我如何撰写课程人工智能政策并向学生说明？

本页是英文页面的机器翻译，尚未经母语者审校。

开学前三周，教学大纲模板里有一行叫“AI 政策”，目前写的是：见学校学术诚信规定。或者一位同事的课程收上来一批提交，没人认为那些是在这间教室里写出来的，而周四的项目会议以一项要求收尾：每门课都要把自己的立场写下来。或者政策已经写好了，而阅卷期正在告诉你，里面哪几句话是你真正能执行的。

底线是：点明你评的那些任务，说明 AI 在每一项上可以做什么，把声明集中在一个地方，并用你看得见的证据去执行。五条具体的许可比一整页禁令更撑得住。一份能解释自己的政策，同时完成评价设计和沟通两项工作，这就是为什么它花掉一个下午，却省下一学期的争论。

下面所有内容都是针对一个模块、一门课程或一个项目方向的课程级文件。前提是，你已经决定了你在评什么；这里的工作是把它说出来，并让它站得住。

简要版

1. 盘点有评分的任务，对每一项问：我具体在评什么。边界跟着这个答案走。

2. 把规则写在步骤这一层：允许头脑风暴，不允许撰写目标。允许挑选图片，不允许设计幻灯片层面的信息。

3. 把摘要写进教学大纲，把可执行的措辞写进作业说明，并在规则第一次适用的时刻把它口头说一遍。

4. 指定一个标准的声明位置和格式，并让申报的成本低于隐瞒的成本。

5. 用你看得见的工作去执行：提示词日志、课堂练习、口头陈述。检测器分数留在执行路径之外。

从你评的那些任务出发

最清楚的一套成型方法来自McCorkle（2025），他当时要替换掉的是一条学生并不认为适用于自己的全面禁令。要正确读这次失败：那是错位，而不是反抗，学生并不认为自己行为不诚实。一条他们已经认定与自己无关的规则，没法与之辩论，只能被忽略。

McCorkle 的方法分四轮。盘点学期项目中的每一项任务，对每一项问“我具体在评什么”，把每一项任务与一个可信的生成式 AI专业用法配对，然后逐项决定。每个决定都在“需要评某项能力”与“培养学生将来工作中会用到的某项胜任力”的价值之间权衡。

输出是刻意不均匀的。头脑风暴允许；撰写具体可测的学习目标不允许。挑选图片允许；幻灯片层面的信息设计不允许。脚本和旁白允许，但要求对 AI 输出作出评价。写出来之后，这份清单看上去任意，直到你读每一行旁边的理由，这就是为什么理由要和规则一起走。

决定严格到什么程度，并知道别人都在做什么

两个数据点告诉你今年的“正常政策”长什么样，两个都值得带进那场有人提议全面禁止的会议。

一项内容分析考察了来自 131 所美国 R1 大学的 116 份机构生成式 AI 政策，以及其中 54 所的 98 份计算机科学课程大纲，发现机构层面普遍偏向允许：63% 鼓励使用生成式 AI，41% 提供详细的课堂指导，27% 表示不鼓励。课程大纲中有一半（50%）直接禁止，41% 允许在指定活动中部分使用，7% 传达鼓励。Ganguly 等人（2026）称之为自上而下与自下而上的落差。92% 的课程大纲给出了明确指南，然而本地规则会偏离机构指南，只有 47 所机构的两个层面都能被检出。引用是唯一两层都同意的要求，出现在 83% 的课程大纲里。

Chirikov（2026）追踪了得克萨斯州一所大型公立研究型大学 2021 到 2025 年间超过 31,000 份课程大纲。规制从 ChatGPT 出现之前的近乎为零，上升到 2025 年秋季的 55% 课程，而完全限制性的政策每年下降约 5 个百分点。到 2025 年秋季，教师最常限制的是写作与修改（79%）以及推理与问题解决（65%）。最常允许的是编辑与校对（83%）、学习支持与综合（80%）以及编程（75%）。构思是最有争议的用法，46% 允许、54% 限制。

措辞随数字一起移动。学术诚信的提及从 63% 降到 49%，提到 AI 对学习的影响从 1% 升到 29%，署名要求从 16% 升到 43%。这个领域正从“不要作弊”转向“这条边界为什么保护你的学习”，而第二种版本才是学生能据以行动的。

