生成式AI時代計算機專業畢業設計教學改革研究

中圖分類號：G642 文獻標識碼：A DOI：10.16400/j.cnki.kjdk.2025.21.005

Research on Teaching Reform ofGraduation Design in Computer Science in theEraofGenerativeAI

LIU Renfeng'，MING Yue2，LI Yaqing

.SchoolofMathematicsand Computer Science，Wuhan Polytechnic University，Wuhan，Hubei430048

2.Yingshan Polytechnic Secondary School，Huanggang，Hubei438799）

AbstractThis study explores the teaching reformpathofcomputermajor graduationdesign intheeraof generative AI，andconstructsathree-dimensional governance frameworkof \"policyeducation technology\"toachievethe twoway empowerment of human-machine collaboration and academic ethics.The pilot practice has shown that phased standardizedmanagementandeducational guidancecanimprove theeficiencyofauxiliarylinks，limittheintervention of AIincore links，andefectively enhance students'independent innovationability.Although 1positives and technologicaldependenciesstillexist，theeffectivenessofthe \"norm+education+technology\"strategyinbalancingAI empowerment and academic integrity has been validated through dynamic policy iterationand interdisciplinary collaboration to optimize detection algorithms.

Keywords generative AI; human-AI collaboration; graduation design; policy-education-technology

畢業設計作為計算機專業本科教育的重要組成部分，是學生綜合運用專業知識和實踐能力的關鍵載體[1。近年來，部分學生在畢業設計中利用AI技術偽造數據、拼接文本、虛構文獻，導致論文原創性不足，學術誠信風險顯著增加，同時也使得學生在思維深度、邏輯嚴謹性以及核心技能方面出現明顯短板，導致理論與實踐脫節的問題日益嚴重]。

生成式AI技術的興起為畢業設計帶來了前所未有的雙重沖擊。一方面，AI工具在文獻檢索、代碼調試和數據可視化等方面大大降低了技術門檻并提升了工作效率[45；另一方面，AI生成的“完美論文”往往掩蓋了學生真實的學術水平，使教師在評估論文創新性時面臨新的困境，同時還引發了隱私泄露、算法偏見等倫理問題。《生成式人工智能服務管理暫行辦法》明確指出，國家堅持發展和安全并重、促進創新和依法治理相結合的原則，采取有效措施鼓勵生成式人工智能創新發展，對生成式人工智能服務實行包容審慎和分類分級監管。

本文將基于“政策一教育一技術\"三維框架，圍繞生成式AI在計算機專業畢業設計中的合理應用，探索一條兼顧人機協同與學術倫理雙向賦能的教學改革路徑。

1“政策一教育一技術\"三維框架下生成式AI技術在計算機專業畢業設計中的應用

隨著生成式AI（如GPT一4、Codex）技術在教育領域的廣泛應用，計算機專業的畢業設計面臨新的挑戰。為確保AI技術的合理使用，維護學術誠信，有必要從政策規范、教育引導和技術檢測三方面構建綜合治理框架。

1.1政策規范

在計算機專業畢業設計中引入AI技術已成為趨勢，但如何規范其使用以維護學術誠信和教育質量，高校亟須建立明確的政策框架。為此，構建AI使用的“紅綠燈”制度，通過分級分類的政策規范，明確禁止、限制和開放的使用領域，成為高校畢業設計管理的重要課題。

借鑒歐盟委員會《人工智能道德準則》（ETHICSGUID-ELINESFORTRUSTWORTHYAI的倫理準則，即尊重人的自主性（respect forhumanautonomy）、預防傷害（preven-tionofharm）、公平性（faimess）、可解釋性（explicability），并參考國內外高校的實踐經驗，可將AI在畢業設計中的使用劃分為以下三個層次： ① 禁止類（紅燈區、高風險），對于核心創新內容、研究設計、算法開發等直接影響研究原創性和學術貢獻的環節，嚴格禁止AI的介入。例如，中國人民大學明令禁止在論文的核心創新部分使用AI，以確保研究的獨立性和原創性。 ② 限制類（黃燈區、中風險），在文獻綜述、數據分析、代碼調試等環節，充許有限度地使用AI工具，但需設定明確的比例限制，并要求學生詳細說明AI的使用情況。天津科技大學規定，AI生成內容在論文中所占比例不得超過 40% ，以平衡技術輔助與學生自主能力培養的關系。 ③ 開放類（綠燈區、低風險），對于不直接影響研究結論的輔助性工作，如格式校對、參考文獻整理等，鼓勵學生使用AI工具以提高工作效率，但需保持使用的透明度。

