Influence of Generative AI on Graduate Students’ Writing Style and Critical Reasoning in Written Paper Critiques
这项针对120份研究生工程评论的混合方法研究表明，尽管生成式人工智能显著提高了表层写作评分，但它也存在通过掩盖方法论特异性的降低和促进认知卸载来扭曲评估效度的风险，从而对学科推理的准确测量构成挑战。
原始论文采用 CC BY 4.0 许可（https://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
想象一门研究生工程课程，学生们被要求对复杂的科学论文撰写“读书报告”。他们不仅仅是总结情节，而是要扮演评论家的角色：指出实验中的缺陷，质疑数据，并解释这些发现如何融入能源技术的宏大蓝图。
这项由 Alejandro H. Espera 进行的研究，就像一个侦探故事，讲述了当这些学生被允许使用超级智能的 AI 写作助手，与必须完全独立写作时，情况会发生怎样的变化。
以下是研究过程的拆解，使用了简单的类比：
1. 背景设定：“精修车” vs. “粗糙引擎”
研究人员观察了可持续能源课程中 120 份此类“读书报告”（评论）。
- 第一阶段（允许使用 AI 区）： 学生可以使用 AI 来辅助写作。
- 第二阶段（禁止使用 AI 区）： 学生被严格禁止使用 AI。
结果： 当允许使用 AI 时，论文看起来就像一辆全新的、闪亮的豪华轿车。它们组织严密，流程顺畅，没有任何语法上的颠簸。成绩非常高（平均分为 82 分/满分 100 分）。
当禁止使用 AI 时，论文看起来更像是被开过越野车的汽车。它们显得有些粗糙，句子有些笨拙，成绩显著下降（平均分为 60 分/满分 100 分）。
2. 转折点：“人体模特”问题
这里有一个陷阱。该研究认为，“闪亮的汽车”（AI 论文）可能掩盖了一个问题。
想象一下商店橱窗里的人体模特。它穿着完美的西装，站姿笔挺，看起来无懈可击。但人体模特没有大脑，没有思想，也没有独立思考的能力。
研究发现，虽然 AI 允许的论文在外观上很完美（“沟通能力”得分很高），但内在有时是空洞的。
- AI 效应： AI 充当了“认知卸载器”。它承担了组织思路和寻找词汇的重体力活，这让写作看起来很棒。但这样做有时也抹平了学生真实的思考过程。
- “通用化”陷阱： 一些高分的 AI 论文被描述为“通用的”。它们听起来像是对主题的一个流畅、通用的总结，而不是对学生所分配到的特定论文进行的尖锐、具体的批判。这就像一个学生在做演讲，听起来很完美，但并没有真正回答所提出的具体问题。
3. “粗糙”的真相
在禁止使用 AI 的区域，论文显得比较凌乱。但教师的反馈表明，这些“凌乱”的论文往往包含了一些有价值的东西：真实的挣扎。
当一名学生在没有 AI 的情况下写作时，你可以看到他们在与思想搏斗。他们可能会在某个句子上磕磕绊绊，但他们实际上正在进行艰苦的工作，去弄清楚某个科学方法是否存在缺陷，或者某个结论是否薄弱。这种“粗糙感”实际上是他们大脑正在进行课堂所要测试的任务的证明。
4. “虚假”警报
研究还观察了一个试图检测 AI 的工具（Turnitin）。在禁止使用 AI 的区域，该工具标记了许多论文为“100% 由 AI 生成”。
- 现实情况： 有时这些是确实使用了 AI 的学生（违反了规则）。
- 警告： 但研究警告说，这些检测器并不完美。它们可能就像一个在你烤面包时就会响起的烟雾报警器。你不能仅凭报警器来证明某人作弊；你必须观察“面包”（实际内容）是否真的烤焦了。
5. 核心教训：我们到底在测试什么？
本文的核心观点在于效度（Validity）。
想象一场驾驶测试。
- 场景 A： 学生驾驶一辆开启了自动驾驶模式的汽车。汽车完美抵达目的地，没有转向偏差，刹车精准。教练给了他们一个“A”。
- 场景 B： 学生手动驾驶。他们左右摇晃，刹车过晚，看起来很紧张。他们得到了一个“C”。
如果测试的目标是看学生是否会驾驶，那么场景 A 是失败的。是车在工作，而不是学生。
论文认为，在研究生阶段，评论的目标是看学生能否进行批判性思考，而不仅仅是写出漂亮的句子。
- 当允许使用 AI 时，“沟通能力”得分上升了，但学生是否真正理解了复杂科学的证据可能会下降。
- “闪亮的”论文可能是一篇优秀的写作作品，但它作为证明学生批判性思维能力的证据却是无效的。
总结
研究结论是，AI 是一个强大的工具，可以让写作看起来很美，就像给房子刷上一层新鲜的油漆。但如果地基（学生自身的推理）是脆弱的，油漆并不能修复房子。
对于教师来说，启示是：不要只看油漆的效果。 如果你想知道一名学生是否能像工程师一样思考，你需要透过光鲜的外表，去看底层的推理是否真实、具体且属于其本人。没有 AI 的那种“凌乱”工作，可能才是学习过程更好的证明。
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。