超越检测：将生成式AI纳入学术同行评审的社会技术治理
计算机与社会
2026-03-24 v1 人工智能
人机交互
摘要
生成式AI工具日益进入学术同行评审工作流程，引发关于公平性、问责制及评估判断合法性的质疑。虽然这些系统在评审资源不足的背景下承诺效率提升，但其使用引入了新的社会技术风险。本文提出一种融合混合方法的研究，结合对448篇社交媒体帖子的语料分析与对14位主要AI与HCI会议区域主帷及项目主帷的访谈，探讨GenAI在同行评审中被讨论与经验的现状。我们发现，两套数据集普遍认同，GenAI可被接受用于有限的支持性任务，如提升表达清晰度或结构化反馈，但核心评估判断——包括新颖性、贡献性及接受度——应保留人类责任。与此同时，参与者还提出了关于认知伤害、过度标准化、责任模糊以及提示注入等对抗风险的担忧。用户访谈揭示，结构性压力与制度政策模糊导致解释与执行负担转嫁至个人学者，尤其影响初学者作者与评审人。通过三角化公共治理话语与实际评审实践，本工作重新定义AI中介同行评审作为社会技术治理挑战，提出保持问责制、信任及有意义人类监督的建议。我们主张，AI辅助同行评审不应依赖全面禁令或检测机制，而应通过明确保留评估判断权于人类，制定可执行的、角色特定的控制措施来维持问责制。本文以角色为基础提出具体建议，规范支持与判断之间的边界。
引用
@article{arxiv.2603.20214,
title = {Beyond Detection: Governing GenAI in Academic Peer Review as a Sociotechnical Challenge},
author = {Tatiana Chakravorti and Pranav Narayanan Venkit and Sourojit Ghosh and Sarah Rajtmajer},
journal= {arXiv preprint arXiv:2603.20214},
year = {2026}
}