问答
我怎样才能减少课程中的人工智能作弊？
本页是英文页面的机器翻译，尚未经母语者审校。
第六周。一份带回家的论文交回来，读起来流畅却空心，你判断不出是不是学生自己写的。或者四份提交共享同一种轮廓，而九月这个教室里没有人产出过这种轮廓，学术诚信办公室要你书面说明这份作业原本在测量什么。或者你所在的系上个月投票决定在核心课程里限制生成式人工智能，然后把“让这条限制真正有内容”的工作留给了你。
可以给同事的回答是：不要再试图证明这份作品是谁写的，改掉它被写出来的条件。检测是你手上最弱的杠杆。真正撑得住的杠杆是：一个让走捷径留下痕迹的任务，一个你能观察到的、不使用辅助的环节，和一段简短的教学序列，把学生留在认知工作里面。
简要版
1. 把检测移出关键路径。下面的证据显示，它既会对被允许的编辑误报，也会漏掉蓄意的规避。
2. 在每一份高利害评估里放进一个不使用辅助、可观察的环节，并给它真实的分量。
3. 按任务步骤而不是按课程设定 AI 边界，让它跟着你正在评的东西走。
4. 如果允许使用 AI，就把它配置成给提示而不是给答案，并要求学生先自己尝试，它才作答。
5. 让披露具体，并且不附带惩罚。含糊的规则和惩罚性的规则都会把学生推向隐瞒。
检测扛不起这个案子
学术诚信这一综合梳理报告称，AI 文本检测存在重大局限，并主张在生成式 AI 时代，诚信越来越是一个评价设计问题，而不只是一个检测问题。把这些数字带进那场会议，用来向一个已经买了许可证的人解释这件事。
在一项对 642 篇已发表英文摘要的对照研究中，两款商业检测工具把符合指南的轻度 AI 编辑 判为可疑，比例为 38-80%。它们把未经修改的 2023-25 年原文判为可疑的比例是 9-15%，其中非STEM 的作品远高于 STEM，p<0.001。经过 AI“人性化”处理之后，同样的工具只查出不到 4% 被标注为 AI 改写的文本（Why AI Detection Fails for Academic Integrity）。把这三个数字按顺序读一遍。被允许的用法被标记的比例高于被禁止的用法，而被禁止的用法一旦有人用同义改写工具过一遍，就基本看不见了。这就是诚信上的 catch-22：检测器惩罚诚实的协助，却为蓄意规避开着门。
现场证据也是同一个方向。在一项隐蔽研究中，把全由 AI 生成的提交注入五门心理学模块的在线正式考试，94% 未被发现，而且这些 AI 作品平均得分高于真实学生（Detecting the undetectable? Reassessing academic misconduct procedures in the era of generative AI）。范德堡大学在无法验证其宣传的 1% 误报率之后停用了已获授权的检测器，而那 1% 意味着每年 75,000 份提交中大约有 750 名学生被错误标记。
这些都不能说明检测从来不起作用。它说明的是你必须与之共存的错误轮廓。一个被标记的学生是一个要申诉的人，而 642 篇摘要的结果说明，标记最重地落在做了被允许之事的学生身上。完整的论证，即这为什么改变了成绩能支撑什么，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？里。
改变作业让什么变容易
减少 AI 误用这一综合梳理把重新设计列为 Tier-1，理由很结构性：无论学生是否选择正确行为它都有效，因为它约束的是环境，而不依赖动机。
从标签开始。AI 评估量表（AIAS）给每份作业一个 AI 使用等级，从“不使用 AI”，经过“只用于头脑风暴”和“使用 AI 并注明来源”，一直到“完全使用 AI”，这样期望就是明确的、可执行的，而不是靠推断。
然后改作品本身。一项覆盖 72 项研究的系统综述考察生成式 AI 在计算机教育中的应用，把重新设计评为既可行又最具杠杆的做法，并特别指出一步：在每门课程里至少为一项高利害评价加入口头或其他使过程可见的环节。它称之为整个语料中最有效的单一干预。检测是这篇综述覆盖得最薄的领域，只有 3 项研究，而 60-80% 的计算机专业学生报告在课程作业中使用生成式 AI，通常并未获得教师的明确许可，另有一个全国性教师样本中 70% 的人明确要求获得关于抗 AI 评价设计的培训（Generative AI in computing education: A systematic review and a framework for responsible integration）。
