人机协同范式下生成式人工智能参与学位论文写作的风险及规制路径

摘要：生成式人工智能的快速发展正在重塑高等教育领域学位论文的写作范式，推动其向人机协同的新模式转向。然而，当前技术应用图景背后潜藏着多重现实隐忧，一是学位申请人路径依赖加剧引致的学术创新价值消解风险，二是指导教师过程监管与权责边界双重承压后催生的责任失衡隐患，三是技术应用规范与标准指引缺位诱发的校际裁量分化问题。为此，需在理念层面恪守以学位申请人为核心的人机协同伦理观，方法层面细化技术分级应用场景并实现动态评估调整，机制层面健全风险层级标识制度与完善权责联动机制，最终形成贯穿事前事中事后的学位论文质量管控闭环，切实维护学位授予制度的严肃性与公信力。

关键词：生成式人工智能；学位论文；人机协同；研究生教育

作者简介：程雁雷，安徽大学法学院教授；陈冀敏（通讯作者），安徽大学法学院博士研究生，1006982242@qq.com。

生成式人工智能的迅猛发展正深刻冲击既有学位论文写作范式，其依托先进的语言处理和生成模型，不仅可以助力学位申请人高效完成文献梳理、思路拓展、语言润色等辅助性工作，还能直接生成逻辑自洽的论文主体内容^[1]。这种提升科研效率与写作质量的技术革命由于其生成过程不透明、生成内容不可预测以及应用方式隐蔽等特征，催生出学术价值危机、指导责任失衡、校际裁量分化等诸多新型风险，严重挑战学位论文写作规则的边界。

我国现行法律体系对学术不端的规制仍局限于学位申请人的传统不当行为，尚未系统回应生成式人工智能参与学位论文写作引发的新问题。面对生成式人工智能在学位论文写作中应用引发的学术诚信与原创风险，简单地排斥或粗暴地否定技术不仅难以从根本上化解困境，还可能错失赋能科研创新的重要机遇。生成式人工智能参与学位论文写作是技术演进与教育变革的必然趋势，积极引导并规范其应用，是推进教育现代化和保障学位质量的理性选择^[2]。如何有效规制，达成技术赋能与学术治理的有机平衡，已成为当下研究生教育领域亟待解决的问题。

一、生成式人工智能参与学位论文写作的人机协同转向

国际社会对生成式人工智能写作伦理的规制已从初期原则性讨论转向具体规范框架的构建。2023年9月联合国教科文组织发布《生成式人工智能在教育和研究中的指南》，确立了以人为中心，维护学术研究人类主体性、包容性与公平性的伦理基础^[3]。2024年3月欧盟出台《科研领域负责任使用生成式人工智能指南》，旨在技术进步与科研诚信之间寻求平衡，强调防范滥用并引导其发挥积极科研效用^[4]。在此背景下，域外一流高校多通过制定政策指南，形成了以限度应用与分类规范为代表的两大实践路径。限度应用侧重风险防控，如斯坦福大学、牛津大学、哈佛大学皆明确禁止不符合伦理或不负责任的应用行为^[5]。分类规范侧重灵活应对，一类通过区分应用主体将技术视为成熟研究者的辅助工具，警惕对学术训练阶段学生的能力培养风险；另一类通过区分管理措施采用分级治理思路，如芝加哥大学将应用情形划分为禁止、经事先许可、需适当引用以及自由应用四类^[6]。国际学术出版领域进一步深化相关伦理细则，《自然》《科学》《细胞》等顶级期刊均出台指南，要求必须披露技术应用情况，强调作者的自然人属性及对内容准确性、完整性的最终责任^[7]。总体而言，当前国际生成式人工智能写作伦理规制呈现出框架指引、机构细化、分类实施的层次化特点，核心是在鼓励科研创新与维护学术诚信之间建立动态平衡。

