剑桥大学AI政策：数字教育指南如何塑造2026年课程作业

剑桥大学AI政策对数字教育究竟说了什么？

剑桥大学对教学和评估中生成式AI的态度是有意的分散式。与其发布一项对物理问题集、历史论文和计算机科学论文都相同适用的统一规则，大学的数字教育指南设定了共同原则——学术诚实、透明度和恰当的来源确认——然后将具体的许可使用规则委托给各个院系、部门和课程组织者。这意味着一个专业的学生可能明确被允许使用大语言模型进行头脑风暴或代码起草，而另一个部门的学生可能面临禁止任何AI生成文本出现在提交作业中的限制。该指南将这种灵活性框定为必要的，因为AI辅助的风险概况因学科而异：生成的段落在反思性论文中的诚实性问题与生成的函数在编程作业中的问题不同。所有系部保持一致的是学生应查阅他们所选课程的具体规则，而不是假设笼统政策适用，以及任何超出明确许可的AI工具使用必须披露而不是隐瞒。当学生不确定某个特定用例——使用AI总结阅读、检查语法、提出大纲——是否在其课程允许范围内或范围外时，导师和研究主任通常是第一个参考点。

"我们并不试图写出一条适用于每个学科的规则。必须一致的是学生知道在哪里查看他们自己课程的规则，未披露的使用无论学科如何都被视为对信任的违背。" ——剑桥数字教育指南摘要，改述自已发布的学院简报

为什么剑桥将AI规则委托给各部门而不是制定统一政策？

分散式模型反映了剑桥的学院制和三科制教学结构对大多数学术事务的运作方式——评估格式、评分标准和允许的资源长期以来因系部而异，而不是中央统一标准化。将同样的逻辑扩展到生成式AI使新指南与现有的学术治理保持一致，而不是创建一个平行的全校官僚机构。还有一个实际的原因：AI工具变化的速度足够快，使得单一详细的规则手册有可能在一个学年内就过时。通过中央制定原则和委托具体事项，各个部门可以根据工具的变化而更新自己的指南——计算机科学部门可以修订随着新工具出现而可接受的AI辅助编码帮助的定义，而无需等待全校审查流程。权衡是这种灵活性要求学生更积极地查找和阅读每门课程的相关指南，而不是依赖单一的记忆规则。研究主任和课程手册是这些信息传达给学生的主要渠道，课程教学大纲越来越多地在现有学术诚实语言旁边包含明确的AI使用声明。

1. 中央数字教育指南设定共同原则：诚实、透明、披露
2. 各个院系和部门定义具体的许可和禁止使用
3. 课程手册和教学大纲是学生查找学科具体规则的主要地点
4. 研究主任和导师澄清未明确涵盖的边界情况
5. 部门指南可以独立更新，随着新AI工具的出现

学生应如何按照剑桥的数字教育指南披露AI使用？

在允许某种程度AI辅助的课程中，剑桥的指南通常期望披露要反映学生已经如何确认其他形式的帮助，如引用来源或认可合作者。实际上，这意味着注明使用了哪种工具、用于什么具体任务——起草大纲、检查代码语法、生成文献摘要的第一稿——以及学生随后改变或独立编写的内容。部门最常要求的格式是在作业末尾或脚注中的简短说明，类似于论文中的致谢部分。期望的细节程度与AI辅助部分对最终提交的重要程度相适应：使用聊天机器人检查论文语法的学生所面临的披露期望比使用AI生成大量后来被编辑的分析内容的学生轻。沉默是指南针对的核心问题——不是技术本身。使用允许工具但不披露的学生，或披露的辅助形式比实际使用的轻，无论潜在辅助在诚实披露时是否会被允许，都被视为有对其提交内容进行了虚假陈述。这就是为什么剑桥的框架持续区分两个不同的问题：这种AI使用对该课程是否恰当，以及它是否被准确披露——提交可以在任一问题上失败。

1. 在开始作业前确认您具体课程是否允许任何AI辅助
2. 如果使用了辅助，记下具体的工具和任务——起草、总结、代码检查、编辑
3. 清楚地说明哪些是AI辅助的，哪些是学生独立编写或验证的
4. 将披露详细程度与AI辅助部分对最终作业的重要程度相匹配
5. 如果不确定某个用例是否需要披露，在提交前询问导师或研究主任