一门为期三年的计算机课程展示了有脚手架的披露工作流能把行为推到多远。Shakil 等（2026）要求先交一份独立草稿并附四项清单，再进行一个“由 AI 精修而非重写”的步骤，随后提交披露表与结构化反思，缺少草稿或表格即得零分。采用率从自愿政策下约三分之二的学生上升到有脚手架那一年的 93%；81% 与 84% 的 AI 使用者报告拒绝或修改了建议，评分者对 77–81% 的提交编码出批判性投入，而在控制先前写作能力之后，AI 使用并不独立预测论文质量。这是一份单门课程的经验报告，不是对照试验，但它显示诚信工作正从检测转向学生披露与修改的条件。
这份菜单，大致按每个选项在一门大课上能撑住的程度排序。
无辅助、课堂内、闭卷：监考考试、测验、限时写作。给这些更高的权重，因为被 AI 抬高的正是课后作业这件成品。口试和答辩出于同样的理由有效，因为实时对话难以外包（Reconsidering the use of oral exams and assessments: An old way to move into a new future）。
过程性材料：草稿、推理轨迹、带批注的“展示你的思考”、修改日志，让过程可见，而不只是成品（From authentic products to authenticated processes: a systematic conceptual review of authentic assessment in AI-rich higher education）。真实任务与它们配合使用：本地案例、实习材料、学生自己的数据，任何难以委托出去的东西（Beyond Detection: How Students Use—and Hide—AI in Online Assessments and What Authentic Tasks Can Do About It）。
按学生做任务变体，让每个学生拿到一份表面不同但构念等价的版本，抄袭就在结构上毫无用处。要把这个保证看作以模型能力为条件的：VARIA发现前沿生成器在联合诚信分数上只能达到 0.81-0.88，而非前沿模型跌到 0.50-0.55。如果你的变体并不等价，你买到的是防分享，代价是学生之间的不公平。
缩小练习与考试之间的差距
这是教师会跳过的那部分，也正是因果证据最强的地方。
在一项现场随机对照试验中，一个无约束的 ChatGPT 式辅导工具把有辅助练习的表现提高了 48%，却使无辅助考试成绩下降 17%。一个加了护栏的版本，给提示而不给答案，并加入教师编写的题目信息，完全消除了这种损害（Generative AI without guardrails can harm learning: Evidence from high school mathematics）。在更大的规模上，一项覆盖 26,811 名学生的研究发现，把作业外包使作业成绩提高 18%，同时在六个月内使闭卷考试成绩下降 20%（The generative AI learning penalty: Evidence from Chinese secondary education）。
注意这两个结果的形状。增益和损失落在不同的测量上，而只有一个是你认证的那个。单项 RCT 给不了你效应在你课程里的大小。它给你方向，而这两项研究指向同一个方向。
如果你打算让学生使用辅导工具，在开学前把它配置好，不要等到第一次投诉之后：
1. 把它设为给出渐进的、苏格拉底式的提示，而不是下一步答案。
2. 用正确答案和常见关于 AI 的误解给它打底，让它能针对错误，而不是复述内容。
3. 要求先有一次尝试，然后任何输出才出现。
4. 应用省力陷阱这条规则：如果让 AI 进来会让任务感觉毫不费力，那它就在错误的位置。
最后这条规则也正是脚手架和护栏发挥作用的地方，也是模拟学生在真实学生遇到你的提示词之前用来测试它的地方。
让学生展示他们能做什么
你永远不会确证一份文件是怎么产生的。你可以低成本地确证：这个学生做不做得到这份文件看上去在展示的事。
“对学生使用 AI 最好的回应不是检测，而是对话”描述了这些机制：两分钟的一对一讲解或录音讲解自己提交的一份作品；就同一材料做一次不使用工具的简短后续测验；请学生修改自己作品中的一个样本并解释所作的改动。这个来源是一份实践者的叙述，所以把它当作有希望的做法，而不是效应的证明。