我国在政策层面进一步锚定了技术赋能学位论文写作的基本方向，科技部、教育部分别出台了《负责任研究行为规范指引（2023）》《教师生成式人工智能应用指引（第一版）》，既强调坚守学术底线，亦鼓励探索技术赋能教育科研的创新路径，为生成式人工智能合理参与学术写作提供了政策依据与转型空间。国内诸多学位授予单位与学术出版机构积极回应技术浪潮，普遍以规范引导为主而非简单禁止，对人机协同新型学术写作范式在制度上加以认可。例如，《清华大学人工智能教育应用指导原则》《上海交通大学关于在教育教学中使用AI的规范（试行版）》等文件多采用分层引导思路，在明确划定禁止行为的同时，也允许技术发挥辅助功能；《中国社会科学》《中国农村经济》《统计研究》等中文核心期刊对作者写作投稿和同行评审中使用生成式人工智能工具亦相继制定技术应用规范。

传统模式下学位申请人对写作占据绝对主导，从选题规划到终稿呈现的全流程均由其自主把控，彼时研究者主体性明显凌驾于Office、Excel、CAD等技术工具之上。生成式人工智能的应用彻底颠覆了这一模式，文献检索、选题确立、内容构思、谋篇布局、表达语序及修改完善等过程行为均可被技术替代，人对工具的绝对支配逐渐演变为人与算法的相对协同^[8]。由此，学位申请人作为学位论文写作绝对主体的排他性地位受到冲击。此种范式转向并非理论推演，而是具备扎实的现实基础与数据支撑。中国互联网络信息中心2025年10月发布的《生成式人工智能应用发展报告（2025）》显示，截至2025年6月，我国生成式人工智能用户规模为5.15亿人，普及率为36.5%，其中中青年、高学历用户是核心用户群体，印证了技术在高等教育领域的渗透力与应用潜力^[9]。

面对生成式人工智能参与学位论文写作的现实境况，构建学位申请人与技术应用之间的人机协同关系或将成为推动学术研究范式转型的明确方向。人机协同范式强调学位申请人在知识生产过程中与生成式人工智能形成持续的交互回应，其本质是写作者通过审辨式思维、反思整合与创新发现在生成内容基础上实现学术主体性的再确认。学位论文写作本应是学位申请人主动建构知识、回应完善论证的过程，而生成式人工智能的参与使得这一过程呈现出人机双向赋能的新特征，即促进学位申请人在学位论文写作过程中拥抱协同范式，实现写作主体性与技术工具性的有机统一。

二、生成式人工智能参与学位论文写作的现实风险

学位论文写作是培养学术能力与践行学术规范的关键环节，涉及学位申请人、指导教师与学位授予单位等多方主体互动，学术创新、规范遵循与质量保障等多维价值平衡，文献梳理、数据分析与论证表达等大量信息处理。生成式人工智能参与学位论文写作在一定程度上提高了研究效率与表达规范，但同时会因为技术应用依赖、过程监管承压及标准规则差异等因素，引发学术价值危机、指导责任失衡与校际裁量分化等现实风险。

1.学术价值危机：学位申请人写作的路径依赖性增加

生成式人工智能本以提升学术研究效能为愿景参与学位论文写作，但学位申请人若将技术辅助异化为深度依赖，便可能引发深刻的学术价值危机。这种路径依赖一旦形成不仅会削弱个体科研能力的完整训练，更从根本上动摇了学位论文作为创新成果与独立学术能力证明的根基。

（1）路径依赖渐进式消解学位申请人的主体性。学位申请人将本应自主完成的智力劳动交由生成式人工智能，大幅削弱学术创新意愿与思辨能力，使得自身逐渐沦为技术输出的被动接受者与搬运者。另外，长期依赖将导致学位申请人丧失审辨式思维与语言阐释能力，形成算法主导下的学术“失权”、技术依赖下的思辨“失能”、数据局限下的研究“失焦”、认知惰性下的创新“失智”，最终偏离《中华人民共和国学位法》保障学位质量的立法初衷^[10]。

