AI也许正在动摇学位授予的能力标准｜mhp君悦评论

这两年，以 ChatGPT、Gemini、Kimi 为代表的生成式人工智能，迅速进入高校学习场景。论文写作成为其最典型的应用之一——从选题、大纲，到段落生成乃至全文撰写，技术已经可以覆盖完整流程。

一方面，生成式AI的使用正在普及，甚至在部分学生中逐渐演变为“默认工具”；另一方面，高校毕业论文质量本就长期存在争议：查重机制重形式、轻实质，部分论文“重复率合格但内容空洞”，甚至出现明显低级错误——逻辑混乱、错别字密集，在法学论文中还存在“自创法律条文”、“概念混乱”等情况。

当这两类现象叠加后，问题已经不再是“论文质量是否下降”，而是：毕业论文这一制度，是否仍在有效筛选具备相应能力的学生。

一、毕业论文在教育法体系中的位置

在教育法框架下，毕业论文并非普通作业，而是学位授予的重要依据（本文暂不讨论以毕业设计作为主要考核形式的学科）。从制度来源看，我国学位制度以“能力达标”为核心标准：是否授予学位，并不取决于完成了多少课程，而在于是否达到相应层级的能力要求，并通过毕业论文这一形式予以检验。

《中华人民共和国学位法》对本科、硕士、博士阶段的规定，均围绕“能力达标”展开，其均指向同一逻辑：学位的本质，是对能力的确认。

《中华人民共和国学位法》：

本科：接受本科教育，通过规定的课程考核或者修满相应学分，通过毕业论文或者毕业设计等毕业环节审查，表明学位申请人达到下列水平的，授予学士学位：

（一）在本学科或者专业领域较好地掌握基础理论、专门知识和基本技能；

（二）具有从事学术研究或者承担专业实践工作的初步能力。

硕士：接受硕士研究生教育，通过规定的课程考核或者修满相应学分，完成学术研究训练或者专业实践训练，通过学位论文答辩或者规定的实践成果答辩，表明学位申请人达到下列水平的，授予硕士学位：

（一）在本学科或者专业领域掌握坚实的基础理论和系统的专门知识；

（二）学术学位申请人应当具有从事学术研究工作的能力，专业学位申请人应当具有承担专业实践工作的能力。

博士：接受博士研究生教育，通过规定的课程考核或者修满相应学分，完成学术研究训练或者专业实践训练，通过学位论文答辩或者规定的实践成果答辩，表明学位申请人达到下列水平的，授予博士学位：

（一）在本学科或者专业领域掌握坚实全面的基础理论和系统深入的专门知识；

（二）学术学位申请人应当具有独立从事学术研究工作的能力，专业学位申请人应当具有独立承担专业实践工作的能力；

（三）学术学位申请人应当在学术研究领域做出创新性成果，专业学位申请人应当在专业实践领域做出创新性成果。

围绕这一点，教育部门通过学位论文抽检、学术不端治理等机制，对论文质量进行持续监管。在各高校具体规则中，毕业论文通常对应三项核心要求：

• 体现基本的研究能力与分析能力；

• 遵守学术规范，不得抄袭或造假；

• 在导师指导下独立完成。

《中华人民共和国学位法》同时明确规定，存在代写、剽窃、伪造等学术不端行为的，不授予学位或撤销学位。

学位申请人、学位获得者在攻读该学位过程中有下列情形之一的，经学位评定委员会决议，学位授予单位不授予学位或者撤销学位：

（一）学位论文或者实践成果被认定为存在代写、剽窃、伪造等学术不端行为；

（二）盗用、冒用他人身份，顶替他人取得的入学资格，或者以其他非法手段取得入学资格、毕业证书；

（三）攻读期间存在依法不应当授予学位的其他严重违法行为。

如果将课程考试与毕业论文对比，可以更清楚地理解其制度功能：课程成绩更偏向对知识掌握的阶段性评价，而毕业论文则是对综合能力的最终检验。也正因为如此，在学位授予体系中，毕业论文往往具有“兜底”意义——证明学生是否真正具备走出校园的能力，并具备相应学位应有的学术或实践能力。