核验也决定你的不端行为处理程序能不能挺过一次申诉。Munoz 等人（2026）分析了真实的生成式 AI 不端行为指控档案，发现自然正义要求在任何认定之前告知学生指控内容并给他回应的机会，通常是在调查面谈或小组听证中，而学生所说的一切都会进入证据记录。他们对证据类别的说明解释了为什么这必须做进课程里：系统记录的行为痕迹只存在于有监督的评价中，而草稿、指导会议和展示这类较弱的过程证据，只在这些事情本来就已经是常规做法的地方才存在。核验的习惯会变成你日后可以依赖的证据。
规则也要写得精确。Wright（2026）指出，把语音转文字转录和生成式写作当成同一种“AI 使用”来禁止的规则过度涵盖，有可能处罚并没有做被禁止之事的学生。这首先是公平问题，然后才是法律问题，其余部分在法律问题与风险里。
让学生在做的过程中留在回路里
禁用工具，和不加结构地允许使用，产生的结果相同：学生站在认知工作之外。
减少 AI 误用这一综合梳理为“允许使用”的版本列出了八条设计原则，其中包括：保留认知摩擦，把 AI 定位为暂时的思考伙伴而不是权威，嵌入评价检查点，并要求元认知日志和提示词日志。
承载这些原则的序列很短，可以印在作业说明上：
1. 先想。学生在打开任何东西之前，先自己头脑风暴、列提纲或起草。
2. 再问 AI。他们用它来批评、扩展或生成替代方案，针对的是自己已经有的想法。
3. 最后反思。他们记录自己用它做了什么、接受了什么、拒绝了什么，以及为什么。一份提示词加一份修改日志就够了。
把声明写得具体，填起来也不费力
把通用的“我使用了 AI”勾选框换成一个领域特定的声明框架，把使用对应到认知阶段，比如结构规划与内容生成（Structuring Transparency: Developing Domain-Specific Generative AI Declaration Frameworks in Higher Education）。一份问清哪些阶段、哪个工具、哪些提示词、输出如何被评价的封面说明，比一个“是/否”做的工作多得多。
两个条件让它诚实。披露必须是安全的，因为惩罚性或含糊的政策会主动把学生推向隐瞒（Addressing student non-compliance in AI use declarations: implications for academic integrity and assessment in higher），而学生会在“告诉你”与“不告诉你”之间权衡风险（"Should I Tell My Teacher?" Student AI Disclosure Practices, Stigma, and Self-Regulated Learning in Higher Education）。
算术也必须偏向“说出来”。Mohamed 与 Temimi把这件事建模为信息不完全的问题，而不是道德问题。只有当诚实的成本保持在低位时，披露才有吸引力；而由于检测器的假阳性也落在诚实的学生身上，只要额外灵敏度带来的新假阳性多于新真阳性，更强的监控就会让隐瞒变得相对更有吸引力。把申报过的使用读作背景信息，而不是自白，并针对那个最想隐瞒的学生去设计。
教你在评的那种素养
减少 AI 误用这一综合梳理把AI 素养和提示词教学列为 Tier-2，排在结构性改变之下。
有测量的例子是一个K-12模块，使用情景化的提示词练习，配一个大语言模型（LLM）自动评分器。它提高了实际的提示词技能，并把使用 AI 辅助学习的信心提高了 10.4%，87% 的人报告自己学会了负责任地使用 AI（Learning to Use AI for Learning: Teaching Responsible Use of AI Chatbot to K-12 Students Through an AI Literacy Module）。
学生实际相信的东西，比这场恐慌所暗示的要少些犬儒。在 504 名社会学专业学生中，65% 用过生成式 AI 做课程作业，但只有 3% 用它来生成作业文本，2% 用它来生成完整草稿。81% 的人收到过某种 AI 指导，而只有 46% 觉得它非常清楚（Student Use of and Views on GenAI for Writing）。实际问题是含糊，而不是对抗，这就是为什么一条清楚的规则加一段教过的序列，比一句警告更能改变行为。Mulisa 与 Mezgebu（2026）描述学生问：生成式 AI 是一个助长作弊的工具，还是一个支持学习的伙伴？这个问题正是你的期望应当回答的。