通過構建政策分層模型（紅綠燈制度）和借鑒歐盟“風險分級\"的理念，高校將能夠在保障學術誠信的前提下，合理引導學生利用AI技術，提升研究質量和效率，為教育智能化轉型提供有力支持。

1.2教育引導

在計算機專業的畢業設計中，提升學生的人工智能素養與創新能力，對于培養具備批判性思維和實踐能力的高素質人才至關重要。為實現這一目標，以下具體措施可供參考。

1.2.1標準化作業與人機協作任務設計

傳統的標準化作業往往側重于知識的再現，缺乏對學生分析、批判與知識整合能力的考查。為此，教師可在畢業設計中引入“人機協作”的任務，鼓勵學生結合AI工具生成初步方案，并通過人工優化提升質量。例如，鼓勵學生利用AI生成代碼框架，然后手動進行調試和優化，以此培養其對AI生成內容的評估與改進能力。

1.2.2開設AI相關課程，強化理論基礎

在課程體系中增設人工智能通識課程，系統講授AI的基本原理、應用場景及其局限性。通過理論教學，使學生掌握AI的核心概念和技術框架，為其在畢業設計中合理應用AI奠定堅實的基礎。

1.2.3強化實踐訓練，培養創新能力

理論與實踐相結合的教學模式是培養學生創新能力的關鍵。教師可設計實際項目，引導學生在實踐中應用所學知識解決真實問題。例如，要求學生在畢業設計中開發一個AI應用，從需求分析、數據預處理、模型構建到結果驗證，全程參與，培養其對知識的綜合運用能力和創新思維。

1.2.4引導學生批判性思維，避免過度依賴AI

教師在教學過程中應強調AI的局限性和潛在風險，培養學生對AI生成內容的批判性思維。鼓勵學生對AI生成的結果進行獨立評估，避免盲目接受，確保其在畢業設計中能夠合理、審慎地使用AI工具。

1.2.5改革評價體系，注重過程評估

為客觀評估學生在AI輔助下的畢業設計質量，高校需建立科學的評價體系。該體系應綜合考慮學生的獨立思考能力、創新素養和對AI工具的使用情況。例如，采用量化指標評估學生在項目中的實際貢獻比例，以及AI生成內容的占比和質量。通過設定明確的評分標準，確保評價過程的公平性和透明度。同時，在畢業設計的評價中，引入過程評估機制，關注學生在項目各階段的表現，包括問題分析、方案設計、實施過程和結果評估等方面。通過對全過程的考查，全面了解學生的能力和素質，避免僅以最終成果論英雄。

上述措施旨在提升計算機專業學生在畢業設計中對AI的理解和應用能力，培養其創新思維和實踐能力，為其未來在AI時代的職業發展奠定堅實的基礎。

1.3技術檢測

在計算機專業的畢業設計中，確保作品的原創性和真實性至關重要。隨著人工智能技術的發展，AI生成內容（AIGC）在學術領域的應用日益廣泛，如何有效檢測和識別這些內容，成為維護學術誠信的重要課題。因此，高校可使用多模態檢測工具來構筑反識別與內容審核的“防火墻”。具體措施如下。

1.3.1目標檢測與特征提取，基于深度學習的圖像分類系統

在計算機視覺相關畢設中，目標檢測技術可用于構建學術圖像審核系統。例如，設計一個基于YOLOv5的論文插圖檢測工具，識別圖表中的AI生成痕跡。具體實施步驟包括：收集真實科研圖表與AI生成圖表，標注關鍵特征；使用預訓練的ResNet-50作為骨干網絡，通過遷移學習優化分類層，區分真實圖像與生成圖像；提取圖像的頻域特征與空間特征，結合混淆矩陣評估模型性能。該系統的理論深度體現在對生成圖像統計特性的挖掘，如GAN生成圖像在頻域中常呈現高頻成分缺失，而真實圖像則包含更自然的噪聲模式。

1.3.2對抗性樣本檢測，防御AI輔助代碼生成的學術不端

針對學生使用AI生成代碼的問題，可設計對抗性樣本檢測工具。將代碼解析為AST，提取結構特征（如循環嵌套深度、函數調用模式）；使用圖神經網絡（GNN）對AST進行編碼，結合注意力機制捕捉代碼風格異常；注入人工擾動（如變量重命名、邏輯分支插入），增強模型對改寫代碼的魯棒性。該方法從代碼的語義層面而非表面相似度進行檢測，可有效識別ChatGPT等工具生成的“模板化\"代碼，如過度使用通用庫函數或缺乏個性化注釋。