（2）路径依赖工具化侵蚀学位论文的训练目标。学位论文的训练目标在于培养具有审辨式思维、创造力、复杂问题解决能力以及独立人格的学位申请人，对生成式人工智能的过度依赖将这一过程简化为对技术效能的盲目追求。例如，学位申请人将注意力集中于如何优化提示词以获取完善的文本内容，却架空了真实的问题发现、逻辑演绎与知识创造过程。更深层次的危机在于，对效率的极致追求使得学术品位、学科素养与科研伦理体悟等无形素质的培育在工具化写作中极易被搁置，当目标让位于手段时，这些关乎学术品质与学位申请人成长的核心要素便趋于淡化。

（3）路径依赖加剧学位论文写作伦理的系统性失序。生成式人工智能的深度应用不仅直接催生抄袭、伪造等显性学术不端风险，更因技术黑箱特性以及生成内容的不可控使得非主观的引用失真与事实错误频发。更深层的伦理困境在于认知责任的转移，一旦研究成果因依赖生成式人工智能而产生瑕疵时，责任极易被归咎于技术工具，而非由学位申请人承担最终的判别与核实责任，这动摇了学术责任自负的根本原则。此外，技术应用使得学位论文伦理判断标准从学术共同体的规范性价值转向技术输出效率与形式的追求，消解了学术训练本身所承载的严谨与求真伦理。

2.指导责任失衡：教师过程监管与权责边界双重承压

生成式人工智能参与学位论文写作悄然改变了传统指导工作所依赖的透明、渐进、可回溯的师生互动基础，对指导教师的监管能力提出新挑战。一方面，指导教师的过程监督面临技术性消解。传统学位论文写作指导是建立在持续互动与信任基础之上的，教师凭借对学位申请人研究思路的持续观察、阶段文本的细致审阅以及问题经验的动态反馈，得以更好地提供高度个性化、具有前瞻性的指导。然而，伴随生成式人工智能的应用，指导教师可能倾向于将工作重点转向对最终学位论文形式合规性的高效审查，相对忽略对学位申请人问题意识形成、论证过程推演以及思维完整性的深度追踪。长期以生成文本为主要讨论对象，指导教师对研究生真实研究进程的感知能力趋于减弱，进而弱化师生间围绕研究本质开展的互动，对学位论文作为系统性科研训练核心价值的实现产生不利影响^[11]。另一方面，指导教师的专业判断遭受算法输出的潜在干扰。生成式人工智能基于海量训练数据往往隐含着对特定表达风格、论证结构与学术范式的算法偏好，学位申请人借助此类工具可以获得超越其真实研究水平的表达优势。长此以往，指导教师基于本学科经验累积与个体理解的学位论文评判标准，可能在不自知中受到论述样板化的侵蚀，动摇学术评价独立性的根基。

除此之外，指导教师的权责边界也因生成式人工智能参与学位论文写作而趋于模糊，传统责任框架与技术特性之间发生了某种程度上的错配。现行学术规范体系中指导教师对学位论文写作负有监督与指导责任，但生成式人工智能的应用尤其是在其输出实质性内容文本时，极易引发责任认定的困境。核心问题在于指导教师应否且在何种程度上对人工智能生成的、自身难以完全验证的内容承担保证责任；若生成内容存在隐蔽性事实错误或不当引用，指导教师的监督责任范围应当如何划定等。这种权责模糊地带不仅可能诱发学术不端的认定纠纷，更对学位制度的追责机制构成挑战。若严格要求指导教师对个人无法穿透的技术黑箱生成内容承担全面审查义务，实则是将本应由学位申请人承担的风险不当转移，在致使指导教师面临难以履行绝对责任的同时，更可能抑制其支持学位申请人合理应用生成式人工智能的意愿。反之，若因应用生成式人工智能而过度放宽监督标准，虚化审慎监督义务，则在实质上削弱了学位论文质量保障的关键一环，甚至可能使得指导教师变相沦为技术滥用的附庸^[12]。

