核心论点
判断学生使用 AI 是否合理，关键不在于”用没用”，而在于：AI 是在支撑（scaffold）作者完成写作，还是取代（substitute）作者完成写作。
- 作者性（authorship）：写作者能否掌控文本的立场、判断与责任，是 AI 素养的核心
- 支架型用法：AI 辅助表达（语法、结构提示、概念理解），作者认知仍在”中间”
- 替代型用法：AI 接管论点、例证与结论，作者从认知主体退化为操作主体，作者性断裂
- 判断标准：关掉 AI 后，能力是否能迁移——若写作立即失序，则 AI 已替代了本该由作者完成的认知工作
一、AI 判罚的两难困境
期末论文 AI 检测率 95%，却无法给不及格——因为”规则没有讲过”。这暴露了 AI 时代教育的核心矛盾：
- 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？
2024 年，一名因用 AI 篡改研究结果被麻省理工开除的中国学生辩称：“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——你又没教过我们该怎么用 AI。
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。问题是：该怎么用？
二、作者性：理解 AI 使用边界的核心概念
作者性（authorship） 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——能在文本中”站出来”，对所提出的观点负责，并在既有话语中为自己定位（Ivanič, 1998）。
剽窃问题的本质
剽窃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）。
研究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。
中国学生的特殊背景
中国学生从小被鼓励”引用名家名言”——语文课重视好词好句的运用，而不要求区分哪些话是自己的、哪些是别人的。这形成了一种认知惯性：用上记忆中的好词好句是能力，而不是需要警惕的边界问题。
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。
三、支架 vs 替代：区分 AI 使用的关键框架
核心判断
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。
学习支架：AI 在”旁边”，作者在”中间”
AI 支持作者完成他们的表达任务，而不是代替他们完成任务本身。典型用法：
- 语言层面：检查语法、调整句序、提供多种表达方案——只影响”怎么说”，不决定”写什么”
- 结构提示：询问某类文体通常包含哪些部分，相当于查写作指南或请教老师
- 理解与澄清：用 AI 帮助理解写作要求、学术概念或反馈意见，再自行完成写作
特征：没有 AI，作者写得可能更慢、更不顺，但仍然写得出来。作者性不仅未被削弱，反而可能被强化。
替代写作：AI 站到”前台”，作者退到”后台”
典型用法：
- 直接让 AI 生成整篇或整段作业
- 用 AI 生成论点、例子与结论，作者只微调措辞
- 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
危险的异化：作者从负责的”认知主体”蜕变为被动的”操作主体”——完成了拼接、修饰与提交的操作任务，却将文本的逻辑、立场与依据让渡给了不可控的算法。学术最根本的”责任链条”在此断裂。
判断标准
关掉 AI，能力是否能迁移？ 换一道题、关掉 AI，如果作者仍能调动在写作中学到的策略——这样的 AI 使用是辅助学习。若一旦离开 AI 便写作失序、论证无法展开，则 AI 已承担了本该由作者完成的认知工作。
四、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”
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。需要被看见的是学生在 AI 使用中的判断与取舍：如何提出问题、如何组织框架、为何接受或拒绝某种表达。
实操：要求学生提交提纲、迭代版本与简短反思说明，解释 AI 在何处提供了帮助、哪些内容仍由自己决定。
3. 将 AI 纳入对话：在学科教学中培养新的责任意识
与学生共同探讨：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。
出现使用争议时，进行实践性解释：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。
作者后记
本文写作过程中也使用了 AI，其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）。文中的立场、关键判断以及学术责任仍由作者本人承担。
参考文献
- Long, D., & Magerko, B. (2020). What is AI literacy? Competencies and design considerations. CHI 2020, 1–16.
- Ng, D. T. K., et al. (2021). Conceptualizing AI literacy: An exploratory review. Computers and Education: Artificial Intelligence, 2, 100041.
- Ma, M., et al. (2025). Why Don’t Teachers Teach AI Ethics? Computers and Education: Artificial Intelligence, 100518.
- Chandrasoma, R., Thompson, C., & Pennycook, A. (2004). Beyond plagiarism: Transgressive and nontransgressive intertextuality. Journal of Language, Identity, and Education, 3(3), 171–193.
- Howard, R. M. (1995). Plagiarisms, authorships, and the academic death penalty. College English, 57(7), 788–806.
- Hu, G., & Lei, J. (2015). Chinese university students’ perceptions of plagiarism. Ethics & Behavior, 25(3), 233–255.
- Pennycook, A. (1996). Borrowing others’ words: Text, ownership, memory, and plagiarism. TESOL Quarterly, 30(2), 201–230.
- Scollon, R. (1995). Plagiarism and ideology: Identity in intercultural discourse. Language in Society, 24(1), 1–28.
- Ngo, T. N., & Hastie, D. (2025). Artificial intelligence for academic purposes (AIAP). English for Specific Purposes, 77, 20–38.
- UNESCO. (2024). Guidance for generative AI in education and research. UNESCO Publishing.
- Ivanič, R. (1998). Writing and Identity. John Benjamins.