本页内容

本页面已译为中文。文章页面仍以英文撰写。 阅读本页的英文版本

本页是英文页面的机器翻译,尚未经母语者审校。

综合:研究生教育是这样一个层次:AI 不再只是学习辅助,而开始与学位所认证的作品相竞争——学位论文的一章、一次诊断判读、一次临床接诊、一篇招生文书。现有的研究集中于专业与临床项目,在那里,辅导、模拟病人与决策支持带来短期收益;也集中于评估文献,在那里,同样的工具削弱了无人监督文本的证据价值。导师指导是研究最少、后果却最重大的情境,其证据如今虽有测量但仍属相关性证据,多数指导仍是设计论证。

值得思考的问题

  • 当学位论文的一章与一次导师面谈都显得胜任时,哪一个才能说明候选人可以为自己的主张辩护?
  • 当住院医师借助 AI 辅助判读学习——这些判读纠正一些错误、又颠倒另一些——一个临床项目对病人负有什么责任?
  • 如果招生文书不再能显示作者是谁,什么应当取代它,代价又由谁承担?
  • 哪些研究生能力,你会在从未看到产生它们的过程的情况下予以认证?
  • 博士毕业生将为他们进入的领域设定 AI 规范。他们的项目在这一点上教给了他们什么?

引言

研究生教育涵盖硕士、博士与专业学位,从一年的硕士项目到临床住院医师培训,再到六年的学位论文。把它与本科学习区分开的不是难度,而是判断的单位。学位认证的是这样一个人:能够提出一个原创问题、产出证据,并在了解该领域的人面前为一种解释辩护。招生是入口,答辩或临床评估是出口,而两者之间的岁月取决于导师指导、实践,以及一件没有课程真正拥有的作品。

证据基础比出版数量所暗示的要薄。多数证据来自包含研究生样本的高等教育情境,如 MBA 班级、住院医师同期组与硕士课程,而非来自博士阶段的导师指导本身。这一层次的综述往往发现,大量技术文献背后只有寥寥几项教育研究。

监督、学位论文与正在消失的作品

一件打磨光洁的成品,过去是作者理解了这项工作的合理证据。生成式 AI 打破了这一推断,因此回应之道是重新设计那些让推理变得可见的情境,而不是去监管成品本身。

导师指导关系承载着什么

导师指导是 AI 就绪要么变成研究能力、要么停留在个人倾向的地方。在一项对 19 所中国大学 425 名硕士生的调查中,受试者全是 AI 常规使用者,就绪促进因素经由感知到的导师支持与 AI 信任抵达研究自我效能,而非直接影响。导师支持路径为 β = 0.201,就绪的直接路径不显著,导师支持与自我效能有最强的直接关联(Luo 等(2026))。担心可靠性与过度依赖的学生报告了更高的 AI 信任,作者把这一点解读为批判性审视而非回避。该设计为横断面自陈,因此这条路径是关联而非因果。

原创研究中的伦理边界穿过任务,而不是工具。Guanilo Pareja 等(2026)论证,语法帮助与头脑风暴不同于未加说明的分析或综合,因此按工具而非按功能命名的规则会误伤。他们对 61 份文献的综述认为披露必要但不充分:如果候选人无法为文本背后的推理辩护,即使声明了使用仍然不成立。机器评语按设计就是暂定的,作者提出把治理作为一个在博士各里程碑上复审的循环。他们的主张是解释性的,供检验而非作为已测量的效应提出。

一项单组研讨课显示这类收益多么容易被夸大。13 名研究生在一门 16 周课程中,在所有应答上自我导向学习从 80.62 升至 87.38,但只有八份记录可以匹配,且没有运行无辅助测试(Chen(2026))。该文可用的建议是程序性的:在使用工具之前陈述目标与初始判断,然后解释接受或拒绝了什么,以及在没有辅助的情况下能做到什么。

层次差异在多数研究省略的那项比较中最为清楚。在一所技术大学的 381 名学生中,研究生在伦理与学术自主性上领先本科生 d = 1.47,在 AI 使用上领先 d = 1.29,而一旦伦理与自我调节进入模型,使用频率便不再预测能力(Zaripova 等(2026))。因此,一个项目可以为研究生设计的培养目标是判断力,而不是接触量。

专业与临床项目

专业学位承载了研究生层次的大部分证据,且按学科组织。AI 在有边界、可核查的任务上表现良好,在认证所关心的那种推理上则较差。

相邻领域也显现同样的稀薄:医学教育增加了 153 份报告,其中 13 份带有后续信号;法医学有 21 项研究,三项带教育证据,且没有一项以法医学生为对象。

商科项目提供了最清晰的试验。一个在线 MBA 模块中的结构化AI 导师相较对照组把成绩提高了 55 分中的 6.63 分,而语音与文本在学习效果上等价,语音的成本却高出 2.8 倍。一个课前演练伙伴使 759 名 MBA 学生随后的参与度提高约 31%,但只在第二次使用之后才出现。

