生成式AI賦能研究生科研寫作的學術倫理與風險防控

摘要：生成式AI為研究生科研寫作提供了新的應用工具，但也帶來了新的挑戰，其中的學術倫理問題尤為引人關注?；诖?，文章首先結合學術的內在邏輯與研究生的學習屬性，指出生成式AI應用于研究生科研寫作應堅守求實誠信的底線倫理、成長發展的核心倫理、知識創新的上標倫理。然后，文章分析了生成式AI應用于研究生科研寫作的風險表征，包括違背科研工作原創性內生邏輯的學術不端、造成研究生思維惰性和思考萎縮的技術依賴、難以確定研究成果學術真偽與主體貢獻的評估困境。最后，文章基于技術向善和科研創新的價值指向，提出深化研究生科研寫作的學術倫理觀教育、健全基于技術適應的學術倫理審查和懲戒制度、創新學術不端行為的偵查檢測方式等風險防控策略，以期為更好地實現人機協同和提升研究生科研能力賦能。

關鍵詞：生成式AI；科研寫作；學術倫理；風險防控；研究生

【中圖分類號】G40-057 【文獻標識碼】A 【論文編號】1009—8097（2024）08—0023—10 【DOI】10.3969/j.issn.1009-8097.2024.08.003

一 問題的提出

隨著人工智能（Artificial Intelligence，AI）技術的不斷更新迭代，其在教育場景中的應用也越來越廣泛，尤其是以ChatGPT為代表的生成式AI的問世，給教與學的改革創新提供了新的想象空間，為研究生科研寫作注入了新的活力。不同于以往的判斷式弱人工智能，生成式AI在科研寫作中不僅僅局限于語法修正、文本潤色或語言翻譯等簡單的文本處理，還呈現出強人工智能的形態，即具備“類人思考”能力，能夠通過對話自主生成具有一定創造性的學術文本[1]。對于生成式AI的影響，當前諸多研究聚焦于其對教師角色的改變以及對教育現狀的沖擊上。不論是2023年9月聯合國教科文組織發布的《生成式人工智能教育與研究應用指南》（下文簡稱“應用指南”）[2]，還是我國在同年7月推出的《生成式人工智能服務管理暫行辦法》（下文簡稱“暫行辦法”）[3]，雖然對教育領域中的倫理原則都有所提及，但針對研究生這一特殊人群卻鮮有關注。作為極具創新活力的青年群體，研究生對于生成式AI的學習應用表現出了高度的熱情，且開始嘗試將其應用于學術科研寫作之中。在傳統的學術訓練中，科研寫作被認為是研究生從事研究工作的一項基本能力，掌握這項能力通常要耗費大量的時間和精力，生成式AI無疑將改變這一局面，為科研寫作提供新的應用可能。

但是，生成式AI在為科研帶來紅利的同時，也涌現出了一系列新問題[4]，其中對于學術倫理秩序的挑戰尤為突出：一方面是來自“人-機”主客體顛倒的倫理風險。研究生與新興科研工具之間仍存在適應空間，一旦使用失當，就會引發“人-機”主導權偏移的風險，即出現由“訓練”生成式AI變為被生成式AI“訓練”的現象。因此，主導權的偏移造成研究生與生成式AI內在價值關系的偏離迫切需要得到關注。另一方面是來自生成式AI應用中“應然-實然”狀態對立的倫理隱憂。智能化科研工具與傳統科研寫作方式之間存在深度融合的契機，但也存在互相對抗的風險，這往往取決于生成式AI的應用是否符合學術倫理規制。因此，學術倫理的應然狀態與實然狀態之間的差距和沖突值得慎思?；诖?，本研究將以學術倫理為分析視角，科學審視生成式AI賦能研究生科研寫作過程中可能存在的潛在風險及其防控策略，以期為更好地實現人機協同和提升研究生科研能力提供助力。

二 生成式AI賦能研究生科研寫作的學術倫理

學術倫理是研究生科研寫作必須堅持的學術底線和秩序，表現為主體之間的交互關系與價值關系。從科學研究的內在規律來看，無論AI如何賦能，基本的學術倫理秩序不會改變；從學術倫理關系來看，生成式AI作為一類應用工具，不可能完全替代研究生進行科研寫作。

1 求實誠信倫理：生成式AI賦能研究生科研寫作的底線倫理

科學研究的本質目的是探索未知、發現真理，而求實誠信則是實現這一本質目的的基礎和前提。求實誠信是學術活動中的基本價值規范，即底線倫理。無論世界如何變革，技術如何創新，人類科研活動的本質目的不應該被異化或忽視，因此研究生借助AI實現提升科研寫作效率的同時，必須堅守求實誠信的底線倫理。

