人类-人工智能协作还是学术不端？基于风格计量学证据测量 AI 在学生写作中的使用情况

随着人类-人工智能协作在教育语境中的日益普及，理解和测度此类互动的范围与性质正面临重大挑战。本研究旨在探索作者验证 (AV) 技术的应用——并非将其作为惩罚性手段，而是作为量化学术写作中 AI 辅助程度的手段，旨在促进透明度、可解释性和学生发展。基于前期工作，我们将研究结构分为三个阶段：数据集选择与扩充、AV 方法开发与系统化评估。我们使用三个数据集——包括公开数据集 (PAN-14) 以及来自 University of Melbourne 学生的两个数据集（涵盖不同课程）——将数据扩展至 1,889 份文档和 540 项作者问题，涉及 506 名学生。我们开发了适配的特征向量差异 AV 方法，用于构建学生的稳健学术写作轮廓，旨在捕捉其写作中具有意义且具有个人特征的特征。该方法的效果在多个情景下均得到评估，包括区分学生撰写与 AI 生成文本，以及测试其对 AI 试图模仿学生写作风格的抗性。结果表明，提升后的 AV 分类器能够识别风格计量差异，在词和句子层面衡量人类- AI 协作，同时为教育者提供透明的工具以支持学术诚信调查。本工作推进了 AV 技术，为 AI 时代学术写作的动态提供了可操作性见解。