想象一下，尼泊尔的大学课堂就像一个繁忙的建筑工地。多年来，大家都遵守着同样的规则：如果你要砌一面墙，你就必须亲自动手搅拌水泥。但突然之间，一个神奇、超高速的机器人（生成式人工智能，GenAI）来到了现场，它能在几秒钟内完成搅拌水泥和铺设砖块的工作。
问题在于？工地经理（大学）还没有写出一本新的规则手册。没人知道让机器人代劳是否算作作弊，也不知道仅仅向机器人寻求一些灵感是否合适。
这篇题为**《使用生成式人工智能中的伦理复杂性》**的研究论文，就像是一群调查员走进这个建筑工地，观察工人们（学生）和工头们（教师）是如何应对这个令人困惑的新机器人的。
以下是他们的发现，通过简单的语言进行了拆解：
1. “这东西是谁造的？”之困惑（作者身份）
最大的头痛问题在于搞清楚到底是谁造了这面墙。
- 学生的抉择： 学生们正利用机器人来写论文。但当他们看到最终成品时，却无法分辨自己的想法在哪里结束，机器人的想法又从哪里开始。这就像是在吃一个由机器人制作、但由你进行装饰的蛋糕；这个蛋糕到底属于谁？
- 结果： 由于缺乏明确规则，学生们陷入了“灰色地带”。他们不知道是否需要声明“我使用了机器人”，还是可以直接声称整件作品都是自己的。他们非常害怕因为不知道“安全”的界限在哪里，而不小心被抓到抄袭。
2. “沉默合伙人”问题（透明度）
由于没有规则，每个人都在保守秘密。
- 学生们正在使用机器人，但并不告诉老师。他们担心如果承认自己使用了它，会被惩罚或被视为懒惰。
- 教师们也在利用机器人辅助他们评分或准备课程，但他们也没有告诉学生。
- 隐喻： 这就像一场每个人都隐藏着底牌的扑克牌局。老师们不知道学生们是否在公平竞争，而学生们也不知道老师们是否在公平竞争。这种缺乏诚实的行为让整个学习环境显得摇摇欲坠。
3. “失灵的指南针”（缺乏准则）
研究人员发现，造成所有这些混乱的主要原因是“指南针”（机构准则）的缺失。
- 真空状态： 学生们正试图在没有地图的情况下穿越风暴。他们询问老师：“使用这个可以吗？”而老师们只能耸耸肩说：“我不知道，目前还没有规则。”
- 变通方法： 由于没有规则，学生们正在自创规则。有些人尝试通过“改写”（用自己的口吻重写机器人的话）来希望这能让作品变成自己的。但他们在盲目猜测：我必须修改到什么程度，它才算是我自己的？ 他们是在没有安全网的情况下走钢丝。
4. “黑箱”恐惧
此外，还存在对机器人本身的恐惧。
- 学生们担心，当他们把私密的想法输入机器人时，机器人可能会窃取这些想法，或者利用它们为其他人构建东西。这就像把你的日记交给一个陌生人，对方承诺会保密，但你并不知道他们实际上会对这些内容做什么。
5. 他们是如何应对的？
由于没有官方规则，研究中的人们正试图通过“DIY方案”来解决问题：
- 编辑者： 许多学生表示：“我用机器人获取灵感，但随后我会重写所有内容。”他们试图赋予机器人的输出以“人性”。
- 询问者： 一些学生会向老师寻求建议。但这产生了新的问题：不同的老师给出的答案不同，这只会让学生更加困惑。
- 避开者： 一小部分学生决定：“这太冒险了。我完全不会使用机器人。”他们选择手动完成艰苦的工作，以确保万无一失。
核心结论
论文的结论是，问题不在于学生或老师表现不好，而在于他们正试图在没有方向盘的情况下驾驶汽车。
研究人员发现，伦理复杂性不仅仅是关于人们做出了错误的选择，更是因为系统本身出现了故障。 在尼泊尔的大学编写出明确规定究竟什么是允许的、什么是禁止的规则手册之前，学生和老师将一直困在這種猜测、隐瞒以及担忧自己是否做对了的事情的混乱循环中。
简而言之： 机器人已经来了，而且会留下来，但如果没有说明书，每个人都只是在凭感觉行事，而这让每个人都感到焦虑。
技术摘要：生成式人工智能在尼泊尔高等教育应用中的伦理复杂性
问题陈述
生成式人工智能（GenAI）在高等教育中的快速整合引入了显著的伦理复杂性，特别是在缺乏健全国家或机构指导方针的背景下。在尼泊利，监管框架的缺失创造了一个真空地带，导致大学教师和学生在处理作者身份、剽窃和学术诚信问题时感到困惑。虽然 GenAI 为个性化学习和反馈提供了潜力，但其不受监管的使用引发了关于数据隐私、学术诚实侵蚀以及学科理解浅表化的担忧。该地区的既往研究强调了学生感知以及对创造力的负面影响，但缺乏研究探讨这些伦理复杂性如何作为教学活动系统相互作用中的系统性张力而出现。本研究旨在通过探讨尼泊尔的教育者和学习者如何在缺乏正式政策的情况下识别这些复杂性并采取应对策略，来填补这一研究空白。
研究方法
本研究采用混合方法设计，将定量调查数据与定性主题分析相结合，以提供对伦理图景的全方位观察。
- 参与者： 研究对象为尼泊尔两所机构——远西大学（FWU）和中西部大学（MU）教育学科内的教师和学生。