剑桥课程如何验证提交的作业遵循AI政策？

验证方法因部门而异，就像许可使用规则一样，但自生成式AI指南推出以来，剑桥各院系已出现了几种常见方法。许多导师依靠他们通过定期指导建立的对学生写作和推理风格的直接了解，使得词汇、论证结构或技术流畅度的无法解释的转变比任何自动化工具都是更直接的信号。笔试和面试——已经成为剑桥评估文化的中心——在确认学生能够解释和辩护其提交作业背后的推理方面获得了额外的重要性，因为无法在质询下为自己的论证辩护的学生引发了独立于任何检测软件的关切。一些部门也开始将AI检测工具作为支持信号而非唯一判断者，这与大学更广泛的强调人类学术判断而非自动化判决的立场一致。检测分数在使用时充当促使进一步手工审查的提示，而不是单独的证据——这种做法与大多数英国高等教育机构对这些工具进行的定位一致，考虑到自动化AI检测中已记录的假阳性风险。为已向部门信号可能检查AI辅助内容的提交准备的学生——无论是通过直接交谈、面试还是辅助检测工具——从能够解释他们自己的起草过程中受益，并且在相关情况下确认其写作不会携带可能导致对未披露AI参与的歧义的文体模式。

1. 导师对学生通常的写作和推理风格的熟悉仍然是主要检查
2. 面试和口头考试允许直接确认学生能够解释其提交的推理
3. 一些部门使用AI检测工具作为支持信号，而不是独立判决
4. 被标记的分数通常会促使更仔细的手工阅读，而不是自动处罚
5. 学生应准备好在被要求时讲述其起草过程

"关于您自己论证的一个面试问题在两分钟内告诉我们的信息比任何分数都多。这些工具对于标记需要更仔细查看的地方很有用——它们本身不是发现。" ——改述自剑桥学院关于评估诚实性的指南

如果学生的作业在剑桥的AI指南下被标记会发生什么？

因为许可使用规则和验证方法位于部门级别，所以跟随被标记提交的流程也是如此。在大多数情况下，对未披露AI使用有关切的导师或考官会首先直接向学生提出此事——通过对话、要求提供草稿或笔记，或在指导期间提出后续问题——在任何正式的学术不诚实流程开始之前。这反映了剑桥对涉嫌抄袭的长期做法，其中课程级别的非正式解决是常规做法，而正式提交给学院或大学机构是为了涉及更强有力证据或跨多份作业模式的情况。能够提供草稿、笔记或对其研究和写作过程的清晰说明的学生通常处于更好的位置来快速解决非正式查询。如果案件确实进行到正式的学术不诚实流程，大学现有的程序——与抄袭和其他诚实关切问题相同的那些——适用，学生有权回应和提交证据。考虑到政策的分散性质，面临AI使用查询的学生被鼓励首先审查其具体课程或部门的已发布指南，因为他们可能越过的确切许可使用边界——或没有越过——在那里定义，而不是在单一中央剑桥范围的文件中。

学生和研究人员如何在提交到剑桥之前检查自己的作业？

鉴于在剑桥的数字教育指南下披露准确性与AI的潜在使用本身一样重要，学生的一个实际习惯是在提交前审查草稿以确认它反映了他们想要披露的内容——并且分开地，确认任何独立编写的部分不会携带可能给导师或考官带来不必要审查的文体模式。诸如NotGPT之类的工具让学生和研究人员能够粘贴草稿并看到AI相似度的句子级分解，这不太作为通过/失败门槛有用，而更多地作为捕捉那些大量编辑或狭隘、正式写作风格可能对导师或考官读起来模糊的段落的方式。这对于以技术寄存器编写的研究学生或以英语为附加语言编写的学生特别相关，两者都可能产生比典型本地非正式写作更统一的散文，完全没有任何AI参与。在截止日期前几天运行自检——而不是前一晚——留出了时间来重新访问特定被标记的段落、确认披露声明与最终草稿匹配，以及在课程允许有限AI使用的地方，确保确认描述了实际完成的工作。这都不能取代阅读学生自己院系或部门发布的具体指南，这仍然是关于在给定课程中允许什么和不允许什么的权威来源。

1. 在开始作业前阅读您具体课程或部门的已发布AI指南
2. 在制作您的作业时起草您的披露声明，而不是作为提交前的事后想法
3. 通过AI检测器运行独立编写的部分以捕捉模糊的文体模式
4. 修改被标记的段落以实现自然的句子变化，而不是统一的正式措辞
5. 确认您的最终披露声明确实与使用的任何辅助相匹配
6. 保留草稿和笔记，以防导师询问您的写作过程