大学课堂的“新猫鼠游戏”：学生用AI写作业 老师头疼死了

我们想知道学生是如何偷懒的？老师如何“用魔法打败魔法”？到头来，学生又该如何用好 AI 工具？

这场大学课堂里的“新猫鼠游戏”：学生用 AI “代笔”，老师想方设法“捉妖”的戏码，正深度呈现在高等教育的各个角落，不论是文史哲的论文写作，还是计算机系的代码调试，甚至新闻系的消息写作，AI 无处不在。

而师生博弈背后，一个深层的问题正在浮现——当高等教育被 AI 全面渗透，教与学被重新定义了么？

全能助教，还是糊弄作业的元凶？

“7000 字的结课报告，三四天就写完了。”

这是一位理工科受访者的真实经历。在 AI 的辅助下，曾经需要埋头苦干数周的作业，如今可以像生产线上的产品一样快速产出。对于身处考试周、期末季的大学生来说，AI 成了那个终极“救星”，还有学生戏称自己买的 AI 会员是“为科技付费”。

在一线教师的眼中，这场变革来得既突然又深刻。

在某综合类一本高校新闻系，任教“消息写作课”的于文州老师（化名）是在 2025 年 1 月才后知后觉地发现，早在 2024 年，就有大一学生在用 AI 生成作业。到了 3 月份的春季学期，他在消息写作课上亲眼看到，学生直接用 AI 生成新闻报道——连采访都不需要，一篇工整的新闻稿就出炉了。当然，大部分新闻事实是 AI 编造的。

央视新闻报道中，高校老师警告学生，图源：网络

某 985 高校外国语学院的老师程云来（化名）观察到，学生用 AI 回答设计 PPT 、总结文献、润色语言，2025 年大四学生的毕业论文和研究生学位论文“语言质量大幅提升，全篇几乎没有语法错误”。但她也指出，AI 写的文章往往带有“翻译腔”，内容空泛，“没有什么细节的例子，写演讲稿很虚，讲大道理，落不到人的真实经历上去”。

中国传媒大学的彭健老师则总结了 AI 作业的典型特征：虽然文字工整，但概念理解存在偏差，逻辑切分混乱，更致命的是，AI 会“一本正经地说瞎话”。他遇到过一篇关于电影产业投融资的论文，文中言之凿凿地描述某年某月某公司完成了一笔特定结构的融资，但“了解行业的人一看就知道是 AI 编的”。

浙江传媒学院新闻与传播学院的王翎子老师甚至能辨别出学生们使用的是哪一家的大模型——文心一言生成的内容像文科生，通义千问更像理科生。

一项针对全国 13 所高校 3000 多名本科生的调研显示，大学生不仅普遍使用生成式人工智能辅助学习，而且过半大学生使用频率较高，“经常使用”和“总是使用”的占比合计超过 50% 。

师生 AI 攻防战

面对来势汹汹的 AI ，教师群体不得不拿起“照妖镜”，试图从学生作业中找出 AI 的痕迹。但这场博弈远比想象中复杂。

采访中，我们发现，部分高校教师会依赖各种 AI 检测工具——GPTZero、Copyleaks、Turnitin 等。然而，这些工具的准确率参差不齐，有时会给出截然不同的结果，这使得技术检测只能作为参考，而非定论的依据。

于是，“人眼识别”成为真正的防线。经验丰富的教授能从“语言平滑、不带个性、逻辑滴水不漏”的作业中嗅出 AI 的味道。彭健老师依靠的就是这种学术经验：“AI 生成的文章虽然逻辑严谨，但它经常把不在一个维度的东西强行并列——比如四点分析中，三点按功能分，一点按效果分，根本不在一个维度上。”

程云来老师则主要依赖个人经验，偶尔在写作课教学中用iWrite 平台检测，“如果发现不当使用 AI ，会在课堂警告，严重的影响期末成绩”程云来说。

但在民办三本院校，识别 AI 的方式呈现出另一种面貌。

吴渊（化名）在一所民办三本院校担任软件工程专业教师，他对此感受更为直接。

吴渊坦言，80% 以上的作业已经完全能被 AI 完成，无论选择题、简答题，写代码，还是做程序，同学们甚至不检查，“粘贴过来就交作业了”。

吴渊识别 AI 作业主要靠两点：一是“ AI 味儿”——那种扑面而来的机器感；二是“重复率”——当多份作业中心思想差不多只是换了说法，甚至能看出出自同个 AI 模型，答案不言自明。