3.校际裁量分化：技术应用规范与标准指引始终缺位

从国家立法与顶层设计的角度审视，现行学位论文质量把控采用原则性立法模式，侧重于论文盲审评价指标设定及形式化的学术规范审查，但尚未将生成式人工智能应用这一新兴技术场景纳入规制框架，亦缺乏针对性的具体标准与操作细则。另一方面，部分学位授予单位自主引入生成式人工智能检测工具，将其纳入学位论文审核流程，旨在通过技术手段遏制直接的生成文本复制行为，以此防范潜在的学术不端风险。然而，由于检测工具本身尚不成熟，较高的误判率不仅引发诸多质疑，也暴露了单纯依赖技术检测进行末端治理的固有缺陷。

生成式人工智能参与学位论文写作亟待解决的核心症结在于技术标准与规范指引的缺位，导致各学位授予单位在认定、审查与处理尺度上出现显著的裁量分化，这种分化正深刻冲击着学术评价标准的统一性。换言之，当前相关应用缺乏统一规范，整体处于初步探索阶段，但已有部分学位授予单位针对学士、硕士、博士学位论文制定了规范方案与判断标准，尽管细则各异，仍可归纳为三类主要模式。第一类是正面清单与负面清单并举模式，以复旦大学、北京工商大学等学位授予单位为代表，通过明确列举生成式人工智能的允许应用范围与禁止情形，结合行为性质、严重程度及评判依据关联具体处理措施，同时要求学位申请人明确披露技术名称并完整留存过程记录。第二类是比例控制模式，以西南大学、天津科技大学等学位授予单位为代表，通过引入检测工具，结合本校实际设定具体的比例阈值作为监管红线，检测结果直接作为答辩资格审核与学位授予的重要参考。第三类是原则性禁止代写模式，以华北电力大学、中国地质大学（武汉）等学位授予单位为代表，仅规定禁止人工智能代写。

此外，各学位授予单位对技术应用的性质认定大致可归纳为技术接纳与技术控制两种不同的立场导向。已出台生成式人工智能应用指南或试行规定的学位授予单位实质秉持技术接纳立场，即在承认技术应用现实的基础之上，聚焦应用场景的合规性构建与操作流程的规范化设计，旨在推动技术与既有学术训练、知识生产体系的深度融合，实现写作效率提升与人才培养目标的有机调和。其余学位授予单位更倾向于技术控制立场，将风险防控、学术诚信保障以及传统学术价值维护置于优先地位，强调在技术渗透过程中坚守学术自主性与写作的人文内核^[13]。两种立场并非截然对立，而是处于同一逻辑框架下的两端，其适用性与有效性高度依赖学位授予单位的制度环境、学科特点及人才培养目标。理想的治理策略应在技术接纳与技术控制之间寻求平衡，既不因噎废食地全面抗拒技术赋能，也不放任技术应用僭越学位申请人的自主性。未来伴随生成式人工智能应用场景的细化与伦理框架的完善，各学位授予单位有必要在实践反馈基础上持续优化其立场取向，推动技术工具与学术价值良性互动的学位论文写作新范式。

三、生成式人工智能参与学位论文写作的多维规制

生成式人工智能参与学位论文写作面临的上述现实风险表明，尽管其能够显著提升撰写效率与表达质量，但不可形成盲目依赖或放任无序应用，需通过系统规制降低滥用风险，防范学术失范与伦理失序，实现学术创新与规制秩序之间的动态平衡。生成式人工智能参与学位论文写作关系到高层次人才培养使命与学术伦理底线，对其规制不仅体现为技术应用的外部监督，更指向学术自治与教育公共性的内部维系。基于此种特殊性，可将相应的多维规制凝练为三种协同发力的路径，即规制理念的遵循、核心机制的调试、配套支撑的完善。

