI文化自觉。”

　　《光明日报》（2026年05月29日 08版）