我应当如何处理小组与合作作业中的人工智能？

本页是英文页面的机器翻译，尚未经母语者审校。

小组展示交回来，打磨得漂亮、逻辑连贯，可是没有一个成员能解释其中的论证。或者分数打得很平均，事后你才知道，一个学生把整件事用生成式 AI跑了一遍，另外三个人蹭了这份共享成绩。文件里的任何东西都告诉不了你究竟是哪一种，而你的量规里有一条关于协作的要求，每个人都达标了。

这里是答复：按任务而不是按课程来决定 AI 的位置；让小组成员就 AI 所做的协商本身成为他们提交、你来评分的东西；把工作排序到无法被拆成并行的聊天机器人会话；并至少保留一个每位成员都要独自作答的部分。这一切都是任务设计，而其中没有一项经过与无 AI 对照组的检验，所以你是在做一个设计论证，而不是在应用一个已被验证的修法。

简短版

1. 把许可写在任务阶段的层面。说明哪些阶段对 AI 开放、哪些不开放，以及为什么。

2. 要求提交一份简短、共同署名的 AI 使用说明，记录小组决定不做什么，并对推理评分。

3. 保护小组建立共识的那些阶段：定框、分歧、调和。

4. 有意识地选择接入方式。一个共享界面产生经过协商、可见的使用；私下提示产生你看不见的流程。

5. 保留一个每位成员独自作答的部分，并让它考查理解而不是署名。

6. 在纠正一个小组的克制之前，先读懂它。拒绝 AI 可能是有意的自我调节，也可能只是不熟悉。

按阶段写许可，而不是按课程

Chen 与 Zou（2026）研究了由三到五人组成的小组，交付一场占成绩 30% 的展示，其所处院校政策是“只有在明确致谢的情况下才能使用”。GenAI 被允许用于想法生成、语言润色、视觉版式和脚本撰写。在这样一项单一宽松政策之内，各小组得出了相反的结论，而两边都有站得住脚的理由，是任务的设计决定了小组得出哪一个结论。这项研究是一门课程里的 52 名职前教师，作者请求把他们的模式读作对设计的可能回应，而不是你应当预期的分布。课程层面的规则决定不了小组会怎么做。

所以要把许可写在作品的层面。点名哪些阶段对 AI 开放、哪些阶段本就该在没有它的情况下做出来，并告诉学生这条线为什么画在那里。范围综述的设计逻辑指向同一个方向：如果以 AI 为中介的沟通压缩了协商与集体意义建构，那么小组建立共识的那些片段就是值得保护的（Wei 与 Perkins，2026）。

在教师会议上要诚实地说明依据。两项综述都没有声称扣住 AI 会改善学习结果。那个论证靠的是下面这个权衡的结构，而不是一项实测比较。

让小组把它关于 AI 的协商交上来

Chen 与 Zou 的核心设计论证是：对可接受的 GenAI 使用所做的协商本身，应当成为一个明确的、可评估的成果。团队应当集体论证并记录 GenAI 将会如何被使用、不会被如何使用，而不是把规范留给同伴压力或感知到的风险。这份作品只有在小组真正谈过之后才存在，而这正是它配得分的原因：它把一条无法执行的规则，转换成可复核的学生判断。

有两个原因解释了小组为何强化使用，而两者都是对共享成绩的合理回应。绩效：学生读了评分标准和同伴基准，用 AI 来保住自己那份分数。经由规范获得的感知安全：宽松的集体氛围降低了感受到的误用风险，于是各组更公开地使用工具，而在那个以合作为导向的案例里，也更为依赖。如果你想要透明，一条明确说出的课堂规范比一句警告更有效。

既要正面，也要负面。一份记录小组决定不做什么、以及为什么的说明，比一张工具清单告诉你的更多。它也给一个内部有分歧的小组提供了安放分歧的地方，而那通常是已经做完的最难的部分。

不要假定这份文件反映了共识。Korchak、Costley 与 Fanguy（2026）访谈了一门科学写作课程中的 10 名研究生，年龄 23 到 39 岁（平均 27.7），该课程中的小组通过预先规划的策略，或通过在共享文档中协调的开放、个人驱动的互动来使用 GenAI。一个独特的用法是把 GenAI 当作编辑整合者，把并行的各节合并成连贯的文字。他们最尖锐的观察是：学生的叙述有时与他们自己写的反思相矛盾，有一名学生否认存在小组策略，却在书面材料里描述了一套。一套并非对每位成员同样可见的策略，对你来说同样不可靠地可见。

把工作排序到无法被分割

Wei 与 Perkins（2026）做了一项遵循 PRISMA 的范围综述，覆盖 2023 年 1 月至 2025 年 3 月发表的 18 项英文研究，用反身性主题分析处理，并映射到八个主题。他们报告的收益是小组知识发展、想法生成、对反思性思考的支持、沟通效率、任务协调和反馈。风险则是过度依赖之下同伴互动与参与的减少，加上隐私、透明度和准确性方面的担忧。他们的评价很直白：收益有实证支持，而隐私、透明度、偏见和准确性方面的风险大多只是概念层面的讨论，并且很多研究是短期或概念性的，关于小组动力或认知发展的纵向工作很少。

