本文来自微信公众号： 黑板洞察 ，作者：耳东
8月6日，丹麦教育部在新学年开学前宣布了一项颇具“复古”意味的措施：学生在家完成重要书面作业后，不能只交上一份文档，还要接受口头答辩。
这套针对高中阶段AI作弊的紧急方案包含三项安排。首先，所有在家完成的考试作业都将增加口头答辩，其中率先受到影响的是丹麦HF教育体系中的大型书面作业SSO，每年涉及约9000名学生；其次，学校需要在书面考试期间使用屏幕监控工具，并通过防火墙过滤未经允许的网络内容；最后，学校将鼓励学生在校内受控环境中完成更多书面任务，让教师能够看到作业形成的过程，而不只是接收最后的结果。
丹麦教育部长Magnus Heunicke坦言，该国高中正面临AI作弊问题，需要立即采取行动。但如果只把这项政策理解为一次更严格的反作弊行动，可能低估了它所指向的变化。
过去，一篇结构完整、论证充分的论文，通常被视为学生知识水平、研究能力和写作能力的综合证明。现在，教师面对同样一篇论文，首先需要确认的却是：它究竟在多大程度上代表学生本人？学生是否理解其中的观点？能否解释材料从何而来？面对追问时，能否继续完成推理？
生成式AI带给教育的麻烦，已经不只是让作弊变得更容易。它正在动摇传统评价体系中一个长期被默认的前提：学生提交的成果，与学生本人具备的能力之间，存在相对稳定的对应关系。
当一篇论文不再足以证明学生的能力，学校需要重新寻找证据。
01
AI作弊之外，
一套旧的评价逻辑正在失效
传统学校评价高度依赖“最终成果”。作文、课程论文、实验报告、家庭作业乃至部分开卷考试，都在通过学生提交的答案，间接判断其知识掌握和能力水平。
这套制度之所以能够运转，与完成高质量作业所需的成本有关。学生需要阅读材料、筛选信息、组织观点，再把它们转化为符合规范的表达。最终文本虽然无法完整呈现学习过程，却大体可以作为过程发生过的证明。传统作弊当然一直存在，但无论抄袭、代写还是夹带，都有一定门槛，也可以通过监考、查重、师生互动和前后水平对比加以识别。
生成式AI改变了这种成本结构。
今天，一个学生可以在几分钟内完成过去需要数小时甚至数天才能完成的工作：确定选题、生成框架、归纳资料、组织论证、修改语言，还可以要求模型根据年龄、学科和教师偏好调整文风。随着AI被嵌入搜索、办公、翻译和写作软件，学生甚至未必需要打开一个名为“AI”的独立工具，人与机器共同完成文本正在成为日常状态。
这种变化已经很难用少数学生的违规行为来概括。英国高等教育政策研究所2026年发布的调查显示，在1054名全日制本科生中，95%至少以一种方式使用过AI，94%会在考核相关任务中借助生成式AI；直接把AI生成文字放入考核作业的比例则由2024年的3%、2025年的8%上升至12%。这组数据也提示了一个容易被忽略的事实：AI使用已经接近普遍，但使用AI并不等于直接代写，大量行为发生在概念解释、资料总结、研究构思和语言辅助等环节。
国内的情况同样如此。一项针对13所高校3000多名本科生的调查显示，“有时使用”“经常使用”和“总是使用”生成式AI辅助学习的学生占比分别为32.92%、40.49%和12.29%，另有三至四成受访者表示曾直接复制AI生成内容。样本不足以代表全部高校，却足以说明，AI已经进入作业生产链条，学校面对的不是要不要允许一种新工具，而是如何判断工具参与到什么程度仍然没有越过学习目标。
问题也由此变得复杂。让AI提供选题，与让AI替代研究设计是否相同？用AI纠正语法，与让AI重写整段内容如何区分？学生提供观点、AI负责组织语言，成果的作者究竟是谁？如果一个学生能够识别并修正模型的错误，和另一个学生未经核验直接复制答案，两者显然不应得到相同评价。
过去，学校可以围绕“是否抄袭”建立规则；现在，AI把学术辅助、协同创作和替代思考放进了一条连续的灰色地带。仅凭最终文本，越来越难还原能力究竟在哪里发生。
02
识别AI，
正在成为一场追不上的技术竞赛
面对最初一批AI作业，很多学校沿用了治理传统抄袭的思路：用新的检测工具，识别新的作弊内容。一些高校把AIGC检测加入论文审核，教师也开始根据用词、句式和行文风格判断“AI味”。
但AI生成与传统抄袭存在根本差别。查重系统寻找的是文本与已有内容之间的相似关系，生成模型提供的却可以是从未出现过的表达。更麻烦的是，只要经过人工修改、模型改写或所谓“人性化”处理，文本特征就会继续变化。