二、现实偏差：论文审核已部分“形式化”

然而，这一制度在实践中已出现一定程度的偏差。

查重工具本是识别抄袭的技术手段，但在实际操作中，逐渐被简化为“是否合格”的主要标准。在过去较长一段时间内，查重确实有效遏制了直接复制粘贴的行为；但随着其普及，评价逻辑也随之简化——一篇论文只要重复率达标，即便论证薄弱、结构松散，仍有可能通过审核。

更为突出的问题在于，一些论文在形式上通过审查，但在内容上明显无法支撑其学位层级：论证体系不完整，基本概念混乱，甚至存在明显错误。

结合《中华人民共和国学位法》的规定可以看出，毕业论文的实质评价对象是“能力”，而论文文本只是承载形式。不抄袭，仅是最低要求，而非评价的核心标准。

当评价逐渐退化为对“文本合规性”的判断时，毕业论文原本承担的能力筛选功能，已经出现弱化。

三、生成式AI的介入：对既有偏差的放大

在这一基础上，生成式AI的出现，并非单独制造问题，而是对既有偏差的显著放大。

首先，AI生成内容具有“形式原创性”，难以被查重系统识别，使“文本合规”与“能力真实”进一步脱钩；其次，AI可以生成结构完整、表达流畅的文本，从而在一定程度上掩盖分析能力的不足；更关键的是，AI可以直接参与甚至替代论文的核心生成过程。

以往，查重不过关或存在明显表达缺陷，尚需学生反复修改，而这一修改过程本身也是能力训练的一部分。如今，通过若干指令即可生成结构完整的文本，这一训练过程被显著压缩甚至被替代。

当论文的选题、结构乃至论证过程均由AI生成时，学生实际上并未完成应有的研究训练。在这种情况下，即便论文“看起来合格”，其作为能力评价工具的基础已经被削弱。

四、是否违反现行规范：一个需要区分的问题

在现行规则下，简单地将“使用AI写论文”认定为学术不端，并不严谨。根据《中华人民共和国学位法》，学术不端主要包括代写、剽窃、伪造等行为，而AI写作既不当然构成抄袭，也难以简单归入“学术不端”的范畴。

因此，一个更合理的判断是：使用生成式AI本身，并不当然违反《中华人民共和国学位法》；但问题在于，当AI被用于替代本应由学生完成的核心研究活动时，实质上规避了对能力的考核。这种情形虽未必直接落入既有学术不端类型，但已实质削弱了对学生能力的有效评价。如果生成式AI可以帮助学生完成本应由其独立完成的研究工作，那么：

• 原本应当延长学习周期、继续训练能力的学生，可能顺利毕业；

• 原本应通过论文筛选机制被“拦下”的能力不足者，可能进入职场；

• 从制度角度看，这意味着学位授予的标准出现松动。

  
  

  
  

  
  

五、外溢风险：从校园延伸至社会

这种变化的影响，并不会停留在高校内部。以法学为例，如果在论文阶段已经出现基本概念错误甚至“自造法律”，而未被有效识别，那么进入实务后，可能直接转化为错误的法律判断。

在其他领域，这种风险可能更为严重：医学领域涉及诊断与治疗决策，工程领域涉及结构与安全，航空航天更直接关系公共安全。一旦基础能力不足而未被筛选出来，后果远不止“论文写得不好”。换句话说，毕业论文并不仅是学术训练的一部分，也是社会风险控制链条中的一环。

在这一背景下，仅依赖现有规则，显然难以应对技术变化带来的冲击。更现实的路径，可能不是简单禁止AI，而是对规则进行结构性调整，例如：

• 强化过程性考核，降低对最终文本的依赖；

• 重新界定“论文考核”的内涵，将重点从“文本独立”转向“能力独立”。

这些调整所回应的，并非技术问题本身，而是一个教育法上的核心问题：在技术条件发生变化的情况下，如何确保学位不被形式合规所替代，仍然真实对应其应当代表的能力标准。