科创竞赛AI使用规范:STEM学术力如何被保卫

导读

几秒钟读完文献,分分钟生成论文,人工智能这个得力助手的出现,科研科创成果似乎变得“触手可得”。

然而“成果”的快速生成,是否有真价值?科研能力在提升还是“被弱化”?当科研的西天取经之路有了AI筋斗云,十万八千里路可长可短,出发的意义又何在?

科创竞赛在限制参赛者的人工智能使用方式。

再生元国际科学与工程大奖赛(Regeneron ISEF)2026全球总决赛前夕,赛事主办方美国科学学会(Society for Science)公布了人工智能使用规范,是最早公布AI使用规范的赛事。

潮流之下,丘成桐中学科学奖、世界青少年英才奥林匹克竞赛GENIUS Olympiad等国际性青少年科创赛事,也在新赛季中紧接着公布了AI标准和人工智能赛道新规。(注:genius oylmpics本身开设人工智能赛道,为九大赛道之一,2027赛季相关规则有更新)

AI使用进入学术诚信范畴,这一点同样被高等教育认可。10月,斯坦福大学公布人工智能学术指南,确定了师生该如何在学术活动使用AI的框架。

图源自https://communitystandards.stanford.edu/policies-guidance%23policies-guidance-links/bca-guidance-recommendations?

从国际科研赛事到顶尖高校,都有意让学生的学术能力减少受到生成式人工智能的冲击。

被AI“外包”的学术思考正在被明令禁止

今年7月,丘成桐中学科学奖发布AI使用规则,强调以学生为主,为学生所用,AI只能作为“辅助”。

规则规定,AI可以谨慎用于语言润色、代码调试、文献检索线索、数据分析辅助等工作,但选题构思、研究设计、核心论证、实验验证及学术表达等主体部分,必须由学生本人完成。

使用前须获得指导教师许可,并如实披露工具及用途,提交相关聊天记录。

类似的要求,也出现在再生元国际科学与工程大奖赛(Regeneron ISEF)的人工智能使用指南中。

  • 学生可以在阅读文献前借助AI初步了解文章要点,却不能在未阅读原文的情况下,直接将AI生成的概括写入文献综述;

  • 不能让AI代为起草研究计划、论文摘要、研究论文或展示海报,但可以在独立完成摘要后,借助AI进行不改变原意的语言润色。

  • 对于AI辅助生成的代码和图像,赛事同样提出了相应的标注与记录要求。

对于以人工智能技术本身为研究对象的赛事,评估标准则更加关注学生是否真正参与了技术创新。

这方面,典型赛事代表是世界青少年英才奥林匹克竞赛GENIUS Olympiad。在比赛最新公开的人工智能参赛类别中强调,单纯调用现成的聊天机器人、AI服务或API,并不足以构成合格的参赛项目。

学生需要在系统设计、技术适配、集成、训练、评估或验证等环节,展示具有实质意义的工作。在其科学类别中,赛事同样对AI生成研究论文作出了限制。

康莱德国际挑战赛也要求,“提交材料应由学生团队完成,使用其他材料,包括AI工具,须正确注明来源。 ”此外,世界青少年创新发明展(IEYI)在前不久更新了Vibe Coding AI编程赛道。

这些信息都在表明,人工智能的赛道势不可挡,但顶尖赛事对AI的使用明确均限定在:

AI可以辅助科研,但不能替代学生完成体现核心学术能力的工作。

科学研究类赛事强调研究方法的严谨性、证据的可靠性与结论的可验证性;

技术创新类赛事关注学生的原创贡献与实际开发能力;

创新发明类赛事则重视问题解决、设计实多地体现在作品原创性、设计过程及学生实际贡献的评估上。

从校园到课堂:学术力正在面临的挑战

如果把视野从赛事移向大学课堂,就会发现,对学生学术力的检验,正在进入更日常的教学环节。

斯坦福大学2025年10月发布的一则学术诚信工作组说明提出:对于希望在特定考核中限制AI使用的教师,可以考虑口试、课堂写作等面对面形式。

工作组同时指出,AI文本检测工具存在偏差、误判和漏判,也难以可靠判断人机混合文本中AI参与的程度。不适合在高风险场景中作为学术不端的证据。

在实际项目推进中,审核AI生成的内容,怎么去分配科研过程中的时间与精力,是一道现实题。

  • AI能够参与资料理解、代码和数据处理等辅助工作,但使用之后,学生仍需要花费不少时间核对、检查并与实际情况对应起来。

  • 在科学工程项目中,AI能生成看似具体的技术信息,但对更为具体的信息细节例如传感器品牌、参数等细节是无从得知的。

  • 经过人工智能润色过的语言,虽然语言变得顺畅,但并不意味着内容足够严谨。

人工智能看似加快了科研成果的产出,然而却对学生研究项目的理解深度提出了更高的要求。

最重要的,是学生正在建设中的学术能力,是否被人工智能打断了?

走向未来的学术能力:重新塑造自己的科研素养

在与人工智能的交互中,幻觉、错误和使用伦理值得重视。

  • 青少年本身对科研的理解和人工智能使用方法是有欠缺的

  • 对于AI提供信息的盲目崇拜

  • 人工智能使用者的知识边界有限

  • 对于隐私信息的维护

  • 人工智能模型本身存的偏见

    推荐

马萨诸塞州科学与工程博览会(MSEF)的人工智能使用规范中也提到这一点,但并未详细展开。

图源自https://scifair.com/2026-msef-artificial-intelligence-guidelines/

在与人工智能持续互动的过程中,AI对获取信息、形成判断和开展研究的影响无处不在。

一项基础素养——信息素养,值得重视。

“信息素养是⼀系列综合能⼒,包括反思性地发现信息、理解信息的⽣产和价值⽅式,以及利⽤信息创造新知识和以合乎道德的⽅式参与学习共同体。”

今年9月,美国大学与研究图书馆协会(ACRL)重新发布了《高等教育信息素养框架》。

图源自https://www.ala.org/acrl/standards/ilframework?