招生与评估诚信

招生文书是 AI 写作遇上带数字的决定的地方。在六个招生周期中,一所美国公共政策硕士项目收到 7,462 份申请,提交至少一篇被判定为主要由 AI 撰写的文书的申请者比例,从 2023 年的 21.8% 升至 2024 年的 45.1%、2025 年的 56.1%,其中国际申请者达到 69.3%,而本国申请者为 38.6%。每篇被标记的文书与低 1.5 个百分点的录取概率相关联,一旦把文书质量固定住,这一差距升至 2.6 个百分点。该项目并未做任何筛查;五名招生官以 AUC 0.70 识别出 AI 写作,并对他们认为是 AI 生成的内容评分更低,因此惩罚经由判断而非经由执法产生(AI-written admissions essays are widespread but penalized)。

在项目内部,更有产出的回应是让过程可观察。一个研究生商科单元的五学期团队协作框架使用了与每个团队 30 分钟的会议、每人一份反思表,以及第九周的一场对话,让每位学生解释自己的贡献。它的分数增益是被测量的;它关于不端行为减少的主张只是断言,没有计数。一门面向在职教师的研究生研究方法课程以有记录的苏格拉底式对话取代禁令,在六个学期、约 440 名学生中达到 96% 的检查点完成率。

自动评分正谨慎进入。四个 LLM 依据两名人类考官对 32 份匿名硕士公共卫生短文考试评分。最佳者在思维模式下达到加权 kappa 0.718,但在五天内对同一批试卷重评时,Krippendorff's alpha 为 0.625,且没有任何模型可靠地使用量表的极端值。

就业能力与未来导师的 AI 素养

就业能力文献大体上是一种承诺。一项对 46 份出版物的综合,通过认知投入、自我效能与职业适应力来组织从 AI 支持的学习到就业的路径,随后发现几乎一切被测量的东西都位于近端:投入、信心、感知到的就业能力。很少有研究真正测量就业(Artificial intelligence in higher education and graduate employability: cognitive engagement, self-efficacy, and career adaptability in the AI era)。

素养构念的界定好于它的测量。Zhi、Yang 与 Huang 访谈了 14 位指导硕士与博士生的教授,推导出五个维度:从认知基础与操作技能,到高阶思维、元认知反思与伦理责任。他们的 15 题量表对 308 名研究生做了拟合,但每个指标都只是单一的自陈条目(Modeling and measuring graduate students’ generative AI literacy: a study based on Marzano’s taxonomy)。

两项课程发现对导师很重要。在 36 个美国健康 AI 项目中,按作者设定的标准,80.6% 教授伦理、22.2% 教授数据来源,且 76.1% 的具名授课者来自计算学科,来自社会科学或人文学科的仅占 3.3%。在中国 1,157 名研究生中,功能性 GenAI 依赖与更高的自陈研究创造力相关(β = 0.457),远强于存在性依赖(β = 0.147),其中批判性思维承载了功能性路径约 85% 的效应。

关联

研究生教育继承 高等教育条目下记录的整个部门层面的诚信、评估效度与教师能力问题,并依赖本科学习本应提供的 AI 素养基础。变化的是证据所在的位置:课程作业让位于学位论文、实习与答辩,在那里,一次判断认证数年的工作。

实践启示

面向导师与博士教师

  • 在结果之前先要推理链:哪些数据进入了分析、工具看不到什么、学生接下来会去核实什么。
  • 要求第二种表征,例如机制草图或工作流程图,因为重复模型输出的文字无法显示概念上的一致性。
  • 把作者担保设为章节与资格论文的明确标准。

面向项目主任与临床教育者

  • 把 AI 决策支持放在不确定性最高的地方,并教受训者把标注当作重新检查的提示而非结论。
  • 在问题导向与临床教学中推理密集的部分保留引导者;等效的测验分数并没有延续到批判性思维与小组过程指标上。
  • 为解释而不仅仅为工具出资:采集已扩展到数百个资源库,而跨渠道的判断仍然昂贵。

面向招生与研究生院负责人

  • 先决定个人陈述测量的是什么,再决定对 AI 做什么;如果真实性重要,就在申请者无法委托的条件下评估写作。
  • 用过程证据取代检测合同:受监督的对话、每人一份的反思,以及要求每位候选人解释自己贡献的答辩。

常见误解

  • “AI 决策支持教会临床判断。” 该病理学研究测量的是显示标注时的准确性,采用固定的先无辅助后辅助顺序,并发现 3.9% 的正确诊断被颠覆。保持性未被检验。

  • “检测能裁定作者身份。” 没有人筛查那些招生文书,然而申请者经由读者的印象被惩罚,而检测器阈值在 ChatGPT 出现之前是按低于 1% 假阳性率校准的。

  • “AI 可以无代价地取代引导者。” 在 AI 主导的问题导向学习中多项选择题增益相当,但批判性思维与小组过程并非如此,且受调查教师中只有 15.8% 写过任何 AI 使用政策。

  • “研究生层次的 AI 素养 就是工具熟练度。” 该研究生框架把认知基础、操作技能、高阶思维、元认知反思与伦理责任区分开来。

关联概念

关联文章

嵌入此页

复制下面的代码,将本页嵌入学习管理系统或其他网站。嵌入版本只显示页面内容 — 网站的页眉、导航和页脚会被隐藏。