一方面，應堅守生成式AI的科研工具屬性，發揮研究生科研寫作的主體能動性。盡管生成式AI還處于發展的初級階段，但其在數據處理、邏輯表達、文本生成等方面已展現出超越人類的能力，有相當一部分研究生在設計論文思路、優化行文表達等方面開始使用此類工具。然而，生成式AI通過深度學習并基于模型、算法與規則生成內容[5]，在學術生態內的角色定位是智能化的數字學術工具，其目的在于提高研究生的科研寫作效率與質量，作用之根本在于輔助，它無法包攬科研寫作的全過程，更不能取代研究生的思考和創造。因此，研究生應當充分認識生成式AI的原理、優缺點，選擇合適的應用場景，進而發揮其最大潛能，保證科研成果的真實性和可靠性。

另一方面，應堅持科研寫作的科學屬性，避免生成式AI淪為學術不端的工具。科研寫作的基本要求是科學性，其中包含過程的科學性，要求作者在研究與寫作的一系列過程中秉持科學態度和科學精神，做到實事求是[6]。然而，生成式AI被引入科研寫作領域后，其飽受質疑之處在于可能會引發學術不端行為、違背科研過程的科學性[7]。事實上，生成式AI本身并無好壞之分，其使用是否違背學術規范需更加深入且具體的討論[8]。生成式AI在科研寫作中可用于確定選題、擬定提綱、文本撰寫、修改提升等環節（如表1所示），如作為檢索類工具進行信息獲取或作為潤色類工具進行語言優化，均屬合理范圍；但作為內容生成類工具直接生成并加以復制引用，會引發論文代寫的學術不端行為。論文是科研成果的載體，展現了研究生對客觀世界的認知程度和價值判斷。當生成式AI過度參與寫作時（如生成提綱、擴充字數），論文所表現的便是AI編碼的內容而非研究生思考的內容，這顯然脫離科研本質，違背求實誠信的底線倫理。

2 成長發展倫理：生成式AI賦能研究生科研寫作的核心倫理

研究生教育的根本所在是促進其成長發展，科研寫作則是促進研究生成長發展的重要過程，因此生成式AI的應用應當以促進研究生的成長發展為核心指向。

首先，科研寫作是研究生成長發展過程中不可或缺的培養環節，生成式AI無法替代這一過程?？蒲袑懽髯鳛檠芯可囵B的核心環節，不僅是傳遞知識和思想的媒介，更是培養研究生學術與研究能力的關鍵過程。一方面，科研寫作是思維整理和表達的過程，要求研究生清晰地傳達價值理念與實驗結果。生成式AI雖能生成文本，但缺乏思維創新，難以達到人類的深度思考與邏輯理性。同時，生成式AI缺乏人類特質，即情感張力、直覺、好奇心等非理性因素，因此無法勝任任何需要人類以情感或好奇心驅動創新意識的寫作環節。另一方面，科研寫作是一種學術成長的過程。通過科研創作，研究生可深入研究領域，培養邏輯思維、批判性思考和表達能力。盡管生成式AI在語言處理上取得了一定的進展，但它仍無法代替研究生形成批判思維、表達能力和文化意識等核心素養。

其次，生成式AI應用于科研寫作的前提在于通過人機協同促進研究生的科研能力提升。盡管生成式AI并非專為學術開發，但其符合任何數字學術工具的研發初衷，即服務于科研工作，提高科研質量與效率。從協同角度來看，科研工具協同形式上的豐富推動了研究生科研能力的提升，即“機機”協同形式上的多元化推動“人機”協同形式上的創新。生成式AI卓越的技術特征豐富了傳統科研工具協同寫作的維度，諸多科研工具正吸納ChatGPT類大型語言模型，實現從單一的輔助型工具到AI賦能的科研助手的轉型，從單向輔助到雙向互動生成正是人機協同形式上的創新。由此，無論是生成式AI本身還是被AI賦能的其他科研工具，其作用都不再僅僅是一個簡化工作的程序，而是一個可以與研究生形成協同關系、共同發展的科研助手。生成式AI能夠提供泛在化、個性化、協作化的學習形態[9]，整體上也更加契合研究生自主研究的科研方式。從價值傾向來看，人機協同需回歸“以人為本”，促進研究生的個人發展，聚焦于對研究生科研能力的培養，人工智能作為人之智能的分裂和對立，倒逼人們重新反思人之為人或主體之為主體的根本所在[10]。作為科研工具，生成式AI本質上是人類主體意識的延伸，也是科研寫作輔助的手段。因此，研究生應充分意識到并堅定自身在協同中的主體地位，同時在其中獲取平衡，在充分發揮生成式AI優勢的基礎之上，堅持個體意識得以保留和發展。