对你的文件有两个后果。比你的机构更严格是常态，但那是你独自承担的一项承诺，因为执行成本落在你身上。引用要求几乎是免费的，因为这个领域五分之四已经在要求它，而且没有学生需要去猜你的意思。

把每条规则放在学生会遇到它的地方

三份文件，三项工作。

教学大纲承载简短摘要：任务、每一项上允许的用法、披露怎么运作、越过边界的后果。一屏，不讲哲学。

作业说明承载具体说明。对复杂项目来说，一份总摘要太粗，而 McCorkle 的措辞正是在这里起作用：用第二人称、面向学生的理由说明，点出每条限制背后的评价目标。

教室承载第一次口头陈述。在规则第一次适用的时刻说一遍，并系到他们面前的作品上。一条学生独自遇到的规则，就是一条他会独自解释的规则。

披露的具体做法需要单独一段，而且应当是这一页上最具体的一段。通过引导性探究共同设计课程政策的学生，把“对学生和教师的培训”、标准化的披露程序、更强的机构支持，以及更多地参与关于 AI 的决定，排在优先位置（Hingle 与 Johri（2026））。说明学生如何、在哪里、以什么形式申报使用，并且只说一遍。

Pisan（2026）发现了同一个做法的更强版本：把提示词日志变成被评的作品。当模型承担了生产，提示词和交互记录才是值得做版本管理的东西，于是声明不再是文书工作，而变成学生正在构建的证据。

只写你在一个阅卷周期内能执行的规则

一条需要逐任务监控的规则，或者一条需要判断某次评价“何时开始”的规则，在一个班里、在两个阅卷人之间，都会被执行得不一致。不一致首先是公平问题，其次才是管理问题。建立在检测器之上的制度会带来一项分配不均的监控成本，还会带来监考和数据留存的问题，而这些问题你在课程层面未必答得上来。

Nash 与 Burriss（2026）分析了 27 份由职前英语语言艺术教师撰写的课堂 AI 政策。27 份中有 26 份允许某种形式的 AI 使用，几乎总是按教师指定的条件、时间和地点；只有一份完全禁止。构思是被最广泛允许的用法（27 份中 22 份），也是最含糊的。22 份不允许或未说明是否允许用 AI 生成句子、段落或文章。16 份允许语法检查和校对，同时 16 份禁止产出大段 AI 生成文本。而 27 份中有 22 份完全没有涉及阅读。

反复出现的失败是“可操作化”。有一份政策允许 AI“帮你把思路启动起来”，并宣称“界线应当划在这里”，却没有说线在哪里。这种含糊让学生无法遵守，也让你无法适用一致的标准。这是缺陷，不是妥协。

Chirikov 发现的学科与任务层面的巨大差异，支持这样一种框架：在教师自己的领域内给予自主权，而不是对所有人下同一道命令。这也是对“课程政策是什么”的诚实描述：一条更大规则内部的本地判断。

这里有一个公平维度。不透明的政策预设了关于作者身份、署名和学术工作规范的共同背景知识，所以它们最重地落在没有这些背景的学生身上。McCorkle 的案例说明，透明会拆掉一部分隐性课程，并降低“政策失败变成纪律处分”的概率。

这一切最便宜的版本是“少而具体”：你评的任务、每一项上允许的用法、披露的具体做法，以及越过边界的后果，每一条都附上理由。

把它说出来，并留意你自己示范了什么

披露规则本身并不作为合规机制起作用，而把它们当成合规机制，是最常见的设计错误。在一项针对 409 名本科生的混合方法研究中，Qu 与 Wang（2026）发现，不披露是对感知到的同伴规范和教师较低的解释性信任的策略性适应，而不是道德疏忽。感知到的同伴披露情况，以及与教师相处的舒适程度，是学生自己是否披露的最强预测因子；道德推脱的作用更弱。

这留下两个你真正能控制的杠杆：学生相信同伴在做什么，以及他们是否信任你会公正地读一份声明。两者都取决于你第一周怎么谈这条规则。两者都不取决于措辞有多严厉。

Kim 等人（2026）发现，一门课程真正的政策存在于五个不同的位置：教师意图、正式政策、学生理解、学生的自我政策和学生的实践。它们之间的落差是系统性的。他们还编目了学生在学术写作中为使用 AI 辩护所用的 23 种合理化说法，分属六类，从“没有人类受害者”到“教师不在意”。这些合理化是临时拼出来的、事后的：学生是在解释已经发生的行为，而不是事先推理，这就是为什么更清楚的措辞和更严厉的检测本身并不能弥合落差。