1.3.3動態行為分析，論文寫作過程追溯系統

通過監控學生的寫作行為數據（如編輯頻率、參考文獻訪問記錄），構建動態行為模型以區分AI代寫與自主創作，集成IDE插件或寫作平臺日志，記錄按鍵間隔、復制粘貼行為、外部資源引用頻率；使用時間序列分析（如LSTM）建模寫作節奏，人類寫作通常呈現間歇性高強度編輯，而AI輔助則可能表現為短時大量內容插入；生成行為熱力圖與異常點報告，輔助教師評估學生貢獻。

該手段的理論基礎在于人類認知負荷與創作行為的非線性特征，為學術誠信審核提供了補充維度。另外，傳統的查重系統（如知網、Turnitin）主要依賴文本相似度比對，但生成式AI的普及使得查重邏輯需從“防抄襲\"轉向“防AI代寫”。以“格子達”系統為例，其升級版不僅可檢測重復率，還可通過分析語言風格、語法結構及邏輯連貫性，識別AI生成內容。例如，AI文本常呈現低詞匯多樣性、固定句式重復等特點，而人類寫作則包含更多個性化表達與隨機錯誤。系統通過預訓練語言模型（如BERT）提取文本特征，結合監督學習分類器（如SVM）判斷內容來源。

多模態檢測與查重系統升級體現了AI技術在學術審核中的雙重角色：既是挑戰者（如催生代寫工具），又是解決方案提供者（如開發反識別系統）。計算機專業畢設可通過深度融合目標檢測、對抗樣本分析與動態行為建模，構建多維度的學術誠信防護體系。未來方向包括：提升多模態模型的跨語言泛化能力，開發透明化檢測算法以降低誤判率，以及探索借助區塊鏈技術實現寫作過程全程可追溯。

通過上述“規范 + 教育 + 技術\"三位一體的策略，高校可有效引導學生在畢業設計中合理使用AI技術，既發揮AI的優勢，又維護學術誠信，以培養學生的創新能力和實踐能力。

2生成式AI技術在計算機專業畢業設計中的實踐效果

于2023年啟動“AI賦能畢業設計\"試點項目，旨在探索生成式AI工具的合理使用邊界，同時提升學生的創新能力和學術倫理意識。試點覆蓋2024屆計算機專業本科生共320人，聚焦“政策規范 + 教育引導 ⁺ 技術檢測”三位一體策略，通過分階段管理、動態評估與多維度檢測，全面驗證改革成效。試點結果顯示，規范化的AI使用顯著優化了畢業設計流程。依托AIGC檢測系統對學生各階段任務的完成情況進行了追蹤，結果顯示，在代碼編寫階段，采用AI輔助后，學生平均耗時從4.2周縮短至2.8周，同時核心算法的自主實現率提升了35% 。而在論文撰寫階段，語言潤色工具的使用率達到89% ，但在創新性論述部分，仍保持了 92% 的人工原創比例，這表明學生在利用AI提高效率的同時，仍保持了高比例的自主思考和內容創新。

3總結與啟示

本研究通過試點實踐，驗證了分階段規范與教育引導策略在平衡AI賦能與學術倫理方面的顯著成效。AI在輔助環節，如文獻整理和語法校對中提升了 30% 以上的效率，而在核心環節限制AI參與，保障了論文質量并增強了學生的創新能力。 95% 的學生在反思日志中表示對AI工具的邊界與風險有了更清晰的認識。但仍存在 5% 至 8% 的專業術語誤判率和學生代碼調試技術依賴問題。未來，高校應根據生成式AI技術進展進行動態政策調整，并優化檢測算法。本研究為高校計算機專業畢業設計改革提供了有效的參考。

? 基金項目：武漢輕工大學校級教學研究項目“計算機及相關專業畢業設計（論文）質量保障體系的研究與實踐：現狀、問題與優化對策”（XM2025010）。

參考文獻

[1]田永紅，蘇依拉.計算機專業本科畢業設計教學改革研究與探索[J].內蒙古農業大學學報：社會科學版，2011，13（1）：3.

[2]李子運.人工智能賦能教育的倫理思考[J].中國電化教育，2021（11）：7.

[3] 田賢鵬，肖智琦.生成式AI賦能研究生科研寫作的學術倫理與風險防控[J].現代教育技術，2024，34（8）：23-32.

[4]楊雪，潘朗暄，應文池，等.生成式AI重塑數字生態系統：以ChatGPT為案例[J].人工智能，2024（2）：11-19.

[5]李國杰.DeepSeek引發的AI發展路徑思考[J].科技導報，2025，43（3）：14-19.

[6]孫妍.從\"知識圖譜\"到\"人機協同\"—論人工智能教育對教師的重塑和挑戰[J].高教探索，2021（3）：30-37.