1.理念遵循：恪守以学位申请人为核心的人机协同伦理观

生成式人工智能参与学位论文写作对传统学位申请人主体性的预设及其衍生的学术伦理规范造成冲击。当前不论是将技术简单地视为被动工具的人类中心主义，抑或将其应用与自然人写作对立的二元论认知，均难以有效回应这种新型人机协同研究范式。基于“人机关系论”与“人机交互主体性”视角，在学位论文写作这一高度人格化且以知识创新为旨归的学术场域中，生成式人工智能既非学术写作工具的简单延伸，亦非可替代学位申请人的潜在主体，而是与申请人形成一种交互协同、优势互补的创作伙伴关系。然而，协同绝非责任消解或贡献均质的借口，相反它要求建立一种更为系统精细的伦理框架以此引导学位论文写作实践。因此，恪守以学位申请人为核心的人机协同伦理观，在承认人机协同增效价值的基础上将学位申请人的实质性智力贡献与最终学术责任，确立为不可逾越的伦理红线与价值基石并作为后续一切机制设计的核心遵循^[14]。

明确学位申请人的写作主导地位，这是学位论文学术属性的根本要求。生成式人工智能依托算法关联文本数据，其本质是对既有研究的重组与再现，而非创新性理解与原创性产出，因而缺乏在长期专业实践、师生互动与学术反思中形成的问题意识、学术判断与人文关怀。学位论文的核心要义恰在于申请人通过独立思辨形成新颖的问题意识、构建严密的论证框架并最终贡献原创性知识的完整过程，这一过程深植于长期学术训练形成的理论洞察、专业体认、逻辑推演及人文关怀。因此，人机协同绝非无差别的共同创作，而是以学位申请人为核心主体，由其全程主导选题立意、文献梳理、方法设计、关键论证及结论提炼等完整流程。生成式人工智能则承担信息高效处理、文献初步筛选、语法规范优化乃至灵感辅助激发等任务，其参与的广度与深度完全由学位申请人结合学术目标进行有意识地调控与校准，从而确保学术探索始终服务于知识创新的本真目标。

聚焦学位申请人实质性智力贡献的不可替代性，这是判定学位论文学术底色的核心标准。生成式人工智能虽能生成流畅文本，提供丰富文献甚至辅助产出观点，但其输出结果必须经由学位申请人的批判审视、深度吸收与创造转化，具体体现为对生成内容的真伪辨析、逻辑纠偏与观点深化。例如，在应用技术进行文献梳理时，学位申请人需依据自身学术判断对归纳的观点进行溯源核查、批判评估与充分整合；在借助技术进行思路优化时，学位申请人需对既有内容加以筛选、修正与拓展并将其融入自身构建的严密论证体系之中。此类创造性劳动是学位申请人学术人格与专业能力的直接体现，因而必须确保学位论文最终智力成果源自申请人的独立思考与主动创造。

赋予学位申请人最终学术责任的承担义务，这是学位论文伦理约束的刚性边界。无论生成式人工智能在写作过程中提供何种形式的协助，对于学位论文的学术质量、观点表达、伦理合规及潜在风险，其责任主体必须且只能是学位申请人。这要求学位申请人在应用技术时摒弃责任转嫁心理，对生成内容的准确性、真实性、自洽性与规范性承担终审责任，确保学位论文的整体构思、核心观点与创新主张源于自身独立思考，并对人机协同写作全过程的学术伦理与科研诚信负责。鉴于技术生成文本存在隐匿抄袭、信息失真及逻辑固化等风险，指导教师需全程深度参与，通过定期研讨、共审文稿、辨析信息真伪等方式督促并辅助学位申请人落实责任，防范其陷入技术依赖或单纯文字优化的误区，避免自然人主体性在技术赋能中被弱化。强调学位申请人的最终学术责任，本质在于推动其在人机协同中保持清醒的自我意识与批判立场，始终将技术应用严格置于学术理性的约束之下^[15]。