最后，研究生要以促進自身的科研能力提升為出發點，科學合理地使用生成式AI，避免學術不端行為發生，其中研究生的綜合科研能力包括資料搜集與處理能力、邏輯推理能力、創新能力、問題解決能力以及語言表達能力[11]。事實上，生成式AI在諸多領域已有卓越表現，甚至已然超越研究生的科研能力水平。在人工智能時代，調整研究生科研能力的培養目標，推進研究生能力培養的結構性轉向已然成為促進研究生科研能力提升的應有之義[12]。一方面，需要增強非認知能力的培養，即人類智能所獨有的創造力、好奇心、問題意識、審美能力等。這些能力同樣是科研能力提升的重要維度，而生成式AI可以參與激發這些能力；另一方面，需要拓寬科研能力的范疇，即補充對人機共存共生能力的培養，使研究生科學合理地使用生成式AI。生成式AI可以提供科研輔助，但也需要研究生具備一定的技術理解能力，其中包含但不限于技術意識與倫理規則，以便能夠科學有效地與AI系統協作，發揮“1+1＞2”的智慧合力。

3 知識創新倫理：生成式AI應用于研究生科研寫作的上標倫理

在研究生教育中，知識創新被視為最高的價值追求[13]，它不僅體現了學術的核心使命，也是研究生科研寫作的最高倫理要求。哲學家培根曾提到“人類的理解能力是人類知識的來源”[14]，而生成式AI顯然正挑戰著這項能力。人類依賴AI來解釋和理解復雜問題，按照AI思維范式來認知世界，這會在一定程度上異化和重塑研究生原有知識觀[15]，進而沖擊知識創新的內在規則。

從價值取向來看，生成式AI應用于研究生科研寫作要以促進知識創新為根本目的，如果相關應用不利于推動知識創新，則其存在價值也就不復存在。盡管生成式AI能夠加快科研創新的進度[16]，但其輸出的內容卻是基于現有的數據和算法，本質上是對已有知識進行遷移與再現，而非實質性的知識創新，這可能會導致科研寫作的同質化，進而抑制真正的知識創新。研究生教育以追求“高深學問”為邏輯起點，強調知識生產創新的價值追求，要求崇尚真理并跟隨時代發展探求未知，而對未知的追求需建立在忠于真理與客觀事實的基礎之上[17]。因此，當前研究生要達到創新的理想層次，不僅需要基于客觀事實，對已有知識進行總結與歸納，還需要突破舊知、構建新知，并用合理的方式對其進行呈現?？蒲袑懽魇侵R創新呈現的過程，學術論文是知識創新的載體，合理且完整地呈現知識的價值往往考驗研究生的真才實學，以及是否能夠以創新精神驅動創新活動，以創新思維指導創新實踐。

從主體關系來看，研究生應當是知識創新的主體，生成式AI應用于科研寫作要服務于研究生的知識創新需要。創新是人類所特有的認知和實踐能力，也是人類主觀能動性的最高表現形式。當前的人工智能仍然屬于圖靈機，并不具備自覺意識，面對任務只知其然而不知其所以然。準確來說，雖然人工智能與人類智能都具有理性思考的能力，但人工智能并沒有人類“超理性”思考的能力，即自我意識、自我意志、反思能力、修改自身程序的能力以及當前我們提到的創新能力[18]。學術是“以研索事物原因結果之關系為職志者也”[19]，學術上的創新在于從未知世界探求萬物之間的聯系。生成式AI本質上是基于深度學習技術的模型，雖然能夠模擬人類的創新性思維，但“模擬”意味著其無法自主發掘未知事物中的內在聯系與規律，更無法深入到問題的本質。因此，真正的知識創新活動仍需由人類發起、主導和審查。研究生的學習過程處于從儲備知識向創新知識逐漸遷移的時期，在這個過程中，需要研究生通過深入的學習和實踐，以“問題意識”驅動學術活動，逐漸培養獨立思考和創新能力。

