Office for Students 的 AI 評核指引令課程作業面臨壓力
Office for Students 正敦促英格蘭的大學擴大採用禁用 AI 的評核,同時繼續教導學生如何使用人工智能。11 月 11 日發布的 Office for Students AI 評核指引,正視一個日益擴大的落差:寫得精緻的課程作業未必能證明學生真正理解內容。
核心衝突在於大學可從提交的作品中確立甚麼。一篇論文可以符合評分準則,卻幾乎未能反映作者的獨立思考。相反,在準備過程中使用 AI,並不必然代表學生沒有學習或違反評核規則。
University of Reading 早前的一項實驗揭示,透過一般評分方式識別 AI 提交作品的困難。英格蘭監管機構現要求院校負責設計能證明學生學習成果的評核。這令大學、評核軟件供應商,以及面對不一致期望的學生承受壓力。
Office for Students AI 評核指引聚焦學習證據
監管機構的介入挑戰評分背後的證據,同時為容許使用 AI 的評核留下空間。
OfS 於 11 月 11 日聯同 Advance HE 發布其院校 AI 研究。該項目於 2026 年 6 月至 9 月進行,涵蓋逾 120 間院校、超過 300 名學生及教職員的訪談。
研究結果描述了人們對無監考作業的憂慮:AI 可以完成這些作業,而學生毋須展現預期的知識。參與者亦提到 AI 在學習上的好處,以及對評核政策的不確定性。這些說法反映院校層面的問題;並不能證明全國性的作弊比率。
廣泛流傳的「幾乎不可能」一語,反映一名教職員對在某些範疇評核學生的憂慮。若把這句話當作普遍結論,便會抹煞重要的限定條件。報告並沒有證明每篇論文皆由 AI 生成,亦沒有指出每個課程作業成績都沒有價值。
隨附的評核合規指引說明現有質素條件如何適用。B1 涉及學術體驗,B2 處理資源與支援,而 B4 則涵蓋評核及可信的資歷。
指引支持在有需要時採用具保障的評核。這類評核可防止使用 AI,並包括考試、簡報、口試、表演及實務任務。若評核仍能量度既定學習成果,指引亦容許使用 AI。
這項區分改變了院校要問的問題。大學不能只宣稱自己支持 AI,或致力維護學術誠信,便解決問題。它需要提出可辯護的解釋,說明每項評核能確立學生哪些能力。
試想一項示例性的經濟學作業,要求學生評估一項政策建議。一篇具說服力的最終論文可能展現嚴謹論證,也可能反映獲得大量協助。若沒有進一步證據,評卷者便難以判斷學生實際的貢獻。
更改字體、加入聲明,或提醒學生不當行為,並不能解決這種不確定性。這些措施傳達了期望,卻未必能改善支持該成績的證據。
要求學生解釋其假設的評核,會建立不同的判斷基礎。導師可以檢視為何選擇某個模型、哪些證據重要,以及如何排除相互競爭的解釋。
因此,Office for Students AI 評核指引的實際意義不只在於考試形式。其核心要求是院校須把所評核的作品,與其聲稱認證的能力聯繫起來。
這種聯繫亦解釋了為何課程作業仍是討論的一部分。長篇項目可以展現研究、修訂及持續推理。挑戰在於保留這些優點,同時確立成品所代表的是誰的理解。
大學必須捍衛其成績實際認證的內容
即時壓力落在頒授資歷的院校身上,包括那些政策清晰、卻缺乏學生學習成果有力證據的院校。
OfS 已把評核質素與其監管責任連結起來。在其AI 評核公告中,該機構列出可對院校失責採取的潛在回應,包括附加條件、罰款及限制資助。
這些是監管工具,並非證據顯示任何大學已因這份報告而受罰。這項區分相當重要,因為警告設定了期望,卻不代表已有執法結果。