更棘手的是成绩评定的现实困境。吴渊透露，按照学校规定，学生成绩需要呈现正态分布。“如果你全打很低分，期末写成绩分析报告的时候，教务处会问你为什么不呈正态分布。”更讽刺的是，“AI 写出来的东西，比如程序，它确实是对的。你虽然知道它是 AI 的，觉得有点敷衍你，你不乐意，但你没办法给低分，它至少得分点是正确的。”

复旦大学的赵斌老师则给出了“ B 选项”。作为国内最早一批将 ChatGPT 引入教学的教师，他从不对学生使用 AI 设限，甚至鼓励学生大胆尝试。他发明了一种叫“自己挖的坑自己填”的考核方式——期末时，他把学生一学期用 AI 辅助完成的作业收集起来，喂给 AI ，让 AI 根据每个人的作业生成专属考题。

这意味着，如果学生当初只是简单复制 AI 的内容，没有真正理解，那么在期末考中，他将面对一个由自己“喂养”出来的、最了解自己知识盲区的考官。赵斌说，这既是对学生的督促，也是让他们明白：AI 只是镜子，真正要面对的，始终是自己。

赵斌老师课程群截图，群聊名称是“向 AI 提出好问题”

学生也在“进化”。

面对教师的围堵，他们迅速掌握了“反侦察”技巧：调整 AI 的输出语气，使其更像“凌晨两点写论文的本科生，带一丝绝望和凌乱”；先自己写提纲或草稿，再让 AI 填充，确保“人味儿”；甚至故意引入错别字、语病或口水话，伪装成“亲手所写”。

在美国，还有学生反向申诉，质疑一位反对学生用 AI 的教授，使用 AI 编写教材和评分标准，于是这位学生要求学校退学费。采访中，吴渊也提到，他收到过学校领导发的一份制度文件，读起来“ AI 味儿特别重”。对此，吴渊调侃道：“屠龙少年终成恶龙。”

这种博弈让教师付出了巨大的情绪成本。

于文州老师坦言：“我自认为教了这么多年新闻写作，就怕孩子们不会写。120 人的大课堂，我一个个地教，一个字一个字地矫正。结果呢？孩子们拿一堆 AI 生成的东西来骗你……有时候感觉自己像个傻子一样。”他提到马伯庸小说《长安的荔枝》里的李善德——那个老实善良的人，费了很大力气，最后只是为了一颗人家根本不需要的荔枝。“情绪方面的打击，真的是太大了。”

面对这种情况，高校开始出台各种规定。2024 年底，复旦大学发布《关于在本科毕业论文（设计）中使用 AI 工具的规定（试行）》，提出“六个禁止”，禁止在研究设计与数据分析、原始数据收集、结果图片与重要插图创作、论文撰写、答辩与检查及涉密内容等六个方面使用 AI 工具。

清华大学也发布了《人工智能教育应用指导原则》，严禁将 AI 生成的文本、代码等直接复制或简单转述后作为学业成果提交。华东师范大学和北京师范大学联合发布的《生成式人工智能学生使用指南》，则要求学生使用 AI 完成作业时需标红相关内容，且直接生成的内容不得超过全文的 20% 。

但规定的出台并不意味着问题的解决。复旦大学新闻学院教授邓建国指出，学生在用 AI 时也有一种内卷的心态——如果事先声明在作业中使用了 AI ，可能会担心老师降低分数；而那些没有标注但确实使用了 AI 润色的学生，可能会获得更高的分数。

“在 GPA 竞争激烈的背景下，这种内卷心态，可能会让学生如何规范使用 AI 变得很难实施下去。”采访中，一些老师和学生告诉我们，学校出台的 AI 使用规范更多地被他们视为一种校方的表态，部分学生则认为“如果我把 AI 用得神不知鬼不觉，学校和老师能把我怎样？”。

北京大学文科领域的博士生刘云（化名）则提供了另一种视角。作为高年级博士生，她的课程已经修完，主要用 AI 辅助博士论文写作。“我用 AI 帮我处理一些英文文献，以前一小时读一篇，现在放到 AI 里翻译提炼，一小时能读三篇。”她的导师非常倡导使用 AI ，“觉得既然这个东西出来了，你就要会用。”

于 AI 喧嚣中倾听思考的回声 

当“捉妖”与“反侦察”的游戏愈演愈烈，一个更深层的问题开始浮现：这场博弈的终点在哪里？如果 AI 已经不可阻挡地进入教育生态，该如何与之共存？

刘云讲述了一个“高阶使用”案例。最近，在毕业论文写作过程中，她感到，写出清晰、有逻辑、总结性强的小标题，是论文撰写中的难题，对此，AI 则十分擅长。

实操时，她没有简单让 AI 润色，而是先找到一篇自己读起来特别舒服的本专业博士论文，把它喂给 AI ，让 AI 分析那篇论文的语言风格。然后她再拿自己写的文字让 AI 按分析出的风格润色。刘云发现，AI 处理后的逻辑链条确实更清楚了。