三 生成式AI賦能研究生科研寫作的倫理風險表征

如同任何一項新技術，生成式AI也具有“雙刃劍”性質。生成式AI賦能科研意在提高學術效益，通過創新科研方式提供智能化的學習服務，最終實現科研寫作的質量與效率的最優化。然而，在生成式AI介入科研寫作后卻引發了學術不端、技術依賴、評估困境等新問題，違背了求真、發展、創新的學術倫理，偏離了技術正向功能的初衷。

1 學術不端：違背科研工作原創性的內生邏輯

學術創作以原創性為根本要求，科研誠信與學術規范是研究生進行科研活動的旨歸，因此生成式AI輔助研究生科研應以學術原創為基本準則。然而，由于生成式AI的“黑匣子”機制，使其在賦能研究生科研寫作時，可能會引發學術責任分散化，導致學術問責的模糊與缺失[20]。

從客觀層面來看，生成式AI存在自身的功能局限性，這種局限性可能會造成“被動性”的學術不端行為。研究生將生成式AI應用于信息匯總或知識梳理等輔助工作時，通常不會違背學術規范，但在某些情況下，研究生可能會無意間借鑒生成內容，導致知識侵權或抄襲行為[21]。首先，生成式AI是基于已有知識的衍生品，其本身并不具備主觀意識或新穎的見解，從運作機制層面顛覆了原創性的傳統定義。其次，生成式AI內部的運作采用“黑匣子”機制[22]，其生成的內容難以溯源、真假難辨，未經審慎甄別就加以引用容易坐實“內容虛假，創作造假”的學術不端行為。此外，傳統的學術成果歸屬和知識產權保護是基于明確的作者貢獻與內容原創性進行的[23]，而當前的AI技術可以從各種來源汲取信息，整合生成與某篇文獻內容相似但形式完全不同的文本，且并不提供真實恰當的參考文獻。那么，研究生在使用這種工具輔助寫作時，可能會無意識地侵犯他人的知識產權，從而導致原始作者的知識貢獻被忽視，進而引發關于學術成果歸屬的法律糾紛。

從主觀層面來看，研究生在使用生成式AI時可能存在投機取巧的行為，這種行為會造成“主動性”的學術不端。語言學家喬姆斯基[24]指出，在學術寫作中應用ChatGPT這類技術，本質上屬于“高科技的剽竊”和“避免學習的策略”。利用生成式AI技術，研究生可能僅通過提供關鍵詞就獲得“全新”的研究內容，但這樣的內容其實已經涉及多篇文獻的核心思想和結論，從而構成了知識剽竊行為。2023年9月，出現了首篇因利用生成式AI抄襲而被撤稿的論文（Retracted： Exploring New Optical Solutions for Nonlinear Hamiltonian Amplitude Equation via Two Integration Schemes）[25]，被發現抄襲是因為其誤將生成式AI的指令按鈕（Regenerate response）復制到論文中。然而，這可能只是冰山一角，尚未被發現的深層次、隱蔽性抄襲可能更為嚴重。更令人擔憂的是，當前市面上標榜“10分鐘出稿”“一鍵生成”等的論文“指導”平臺層出不窮，無一不試探著研究生投機取巧的心理，引誘研究生觸碰學術不端行為的紅線。

2 技術依賴：過度應用造成研究生的思維惰性和思考萎縮

生成式AI的問世重新定義了學術生產力，改變了傳統知識獲取與知識積累的科研范式。在降低基礎性科研工作投入成本的同時，AI技術為研究生提供了更多的研究思路，幫助研究生培養發散思維和批判思維。然而，也正是因其“低成本、高產出”的技術優勢，使研究生沉溺于AI帶來的便利之中，產生心理與行為上的雙重依賴，進而逐漸喪失了思考和分析能力，這與生成式AI賦能科研寫作的初衷相悖。

首先，研究生容易依賴即時答案而放棄深入的系統思考。生成式AI技術通常能夠迅速生成答案或提供建議，這在某種程度上搶占了研究生自主思考問題的機會。當研究生能夠輕松獲得解答時，他們可能會享受即時答案的獲得感而不再愿意花時間思考問題的本質，長此以往會導致他們的思維停留在淺層，甚至削弱其繼續深度探索的動力。當前有研究指出，生成式AI雖在理解表層問題上表現出色，但在理解深度問題上能力有限[26]。然而，深度探索問題才是研究生進行科研所需追求的目標。

