Use of AI Tools: Guidelines to Maintain Academic Integrity in Computing Colleges
该论文探讨了生成式人工智能在计算类学院教育中的广泛应用及其对学术诚信的挑战，通过分类评估方法并提出通用与针对性的指导方针，旨在帮助教师平衡 AI 工具的教学优势与学术诚信的维护，并引入了一种用于评估 AI 辅助学生作业的结构化数学模型。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
这篇论文就像是一份给大学老师（特别是计算机专业老师）的"智能导航使用说明书"。
想象一下，现在的学生手里都拿着一把超级厉害的“魔法笔”（比如 ChatGPT），它能瞬间写出代码、文章，甚至解题。以前，老师担心学生用这支笔是“作弊”，于是想把它没收。但这篇论文说：别没收，要教学生怎么安全、正确地使用它，就像教孩子开车一样。
以下是这篇论文的核心内容，用大白话和比喻来解释：
1. 核心问题：是“作弊”还是“辅助”？
- 现状：AI 工具像是一个无所不知的“超级管家”。学生用它写作业，速度快得惊人。
- 风险：如果学生完全依赖管家，自己不动脑子，那就像坐轮椅去跑步，腿脚（思维能力）会退化，而且如果假装是自己跑完的，那就是欺骗。
- 目标：这篇论文不想禁止“管家”，而是想制定一套交通规则，让“管家”成为学生的“副驾驶”，而不是“代驾”。
2. 老师的“新武器库”：针对不同考试的不同策略
论文把计算机专业的作业分成了好几类，并给每一类都配了不同的“防作弊 + 促学习”策略：
- **家庭作业 **(Homework)：
- 比喻：以前是“抄答案”，现在是“做实验”。
- 策略：老师出的题要像定制西装一样，每个人参数都不同（比如用你自己的数据），AI 很难直接生成标准答案。交作业后，老师要像面试一样，随机问学生：“你这里为什么这么写？”如果答不上来，说明是 AI 代劳的。
- **编程作业 **(Coding)：
- 比喻：以前是交成品代码，现在是交“施工日志”。
- 策略：允许用 AI 写代码，但必须用 Git（版本控制工具）记录每一步修改。老师要看你怎么改的，甚至要在课堂上让你现场改代码。如果你能解释每一行代码，那就是你的；如果只会复制粘贴，那就是作弊。
- **论文/报告 **(Reports)：
- 比喻：AI 是“初稿生成器”，学生是“总编辑”。
- 策略：允许用 AI 写初稿，但学生必须提交一份"修改报告"，列出哪里是 AI 写的，哪里是自己改的，为什么改。重点考核的是你改得有多好，而不是初稿有多完美。
- **口头考试/答辩 **(Oral Exams)：
- 比喻：这是终极试金石。
- 策略：无论作业写得多么完美，最后都要面对面问几个问题。就像厨师做菜，不管外卖多好吃，老板要亲自尝一口，问你是怎么做的，才能知道是不是你亲手炒的。
3. 给老师的通用“三原则”
不管什么作业，老师都要遵守这三条铁律：
- 必须坦白：用了 AI 就像在菜里加了味精，必须标出来（披露），不能偷偷加。
- 必须审核：交作业后，老师要抽查面试，确认学生真的懂。
- 重在思考：作业评分不能只看结果，要看学生对 AI 生成内容的分析和改进。
4. 一个神奇的“数学公式” (核心亮点)
论文最后还搞了一个数学模型，把评分变成了一道公式。这就像是一个智能评分计算器：
- **最终成绩 = **(作业本身的质量)
- 作业质量：代码跑没跑通？文章通不通顺？
- 改进程度：你比 AI 多做了什么？（比如优化了算法，纠正了错误）
- 验证环节：面试时你能否解释清楚？
还有一个“诚信开关”：
- 如果你没坦白用了 AI，或者面试答不上来，这个开关直接关掉（得 0 分），不管作业写得多好。
- 只有坦白 + 懂行，开关打开，才能算分。
总结
这篇论文的核心思想就是：堵不如疏。
AI 工具就像计算器，以前大家也担心学生用计算器会算数变差，但后来发现，只要教他们什么时候用、怎么用，计算器反而成了提升效率的神器。
这篇论文告诉计算机学院的老师们：不要害怕 AI，要重新设计考试，把重点从“考你会不会背”变成“考你会不会用工具解决问题，并且能解释清楚”。这样，学生既能享受 AI 的便利，又能保持学术的诚实和能力的提升。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。