2024年，一项发表于《高等教育教育技术国际期刊》的研究测试了6种主要AI文本检测工具和805份样本。研究发现，这些工具识别未经处理的AI文本时，平均准确率只有39.5%；对人工写作对照样本的准确率为67%；在AI文本经过简单规避处理后，平均识别准确率进一步降至22.14%。研究者因此认为，检测结果不宜被直接用于认定学术不端。
检测技术也在进步。2026年6月发表在《国际教育诚信期刊》的一项研究发现，部分新工具在识别完全由AI生成的文本和控制误报方面已经有所改善。但当文本变成人机混合写作，或经过“人类化”处理时，不同工具表现仍然差异明显。研究者给出的结论依然克制：检测可以作为进一步调查的初始信号，不能成为高风险处分的唯一证据。
这正是教育系统面临的困境。模型和检测工具同步迭代，今天有效的识别规则，可能在下一次模型升级后失效；越有能力、越熟悉工具的学生，越容易对生成结果进行深度修改，真正容易被抓住的反而可能是缺乏付费工具、数字素养较弱或不善于申诉的学生。一旦误判进入成绩、升学和学位授予环节，学校需要承担的就不只是技术误差，还有评价公平和程序正义问题。
丹麦的选择因此具有标志性意义。它没有把全部希望寄托在“看出哪句话是AI写的”，而是让学生当面证明自己理解这份成果。评价的对象由文本真假，转向学生能否解释、迁移和捍卫自己的判断。
03
从“查AI”到“验能力”，
考试开始重新设计
丹麦并不是唯一开始调整评价方式的国家。2026年，英格兰资格及考试监督办公室Ofqual把公平、资格有效性、考试安全、公众信任和创新列为AI监管的五项目标，并针对AI与课程作业完整性向学校提供专门资源。澳大利亚高等教育质量与标准署则在2025年的评估改革文件中直言，想在作业中确定无疑地识别生成式AI使用，现阶段几乎不可能；教育机构与其把主要投入放在检测上，不如重构评价，获得学生能力和理解的真实证据。
不同国家、考试机构和学校的政策并不完全一致，但几条改革路径已经逐渐清晰。
第一条是保留必要的“无AI能力基线”。在需要确认基础知识、核心计算、基本写作和专业操作能力的环节，学校通过现场考试、口头问答、实验操作或者受监督任务，确认学生在没有未经授权帮助时能够做到什么。丹麦要求更多书面作业回到校内，正是沿着这条路径展开。
这并不意味着所有评价都重新退回纸笔考试。封闭考试擅长验证基础知识，却未必适合评价研究、协作、创造和解决复杂问题的能力。如果为了防止AI而把所有作业变成限时默写，学校保住了考试的可控性，也可能失去评价真实能力的机会。
第二条是增加“能力验真”环节。学生可以提交论文、报告、代码或者设计作品，但需要通过答辩、演示、现场修改和随机追问，证明自己理解成果背后的逻辑。教师可以更换条件，让学生解释结论是否仍然成立；也可以要求其说明为什么采纳一份材料、舍弃另一份材料。AI可以生成一个看似完整的结果，却很难替代学生连续回应基于个人作品的追问。
第三条是让学习过程重新进入评价。选题记录、资料来源、初稿版本、教师反馈、修改轨迹以及与AI交互的关键过程，都可能成为判断学生能力的证据。最终作业不再是一份孤立文件，而是一条可以回溯的学习链条。澳大利亚相关改革文件提出，可信判断应建立在多元、包容且与情境相匹配的评价方式之上，并在整个培养项目的关键节点安排受监督的能力验证，而不是要求每一门课程都独自解决全部AI风险。
第四条是重新界定AI协作能力。完全禁用AI并不符合学生未来进入的工作环境。国际文凭组织早在2023年就明确表示不会禁止AI工具，而是要求学生像对待其他外部来源一样，对AI生成的文字、图片和图表进行说明和引用。评价的重点随之发生变化：学生是否提出了有价值的问题，是否选择了适当工具，能否核验信息、发现幻觉、修正偏差，并对最终结果承担责任。
这几条路径组合在一起，构成了AI时代可能出现的新评价结构：用受控任务验证学生独立掌握的基础，用过程记录观察思考如何发生，用最终作品评价复杂任务的完成质量，再通过答辩和现场迁移确认成果确实属于学生。学校不再试图从一篇文章中推断全部能力，而是依靠分布在不同时间、不同场景中的多种证据作出判断。
04
国内学校也需要
从“划红线”走向“改评价”
国内关于生成式AI的校园规则正在迅速增加。2025年发布的《中小学生成式人工智能使用指南》强调“应用为王、治理为基”，按照不同学段设置使用边界；高校层面，复旦大学、清华大学、东北财经大学等也先后对课程作业、学位论文和原创性学术成果中的AI使用作出规定。
