綜合外媒消息，人工智能正深度重塑學術(shù)資源獲取模式，讓資源相對短缺的學校與學生也能接觸到海量學術(shù)資料，這無疑是巨大的進步。不過，當一篇碩士論文能列出上百篇參考文獻、展現(xiàn)出寬廣的全球視野時，一個更深層次的問題引發(fā)了人們的思考：學生是否真正學會了在特定語境下負責任地整理、闡釋和傳播知識。

南非羅德斯大學教育學院副教授英格麗德·舒德爾（Ingrid Schudel）近期在“大學世界新聞網(wǎng)”發(fā)文表示，當前關(guān)于人工智能與高等教育的討論，大多集中在抄襲、作弊以及評價體系改革方面，強調(diào)監(jiān)考和監(jiān)控，卻忽略了人工智能對學習本質(zhì)的影響。實際上，人工智能已徹底改變了學生獲取研究成果的方式——只需輸入幾個提示詞，就能生成全面的參考文獻列表、推薦全球案例研究、檢索各大洲的最新出版物。文獻收集的門檻降到了前所未有的低。

但舒德爾提醒，撰寫基于本地語境且經(jīng)過批判性思考的研究論文，才是社會科學研究的基礎(chǔ)。人工智能加快了文獻獲取速度，卻也增加了文獻篩選的難度：檢索容易，甄別困難。一篇出色的文獻綜述或概念框架，從來不是簡單地羅列參考文獻目錄，而是基于判斷的論證。當人工智能將來自越南的研究、馬來西亞的會議論文、加拿大的農(nóng)村案例和南非的小規(guī)模干預項目調(diào)查無差別地并列呈現(xiàn)時，它們看似同樣權(quán)威，實則忽略了學術(shù)研究中學術(shù)論證的獨特性，包括學科歸屬、學術(shù)權(quán)威性以及特定研究背景的相關(guān)性。

舒德爾認為，在人工智能時代，負責任的學術(shù)研究和學術(shù)傳播需要重新審視幾個關(guān)鍵維度。

首先是學科維度。不同學科有不同的方法論，擁有各自的核心爭論、奠基性思想家以及既定的概念工具。比如，將醫(yī)學領(lǐng)域的研究直接應用到科學教育、教育心理學或課程理論領(lǐng)域，必須經(jīng)過嚴謹?shù)恼撟C。忽視學科邊界，研究就會失去根基。

其次是地域維度。地域背景在學術(shù)研究中常常被簡單處理，“鄉(xiāng)村學?！被颉叭鮿莪h(huán)境”常被當作背景描述而非分析范疇。然而，地域?qū)虒W法有著深刻影響，不同地域的資源可獲得性、教師分布、語言習慣和社區(qū)動態(tài)都會改變教育干預的有效性。雖然現(xiàn)在學生能方便地接觸到全球性的研究成果，但這種全球性視野對本地問題產(chǎn)生的影響并不明確。舒德爾強調(diào)，高質(zhì)量的學術(shù)研究需要“全球本土化”，也就是將全球研究與當?shù)貙嶋H情況細致地融合。

再次是時間維度。人工智能工具往往優(yōu)先推送近期文獻，這導致了一種新的偏差：很多文獻綜述里滿是近兩三年的文章，卻很少提及某一學科領(lǐng)域的基礎(chǔ)性著作。學術(shù)研究是一個不斷發(fā)展的譜系，基礎(chǔ)理論確立核心概念，后續(xù)研究對其進行完善、批判或拓展。如果缺乏基礎(chǔ)理論，學生只引用最新研究，就會無法理解研究背后的概念脈絡。更重要的是，學術(shù)權(quán)威性被模糊，知名期刊與不知名期刊并列，開創(chuàng)性理論家與邊緣作者并肩，學生難以分辨哪些理論是該領(lǐng)域的基石。

最后是政策背景維度。像課程改革、評價體系等結(jié)構(gòu)性因素，深刻塑造了教育實踐。如果忽視這些政策架構(gòu)所涉及的國家或地區(qū)背景，文獻綜述可能就不夠嚴謹，得出的結(jié)論也不準確。

在舒德爾看來，這些挑戰(zhàn)共同指向一個核心轉(zhuǎn)變，即在人工智能時代，檢索不再是稀缺技能，信息辨別能力才是學者需要掌握的關(guān)鍵技能。學者必須意識到，在使用海量參考文獻時，應從知識的積累轉(zhuǎn)向負責任的使用。如果大學不改變支持和教授學術(shù)寫作的方式，就會培養(yǎng)出只能編輯出令人印象深刻的參考文獻列表，卻難以真正理解其學科內(nèi)涵的畢業(yè)生。

舒德爾表示，優(yōu)秀的學術(shù)研究需要明確研究路徑，選擇、比較和關(guān)聯(lián)各種觀點。學科、地域、時間和政策背景等因素構(gòu)成了知識負責任傳播的基礎(chǔ)。當人工智能讓文獻資料獲取變得容易時，真正的挑戰(zhàn)不在于找到更多資料，而在于學會如何與這些資料建立有意義的對話。這或許正是人工智能時代學術(shù)教育需要回歸的本質(zhì)。

責任編輯：王俊美

原標題：《人工智能時代需強化學術(shù)寫作規(guī)范》

閱讀原文