2.核心机制：细化技术分级应用场景并实现动态评估调整

我国近年来出台的《生成式人工智能服务管理暂行办法》《互联网信息服务算法推荐管理规定》《互联网信息服务深度合成管理规定》等法规已初步建立覆盖人工智能领域的分级监管框架。然而在学位论文写作这一特定应用场景中，现有规制仍然缺乏细化指引，难以有效应对技术介入引发的伦理与创新平衡问题。因此，围绕技术介入深度与学术贡献本质两大核心要素，构建一套逻辑严密、层次清晰且具备学科适应性的规制标准，并适时结合技术演进趋势与写作实践反馈进行动态评估与优化，成为精准界定合理应用边界、保障学位论文质量与坚守学术诚信的核心机制。

借鉴域外生成式人工智能应用分级管控的成熟经验，结合我国学位论文写作的现实需求，可将技术应用场景划分为辅助性应用、限制性应用与禁止性应用三大层级。学位论文作为高层次人才培养体系的核心环节与学术研究成果的集中体现，其写作过程涵盖资料收集、文献学习、研究大纲、文本写作等诸多环节，由于不同教育阶段对学术原创、思维深度与研究方法的要求存在较大差异，因此需要依据各教育阶段的核心学术价值与人才培养目标，对技术应用的范围、程度与方式进行精准分级与差异管控。①辅助性应用层级。该层级适用于学位论文写作中技术性、流程性及基础信息处理环节，核心定位是将生成式人工智能作为提升文献处理效率、拓展研究分析视角、优化学术规范表达的辅助工具，具体应用场景包括文献检索与分类整理、参考文献格式排版、语言通顺性校验与基础润色、研究数据的可视化图表制作等前期准备与工具性支撑工作。在此应用层级中，生成式人工智能作为辅助工具参与学位论文写作，旨在培养学位申请人高效运用工具辅助科研工作的能力素养，同时明确要求学位申请人对所有内容进行实质性人工核验与责任背书，确保相关信息的真实性与准确性。②限制性应用层级。该层级针对学位论文中具有一定原创性要求但允许生成式人工智能在严格规范与透明框架下提供辅助支持的环节，主要包括方法设计中的算法辅助优化、数据分析中的模型建构与验证辅助、论文部分章节的语言润色与逻辑结构优化等场景。相较于辅助性应用层级，此层级对技术参与的规范性要求更为严苛，其应用范围、功能边界及学术贡献比例需结合不同学科的研究特点、学术规范与人才培养目标予以明确界定，避免技术参与过度侵蚀学位申请人的原创思维与研究能力。同时，明确要求学位申请人在该层级下对技术应用必须保证全程透明与可追溯，以此落实学术诚信与主体责任。③禁止性应用层级。该层级严格禁止生成式人工智能参与学位论文中体现原创性思维、核心学术贡献与关键研究能力的环节。这些环节是高等教育阶段评估学位申请人独立科研能力、学术思辨水平与创新潜质的载体，主要包括研究问题与假设的提出、研究方法与论证框架的自主设计、理论框架的建构与完善、原始数据的独立收集与规范处理、数据结果的深度分析与学术阐释、研究结论的提炼与总结以及摘要、引言、讨论等核心章节的实质性撰写等。上述环节直接反映学位申请人独立开展学术研究所需的高阶思维、逻辑与创新能力，是学位论文评审中区分学术贡献等级的核心依据，任何形式的技术参与均可能模糊学位申请人个人学术能力的真实呈现，削弱学位论文作为独立研究成果的认定基础^[16]。