其次，研究生可能因慣性接收信息而阻礙了批判性思維的養成。如果研究生不加思考地接受AI對一個問題產生的諸多見解，就會受到生成式AI“填鴨式”輸入的影響，導致思維僵化、狹窄化和退化，進而削弱批判性思維和問題解決能力。需要注意的是，全面促進研究生學術表達能力與批判思維能力的生成需將“以寫促研”作為指導思想[27]。正值形成性研究階段的研究生，應遵循“以寫促研”的思想原則，確保每一項研究都來源于真正的探索和批判性的反思。然而，隨著生成式AI的過度參與，這一原則正面臨被邊緣化的威脅，即從“以寫促研”到“AI生成促研”，導致學生個人參與寫作的必要性被忽視。

最后，研究生因沉溺于碎片化信息而出現知識理解的認知斷層。認知形成是知識內化的過程，需研究生進行自主認知構建，彌補知識缺口。然而，生成式AI可能演變為“信息過濾器”，限制原始知識的積累。使用AI檢索信息時，基于算法邏輯的優先級和預設參數，研究生可能只接觸到AI視為相關的信息，遺漏那些在宏觀視角下極具參考意義但與研究主題并非直接關聯的資料。此外，生成式AI大多提供的是基于現有資料的摘要或答案，這些內容往往是片段化的，缺乏完整的背景或情境。過度依賴這些答案，研究生將錯失理解整個知識結構和脈絡的機會，導致其知識體系碎片化，出現認知層面的斷層。

3 評估困境：難以確定研究成果的學術真偽與主體貢獻

學位論文作為評估研究生培養水平和科研能力的標志，是研究生培養質量的直接體現，也是研究生教育管理工作關注的重點[28]，生成式AI的介入使學術成果評估陷入進退兩難的境地。

一方面，生成式AI應用導致研究生科研成果的真偽難以鑒定。真偽難辨主要來自兩個方面：一是模型本身具有缺陷，存在輸出摻雜虛假信息的可能。有研究發現，ChatGPT慣于捏造信息或隨意表達以“填補文獻中的空白”[29]，使輸出內容盡管在表面上似乎合理，但在深入審查時出現捏造內容和引用虛假參考文獻的現象。同時，AI生成的文本可能會存在誤差和偏差[30]，由于GPT訓練數據來源于互聯網，而互聯網收錄的信息缺乏嚴格有效的審查，因此其中不乏帶有偏見或包含錯誤的信息，其真實性和時效性都難以保證。二是研究生忽略原始研究而造成的研究成果虛假。當研究者盲目信賴AI的輸出，而不深入挖掘和驗證背后的原始數據與研究時，可能會因缺乏先驗知識，進而導致研究結果失真。

另一方面，生成式AI應用造成科研創新主體的邊界模糊。研究成果通常被定義為個體研究生或研究團隊的貢獻，然而生成式AI的參與改變了這一格局，使貢獻邊界變得模糊不清。隨著生成式AI的介入，評審專家很難明確區分學生個體的原創工作與AI生成的內容。在ChatGPT首次登上熱搜時，其高水平的學術寫作能力引起了諸多期刊編輯的關注，其中Nature雜志明確指出禁止將任何大型語言模型署名為作者，即使是在論文創作中使用了該工具，也需要進行明確的說明[31]。Science雜志更是明確指出，既不接受ChatGPT生成的論文，也不允許ChatGPT作為論文作者[32]。這表明學術界對于生成式AI在科研寫作中的貢獻度及署名權問題仍持謹慎態度。此外，研究生學術論文是對作者的實際研究能力和創新能力的直接反映[33]，而采用生成式AI撰寫的論文難以真實反映研究生的真實水平。那么，當研究生個人的貢獻和AI模型的影響難以辨別時，評估標準的模糊性和不確定性將上升，這不僅會影響研究生學術成果的公正評價，還將導致學術不端行為的頻繁發生。

四 生成式AI賦能研究生科研寫作的倫理風險防控

如何尋求創新發展與技術安全之間的平衡、確保技術適應與教育目標之間的協調，是生成式AI向學術、教育領域提出的難題。雖然國家網信辦要求相關部門依法加強對生成式AI服務的管理，完善與創新發展相適應的科學監管方式[34]，但這些在實際操作層面仍然道阻且長。因此，本研究結合學術倫理要求和風險表征提出了具體的防控策略。

1 深化研究生科研寫作的學術倫理觀教育

為預防生成式AI誘發的倫理隱憂，基于技術向善和以人為本的價值指向，需從多維度深化倫理觀教育。促進研究生科研創新不僅在于制止和懲罰研究生學術行為中的“惡”，還應增進研究生學術行為的“善”[35]。為協調生成式AI技術應用與研究生認知層面的沖突，深化研究生科研寫作的學術倫理觀教育同樣需要“剛柔并濟”。

