作业95%由AI生成，老师能给不及格吗？

学生用AI写作业、写论文已势不可挡。教师不讲规则就惩罚正当吗？如何用AI才不算剽窃？才能“促进学习”而不是“替代思考‘’？琢磨该如何教学生正当使用AI不是计算机老师的专属任务，而是每一位教师都需要面对的挑战。

撰文|张艺琼（广东外语外贸大学）

开学季该给学生讲什么？

在过去，这个问题并不难回答：课程要求、评分方式、研究方法等一套关于“如何学习”的说明书。但如今，如果不先谈 AI使用，学期末很可能会上演下面这个剧本。

期末论文收上来，扔进检测软件，显示机器生成概率 95%。 想给不及格，但如今一切都要走流程，要在成绩栏里输入不及格还得先报备 课程负责人 。

负责人 按住：“使不得！现在学生都是‘维权小能手’，你这分打下去，期末就成信访现场。”

领导定调：

“没有百分之百合法的证据，不能给不及格。”

于是，不及格变成了6 0 分。

学生却理直气壮地质疑：

“你凭什么说是AI生成的？一个不会用 AI的大学生，是没有未来的 ！ ”

所幸，AI还没学会替人类申诉，学生们还不晓得具有杀伤力的维权话术该是：

“你又没教过我们 该怎么用AI。”

尽管现实已经有厉害的学生这么做了。

2024 年，一位麻省理工学院的学者在国际人工智能会议的主题演讲中提到：一名因用 AI 篡改研究结果而被开除的中国学生，在公开回应中 辩解的理由是：“ Nobody at my school taught us morals or values.”

这句话的杀伤力，不在技术层面，而在程序正义层面。

几个本不该出现在期末评分现场的问题被同时抛了出来：

规则没有讲过，能不能判罚？

检测报告算不算证据？

“辅助写作”到底算不算抄袭？

AI 代写作业的学术不端该如何认定？

这些问题所触及的已不再是单一课程的评分标准，而是 AI 时代教育的核心命题 。

当一种工具在速度、成本和结果稳定性上都显著优于人力时，不用是反人性的。用，是必然的。那该怎么用呢？

在讨论学生的 AI 使用中 一个常见的误区，是把问题简化为“用没用”或“用了多少”。但事实上，更重要、也更难判断的 关键是 AI 是替你完成了任务，还是帮你推进了思考 。近两年的 AI 素养研究反复强调，教育的重点不在于禁止工具，而在于帮助学生理解技术的功能、局限与风险，发展判断技术角色与边界的能力。只有在这种训练之下，AI 才可能成为认知工具，而非替代思考的捷径（Ngo & Hastie, 2025）。

要判断AI是否帮助学生推进思考的一个核心概念是 作者性（authorship） 。作者性并不等同于亲手敲下每一个字，而体现在 写作者能否掌控文本的立场、判断与责任 。在学术写作中，作者性意味着写作者能够在文本中“站出来”，对所提出的观点负责，并在既有话语中为自己定位（ Ivani č , 1998）。

在日常的教学实践中，作者性往往是通过反剽窃机制被动呈现的，因此被理解为文本来源的合法性问题，而非认知责任的归属问题。我们倾向于将剽窃简单理解为一种道德问题，却忽视了许多被英语学术共同体判定为“剽窃”的行为与学术写作规范的文化性及其习得过程密切相关。

作者如何理解“什么是作者”、“文本是否属于个人”，以及学术写作中应如何呈现自我等议题直接影响他们在引用、改写和借用他人表达时的具体做法（ Scollon, 1995）。因此，剽窃并不能简单归结为道德问题，而是一种需要通过教学逐步澄清的写作规范（Pennycook, 1996）；学习者的文本借用等行为可能反映的是学术写作社会化的过渡阶段，而非有意的学术不端（Chandrasoma et al., 2004）。