上述分级机制为生成式人工智能参与学位论文写作的风险治理提供了结构性框架，该框架的动态调整可实现与技术更新迭代、学科场景演变的同步适配。我国当前学位授予单位在生成式人工智能学术应用监管方面普遍存在合规形式相对静态、规范标准更新滞后和师生反馈渠道不畅等问题，致使既有规范难以对生成式人工智能模型能力的快速迭代做出及时响应，也无法充分适配不同学科研究方法的差异需求，从而陷入过度规制抑制学术创新与监管空白引发学术风险的双重困境。学位授予单位可以参考国外针对生成式人工智能风险等级的动态监管与豁免机制，进一步优化学位论文场景下技术应用分级监管的灵活适配，其必要性在于，生成式人工智能技术持续演进，在学位论文写作的不同应用维度、不同学科范畴所呈现的风险特征也可能随之发生变化，且某些特定研究情境下的风险还具有高度特殊性。若学术规范与标准指引缺乏动态适应能力，易导致评价标准僵化与过度约束活力，进而影响人才培养质量。各学位授予单位应立足技术迭代趋势、学术实践进展与写作环节演变，定期评估现行学术规范与标准指引的科学性与适用性。若发现部分学科或特定应用场景的技术风险已显著降低，或现有限制性规定已不再合理，应及时通过规范渠道向培养单位、指导教师及学位申请人履行告知义务，并将相关评估结果、调整理由与建议同步报送上级教育主管部门及本校学术委员会。此外，应建立全国统一的信息汇总与交流机制，由相关主管部门牵头，定期对各学位授予单位的学位论文写作情况进行综合研判，推动国家层面相关学术规范的周期性修订与完善^[17]。

3.配套支撑：健全风险层级标识制度与完善权责联动机制

在学术规范与透明度的议题之下，针对学位论文写作中生成式人工智能应用场景适配与其层级对应的标识制度，具有保障学术诚信、明晰责任归属与推动技术合理赋能的多元价值。对于技术辅助性应用层级，宜采用“概括声明为主，记录备查为辅”的一般性标识模式。具体而言，可要求学位申请人在论文的研究方法章节或独立设置的生成式人工智能应用说明部分进行集中概括的声明，例如注明“本研究在文献梳理、思路拓展、语言润色和语法校对等环节使用了某类工具”。此类声明无需在正文中对应用场景进行逐一标注，旨在确认曾借助相关技术工具完成辅助性科研工作，其性质与传统写作过程中对统计工具、文献管理工具等的使用说明具有同质性。同时，各学位授予单位应建立内部记录机制，要求申请人在必要时可向指导教师说明其具体应用场景与方式，为学术核查提供支撑。对于技术限制性应用层级，应确立强制标识原则，重点关注标识的全面性与准确性。相较于辅助性应用层级的一般性标识，该层级的标识要求更为严格，标识形式不再局限于零散的功能性标注，而是明确要求学位申请人在正文相关段落的脚注中精准标注生成式人工智能的应用细节^[18]。

权责联动机制以生成式人工智能技术检测异常预警、专家评审提出明确质疑为风险触发起点，通过设置层层递进的响应程序，建构起一套动态闭环的风险治理链条。①学位申请人的解释说明义务。若出现上述风险触发情形，学位申请人须在规定期限内向所在学院提交书面解释说明材料，详细回应检测报告中的疑点或专家评审提出的相关疑问，同时一并附上技术应用全过程的完整记录，包括但不限于原始提示词、多版本内容迭代痕迹、人工修改过程说明等证据材料。此举旨在将举证责任合理转移至应用者本人，切实贯彻“谁使用、谁标识、谁举证”的基本原则，强化学位申请人的主体责任意识。②指导教师的过程监督与回溯复查。若学位申请人提交的解释说明材料未能完全消除相关疑虑，所在学院可要求指导教师结合日常指导记录、定期沟通邮件、阶段性成果反馈等资料，结合申请人提交的证据材料，对研究生应用生成式人工智能参与写作的关键环节、核心内容进行全面回溯性审查。指导教师须基于审查结果出具正式复查意见书，明确判定研究生的技术应用行为是否符合学术规范与分级监管要求，并对存疑部分提出针对性专业意见，此环节进一步强化了指导教师的过程管理责任，填补了过程监管的薄弱环节。③学位评定委员会的专项审议与裁决。若指导教师的复查意见仍无法形成明确结论，或争议问题涉及重大学术不端嫌疑，超出了单个指导教师的专业判断能力，学位评定委员会可组织校内外相关学科领域专家组成专项复核小组，结合全流程材料开展客观、公正的复核工作，并依据复核结果进行投票表决，最终做出是否授予学位、是否启动学术不端调查程序等明确裁决。