一方面，應充分發揮正式制度的懲罰功能，使之起到威懾與警告的作用，加強科研寫作過程中的他律。作為學位授予單位及科研誠信建設的第一主體，高校需加強主體職能。在宏觀層面，通過頂層設計，系統制定研究生學術不端行為的管理方案。高校可與教育主管部門密切合作，共同制定明確的政策和規則，旨在規范研究生的學術行為，并明確生成式AI應用于科研寫作中具體表現的學術不端行為及其處罰標準。此外，高校還需建立健全學術監管機制，監測研究生的學術行為，防范學術不端行為的發生。在微觀層面，高校可以采取一系列具體措施來管理研究生的學術不端行為。例如，根據研究生違規行為的程度給予相應的懲戒，確保每一起涉及AI相關的學術不端事件都能得到妥善的處理，而非流于形式；針對利用AI進行的學術不端行為采取“零容忍”原則，并對可能引發爭議的行為建立評估標準，保障科研的公平性。再如，明確學術不端行為的舉報和處理機制，包括暢通建立舉報渠道，保障舉報人的隱私和權益，同時建立健全的處理流程，確保過程公正公平。

另一方面，應將思想引導和行為規勸相結合，形成研究生的寫作自律。首先，需要在思想方面進行引導，注重培養研究生的學術自覺。例如，加強學術道德教育，使其貫穿于研究生培養的全過程。通過開展課程教育、導師指導、學術活動等方式，將科研誠信教育納入研究生培養計劃[36]，提供必要的學術誠信教育和指導，引導研究生樹立正確的學術價值觀與職業操守，從而增強他們的學術誠信意識。同時，引導研究生形成自覺遵守學術規范的意識，使其理解AI輔助寫作與代替寫作的本質區別，以及AI代寫論文將會產生的不良影響。其次，需要在行為上進行規勸，對研究生潛在的投機心理做到及時發現、及時引導?？紤]到生成式AI技術對研究生成長的負面影響，諸多高校和機構采取了強硬的措施，但強制禁止并非長久之計，容易助長研究生的逆反心理，可能使其進行更深度的文本加工以隱藏抄襲的痕跡，而且禁止使用生成式AI本就不是真正意義上的解決方案，對于當前的問題來說治標不治本。那么，這就需要教育者轉換思維，將生成式AI應用于科研寫作作為教學契機，在實踐層面教會研究生如何正確使用工具以及明確自身的學術站位。

2 健全基于技術適應的學術倫理審查和懲戒機制

為確保AI在學術研究中的應用既符合質量標準又遵循倫理原則，學術界應建立并完善相應的倫理審查機制和懲戒制度，以防止在使用過程中違背學術誠信的準則。

一方面，應完善生成式AI應用的學術倫理的過程審查，尤其是程序機制。針對科技發展帶來的倫理挑戰，《應用指南》明確要求教育相關單位應鞏固與實施就人工智能倫理相關問題的監管措施[37]。從整體要求來看，高校、科研機構等主體制定審查辦法、細則等制度規范，建立健全審查監管機制，是有序開展倫理審查的前提基礎；從具體規制來看，明確主體間內部責任、規范程序內各個環節是確保程序機制科學性、獨立性、公正性與透明性的關鍵。規范審查程序在于明確程序機制，具體可從以下方面入手：①審查程序應該由獨立的機構或委員會進行，不受特定利益團體的影響，以確保審查的客觀性和公正性；②審查程序應該公開，使相關利益團體和公眾能夠了解審查的具體過程，包括決策的標準和依據；③明確哪些主體或機構負責實施和監督程序機制，以確保其有效性與執行度。

另一方面，應強化生成式AI應用的學術不端行為的結果懲戒力度，優化預防機制。當前，關于生成式AI引發的學術不端行為懲戒機制嚴重滯后，主要表現為缺乏明確的法律依據、處理學術不端行為時避重就輕、違規者承擔責任的成本相對較低，以及懲戒機制更關注結果而忽視了過程。因此，需加強懲戒力度，明確處罰機制和預防措施，有效維護學術誠信，保護知識的可靠性，促進生成式AI應用的可持續發展，具體可從以下方面入手：①學術不端行為的處罰機制需要建立在堅實的法律依據之上，確保懲戒過程、結果均有法可依；②處理學術不端行為時需要更加注重懲罰標準的合理性，相關單位應該根據AI引發的學術不端行為的類型、程度來制定相應的懲戒標準，確保每起學術不端行為都得到適當的處理，而不僅僅是針對程度惡劣的學術違規行為進行懲戒，以防僥幸心理的存在；③重視懲戒機制的過程，需要認識到預防和監督的重要性，相關單位可以通過建立有效的舉報渠道與監督機構來保障其得到有效的落實。

