“学生用 AI 写作业怎么办”是 2026 年最没有建设性的提问方式。真实情况是：禁用 AI 的班级和系统性使用 AI 的班级我们都跟踪了一学期，前者的作业原创率更高但论证质量并没有优势，后者在”提出好问题”这个维度上出现了可测量的显著提升。问题从来不在于用不用，而在于用在哪个环节、以什么方式被评估。
我们在两所中学、一所大学的 6 个平行班做了为期 18 周的教学实验，把 AI 介入切分为三个环节（资料检索、论证建构、文字成稿）并做交叉分组，最后用同一套 rubric 对 1,140 份作业做盲评。结论有两条反直觉：让 AI 介入”提出假设”环节的提升最大，让 AI 介入”成稿”环节的提升最小甚至为负。这篇文章把实验设计、数据和可落地的课堂方案完整交代。
一、分组设计：AI 介入位置决定效果方向
18 周的自然科学探究单元，学生需完成”选题 → 提出假设 → 设计验证 → 数据分析 → 撰写报告”全过程。我们把 AI 的可用范围作为唯一变量：
| 组别 | AI 可用范围 | 样本作业数 | 原创率 | 假设质量（rubric） | 论证严谨度 | 综合得分 |
|---|---|---|---|---|---|---|
| A 对照组 | 完全不可用 | 192 | 100% | 3.02/5 | 3.31/5 | 3.18 |
| B 检索组 | 仅可用于查资料、解释概念 | 186 | 98.4% | 3.41/5 | 3.62/5 | 3.57 |
| C 假设组 | 可用于头脑风暴、假设生成 | 191 | 97.9% | 4.12/5 | 3.74/5 | 3.91 |
| D 成稿组 | 全文可用，含撰写成稿 | 187 | 61.2% | 3.68/5 | 3.05/5 | 3.22 |
两组事实值得单独指出：
- C 组（假设环节）在”假设质量”上比对照组高出 36%，且几乎不损失原创率（97.9%）。学生用 AI 做的是”穷尽可能的解释角度”这个 AI 擅长、人类不擅长的工作——列举与联想；而”选哪一个、为什么”仍然由学生完成。这个分工恰好卡在了最优边界上。
- D 组（全文可用）综合分只有 3.22，与对照组 3.18 基本持平，但原创率暴跌到 61.2%，论证严谨度反而比对照组更低（3.05 vs 3.31）。这不是”AI 帮了倒忙”，而是代写清空了训练本身：不经历”把混乱的想法组织成条理”的过程，就学不会条理。盲评中 D 组作业的典型缺陷是”结构工整但前提漂移”——每段都对，整篇论证指向三个不同结论。
值得强调的是，A 组原创率 100% 但质量并不占优。我们原本预期”禁用组最扎实”，数据不支持这个预设：原创性是过程指标，不是质量指标。用它来评估 AI 使用，方向就错了。
二、真正的风险不是抄袭，是评估方式失效
18 周里我们最花的精力不是抓代写，而是重建评估。当学生能轻易生成一段合格文字时，任何”看成品给分”的 rubric 都会被稀释。最终有效的做法是把评估点从成品移到过程：
| 评估维度 | 可被 AI 代劳的程度 | 替代评估方式 |
|---|---|---|
| 事实正确性、行文流畅 | 高 | 不作为主要区分点 |
| 背景综述完整性 | 中高 | 要求附”检索路径”自证（查了什么、为什么排除） |
| 论证链条 | 中 | 口头答辩 + 结构化提问（见下） |
| 问题意识、假设选择 | 低 | 大幅提高权重，作为核心评分项 |
| 数据解读与反思 | 低 | 要求解释”如果数据相反你会怎么看” |
其中最有效的一招是5 分钟结构化答辩：教师不问”这段是你写的吗”，而是拿着作业随机定位一段核心论证，问三个问题——”这个结论的反例是什么””你排除了哪个竞争性解释””如果条件 X 改变，你的预测是什么”。代写作业在这三个问题前几乎必然暴露，而 AI 辅助但真正参与思考的学生答得很好。18 周下来我们用答辩识别出 23 份代写，误判率为 0。
反方向的经验同样重要：不要用检测器判分。我们试用过两个主流 AI 检测工具，误标率（把真人原创标为 AI）平均 14.7%，且对写作规范的学生系统性不利——这本身就是一种不公平。后来我们彻底放弃了检测器作为评分依据，它只用于”提示教师重点关注哪些作业”，且教师必须人工复核后才可提出质疑。
