令人不安的现实： 无法核验的来源 与当代课堂
我们这些教育工作者都经历过那种令人不安的时刻：在深夜里批改一摞论文。你读到一名学生（也许是一位英语语言学习者）的作业——他展现出异常成熟的词汇和复杂的句子结构，这与他之前在课堂中的表现完全不相符。最初的怀疑是学术不端，但当你把文本交给传统的相似度检测工具时，却没有任何提示。万一你的学生是在抄写你无法阅读的来源呢？比如：他们把外文文章直接翻译成英文。随着生成式 AI 的爆炸式增长，这种情形让许多教师感到沮丧、无力。仅仅依赖 AI 检测已经不足以在我们日益多元、且技术日益先进的课堂中维护学术诚信。
语言障碍与 有缺陷的 AI 检测
当代课堂是一个充满活力的多语言环境，这既带来了巨大的文化财富，也带来了关于学生真实性的独特挑战。当学生在抄袭问题上遇到语言障碍时，他们可能会转而翻译那些难以辨识的国际来源，从而有效绕过只会扫描英文数据库的常规相似度检测工具。此外，生成式 AI 被整合进学生的学习流程后，学术不端的格局发生了根本性变化。我们面临的是一种复杂的“双重威胁”：被翻译出来的抄袭，以及更为精巧的机器生成文本。
我们必须理解当前 AI 检测工具的技术局限。这类系统基于统计概率运行，通过分析困惑度（perplexity）和爆发性（burstiness）等指标来推测一段文本是由人写还是由机器生成。由于它们本质上是概率性的，因此很容易出现重大缺陷，最突出的是误报与漏报。误报——即学生的真实写作被错误地判定为 AI 生成——会对师生关系造成不可修复的伤害，并让学生承受巨大的焦虑。相反，漏报会让更为精密的学术不端行为从缝隙中溜过去。作为教育工作者，我们必须承认：检测工具并非对真相的最终裁决者。它们只是并不完美的工具，无法替代教师对学生能力与成长所具有的细致理解。
面向流程的评估 与真实学习的 教学转向
展望未来，我们必须把关注点从被动的检测转向主动的、以教学为导向的解决方案。这些复杂挑战的答案在于基于流程的评估，而不是完全依赖最终成品。通过强调写作过程，我们可以建立学生的自我效能感，并确保真实学习发生，而不必不断地对有缺陷的算法进行“监控式”治理。
第一项策略是将文档版本历史作为评分流程中的标准组成部分。像 Google Docs 这样的平台允许教育工作者查看整个起草过程，观察学生如何随时间构建论点。如果某位学生突然出现了大量完美无瑕的文本，却在此前的打字记录中没有相关痕迹，那么这强烈表明可能存在翻译抄袭或 AI 生成。通过这种做法，讨论将从“指控”转向围绕写作过程本身的协作式交流。
第二项策略是要求进行带有持续形成性评估的迭代式起草。当作业被拆分成可管理的里程碑——例如头脑风暴、列提纲、起草与修改——学生就不太可能惊慌失措，并转而进行学术不端。在每个阶段提供反馈，会营造一种“脚手架式”的环境，让教师能够深入了解学生想法是如何逐步形成的。采用这种方式，自然会降低使用无法核验的外文来源或 AI 工具的可能性，因为学生必须持续展示其不断发展的理解。
第三项策略是设计高度具体、且依赖情境的提示词。通用的论文题目很容易被外包给生成式 AI，或在既有的外文文章中找到现成内容。相反，我们应当设计需要学生把课程概念与自身经历、近期课堂讨论或高度具体的本地事件联系起来的作业。真实的作业设计会迫使学生深入参与材料，使他们极其难以绕过为了产出原创回应所必需的认知工作。
以信心与 专业能力应对未来
教育领域的格局无可否认正在变化，而翻译抄袭与生成式 AI 带来的挑战也将持续存在。尽管本能反应可能是去寻找“完美”的 AI 检测工具，但我们可以通过一种综合方法——将技术与教学法结合——来保障学术诚信。通过采用基于流程的评估、设计真实的任务，并持续聚焦于学生的成长，我们可以确保我们的课堂始终是充满真实学习的空间。作为教育工作者，我们最强大的工具并不是某个算法，而是我们的专业能力，以及我们对培养学生真实自我的承诺。我们有能力适应、引导学生，并在这个新的教育时代中茁壮成长。