OfS 策略及交付總監 Josh Fleming 呼籲更廣泛採用禁用 AI 的評核。Advance HE 副行政總裁 Kathryn Harrison-Graves 則強調院校方向、一致指引,以及為教職員和學生提供資源。
這些立場處理的是同一問題的不同部分。受控評核可加強外界對個人表現的信心。院校層面的協調,則有助決定何處適合採用這種做法,以及各院系能否一致執行。
對大學領導層而言,由此產生的壓力不止涉及學術不當行為團隊。評核設計會影響人手、教學時間表、場地供應、無障礙安排,以及課程目標與最終資歷之間的關係。
口試需要由具資格的人員提出有用的追問。實務任務需要合適條件及一致的評分。修訂後的作業則要求導師就何謂成功推理達成共識。
這些是執行層面的考慮,而非報告所量度的成本。它們說明,採納新的評核政策比證明政策能在全校有效運作容易得多。
對導師而言,這種轉變亦改變了評卷的角色。閱讀最終答案仍屬必要,但信心愈來愈取決於圍繞該答案蒐集的證據。
導師可以把一個項目與學生對其核心決定的解釋作比較。另一位導師則可在受監督的時段內評估應用任務。若欠缺合適準則,兩種做法都不能保證公平。
對學生而言,可預測性變得至關重要。一門在教學期間鼓勵以 AI 輔助探索的課程,必須說明評核作業的界線。否則,學生只能從零散評論及不一致的例子中推斷規則。
即使所有人都打算遵守規則,這種不確定性仍會造成問題。文法協助、搜尋資料來源、發展論點,以及完整起草,涉及不同程度的貢獻。一句「負責任地使用 AI」的指示,無法解決這些差異。
僱主同樣有切身利益,儘管報告並未證明招聘做法將如何改變。資歷傳達了畢業生能力的主張。評核的不確定性會削弱這項主張的實用性。
關鍵區分在於,能否產出可接受的結果,與是否具備評估該結果所需的判斷力。許多專業工作同時涉及兩者。大學正面臨壓力,要證明某個特定成績代表哪一種能力。
對科技供應商而言,含意亦相似。可加快完成作業的功能,不會自動加強教育證據。一項產品對學習是否有用,與其是否適合作為評核用途,需要分開判斷。
AI 素養與獨立能力需要不同證據
學生可以學會有效地與 AI 協作,同時仍須證明自己在沒有 AI 的情況下理解內容。
當評核目標清楚明確時,監管機構立場中看似的矛盾便會消失。熟練使用工具與獨立理解學科內容,是相關能力,但需要不同證據。
一門示例性的編程課程令這項區分更具體。學生或會使用 AI 建議程式碼,然後檢查其行為並找出安全漏洞。這項練習可測試其對生成內容的判斷力。
另一項任務則可能要求學生在沒有協助下追蹤一個簡單程式。其目的在於確立基礎理解。在 AI 輔助練習中取得成功,並不會自動證明學生能完成獨立任務。
兩項任務都毋須代表整門課程。結合起來,它們可以回答一個精緻的最終程式仍無法解決的問題。
早前的證據顯示,這項區分值得關注。University of Reading 研究人員在 2024 年一項考試滲透實驗中,將 AI 生成的答案提交至本科心理學考試。
該大學表示,94% 的答案未被發現,且生成的提交作品平均獲得比真實學生提交作品更高的分數。這項實驗涉及特定的考試制度及學科情境。
它並不能證明各大學現時的偵測率。不過,它顯示一般評分不能自動確立作者身分或獨立理解。
Reading 的實驗與 OfS 的介入從不同方向處理問題。該實驗測試提交的答案能否通過既有制度;監管機構則要求院校令其評核制度站得住腳。