值得明确教的那一层伤害是表现—学习差距：此刻表现上升，之后学习下降，而学生只体验到前一半。Is using artificial intelligence tools for academic work cheating? Student perceptions, ethics, and the impact on academic performance and critical thinking和"It's OK Because.": The Wild West of Student Rationalization of AI Use in Academic Writing讨论同伴规范与合理化那一侧，包括“大家都在这么做”这种辩解——一条清楚的规范就能消掉它的气。这套基础有多牢固，见关于高等教育中的人工智能素养干预，有哪些证据？和在人工智能教育研究中，教师最应该了解的 10 项主要发现是什么？。
教师在这件事上搞错的地方
检测器是保险。算算保费覆盖了什么：在范德堡无法验证的那个比率下，每年 75,000 份提交里的 1% 就是 750 名学生被错误标记，而 642 篇摘要的研究显示，标记聚集在被允许的编辑上。
禁令把问题解决了。用“AI 使用”这种语言写下的禁令会把转录和写作一起抓住，这意味着你可能因为学生口述自己写的句子而处罚他（Wright，2026）。它也没有告诉你这个学生做得到什么。
作弊是动机问题，所以惩罚是工具。动机是真实的，但它不是证据最好的那个杠杆。重新设计排在 Tier-1，因为它不要求学生做出好的选择，而反应区域模型说要针对那个最想隐瞒的学生去设计。
如果我允许 AI，误用就不再是我的问题。不加护栏的许可在同一项研究里产生了 48% 的练习增益和 17% 的考试损失。把护栏放回去，损害就消失了。
学生已经知道界线在哪里。81% 收到过指导，而不到一半觉得它清楚。3% 和 2% 这两个数字说明大多数人并没有在生成整份作业；46% 说明他们在猜剩下的部分。
一个勾选框就是一份声明。勾选框记录的是学生点了一下。分阶段的声明告诉你他在每一步做了什么，那才是唯一对你有用、对他也有用的版本。
你会听到的反对意见
“我没有时间这学期重新设计一门课。” 不要重新设计整门课。重新设计一份作业：一个无辅助环节，一条带分数的评分细则。那是两小时的改动，也正是那篇 72 项研究的综述特别指出的改动。
“300 名学生的口试答辩不可能做。” 那就不要做 300 场。给闭卷部分加权，要求过程性材料，并对那些看起来与早前作业不一致的提交做抽样的口头检查。300 名学生不需要 300 次谈话来改变算计。
“我需要拿点东西给学术诚信办公室看。” 过程证据比检测器分数更强，因为 Munoz 等人发现，回应机会和课程自己的记录才是档案所依赖的东西。一个标记百分比是一项指控。一段记录下来的解释是一份记录。
“要求声明只是给诚实的人添负担。” 确实会，如果披露招来怀疑。把诚实的成本压到接近零：申报过的使用不受处罚，申报被读作背景信息。这个模型预测的正是“诚实一旦变贵，隐瞒就出现”。
“学生反正会用 AI。” 他们会的，而有用的问题是你的作业让哪一种反应变得最容易。在一个 65% 报告使用、2% 报告生成完整草稿的班里，大部分流量是你可以去教的协助，而不是你需要去抓的欺诈。
“把规则收紧会抓住没做错事的学生。” 那是有据可查的失败模式，不是假设。精确就是保护：点明被禁止的行为，而不是工具。
本周可以做的事
1. 重写你那份最有争议作业里的 AI 条款，让它点明具体步骤和具体行为，删掉一刀切的措辞。
2. 给那份作业加一个无辅助环节，并给它足够的分量。
3. 把一项过程性材料写进评分细则并配上分数，把“好的样子”描述得和成品一样精确。
4. 如果你允许使用辅导工具，这周按上面那四项设置检查它的配置。
5. 书面告诉学生，申报过的使用不会受处罚，并且说到做到。
接下来可以去哪里
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？是评价设计上的配套页，如果你的问题是“这个成绩是什么的证据”，就从那里开始。我们应当使用人工智能检测工具吗？直接处理检测器的决定，我如何撰写课程人工智能政策并向学生说明？讲学生真正读到的那套措辞，'A bit of chaos and madness': The AI Assessment Scale and the work of assessment reform提供标签方案。教学那一侧，关于高等教育中的人工智能素养干预，有哪些证据？和AI 误用与学习损害讲素养工作值多少，以及伤害为什么发生。