AI教育白皮书：什么算自己写的

本文性质： 观察 + 模型（Observation / Model）　证据标签： 观察 Observation／模型 Model／假设 Hypothesis／实证 Evidence

本篇涉及的证据类型：观察 Observation／模型 Model／假设 Hypothesis。凡属本院课堂观察与教学模型的部分，均不作效果承诺。

作业交上来，字迹是学生的，句子不是他的，也说不出哪里不是。判断一份作业算不算自己写的，标准不是有没有用工具，而是能不能说清哪一步是自己做的。

三种交上来的东西，三种分不清

本院在课程回访中见到三类交上来的东西。第一类整段由工具生成，学生读完觉得有道理就交了，问其中一句为什么这样写，答不上来。第二类是逐句改写：把生成稿的同义词换掉、句子拆短，改完读起来像自己，但结构、例子、判断全是原稿的。第三类是先列提纲再自写，只在卡住的地方问一两句，改动痕迹很轻，反而是最少被怀疑的一类。教师凭文本很难区分这三类：第一类可能写得比学生平时好，第三类可能比平时差。这些是课堂观察与作业记录，没有做文本比对，也没有统计各类占比，只能说三种情形都在发生，不能说哪一类更多。

归属看三处：判断、加工、核验

把归属这件事拆开，有三处在起作用。第一是判断：这一段要不要写、先写哪一句、哪个例子更贴切，这些选择构成了文章的骨架，骨架若由工具给，剩下的只是填充。第二是加工：改写幅度不是关键，关键是改动有没有理由。能说出为什么把这个词换掉，就是加工；只是读着别扭就换，是替换。第三是核验：文中的事实、数字、引文，有没有被回头查过一次。三处里，判断决定这篇文章是不是他的，核验决定这篇东西能不能用。

文末三行：用了什么、用来做什么、我改了什么

本院白皮书框架给了一个三行署名法，写在作业末尾，比任何检测都省事。第一行写用了什么工具，第二行写用来做什么（找例子、改语法、列提纲、生成初稿），第三行写我改了什么（增了哪一段、删了哪个论点、换了哪个例子）。三行写完，教师一眼能看出归属落在哪里，学生也被迫回头看一眼自己的稿子。配套一个动作：凡是工具给出的句子，保留一处自己不同意的判断，并写下不同意的理由。这一处是全文最能说明归属的地方。这套做法是工作模型，用来把隐性的分工显性化，不解释学习发生的机制，也不保证写清楚署名的作业就一定学得更好。

四条边界：检测工具靠不住

有四条边界。第一，检测工具靠不住：文本检测器对改写、对非母语写作者的误判率都不低，学界已有系统性质疑，把检测分数当证据会伤到没作弊的学生。第二，不把使用工具本身当违规：查资料、校对语法、把一段晦涩的说明读通，这些用法与代写不是一回事。第三，规则应由课程目标决定：练写作的课与练资料的课，边界不该一样，一刀切的规定最后总是执行不了。第四，观察来自教师转述与作业抽样，样本不随机，不宜读成比例，也不能据此推断某一年龄段更严重。

今天就能开始

下次布置需要查资料的作业，在要求里加一句：文末写三行工具使用说明，写清改了什么。

本文依据

• 观察来源： 本院 2024–2026 年课程回访、作业批改记录与教师访谈，随手记录、非随机抽样、未编码，仅作现象描述。
• 模型出处： 本院白皮书框架中的「三行署名法 + 一处不同意」工作模型，用于把工具与学生的分工显性化，不作效果承诺。
• 待验证项： 显式署名是否提高学生对自身加工过程的监控、三行说明是否会变成新的形式主义，本院尚未做对照检验。
• 外部文献： UNESCO 2023（生成式人工智能教育与研究应用指南）；Kasneci 等 2023（生成式 AI 在大中小学的机会与挑战）；Cotton、Cotton & Shipway 2024（生成式 AI 与学术诚信）；Sadasivan 等 2023（AI 生成文本能否被可靠检测：对检测器的系统性质疑）。