3 創新學術不端行為的偵查檢測方式

當前的學術不端檢測系統顯然并未做好識別AI違規行為的準備。雖然普林斯頓大學的一名學生開發了GPTZero應用程序，其可以通過分析文本的隨機程度和突發性來檢測AI生成內容的真偽，但效果不佳[38]。結合機器學習和自然語言處理技術來開發更智能、高效的學術不端檢測系統成為一種必然選擇。

從檢測技術優化上看，可通過多模態分析并引入上下文信息的方式進行檢測。當前的學術不端檢測系統主要關注文本相似性和重復內容，但對于生成式AI參與寫作的實際情況難以把握。對此，可以引入上下文信息，分析文本的邏輯結構、論證思路、論文整體一致性等，以區分人工智能生成文本和人類寫作內容。此外，學術研究不僅包括文本，還涉及圖像、圖表和數據。檢測學術不端行為時，可以結合圖像分析技術和數據分析技術，進行多模態分析，以全面檢測文本與圖像不一致或數據不實的問題。

從檢測功能改進上看，可加入基于語義理解的文本甄別，繼而促進檢測功能的升級。具體是利用自然語言處理技術進行語義理解和文本生成模型的分析，以識別人工智能生成文本中的語義漏洞，并通過文本含義分析，檢查邏輯不合理部分或不恰當詞匯的使用。這種方式不僅可以捕捉表面的相似性，還可以深入挖掘文本的內在含義?，F階段，相關平臺的檢測功能更新明顯滯后于生成式AI的發展。政府和高校應結合生成式AI的新特點和科研工作的新要求，強化學術不端行為檢測功能改進的研究投入和技術保障。

參考文獻

[1]游俊哲.ChatGPT類生成式人工智能在科研場景中的應用風險與控制措施[J].情報理論與實踐，2023，（6）：24-32.

[2][37]Miao F C， Wayne H. Guidance for generative AI in education and research[M]. Paris： UNESCO， 2023：1-38.

[3][34]中國網信網.生成式人工智能服務管理暫行辦法[OL].lt;http：//www.cac.gov.cn/2023-07/13/c_1690898327029107.htmgt;

[4]劉京希，鄧曦澤，曾軍.數智時代的人文危機與“新人文”建設[J].河北大學學報（哲學社會科學版），2024，（1）：15-27.

[5]Jovanovic M， Campbell M. Generative artificial intelligence： Trends and prospects[J]. Computer， 2022，（10）：107-112.

[6]梁福軍.科技論文規范寫作與編輯[M].北京：清華大學出版社，2014：4.

[7]Eke D O. ChatGPT and the rise of generative AI： Threat to academic integrity？[J]. Journal of Responsible Technology， 2023，13：100060.

[8]趙磊磊，閆志明.生成式人工智能教育應用的生態倫理與風險紓解[J].貴州師范大學學報（社會科學版），2023，（5）：151-160.

[9]楊宗凱，王俊，吳砥，等.ChatGPT/生成式人工智能對教育的影響探析及應對策略[J].華東師范大學學報（教育科學版），2023，（7）：26-35.

[10]鄭鵬.人工智能創作、“作者之死”與人的主體性之反思[J].安徽大學學報（哲學社會科學版），2020，（3）：67-74.

[11]孟萬金.研究生科研能力結構要素的調查研究及啟示[J].高等教育研究，2001，（6）：58-62.

[12]廖湘陽，朱會芳.人工智能時代研究生能力培養的重構——基于莫拉維克悖論的思考[J].學位與研究生教育，2022，（8）：13-20.

[13]李潤洲.研究生知識創新的表現、機制與路徑——一種教育學的視角[J].研究生教育研究，2019，（6）：15-20.

[14]（英）弗朗西斯·培根著.劉運同譯.學術的進展[M].上海：上海人民出版社，2015：64.

[15]羅琴，么加利.人工智能時代研究生知識觀的異化與重塑[J].研究生教育研究，2022，（1）：30-37.

[16]朱永新，楊帆.ChatGPT/生成式人工智能與教育創新：機遇、挑戰以及未來[J].華東師范大學學報（教育科學版），2023，（7）：1-14.