清华大学2025年发布的人工智能教育应用指导原则提出，教师可以根据教学目标决定AI使用方式和程度，学生可以探索利用AI辅助学习，但不得把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；师生还需要按照要求披露AI使用情况。它所传递的信号是，判断一项AI使用是否合理，不能脱离这项任务原本要训练什么、评价什么。
相比之下，现实中的一些学校仍然主要依靠AIGC检测比例、教师经验和事后处罚维持秩序。这些措施可以形成短期约束，却很难解决两个更实际的问题：学生到底应该如何使用AI，以及学校如何证明他真正获得了相应能力。
评价改革已经开始出现在具体课堂中。清华大学新闻与传播学院一门新闻写作课曾把学生分为“人脑组”和“AI组”，让后者使用多种大模型完成写作，再共同比较两类文本的风格与逻辑。到了期末，考核没有采用一篇可以在宿舍完成的传统论文，而是要求学生进入北京胡同进行实地采访，完成观察性写作。AI可以帮助整理材料、调整表达，却无法替代一个学生抵达现场、发现细节、与人交谈并形成判断。
这种任务设计比笼统要求“不得使用AI”更接近问题的本质：只要作业仍然可以被一段通用提示词完整替代，学校即使暂时封住一个模型，也很难避免下一个工具带来同样冲击。真正具有区分度的任务，往往要求学生调用特定情境、个人经验、连续过程和现场行动，也要求其对选择作出解释。
当然，不是每门课程都需要设计成复杂项目。改革首先要做的，是明确每项评价究竟在测量什么。基础训练可以限制AI，真实职业任务可以允许AI参与，关键节点则需要学生独立展示。比起为全校寻找一条统一的AI比例红线，按照学科、年级和学习目标建立分层规则，可能更具可执行性。
05
评价改革的成本，
最终仍会落到学校和教师身上
口头答辩听起来直接有效，但它不是没有成本的答案。批改一份论文和逐一组织答辩，需要完全不同的时间与人力。过程性评价还要求教师持续记录、反馈和判断。师生比较高、课程规模大的学校，很难简单复制小班研讨课的做法。
口头表达也不等于学科理解。性格内向、存在语言障碍或者具有特殊教育需求的学生，可能在现场答辩中处于不利位置。如果学校只是用一次口试替代一次论文，旧的评价偏差可能被新的偏差取代。屏幕监控和学习过程留痕同样涉及隐私：学校能够记录什么、数据保存多久、谁可以调取，以及学生如何对误判提出申诉，都需要比技术部署更早建立规则。
更隐蔽的风险来自校际差距。资源充足的学校可以组织小规模答辩、提供多轮反馈、建设学生数字档案；教师紧缺、班额较大的学校，可能只能选择更简单的封禁、监控和标准化考试。AI原本被期待扩大优质教育资源供给，却可能因为不同学校重构评价的能力不同，形成新的教育不平等。
这也意味着，AI时代的教育评价不能被简单理解为教师增加几次提问。学校需要调整课程目标、作业结构、教师工作量和质量保障机制，教育科技企业则需要改变产品思路。
未来真正有价值的工具，未必是给出一个看似精确的“AI生成率”，而是帮助教师更低成本地收集可信证据：记录作业版本及关键修改，规范披露AI参与范围，根据学生作品生成有针对性的答辩问题，保存口头陈述和现场任务结果，并把分散证据汇入长期学习档案。产品的角色不是替学校宣布谁在作弊，而是帮助教师更有依据地判断学生掌握了什么。
这一市场同样存在边界。学习过程数据不能演变为对学生全天候监控，自动生成的答辩问题不能直接替代教师判断，算法也不能在缺少人工复核的情况下决定成绩和处分。评价技术越深入教育核心环节，对可解释性、公平性和责任主体的要求就越高。
结语
丹麦要求学生站在自己的论文面前接受追问，未必是AI时代评价改革的最终答案，却是一个清晰的开始。
学校不可能发现每一次未经声明的AI使用，也很难用一条统一标准覆盖从拼写纠正、资料总结到完整代写之间的所有行为。模型还会继续进步，今天可以识别的文本特征，明天可能不复存在。如果教育始终围绕“如何抓住AI”建立制度，最终只能陷入一场成本越来越高、胜算越来越低的技术竞赛。
更重要的问题是重新划定能力的归属：哪些基础必须由学生独立掌握，哪些任务可以借助AI完成，学生又该如何证明自己理解、判断并控制了工具提供的结果。
当答案变得廉价，教育评价就必须从“学生交出了什么”，回到“学生究竟学会了什么”。AI可以参与成果的生产，但提出问题、核验事实、作出判断和承担责任，仍然必须属于学生本人。教育真正需要守住的，从来不是每一个字都由人亲手敲下，而是思考确实发生过。