剽窃问题对中国学生尤为具有挑战性。我们应该都有记忆，从小就被鼓励 “引用名家名言”。语文老师常表扬：“小明的作文很棒，用上了课本的好词好句！”只要用了，老师就会觉得好，但不会要求我们区分哪些话是自己的，哪些话是别人的，更不会要求逐条标注出处。因此我们会认为，用上记忆中的好词好句是一种能力，而不是需要特别警惕的边界问题。 的确， 在写作能力发展过程中，对文本进行局部的替换、重组和模仿的确是写作能力发展中一种比较重要 的过渡性实践（ Howard, 1995）。

针对中国学习者的实证研究也显示，本科生和研究生对剽窃的理解与判断都明显受学术社会化程度影响；相关问题多集中在规范不清、训练不足以及对“引用”与“改写”边界的误解上（ Hu & Lei, 2015）。因此，研究普遍呼吁将应对重点从事后惩罚转向前置、系统的写作教学，帮助学生在实践中逐步形成对作者性与学术规范的判断能力。

连‘剽窃’这一前AI 时代的实践我们都没有教清楚，就不能指望学生在 AI 时代自动守住新的边界。更 难的是，这一次面对的不是一个可以被识别和追踪的“他者”，而是一个不承担责任的生成系统，作者性的边界因此变得更加模糊。

学生在 AI 面前的越界，并不全是个人道德问题，而是我们长期把许多关键判断留给“学生自己会懂”的结果。AI 的出现让这种默认变得不可持续。与其在一次次质疑中消耗彼此，不如承认这是一个必须被重新教学的问题：如何在工具高度智能化的环境中，依然站稳作者的位置。

作者性是 AI 素养培养的核心，其本质是一种认知责任的判断能力：在完成任务时，界定哪些关键认知必须由学习者亲自承担，哪些执行性环节可以交由技术辅助（Ngo & Hastie, 2025; UNESCO, 2024）。在这一视角下，作者性不再是抽象的伦理要求，而转化为学习过程中的操作性问题 ： 我的核心判断与独特印记是否始终在场？ 只要这一点得以保留，技术的介入就不会消解作者性。

为了让这一判断在课堂中更容易被理解和执行，我认为在实践中一个很关键又可行的区分是 AI到底是在支撑（scaffold）作者完成写作，还是取代 (substitute) 作者完成写作 。这两者的学习与伦理后果完全不同。

一

学习支架：AI 在“旁边”，作者在“中间”

所谓学习支架，指的是 AI 支持作者完成他们表达的任务，而不是代替他们完成任务本身。在这种情况下，文本的“来源”仍然是作者，AI 只是帮助他们更好地表达、理解或修正。典型的支架型用法包括：

语言层面的支持：比如检查语法、调整句子顺序、提供多种表达方案供学生选择。这类用法并不决定“写什么”，只影响“怎么说”，作者依然需要判断哪种表达最符合自己的意思。

结构与体裁提示：例如询问一篇书评 通常包含哪些部分，或一段 讨论 应该如何展开。这相当于 查询 写作指南或请教老师，而不是直接获得答案。

理解与澄清：作者用 AI 帮助理解写作要求、学术概念或反馈意见，然后再自行完成写作。这类用法的产出仍然是作者的理解，而非 AI 的文本。

这些用法的共同特征是，没有 AI，作者写得可能更慢、更不顺，但仍然写得出来。在这种情况下，作者性不仅没有被削弱，反而可能被强化，因为作者更清楚自己在表达什么。

二

替代写作：AI 站到“前台”，作者退到“后台”

真正的问题出现在 AI接管写作。典型的替代型用法包括：

直接让 AI 生成整篇或整段作业，用 AI 生成论点、例子与结论，而作者只是微调措辞，用 AI 自动“改写”原文，却并不理解改写后的差异，用 AI 补充引用与论证来“撑起”一个作者尚未想清楚的观点。