[17]（美）約翰·S·布魯貝克著.王承緒，鄭繼偉，張維平，等譯.高等教育哲學[M].杭州：浙江教育出版社，2001：13-30.

[18]趙汀陽.人工智能的神話或悲歌[M].北京：商務印書館，2022：58-59.

[19]梁啟超.飲冰室合集：第3冊[M].北京：中華書局，1989：12.

[20]駱飛，馬雨璇.人工智能生成內容對學術生態的影響與應對——基于ChatGPT的討論與分析[J].現代教育技術，2023，（6）：15-25.

[21]許中緣，鄭煌杰.生成式人工智能算法專利保護的理據與進路[J].貴州師范大學學報（社會科學版），2024，（1）：135-147.

[22]Chandra S， Shirish A， Srivastava S C. To be or not to be… human？ Theorizing the role of human-like competencies in conversational artificial intelligence agents[J]. Journal of Management Information Systems， 2022，（4）：969-1005.

[23]Frye B L. Should using an AI text generator to produce academic writing be plagiarism？[J]. Fordham Intellectual Property， Media and Entertainment Law Journal， 2023，4：946-968.

[24]Open Culture. Noam Chomsky on ChatGPT[OL].lt;https：//www.openculture.com/2023/02/noam-chomsky-on-chatgpt.htmlgt;

[25]Tarla S， Ali K K， Yusuf A. Exploring new optical solutions for nonlinear Hamiltonian amplitude equation via two integration schemes[J]. Physica Scripta， 2023，（9）：095218.

[26]Muennighoff N. Sgpt： Gpt sentence embeddings for semantic search[OL]. lt;https：//arxiv.org/pdf/2202.08904gt;

[27]王紅雨，閆廣芬.如何提升研究生學術寫作素養？——臺灣大學寫作教學中心研究生學術寫作訓練的經驗與啟示[J].學位與研究生教育，2020，（1）：53-58.

[28]王戰軍，李旖旎.黨的十八大以來學位與研究生教育政策論析[J].研究生教育研究，2022，（5）：1-9.

[29]Conroy G. Scientists used ChatGPT to generate an entire paper from scratch—but is it any good？[J]. Nature， 2023，（7970）：443-444.

[30]Bian N， Han X， Sun L， et al. Chatgpt is a knowledgeable but inexperienced solver： An investigation of commonsense problem in large language models[OL]. lt;https：//arxiv.org/pdf/2303.16421gt;

[31]Editorials N. Tools such as ChatGPT threaten transparent science; here are our ground rules for their use[J]. Nature， 2023，（7945）：612.

[32]Thorp H H. ChatGPT is fun， but not an author[J]. Science， 2023，（6630）：313.

[33]李艷明.試論影響研究生學位論文質量的兩個因素[J].學位與研究生教育，2004，（11）：58-61.

[35]向玉凡.制度路徑下研究生學術失范治理初探[J].高教探索，2017，（8）：67-72.

[36]羅志敏，周倩.研究生科研誠信教育的本質與邏輯[J].學位與研究生教育，2020，（5）：38-43.

[38]The Washington Post. Princeton student builds app to detect essays written by a popular AI bot[OL].lt;https：//www.washingtonpost.com/education/2023/01/12/gptzero-chatgpt-detector-ai/gt;

Academic Ethics and Risk Management of Graduate Research Writing Empowered by Generative AI

Abstract： Generative artificial intelligence （AI） provides new application tools for graduate research writing， but it also brings new challenges， with academic ethics issues particularly noteworthy. Accordingly， combined the internal logic of academia with the learning attributes of graduate students， this paper pointed out that the application of generative AI in graduate research writing should adhere to the bottom line ethics of seeking truth and integrity， the core ethics of growth and development， and the superscript ethics of knowledge innovation. Then， the risk characterizations of using generative AI in graduate research writing were analyzed， including academic misconduct that violated the endogenous logic of originality of research work， the technological dependence that caused graduate thinking inertia and shrinkage of graduate students， and the difficulties in determining the academic authenticity of research results and evaluating the main contribution. Finally， according to the value orientation of technological goodness and scientific research innovation， the risk prevention and control strategies were proposed in this paper， which included deepening academic ethics education for graduate research writing， improving academic ethics review and supervision systems based on technological adaptation， and innovating investigation and detection methods for academic misconduct， expecting to better achieve human-machine collaboration and promote the research capability of graduate students.

Keywords： generative AI; research writing; academic ethics; risk management; graduate students