“我曾经对比过模型的生成结果，总结出一套各种 AI 适合哪些工作的经验，如果 AI 给的答案特别奇怪，就换一个模型试试，或者我是可以直接选择不用的。”在她看来， AI 只是工具，筛选和判断的权利始终在自己手中。

教育界对 AI 认知和讨论也在逐步深化。

清华大学苏世民书院院长薛澜认为，人工智能进入校园之后，有可能推动形成个性化教学模式，补足当前教育模式的“短板”。如搭建个性化的学习中心、形成个人学习枢纽，为学生理解知识提供应用场景。

2024 年 7 月，上海交大校长丁奎岭世界人工智能大会上提出 “AI＋HI”（人工智能+人类智慧）的概念，关注“人之所以为人”的价值，帮助专业教育从繁杂的通用知识中解脱，把握人的核心价值和竞争力。

在交大发布的 AI 使用规范中，进一步将 AI 应用划分为四种类型：禁止使用、有限使用、鼓励使用、开放使用，推进“ AI+教育教学”分级分类改革。这种精细化的管理思路，正在取代“一刀切”的禁令思维。

2025年3月，上海交通大学发布“规范”

2026 年 1 月，复旦大学正式上线 AI 3A 教育共创平台，同步发布《生成式人工智能教育教学应用指引》。

这份超万字的指引将 AI 应用场景细化为课堂教学、学业评价、自主学习支持等具体环节，为每个环节提供行动建议、伦理警示和工具推荐。其中明确：AI 可用于语言润色、结构建议等辅助环节，但不得替代研究构思、理论构建、数据分析等核心学术劳动。

复旦赵斌老师推荐的模式是“ AIGC 协作 1-2-3 法则”：独立思辨 10 分钟，人机协同 20 分钟，小组共创 30 分钟。这一模式希望能合理分配时间和精力，让 AI 承担机械性、重复性工作，包括资料整理、数据初步分析等，将节省下来的时间用于更具创造性和思考性的任务。

这种“问好问题”的能力，正是 AI 时代教育需要培养的核心素养。正如武汉理工大学校长杨宗凯所言：“谈到最大的变化，我觉得未来要培养两种人才，一种是能够提出问题的人才，一种是能够解决问题的人才。”

赵斌老师早在 2023 年 3 月于澎湃新闻刊文称：提出问题，对学生的知识储备、思考问题的能力，批判性思维能力等方面的要求只会更高，不会更低。然而，现实中很多人使用 AI 的逻辑恰恰相反——学生们让 AI 写代码，是为了自己不用学代码；让 AI 写文案，是为了自己不用想文案；让 AI 做数据分析，是为了自己不用懂统计学。

这样的后果是：学生的核心判断力永远练不出来，人永远停在生产力阈值之下，AI 越发达，自己越容易被替代。

而那些真正能从 AI 身上拿到红利的人，是这样使用 AI 的：他们掌握了底层的专业逻辑，用 AI 替自己完成重复、低价值的执行工作，从而把省下的时间用于打磨更高阶的判断力、决策力和系统设计能力上，让自己的核心竞争力越来越强。赵斌老师指出。

回看教育本身，教育是知识的传递，还是思维的训练？它被人工智能重塑了吗？伦敦大学学院知识实验室学习分析与人工智能团队主任、教授穆特鲁·库库罗瓦认为：“人工智能工具本身不可能改变教育。”

生成式 AI 爆发后，穆特鲁·库库罗瓦在布置作业时，会更关注学生提出问题和解决问题的潜力，他提到，教育系统的变革是一个社会技术生态系统问题，而今，教育的本质并没有变。

如果教育的本质没有变，那么教与学的边界呢？或许就在于“思考”本身。

中国传媒大学彭健老师指出，很多人把思考当成劳作，但实际上它是一个权利。“如果完全依赖AI，不自己思考，他还是不是一个完整的、有思考能力和判断力的人呢？”

AI 席卷高校的浪潮已然势不可挡，没有人可以把 AI 关在门外，但我们必须不断尝试摸清人与 AI 的边界。大学生当然要主动了解和使用 AI ，问题也从来不在工具本身，而在如何使用。我们反对的是，让 AI 代替自己思考、创造和成长的过程。

未来的教育，也许不再比拼谁记得更牢，而是比拼：谁能问出好问题；谁能在 AI 生成的千篇一律中，注入独特的、有温度的思想；谁能利用 AI 突破生产力阈值，将时间用于提升自身的认知和判断力。

当所有人都在用 AI 时，我们更要在 AI 的喧嚣中，依然听得见自己思考的回声。