在 AI深度介入的写作中，一种危险的异化正在发生：作者从负责的“认知主体”蜕变为被动的“操作主体”。他们完成了拼接、修饰与提交的“操作任务”，却将文本的逻辑、立场与依据等“认知任务”让渡给了不可控的算法。其产物或许形式完备，甚至语言优美，但因作者对其内核失去了理解与掌控，学术最根本的“责任链条”在此断裂。

近期香港高校论文中出现的 AI生成虚假文献 事件 之所以 属于 学术不端，主要在于作者放弃了对内容的最终审查与担保，交出了自己的“作者性”。文章已经不能作为作者认知能力与学术信誉的可靠凭证。

总体而言，判断AI 是否使用过度，并不在于文章写得如何，而在于能力是否能够迁移。如果换一道题、关掉 AI，作者仍然能够调动并运用在写作中学到的策略，这样的 AI 使用是在辅助学习；但如果一旦离开 AI，写作失序、论证无法展开、表达无从下笔，那么 AI 实际上已经承担了本该由作者完成的认知工作，就属于过度的替代。

很多人以为 AI 素养是计算机老师的事 ，实际上它是每一位教师都需要面对的挑战，因为作者性与认知责任的界定发生在所有学科的学习过程中 。 很多教师已经意识到 AI 正在改变学习和学术诚信，却不知道该从哪里教起。现有培训 主要关注 “怎么用 AI 提高效率”，而不是“如何带学生理解 AI 的局限与风险”。 于是出现一种普遍困境，知道重要，却无从下手。研究也表明，教师 普遍缺乏内容知识 和 制度支持， 这 直接削弱他们在课堂中讨论 AI 的信心（Long & Magerko, 2020；Ng et al., 2021）， 教学 最终只能回到“技术优先、伦理靠边”的现实中（Ma et al., 2025）。

我结合自己的 实践， 提供几点在课堂中如何在 AI 时代守住作者性的教学建议。

1. 转换焦点：从“检测是否使用AI”转向“评估学习是否发生”

与其把精力放在判断学生有没有使用 AI，不如通过课程与课堂活动的设计，去识别学习是否真实发生。评价的关键不再是文本的“纯净度”，而是作业能否呈现学生的核心理解、独立判断与知识迁移能力。技术可以参与表达，但无法替代理解；教学的任务是让学习的证据变得可见，而不是去追逐工具的痕迹。

2. 重构过程：让“作者性”在创作轨迹中呈现出来

在 AI可以生成完整文本的情况下，“这是我写的”不再是作者性的充分证明。真正需要被看见的，是学生在 AI使用中 的判断与取舍：他如何提出问题、如何组织框架、为何接受或拒绝某种表达。因此，我在任务设计中要求学生提交提纲、迭代版本与简短的反思说明，解释AI在何处提供了帮助、哪些内容仍由自己决定。 当创作过程变得可追溯，作者性就不再是抽象的道德要求，而成为可以学习、可以评价的能力 。

3.将AI纳入对话：在学科教学中培养新的责任意识

与其在课堂上回避 AI，不如把它变成共同讨论的对象。与学生一起探讨：何时使用AI是合理的？何时把关键步骤交给AI会削弱思考？这种讨论不以“违规”为起点，而以“学习会在何处中断”为核心。当出现使用争议时，我更倾向于进行实践性的解释 ， 例如指出“如果这一部分由AI完成，你将失去哪一步关键的概念建构”。 这样， AI不再只是需要管理的风险，而成为帮助学生理解学习本质的契机。

后记

在本文写作过程中，我也用了AI，它 的作用是对思考与表达的支撑（scaffolding），而非对论证与结论的替代（substitution）。因此文中的立场、关键判断 以及 学术责任仍由 我 本人承担。

参考文献

[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：本文封面图片由AI生成。

版权说明：欢迎个人转发，任何形式的媒体或机构未经授权，不得转载和摘编。转载授权请在「返朴」微信公众号内联系后台。

往期推荐阅读

1、

2、

3、

4、

5、

微信公众号：考研竞赛数学(ID: xwmath)大学数学公共基础课程分享交流平台！支持咱号请点赞分享！