一位想遵守严格禁 AI 规则的参与者一直在用 AI，并说这条禁令“在为我制造冲突，因为我在破坏规则”。禁令加深了道德冲突，却没有阻止使用。一条只产生内疚而不带来遵守的规则，正在侵蚀你披露所需要的那个关系。

也要留意你自己示范了什么。Pisan 课程中大多数作业都披露了用来生成它的提示词，而一位学生把这种透明读作许可：“教师依赖 AI 来评分和创建作业，这也让人很难不以同样的方式在作业中使用 AI。”无论大纲怎么写，示范一种规范本身就是学生所体验到的政策的一部分。

一段你可以改用的表述：

本课程中的 AI 使用。 我希望你离开这门课时能自己做到 X，所以我直接评 X。你可以在[任务清单]上把 AI 用于[允许的用法]；你不可以把它用于[受限的用法]，因为那些正是我在评的东西。如果你在作品中的任何地方使用了 AI，请在[单一指定位置，例如每份提交上的声明行]告诉我你用它做了什么，并粘贴提示词。申报永远不会降低你的分数。不申报一次使用，才是会带来后果的事。如果你不确定某种用法是否被允许，在提交之前问我，不要等到之后。

最后一句把决定点移到工作之前，那是这个问题唯一能便宜地回答的时刻。

在四场对话发生之前就为它们做好准备

那个用了 AI 却没说的人。 把这当作流程问题处理，而不是品格问题。Mohamed 与 Temimi（2026）把评价建模为信息不完全的问题：学生知道作品是怎么产生的，机构只看到作品加上部分痕迹。他们的反应区域模型比较三种反应——不使用 AI、披露使用、隐瞒使用——并问每种机制让哪一种最有吸引力。禁止划定了正式边界，并在学生认为检测很弱时让隐瞒使用仍然有吸引力。监控提高了隐瞒使用的预期成本，却没有提高披露，于是学生变得谨慎而不变得透明。带披露的许可，只在诚实的成本保持在低位时，才让诚实报告可行。

在教室里，这意味着问这份作品本来要评什么，请学生说明自己的过程，并把一份迟到的声明读作信息而不是自白。

那个凡事都引用 AI 的学生。 这通常是套着合规外衣的技能缺口。署名要求从课程大纲的 16% 升到 43%，而学术诚信的提及从 63% 降到 49%，所以这个领域要的是引用，而不是自白。把格式规定一次，写在作业说明上，而不是大纲的脚注里。说明在你的学科里充分的署名长什么样，并给一个范例。如果真正的问题是学生还不能不靠模型完成底层工作，答案在任务设计。

小组作业。 五名学生可以对同一句话持有五种解释，而只有一份提交被打分。对每一份小组交付物，决定并公布：是否允许使用 AI、由谁申报、以及当某位成员越出规则时怎么办。在项目开始之前做这件事，那时它还是一个计划问题。如果你说不出某位成员要为哪部分个人贡献负责，那就把这项任务当作纯小组工作来评分，而不是事后裁定作者身份。

你无法核验的披露。 有些声明会不完整，有些遗漏无法被证伪。Bassett 等人（2026）主张AI 检测根本不应在教育中使用，理由有三条，都与措辞有关。检测器输出是一个概率估计，无法被独立核验，因为真实世界文本的来源是未知的，所以验证跑在循环论证上。检测器分数达不到诚信调查所需的“概率权衡”标准。而且对于“与 AI 一起创作”而非“由 AI 创作”的作品，人机二分本身没有意义。他们的结论是，检测“并不保护学术诚信，而是在削弱它”。

他们指出一个值得抄进你修订稿的措辞问题。限制在“评价中”使用 AI 的规则，没有说明一次评价何时开始，于是AI 辅助的研究、规划或编辑算不算违规，取决于谁在读。改为点明你能观察到的过程证据：提交的提示词与交互日志、课堂上产出的练习、口头解释。如果你的机构无论如何都在跑检测器，他们关于数据存储、留存和学生作品的商业使用的警告都适用，而两位职前教师提出的隐私异议，就是你的学生会提出的异议。