自2016年正式发布以来,这份框架在全球教育界受到广泛关注与讨论。此次修订,在原有框架的基础上融入了人工智能相关内容,为AI时代的信息获取、学术研究与知识创造提供了新的思考和实践指引。

这份框架不仅能够为当下正在开展科研实践的中学生提供参考,也对他们未来进入大学、深入学术研究具有长远的指导意义。

框架围绕六个核心概念展开:

  • 权威是建构的,也是情境化的(Authority Is Constructed and Contextual)

  • 信息创造是一个过程(Information Creation as a Process)

  • 信息具有价值(Information Has Value)

  • 研究即探究(Research as Inquiry)

  • 学术即对话(Scholarship as Conversation)

  • 搜索即战略性探索(Searching as Strategic Exploration)

从认识信息的来源、理解信息的创造过程、辨别信息的价值,到掌握研究、学术交流与信息检索的方法,这份框架不仅关注人如何获取和使用信息,更关注人如何参与知识的创造。

图源https://www.ala.org/acrl/standards/ilframework?

让学术交流成为一种科研习惯

《高等教育信息素养框架》中有一个值得关注的理念——学术即对话(Scholarship as Conversation)。

知识并非在孤立的环境中产生,而是在持续的提问、讨论、质疑与回应中不断发展。

在与同龄人、指导老师的交流中,学生能够接触不同的研究视角,审视自己原有的判断,并在思想的碰撞中形成新的洞见。这些洞见,往往又是推动研究走向深入的起点。

图源世界青少年英才奥林匹克竞赛GENIUS Olympiad

人工智能时代,这种交流也有了新的内涵。

不同的学生使用同一种AI工具,可能获得截然不同的结果;面对不同学科、不同类型的研究问题,人工智能能够发挥的作用也不尽相同。

我们鼓励学生广泛开展同伴交流,不仅分享自己的研究发现,也分享使用人工智能的经验:如何提出有效的问题,如何选择合适的工具,如何验证AI生成的内容,又如何识别人工智能在研究中的能力边界。

在真实的科研实践中培养面向未来的科研素养

科研习惯的重塑,需要将理念融入真实的科研教学过程。

从学科知识的积累、研究问题的提出,到文献检索、研究设计、技术实现、实验验证与学术交流,学生需要在每一个研究环节中,逐步理解人工智能能够做什么、不能做什么,以及哪些思考与判断必须由自己完成。

除此以外,我们还收集了一些关于人工智能的实用方法。

调整使用顺序

宾夕法尼亚大学沃顿商学院教授伊桑·莫利克(Ethan Mollick),在个人通讯《One Useful Thing》的文章中,讨论过把思考外包给AI带来的学习风险。他提醒,先看到AI的建议,可能让人被最初的答案锚定,难以跳出既定方向;人也可能对机器生成的想法缺少投入感。

他建议调整使用顺序:在向AI求助之前,先写下自己的想法,即使还很粗糙。谈到自己的写作实践时,他也介绍,会先独立完成全文初稿,再请AI从读者或编辑角度反馈。

对于高中生科研,我们可以借鉴这种顺序。

注意留存、回顾与人工智能的沟通记录

回头审视时,往往能看到其中的逻辑跳跃处。例如,我们真正面临的问题是什么。

以元认知的形式来审视这个过程,往往能够发现此前未曾察觉的逻辑跳跃、思考盲区,以及真正需要解决的核心问题,获取更清晰的研究路径。

处理数据时,即使AI协助编写脚本或提示统计方法,学生也要理解输入了什么、做了哪些处理、输出意味着什么。保留原始数据、代码版本和处理记录,才能在结果异常时追查原因。

撰写材料时,先依据自己的研究记录写出初稿,再按规则允许的范围使用语言和结构方面的辅助。修改后,应重点核查数字、条件限定和结论强度,防止表达调整悄悄改变原意。

在每一次关键的研究迭代中,主动记录原来的问题是什么,为什么需要调整,调整之后又发生了哪些变化。

跳出 “唯一解”思路,激发创造性

不断追问自己:现有的方法是否还有改进的空间?是否能够尝试新的路径,寻找不同的解决思路?

当我们不再局限于既有的经验和方法,不再觉得唯一解,尝试从不同角度重新审视问题,就有可能发现新的机会与可能性。

这是创造力的重要体现。

结语

工具还会不断进步,研究的方法也将持续改变。但获得那些真正由自己思考过,试验过,尝试过,失败过,成功过的经历,才是出发的意义。

美国生物化学家布鲁斯·阿尔伯茨(Bruce Alberts)曾回忆起自己在普林斯顿大学担任助理教授时的经历:

“我至今仍记得我在普林斯顿大学担任助理教授时的地下室实验室。那是个糟糕透顶的地方,没有光线,也没有窗户。一天晚上,我不记得当时发现了什么,但我感到无比兴奋,因为我知道,宇宙中只有我一个人知道这件事。”

对科学真理的探索,无数科学家的接力,才有如今快速发展的一切。科研取经路, 何其漫长也何其短暂。按照自己的方式去获得成长,这正是科研出发的意义!

推荐
上一篇

大学申请文书怎么写,才能让招生官记住你?

下一篇

中山大学计算机学院4年制博士项目:奖助金与导师介绍

返回顶部