- 调查样本： 299 名学生（FWU 144 名，MU 155 名）和 39 名教师（FWW 18 名，MU 21 名）。
- 访谈样本： 从表达了进一步参与意向的调查受访者中选取的 16 名学生和 6 名教师。
- 数据收集：
- 定量： 通过在线调查收集关于剽窃、作者身份问题和应对策略的描述性统计数据。
- 定性： 进行半结构化访谈以探索细微的经验。
- 分析框架： 本研究基于活动理论（Engeström, 1987, 2015）。该概念框架将 GenAI 的使用建模为一个由六个相互关联的组成部分构成的活动系统：主体、客体、工具、规则、共同体和分工。分析专门针对在这些组成部分内部及之间产生的矛盾（系统性张力）（例如，在“学习客体”与“机构规则”之间）。
- 数据分析： 调查数据使用 SPSS 进行描述性频率分析。定性数据经过转录并使用 Braun & Clarke (2006) 的主题分析法进行分析，并由三位研究人员进行评分者间信度检查。
核心贡献
本文通过将关注点从个人用户行为转向教育活动系统中的系统性矛盾，做出了理论贡献。
- 伦理复杂性的概念化： 它将伦理困境定义为不仅仅是用户错误，而是主体（教师/学生）、工具（GenAI）与规则缺失（机构指导方针）之间相互作用产生的涌现属性。
- 语境洞察： 它提供了来自尼泊尔高等教育背景的实证证据，该地区是 GenAI 伦理研究较为匮乏的区域，突显了在缺乏监管框架的环境中所面临的具体挑战。
- 活动系统建模： 研究为教师和学生构建了不同的活动系统模型，揭示了矛盾如何针对不同群体呈现差异，以及它们如何相互作用（例如，教师追求主动学习的目标与学生提交未署名 AI 作品的行为之间的张力）。
研究结果
研究结果揭示了一个由模糊性和系统性张力定义的图景：
- 学生面临的挑战：
- 区分能力： 35% 的学生用户报告难以区分自身作品与 GenAI 输出内容。
- 引用不确定性： 33% 的人对于如何引用 GenAI 内容感到不确定。
- 意外剽窃： 17% 的人对意外剽窃表示担忧，即 GenAI 工具修正了其写作，但生成的输出被标记为 AI 生成或剽窃。
- 应对策略： 为了解决这些问题，28% 的学生报告通过仔细审查和编辑 GenAI 内容（改写）来主张所有权。24% 的人仅将 GenAI 用于头脑风暴。21% 的人始终会对工具进行引用。然而，8% 的人由于伦理顾虑完全避免在作业中使用 GenAI。
- 教师观察：
- 教师指出学生经常提交未经妥善引用的 AI 生成文本（13 名教师提到这一点）。
- 教师缺乏可靠的检测 AI 生成内容的工具，这在他们的“客体”（引导学生参与学习）与可用“工具”之间造成了矛盾。
- 教师在自身使用 GenAI 方面也面临伦理困境，特别是涉及知识产权以及缺乏明确的归属说明准则。
- 系统性矛盾：
- 规则 vs. 客体： 主要矛盾存在于学生的“目标”（使用 GenAI 完成作品）与“制度规则缺失”之间，这使得学生陷入犹豫并易于发生伦理违规。
- 工具 vs. 客体： GenAI 工具的“黑箱”性质（数据处理和来源归属不明）与产生原创、合乎伦理的作品这一教育客体之间产生了张力。
- 系统间张力： 在教师对透明度和主动学习的期望，与学生因担心惩罚或缺乏明确规范而对披露 GenAI 使用情况的缄默之间，存在着一种矛盾。
- 透明度问题： 教师和学生对于披露 GenAI 使用情况都保持缄默。虽然部分学生和教师尝试进行引用或承认使用情况，但缺乏标准化的指导导致了实践的不一致以及对何为“可接受的归属”的困惑。
重要性与主张
本文谦虚地声称，其主要意义在于支持机构负责人和国家政策利益相关者，使其理解尼泊尔教育者和学习者所面临的具体伦理复杂性。通过识别系统性张力而非仅仅是个体失败，研究表明伦理困境的根源在于缺乏机构指导方针。
作者认为，如果没有明确的监管框架，学生和教师就会被迫在一个“真空”中航行，其中诸如“改写”之类的策略被用作权宜之计，但在伦理上仍处于模糊状态。研究强调，伦理使用的责任不能仅仅由学生承担；相反，机构支持的缺失加剧了活动系统内部的矛盾。
研究结论指出，虽然存在个体层面的应对策略（如寻求教师建议），但如果没有正式的机构指导方针，这些策略是不够的。研究呼吁制定清晰、实用且平衡的政策，以指导 GenAI 的整合，在确保学术诚信的同时，允许对这些技术进行生产性应用。作者承认了研究的局限性，指出本研究仅限于教育学科，未来的比较研究（跨学科研究）以及对已实施指导方针的评估对于更广泛的理解是必要的。
每周获取最佳 social_science 论文。
受到斯坦福、剑桥和法国科学院研究人员的信赖。
请查收邮箱确认订阅。
出了点问题，再试一次？
无垃圾邮件，随时退订。