人工智能时代，学术写作规范的强化与思考

综合外媒消息，人工智能正深度重塑学术资源获取模式，让资源相对短缺的学校与学生也能接触到海量学术资料，这无疑是巨大的进步。不过，当一篇硕士论文能列出上百篇参考文献、展现出宽广的全球视野时，一个更深层次的问题引发了人们的思考：学生是否真正学会了在特定语境下负责任地整理、阐释和传播知识。

南非罗德斯大学教育学院副教授英格丽德·舒德尔（Ingrid Schudel）近期在“大学世界新闻网”发文表示，当前关于人工智能与高等教育的讨论，大多集中在抄袭、作弊以及评价体系改革方面，强调监考和监控，却忽略了人工智能对学习本质的影响。实际上，人工智能已彻底改变了学生获取研究成果的方式——只需输入几个提示词，就能生成全面的参考文献列表、推荐全球案例研究、检索各大洲的最新出版物。文献收集的门槛降到了前所未有的低。

但舒德尔提醒，撰写基于本地语境且经过批判性思考的研究论文，才是社会科学研究的基础。人工智能加快了文献获取速度，却也增加了文献筛选的难度：检索容易，甄别困难。一篇出色的文献综述或概念框架，从来不是简单地罗列参考文献目录，而是基于判断的论证。当人工智能将来自越南的研究、马来西亚的会议论文、加拿大的农村案例和南非的小规模干预项目调查无差别地并列呈现时，它们看似同样权威，实则忽略了学术研究中学术论证的独特性，包括学科归属、学术权威性以及特定研究背景的相关性。

舒德尔认为，在人工智能时代，负责任的学术研究和学术传播需要重新审视几个关键维度。

首先是学科维度。不同学科有不同的方法论，拥有各自的核心争论、奠基性思想家以及既定的概念工具。比如，将医学领域的研究直接应用到科学教育、教育心理学或课程理论领域，必须经过严谨的论证。忽视学科边界，研究就会失去根基。

其次是地域维度。地域背景在学术研究中常常被简单处理，“乡村学校”或“弱势环境”常被当作背景描述而非分析范畴。然而，地域对教学法有着深刻影响，不同地域的资源可获得性、教师分布、语言习惯和社区动态都会改变教育干预的有效性。虽然现在学生能方便地接触到全球性的研究成果，但这种全球性视野对本地问题产生的影响并不明确。舒德尔强调，高质量的学术研究需要“全球本土化”，也就是将全球研究与当地实际情况细致地融合。

再次是时间维度。人工智能工具往往优先推送近期文献，这导致了一种新的偏差：很多文献综述里满是近两三年的文章，却很少提及某一学科领域的基础性著作。学术研究是一个不断发展的谱系，基础理论确立核心概念，后续研究对其进行完善、批判或拓展。如果缺乏基础理论，学生只引用最新研究，就会无法理解研究背后的概念脉络。更重要的是，学术权威性被模糊，知名期刊与不知名期刊并列，开创性理论家与边缘作者并肩，学生难以分辨哪些理论是该领域的基石。

最后是政策背景维度。像课程改革、评价体系等结构性因素，深刻塑造了教育实践。如果忽视这些政策架构所涉及的国家或地区背景，文献综述可能就不够严谨，得出的结论也不准确。

在舒德尔看来，这些挑战共同指向一个核心转变，即在人工智能时代，检索不再是稀缺技能，信息辨别能力才是学者需要掌握的关键技能。学者必须意识到，在使用海量参考文献时，应从知识的积累转向负责任的使用。如果大学不改变支持和教授学术写作的方式，就会培养出只能编辑出令人印象深刻的参考文献列表，却难以真正理解其学科内涵的毕业生。

舒德尔表示，优秀的学术研究需要明确研究路径，选择、比较和关联各种观点。学科、地域、时间和政策背景等因素构成了知识负责任传播的基础。当人工智能让文献资料获取变得容易时，真正的挑战不在于找到更多资料，而在于学会如何与这些资料建立有意义的对话。这或许正是人工智能时代学术教育需要回归的本质。

责任编辑：王俊美

原标题：《人工智能时代需强化学术写作规范》

阅读原文