这个权衡支配着设计。小组工作变得更高效，对沟通、协商和集体意义建构的需求降低了——这是综述取自 Lin 等人的发现。效率收益与互动损失可能是同一个机制，这意味着除非你把协商作为必需的工作重新装回去，否则你无法只取速度而不取损失。综述的结论是：基于小组的评估应当把焦点从产品转向过程。

Chen 与 Zou 展示了这件事有多难靠偶然达成。三种能动性模式同时朝不同方向运行。以合作为导向的能动性（五个小组）强化使用以维持工作的整体性，常常把同伴的贡献喂进聊天机器人去解读，并让自己的部分与之对齐；有一个小组把它的工作流重建为讨论、向 GenAI 外包、集体复核、再讨论。规范性能动性（七个小组）有意克制使用，要么判断任务需要 AI 触及不到的情境化知识（“AI 只知道你打进去的那一刻”），要么把 AI 生成的部分视为对将要承担它们的组员不公平。未实施的能动性（三个小组）什么也没改变，把工作切分成离散的子任务放在各自的平台上，而个别学生以从未贡献给团队的方式使用 GenAI。

他们的量规本来就要求在一个多元文化主题下的整合与连贯、每位成员与自身课堂贡献相联系的反思洞见，以及可证明的小组协作。三个小组仍然分包了事。一条连贯性标准本身不会产生协作，所以要改顺序而不是改措辞：至少安排一个全队必须处在同一场对话里的阶段，并让那个阶段的输出成为一项交付物。

把一个界面放在中心，并有意识地选择它

Xu 等人（2026）观察了六个三人小组共 18 名学生，在大约 45 分钟内使用同一个共享的 ChatGPT-4 界面，并另外访谈了九名从事异步团队工作的学生。在共享、可见的界面下，团队共同建构集体提示词，跑一个反复出现的“浮现—评估—嵌入”循环，把聊天当作共享的外部记忆，并公开协商 AI 的角色。在异步工作中，私下提示和输出去标签化产生不透明、私有化的信息流，抬高了维持共享认知模型的成本。GenAI 的角色也变了，从下属助手变成有争议的队友，而系统在认知上参与其中，却始终对团队焦点的转移缺乏情境意识。

实际差别在于提示词是不是一件集体作品。一份包含提示词和输出的共享文档，给你可读的东西，也给小组可以争辩的东西。私下提示给每个成员一个不同的助手，没有共同的记录。

保留一个每位成员独自作答的部分

把小组分数与一个个人组成部分配对：对自己理解的口头答辩，或对任何一节并非自己起草的内容作书面解释。这也是对搭便车问题的诚实回答，因为它考查的是理解而不是署名，而理解本来就是小组分数一直在替代的东西。

Martínez-Peláez 等人（2025）筛选了 Web of Science 核心合集中 2023 和 2024 年的 203 项研究，并按在 PROSPERO 注册的 PRISMA 2020 方案纳入 22 项。他们把 LLM 描述为协作的催化剂：想法生成、组织、同伴反馈、模拟的基于量规的评价和专家评审，以及更低的参与门槛。对于问题解决，他们报告了在备选方案、跨学科视角和真实情境上的帮助。他们还指出了一个有用的反转：LLM 常常给出不完整或不正确的回应，这反而推动学生去质疑、核实和改进材料。这种交换正是个人检查点上要听的东西。

他们的局限随引文一同成立：单一数据库、仅期刊论文、未关注伦理或隐私、技术的头两年、未使用偏倚风险工具。把“催化剂”读作对观察到的实践的一种描述，而不是一项实测结果。

检测不是用来区分个人贡献的合适工具：这六项研究没有一项在小组情境中检验检测器，而检测在个人层面的问题已在本知识库其他地方记录。克制在被纠正之前需要被解读。Chen 与 Zou 提醒，一个拒绝 AI 的小组可能是在回避不熟悉的东西，而不是在行使有意的自我调节，而这两者需要不同的回应：一个是教学问题，另一个是一个你可以评分的、经过考虑的主张。

模拟队友也解决不了这个问题。Fang（2026）在真实参与者对话上微调 大语言模型（LLM） 智能体（在 LLaMA 3.2-3B 上的 LoRA/QLoRA 适配器），以 3,824 个轮次和六个主题编码为 48 名参与者建模，然后用认知网络分析比较真实与模拟的话语。模拟网络与经验网络的距离为 0.17，低于 0.30 的阈值，置换检验 p 值为 0.65，统计上不可区分，尽管它略微高估了技术约束与设计的连结，低估了数据与性能参数。这是一篇中等信心度的框架论文，它支持一个主张：针对具体参与者的智能体可以复现真实的协作话语。它没有表明学生从模拟队友那里学到更多。

