阅读提示：6月10日，托马斯·科尔宾（Thomas Corbin）、丹尼·刘（Danny Liu）和菲利普·道森（Phillip Dawson）在“对话（The Conversation）官网“撰文，介绍了他们近期在线发表在《高等教育评估与评价（Assessment & Evaluation in Higher Education）》期刊论文（'Where's the line? It's an absurd line': Towards a framework for acceptable uses of AI in assessment, https://doi.org/10.1080/02602938.2025.2456207）主要观点。以下是文章的核心要点。
人工智能（AI）技术在不足三年内已彻底重塑高等教育评估格局。高校应对策略各异，从全面禁止、有条件许可到默认开放使用生成式AI。然而，这种政策分化导致深层问题显现：研究表明师生普遍困惑于AI“合理使用”边界，伴随焦虑情绪；同时存在AI加剧学术失信行为的担忧。更严峻的是，若评估依赖AI，大学学位的核心价值基础正遭受根本性质疑。
为规范AI应用，高校普遍诉诸制定规则（discursive changes），如英国利兹大学（University of Leeds）的“交通灯框架（traffic light framework）”（“红灯”禁止AI、“黄灯”限制使用、“绿灯”鼓励使用），以及澳大利亚墨尔本大学（University of Melbourne）等机构要求的AI使用声明。此类措施旨在维护“评估有效性（assessment validity）”——确保评估真实测量学生自身能力与学习成果，而非其操作AI的水平或购买服务的程度。
然而，深入分析揭示，单纯依赖制定规则（即仅通过指令界定许可范围或依赖声明）存在根本局限。这类策略要求学生理解并自愿遵守规则，在AI辅助作弊日益隐蔽难测的现实中，其保障评估有效性的可靠性严重不足。研究主张，必须转向“结构性变革（structural changes）”：即重构评估任务本身的设计，通过任务的内在结构（而非外部指令）来约束行为或实现目标。例如：
l 将传统论文改为在课堂环境中进行、可观察发展过程的连续性写作任务（替代带回家论文）。
l 将编程考核转化为对学生代码决策进行实时评估的对话（替代单纯的代码输出）。
结构性变革的核心在于将评估有效性直接内嵌于任务设计本身，而非寄希望于规则遵守。
结论明确指出：在生成式AI深刻变革知识生产方式的时代，高校若欲维系评估作为学生真实能力凭证的有效性与公平性，结构性变革势在必行。这意味着各学科需勇于探索可能与过往截然不同的评估形态。回避在评估任务设计核心层面进行根本性重构，仅依赖指令约束并期待学生自觉遵守的做法已宣告失效。维护大学学位价值的基石在于彻底革新评估设计理念与实践，确保其测量目标与真实能力紧密对应。
（来源：对话（The Conversation）官网）