事前明确的规则与标识要求促使学位申请人与指导教师在写作初始阶段便重视生成式人工智能应用的合规性问题，筑牢风险防控的前置防线；事中潜在的风险触发机制与过程监管压力引导学位申请人审慎应用技术、指导教师加强过程监督；事后清晰的争议解决路径与救济渠道为技术应用相关争议的解决提供明确依据。三者应有机衔接、协同发力，最终服务于保障学位论文原创性质量，捍卫学术诚信底线与促进技术向善应用的根本目标。

四、结语

研究生教育领域积极拥抱生成式人工智能技术已成为顺应时代潮流、赋能人才培养的必然选择，学位论文写作作为衔接人才培养与学术创新的关键环节，其与生成式人工智能的深度融合更是人机协同教育范式演进的重要体现。在生成式人工智能参与学位论文写作带来研究方式革新与写作效率提升机遇的同时，学位授予单位更应以高度的学术自觉与审慎的伦理立场，系统防范并化解其可能引发的多重风险，引导技术应用朝着有益、规范、严谨的方向健康发展^[19]。如此方能实现智能向善与育人为本的有机统一，充分发挥技术赋能价值，真正为学位论文写作提供更高效、更规范、更高质量的支持力度，助推学位培养高质量发展，为全面落实立德树人根本任务、加强高水平人才自主培养能力、服务教育强国战略提供坚实有力的保障。

参考文献

[1]? 骆飞, 马雨璇. 人工智能生成内容对学术生态的影响与应对: 基于ChatGPT的讨论与分析[J]. 现代教育技术, 2023, 33(6): 15-25.

[2]? 张惠彬, 许蕾. 生成式人工智能在教育领域的伦理风险与治理路径: 基于罗素大学集团的实践考察[J]. 现代教育技术, 2024, 34(6): 25-34.

[3]? UNESCO. Guidance for generative AI in education and research[EB/OL]. (2023-09) [2025-12-17]. https://www. unesco.org/en/articles/guidance-generative-ai-education-and-research.

[4]? European Commission Directorate-General for Research and Innovation. Living guidelines on the res? ponsible use of generative AI in research[EB/OL]. (2024-03) [2025-12-17]. https://research-and-innovation.ec.europa.eu/document/2b6cf7e5-36ac-41cb-aab5-0d32050143dc_en.

[5]? Harvard University. Generative artificial intelligence guidelines[EB/OL]. (2023-07-13) [2025-12-18]. https://huit. harvard.edu/ai/guidelines.

[6]? The University of Chicago. Guidance for syllabus statements on the use of AI tools[EB/OL]. (2023-09) [2025-12-17]. https://teaching.uchicago.edu/sites/default/files/2023-09/CCTL_AI%20Syllabus%20Statements.pdf.

[7]? Thorp H H, Vinson V. Change to policy on the use of generative AI and large language models[EB/OL]. (2023-11-07) [2025-12-17]. https://www.science.org/content/ blog-post/change policy use gene rative ai and large language models.

[8]? 王霁霞, 刘诗姣. 《学位法》框架下学位论文撰写中生成式人工智能应用的合规性研究[J]. 学位与研究生教育, 2024(12): 22-29.

[9]? 中国互联网络信息中心. 《生成式人工智能应用发展报告（2025）》[R/OL]. (2025-10-23) [2025-12-18]. https://www. cnnic.cn/n4/2025/1021/c88-11391.html.

[10] 余胜泉. 跨越人工智能教育应用的认知外包陷阱[J]. 中国教育学刊, 2025(4): 1.

[11] 张孟杰, 王非凡. 生成式人工智能应用于高等教育的场景、风险挑战及建议[J]. 当代教育论坛, 2025(5): 23-30.