按成员相信什么来编组，而不是按谁和谁是朋友

AI 会成为共同的参照点还是仅仅一个查询工具，部分取决于你的小组本来就多一致。在 Wang 等（2026）的研究中，十四个职前教师小组借助按需提供的元认知聊天机器人完成了一项 60 分钟的模拟探究。成员对物理持有不同前概念的小组，把 AI 的使用纳入了概念性讨论，AI 位于其互动网络的中心；本来就已达成一致的小组则走一条线性的提问—回答路径，并对输出持续做出负面评价，作者部分将其归因于主动提示在共识形成之后才到达。两类小组提出的问题类型相同，改变的因此是吸纳程度而非数量。

由此有两个做法，且都很便宜：

• 就核心概念做一次简短的预测试，并把回答模式在小组之间混合，而不是让学生自行选择进入舒适的小组。
• 在快速趋同的小组中，把共享调节提示保持为按需提供而非主动推送，因为在一致达成之后到达的提示会被读作打断。

把它当作假设而非规则。那是十四个小组、一项关于单一主题的 60 分钟任务、一个国家的职前教师，以及编码前从芬兰语翻译过来的转录文本。

教师和管理者在这件事上会弄错的地方

一条清晰的课程政策就能决定小组怎么做。Chen 与 Zou 看到的却是在同一项宽松政策之内各小组得出相反结论。决定它的是任务、量规，以及小组自己对风险的解读。

一条协作标准就能产生协作。他们的量规点明了整合、连贯和可证明的协作，而三个小组仍然把工作切分后又拼装回去。标准描述的是产品；排序产生的是互动。

小组工作的真问题是搭便车，而 AI 让它更糟。这里没有一项研究显示 AI 加剧了搭便车，也没有显示任何干预减少了它。公平的抱怨早于这个工具：Chen 与 Zou 那些克制使用的学生，把用 AI 生成自己那一节视为对将要承担它的组员不公平，而绩效理由则显示学生在保护自己在共享成绩中的那份。个人问责与可见的过程在设计上有其理由，但它们不是已被证明的修法。

小组工作里 AI 越多，协作就越好。Martínez-Peláez 等人描述了真实的支持，而 Wei 与 Perkins 发现收益一侧有实证支持，风险一侧则仍大多停留在概念层面。综述中最尖锐的告诫是那项随机对照证据：AI 产生了更多创新性建议，却没有显著提高参与者整体的创新性，同时还同质化了想法并招引认知卸载。在 AI 支持的小组工作中测得的收益，也尚未被证明能迁移到没有工具的协作中。

共享文档就意味着共享过程。Korchak、Costley 与 Fanguy 发现叙述与书面反思相矛盾，以及并非每位成员都能看见的策略。要找的是决策日志，不是文件夹。

检测能告诉你谁做了什么。这些研究没有一项在小组情境中检验它，而小组作品是它最糟糕的情形：多个作者、一个文件，以及一份会被共享账号抹平的修订历史。

你会听到的反对意见

“小组工作本来就不公平，AI 让它更糟。” AI 改变了问题的形状，而在任何人打开聊天机器人之前，公平的抱怨就已经在小组内部了。新的地方在于，一个成员独自产出一个像样的章节变得多么便宜。个人检查点加上可见的过程，背后有设计上的理由。两者都没有被证明能减少搭便车。

“我有 300 个学生，没法做口头答辩。” 那就不要做 300 场。让每个人都交书面解释，并在提交作品与先前作业不匹配的地方抽做口头检查。关键在于每位成员都知道一场对话是可能发生的。

“我没法给过程评分。” 你其实已经在给它的替代物评分，并把结果叫作产品质量。给那件只有过程真的发生过才存在的作品评分：经过协商的 AI 使用说明、决策日志、简短的个人解释。这三者都有边界、都可核查，而量规里的那些条目并不比你为连贯性写的那些更含糊。

“不管我怎么规定，学生都会私下提示。” 有些人会，这就是为什么共享界面和提交的说明比规则更有分量。Xu 等人发现一个可见的共享界面改变了团队使用工具的方式，而 Chen 与 Zou 发现宽松的氛围提高了公开使用。你做不到的是从小组文件去推断私下的情形，所以要为可见的那种情形做设计。

“这不就是系里该定的政策问题吗？” 系里可以设定默认值。它没法为你的作业排序。Chen 与 Zou 的发现是：同一项院校政策因任务不同而产生不同的小组行为，这就把决定放到了你手里，不管你想不想要。

本周要做的事

1. 在下一份小组任务书里加一份半页、共同署名的 AI 使用说明，并给推理打分。加一行写明小组决定不对哪些事使用 AI。

2. 找出任务中可以被切成独立片段再拼回去的那个阶段。重新排序，让某一个阶段需要全队同时在场，并让那个阶段产出你会收走的东西。

3. 在量规里加一个个人检查点：对学生未起草的某一节作简短书面解释，或两分钟口头答辩。

4. 在任务书里点名无 AI 的片段，并用一句话说明每一段为什么无 AI。

5. 决定提示词将存放在哪里。如果答案是“各人自己存着”，那你已经选了私下提示，只是没说出口。

接下来去哪里

小组作业和协作学习承载了关于小组评估以及什么让协作有成效的基础证据。我如何撰写课程人工智能政策并向学生说明？覆盖学生真正会读的课程层面措辞，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？覆盖这件事所处的评估再设计，而学术诚信是处理不端行为那一侧的地方。