AI作弊查处难度上升，大学重新审视学生评分方式
**报道：** 随着生成式AI工具在写作、编程和解题场景中的普及，高校对AI作弊的查处难度明显上升。传统查重系统和AI文本检测工具面临误判率高、证据链薄弱、工具迭代快等问题，难以作为处分学生的唯一依据。部分高校已开始调整学术诚信流程，要求教师保留过程性证据，并在课程大纲中明确AI使用边界。与此同时，关于“是否应检测AI”“如何证明学生独立完成”的讨论，正从技术问题转向评价体系问题。
**分析：** AI作弊难查，根源在于检测工具本身具有不确定性，而教学评价又过度依赖一次性提交的终结性成果。当论文、代码和作业无法稳定区分人机协作与代写时，大学需要重新审视评分方式：减少单一结果权重，增加课堂写作、口头答辩、项目日志、版本迭代和多轮反馈等过程性证据；同时把AI使用声明、提示词记录和反思报告纳入评价，培养学生对AI协作的透明意识。更关键的是，评分改革应与课程学习目标对齐，而非简单“防作弊”。否则，口试和过程评价可能带来公平性、隐私、教师负担和标准一致性的新挑战。大学应将评价改革、教师培训和学术诚信教育结合，建立可解释、可申诉的规则，避免把技术检测当作治理AI作弊的唯一答案。