教师在这件事上搞错的地方

更严格的政策是更安全的政策。比你的机构更严格很常见，也说得过去，但执行成本是你的，而一条你无法在一个阅卷周期内一致执行的规则是公平问题。砍掉你跑不动的规则。

禁令是能给出的最短信息。在那 27 份职前教师政策里，含糊大多在宽松的那几份上，而 27 份中有 22 份从未涉及阅读，学生只能自己去猜。Kim 等人的那位参与者，遵守禁令的方式是违反它，并为此难受。

披露是一种合规机制。它是一个信号，而信号依赖信任。Qu 与 Wang 发现，同伴规范和与教师相处的舒适程度比道德推理更好地预测披露。

检测器分数能裁定有争议的案子。它达不到诚信调查必须达到的标准，也无法区分“与 AI 一起做的作品”和“由 AI 做的作品”。把案子建立在你观察到的工作上。

写完政策就是完成了沟通。Kim 等人发现真正的政策存在于五个位置，而你的文件只是其中之一。学生据以行动的版本，是由你在课上说的话和你用自己的材料做的事拼起来的。

你会听到的反对意见

“学生反正会藏起来。” 有些人会，而设计问题是你的规则在诱惑哪些学生。威慑通过的是检测器在隐瞒使用与正当工作之间的区分度，而不是它的原始查出率。当额外灵敏度带来的新假阳性多于新真阳性时，更强的监控会让隐瞒变得相对更有吸引力，因为诚实的学生比隐藏的用户更快被惩罚。许可和披露是两个不同的杠杆：许可移动可接受使用的边界，披露改变可见性。诊断你的任务在哪里把学生拉向隐瞒，并针对那个学生设计。

“我不想禁掉我检测不了的工具。” 你不必禁。禁止是四种设计反应之一，另外三种是监控、带披露的允许使用，以及重新设计。重新设计改变任务奖励什么，而如果评分细则仍然主要给最终成品打分，它就只是装饰。Pisan（2026）把层次讲得很明白：入门编程课禁止 AI，因为把最初的循环外包出去，就移除了正在教的东西；数据结构课的项目鼓励使用（允许 Copilot），但笔试禁止；高年级系统课把 AI 当作学习与复习的辅助；而在 AI 课程本身，AI 是必需的，其中一个边界承担了大部分重量。模型可以写代码，反思必须用学生自己的声音。考试被完全取消，评价转移到模型无法悄悄代笔的工作上。

“我机构的政策已经涵盖这些了。” 比你想的少。落差是双向的：92% 的课程大纲给出明确指南，本地规则会偏离机构指南，而只有 47 所机构的两个层面都能被检出。采购、数据和审查周期属于《我们如何撰写并实施机构人工智能政策？》，但课堂层面的转译是你的。Nash 与 Burriss 的结论是，机构必须让教师既能采纳也能抵制，并配上那些让一位教师可以拒绝某种具体 AI 用法、而不被说成落伍的指导和专业发展。他们参与者的技术决定论与他们自己的教学法承诺相矛盾。机构政策不是你为自己的判断找的挡箭牌。

“我这个月没时间重写大纲。” 就在让你担心的那份作业上跑一次盘点，把结果直接写进作业说明。大纲里那句话可以等到下一个修订周期。反正学生照的是作业说明。

本周可以做的事

1. 盘点有评分的任务，在每一项旁边写下“我具体在评什么”，然后再决定任何与 AI 有关的事。

2. 逐项决定，并检查每个决定让“最想隐瞒的那个学生”觉得哪一种反应最有吸引力。

3. 写下披露那一句：一个位置、一种格式、一个充分署名的范例。

4. 点明你在争议中会接受的证据（提示词日志、课堂内的工作、口头陈述），并砍掉任何你无法用这些证据检验的规则。

5. 在下一节课上把规则口头说一遍，就在它第一次适用的时刻，每条限制旁边配上理由。

接下来可以去哪里

治理、数据政策、采购和审查周期属于《我们如何撰写并实施机构人工智能政策？》；机构与学区强制性的规则在教育人工智能政策和AI 治理里。把任务重建到“成绩仍然支撑得住一个可辩护的推断”，在我该如何重新设计评价，使成绩仍然能够可靠地说明学生知道什么、能做什么？；执行一侧的论证在我怎样才能减少课程中的人工智能作弊？，检测器的决定在我们应当使用人工智能检测工具吗？，标签方案在'A bit of chaos and madness': The AI Assessment Scale and the work of assessment reform。