以全过程考核守住学术“认知主导权”
【AI时代的学术之问】
人工智能时代，大语言模型能生成结构工整、引证规范的文本，不少学生对毕业论文的核心关切便不再是“如何写好论文”，而是“如何让机器相信这是我写的”。这种悖论式景象，不仅折射出技术发展对学术规范的冲击，更引发深刻的现实追问：当文字可以被轻易代劳，考核标尺究竟该指向何处？答案或许不在于升级检测工具，而在于回归教育本真，即守住学生在学术研究中的“认知主导权”。
考核标准遭遇技术冲击
长期以来，毕业论文被视为检验学生综合素质的“最后一考”。然而，随着生成式人工智能的深度介入，传统的考核逻辑遭遇了严峻挑战。其主要困境在于，人们将“论文写作”简单等同于“文本生产”，将考核的重点锚定在语法规范、引文格式和查重率等表层指标上。这种“文本中心主义”的考核观，在面对AI生成的海量高仿真文本时，便显得捉襟见肘。更严峻的是，为了应对AI率算法检测，部分学生不惜牺牲表达的连贯性与学术性，刻意将原本严谨的论述拆解、改写为佶屈聱牙的“破碎体”。这种行为虽显荒谬，却折射出现行评价体系面临的现实挑战，即只有最终提交的文本看起来“像”人写的，且查重率、AI率达标，才可能被视为考核合格。
在这一逻辑下，学生与AI的关系发生了倒置——不是人驾驭工具以提升思维能力，而是人服务于机器的检测逻辑，沦为规避算法的“技术工人”。但事实上，真正的学术训练，核心在于思维的操练而非文字的堆砌。一篇合格的毕业论文，其价值不在于纸张上的油墨，而在于纸张背后那个提出问题、检索文献、分析数据、推导结论的完整思维链条。AI可以模拟语言的表象，却难以复制人类在特定语境下的具身认知、价值判断与批判性反思。因此，考核的重心须从“文本合规”转向“思维在场”，确认论文是学生认知活动的产物，而非算法的概率拼接。这要求人们必须重新反思“认知主导权”的定义，并将评价的焦点从静态的文本转向动态的思维过程。
厘清“认知主导权”内涵
所谓“认知主导权”，是指学生在学术探究全过程所保持的主体性地位，即学生是研究发起者、过程掌控者和责任承担者。这一概念具体映射为研究实践的思维起点、论证路径和价值立场三重核心维度。
一是问题意识的原创性。好的研究始于真问题，而问题应当源于学生对现实世界的细致观察、对理论脉络的深入梳理以及对自身知识盲区的深刻反思。尽管AI能为学生提供海量选题建议，却无法实现对现实痛点的具身感知和对理论张力的内在把握。因此，考核的关键不在于查验选题是否新颖，而在于通过追问“为何选此论题”与“问题重要性何在”，透视学生发现问题的切身性，进而确保研究获得不竭的内驱力。
二是论证过程的亲历性。作为“认知主导权”的核心支柱，论证过程的亲历性要求学生能完整回溯研究中研究方法的适配依据、数据异常值的处置逻辑及在观点争鸣中的立场抉择等关键决策节点。这种基于亲身探索形成的“知识增量”，远比单纯文字层面的新奇更为重要——它承载着学生通过反复试错、不断修正所搭建起的专属化理解框架。而AI虽然可以模拟生成逻辑自洽的文本，却无法经历人类特有的认知跃迁。因此，考核必须聚焦于学生对推理逻辑链条的阐释，以证明其认知在素材与结论的转化中所发挥的主导作用。
三是价值判断的自主性。任何学术研究都离不开价值判断，AI的本质是基于概率的预测，并不具备道德观念。如果学生放弃价值判断的权利，盲目采信AI的输出，便是对“认知主导权”的主动弃守。因此，考核必须包含对学生价值取向和社会责任感的检视，以此确保其研究成果经得起学术伦理与公共理性的双重校验。
构建贯穿全程考核范式
要真正守住“认知主导权”，必须跳出“唯结果论”的窠臼，构建一套贯穿全程、多维互动、强制披露的考核新范式。
强化“过程留痕”与“节点控制”，实现全周期评价。考核不应只发生在提交终稿的那一刻，而应延伸至研究的全生命周期，将毕业论文拆解为选题报告、文献综述、开题答辩、中期检查、预答辩和最终答辩等多个关键环节。每个环节都应要求学生提交调研日志、原始数据、代码脚本、实验记录及导师指导意见反馈等翔实的过程性材料，并通过建立“研究档案袋”真实记录学生认知的变化轨迹，实现从“重结果”向“重过程”的范式转移，让学生的每一步探索都有迹可循，每一次思维跃迁都有案可查。
推行“溯源式”答辩制度，强化思维过程的深度核验。作为保障学术质量的终端环节，答辩在AI时代须进一步强化其诊断功能，引导答辩提问由关注“是什么”的结论验证，向关注“为什么”“怎么样”的思维还原转变。实践中，可着重询问核心论点的理论缘起、方法选择的依据，以及面对相反证据时的逻辑调适。通过聚焦研究脉络的追问，有效甄别AI代写的痕迹，促使学生厘清自身研究逻辑，让答辩现场真正成为展示严谨思维、回应学术质疑的舞台。
建立“人机协作”强制披露机制，引导负责任地使用技术。建立清晰的AI学术使用规范，要求学生像标注引用文献一样，明确标注AI的使用范围、具体指令及其在文中的贡献。考核的重点随之转变为学生是否具备批判性地筛选、甄别和优化AI生成内容的能力，是否清醒认识到AI输出的局限性并进行必要修正与验证，进而使学生学会在技术辅助下仍能保持思想独立性。
（作者：孟宪生、马诗芮，分别系东北师范大学马克思主义学部教授、博士研究生）