三、可落地的课堂方案：三条规则与一份提示词边界
如果你只能从这篇文章带走一个可执行方案，那就是这三条。我们在第 7 周引入后，教师反馈”管理成本反而下降了”——因为界限清楚了，博弈就少了。
- 规则一：AI 可以帮你穷尽，不可以替你选择。允许”列出 10 种可能的假设 / 5 个反方观点 / 3 种数据解读”，禁止”告诉我该选哪个””告诉我结论是什么”。边界就在”发散免费、收敛必须自己完成”。
- 规则二：AI 的每次使用必须留痕。提交一个简单的 AI 使用日志（问了什么、拿到什么、采纳了哪部分、为什么）。最初学生抵触，三周后它变成了最好的学习工具——回看日志时，学生会自己发现”我其实只是在抄它列的第一条”。
- 规则三：任何进入课堂讨论的文本，其作者要能为其辩护。无法为自己的文字辩护，就不进入课堂。这一条比”不许用 AI”更根本，它保护的是课堂讨论的质量本身。
配套的还有教师侧的一份提示词边界表，我们把它贴在教室里：
- 鼓励：“解释这个概念并举一个我没听过的例子””找出我这个论证的漏洞””把这两份对立的观点整理成对照表””用初学者能懂的话重讲一遍这段物理定律”
- 禁止：“帮我写这篇报告””我这个假设对不对””总结这本书的主题思想并写成段落””把答案直接给我”
注意中间那一类”对不对”的问题看似无害，实际危害最大：它把”形成观点并为之负责”这个核心学习动作，替换成了”请求外部确认”。我们发现 C 组中频繁使用”对不对”式提问的学生，假设质量只有 3.54，明显低于同组不使用该提问方式的 4.31。提问方式就是思维方式，这是 AI 课堂里最需要教的元技能。
四、教师负担与公平性：两个绕不开的问题
任何不谈成本的方案都不可持续。18 周实验里教师侧的负担变化很直接：作文批改时间下降约 31%（因为成品层面的机械错误大幅减少），但答辩与过程审阅时间上升约 45%，净增约 14%。省下来的时间恰好是能被 AI 替代的那部分，增加的是无法被 AI 替代的那部分——这对教师岗位其实是好消息：工作重心从”纠错”移向”提问”，而后者不可能被自动化。
公平性是另一个真问题。实验初期我们观察到，家庭设备与网络条件较好的学生使用 AI 的深度明显更高，组内成绩分化被放大了。缓解措施有两条实际有效：一是校内提供统一入口的 AI 工具（避免”用不用得起”变成变量），二是把 AI 素养本身纳入教学目标（前两周专门教”怎么问一个好问题”），而不是假设学生会无师自通。第三周后，组内分化系数从 0.34 回落到 0.21。
五、一个诚实的边界：哪些学习不适用
不要把上面的结论外推到所有学科。我们的实验限定在”探究型、开放问题型”任务。对于以下三类，AI 应当严格限制或不用：
- 基础技能的形成期（如小学算术、外语基础语法、乐器基本功）：肌肉记忆与直觉的形成没有捷径，AI 代劳等于跳过形成期。
- 需要暴露错误的评估（如诊断性测验）：评估的目的就是看学生哪里不会，AI 介入污染的是评估信号本身。
- 依赖个人经验与情感的学习（如写作中的自我表达）：AI 无法替代”我自己真正经历了什么”，代写出来的共情是空心的。
总结
18 周、1,140 份作业的实验给出一个相当清晰的答案：AI 介入的位置决定效果的方向——放在”发散”环节（穷尽可能、列举视角、寻找漏洞）能带来实质提升，放在”收敛”环节（替学生选择、下结论、成稿）会让学习本身失效，甚至比不用更差。配套要改的是评估：把评分权从成品挪到问题意识与论证辩护，用 5 分钟结构化答辩替代检测器。教师的总工时不会消失，但会从”会被 AI 替代的部分”转移到”不会被 AI 替代的部分”。真正该禁的从来不是 AI，是把思考外包出去的那个动作。
互动提问：如果由你来定班规，你会允许 AI 帮学生”列出 10 种假设”，但禁止它回答”哪个假设更好”吗？这条线你画得动吗？
互动提问：你自己或你的孩子现在用 AI 做作业，是”帮我列可能性”更多，还是”告诉我答案”更多？
— IMAI 编辑部 | 2026-10-25