這項轉變有利於更清楚區分不同類型的成就。AI 輔助報告可以展現評估、驗證及負責任使用工具的能力。獨立解釋則可確立學生是否理解背後的推理。
當評核獎勵專業知識的表象時,這種張力會更尖銳。流暢的寫作、有條理的參考資料,以及自信的結論,都可以是有用特質。若評卷者將它們視為學科知識的充分證據,便會產生誤導。
模型可以產出其使用者無法捍衛的貌似合理解釋。學生亦可能寫出不夠流暢的文章,卻理解其中的核心問題。評核必須區分這些可能性,同時不應預設任何一種情況。
這項區分對教育以外的知識工作者同樣重要。AI 生成的摘要可協助人們檢視資訊,但接受其結論前,仍需核查其證據。
對探索個人知識管理的讀者而言,這種聯繫很實際:當人們能檢視資料的來源與推理時,有組織的材料才有助於理解。
這項觀察並不能證明任何特定軟件能提升成績或核實作者身份。它指出了學習與專業工作中共有的問題:可獲取的資訊與可靠的理解,是兩種不同的成就。
因此,對監管機構做法最有力的解讀,應同時保留兩項期望。畢業生應理解自己的學科,並建立對 AI 的判斷力。評核制度應呈現這些能力,而非將它們壓縮為一份完成的文件。
回歸考試仍有重要問題未解答
更受控的評核可提升人們對個人表現的信心,卻未能解決每一項關於公平或教育價值的問題。
受監督的考試會限制取得外部協助的機會,但不會自動證明該任務衡量的是最相關的能力。
以一門研究方法課程為例。限時測驗或可評估學生是否能辨識研究設計的弱點;持續進行的專題則可能顯示他們能否提出問題並修訂研究方法。
兩種證據都可能重要。即使替代方式令未經授權使用 AI 變得更困難,完全以考試取代專題,仍會改變課程所衡量的內容。
這正是對大規模回歸考試最有力的懷疑論挑戰。大學需要證據證明,修訂後的評核仍保留其原本要認證的學習成果。
因此,安全性與效度需要分開審視。安全性關乎學生完成任務時的條件;效度則關乎任務是否衡量預定的知識或技能。
院校可以加強其中一項,卻忽略另一項。一項嚴密受控的記憶測驗,對需要長時間研究的能力只能提供有限證據;一項具挑戰性的家居專題,則可能令獨立貢獻變得不確定。
設計問題在於平衡這些限制。聲稱傳統考試能解決 AI 評核問題,是將任務過度簡化;聲稱職場使用 AI 令獨立評核變得不必要,則同樣是缺乏證據的跳躍。
無障礙安排帶來另一項限制。OfS 指引承認應為殘疾學生作出合理調整,並警告不應對 AI 偵測結果施加不成比例的權重。
這些保障相當重要,因為無論寫作風格的改變還是偵測器評分,都無法解釋學生如何完成作業。一項指控與一項評核判斷,都需要恰當證據。
大學亦應區分協助與代替。使用獲准支援來發展論點的學生,與提交自己無法解釋的作品的學生,處境並不相同。
界線部分取決於作業本身。在語言練習中可接受的協助,可能會破壞一項旨在評估無輔助寫作能力的任務。一般院校規則需要在特定評核中具備具體意義。
亦有可能將舉證責任過度轉移到學生身上。要求保留每一個起草動作的大量紀錄,可能只會產生文件,卻無法證明理解。
完整的活動紀錄仍需要詮釋。它或可顯示學生曾與某個工具互動,但單憑互動無法揭示是否發生學習。
這些理由支持審慎評估重新設計,而非保留每一項現有作業。院校需要說明每個組成部分如何有助作出可信的判斷。
因此,未解決的問題不止於考試會否回歸。Office for Students 的 AI 評核指引仍要求大學證明,其選用的組合能公平地衡量成就。
其成效將取決於實施證據。修訂後的手冊可以提出更高期望;只有評核的實際運作才能顯示這些期望是否成立。
學生採用情況令一概而論變得不可靠
AI 的廣泛使用反映了評核挑戰的規模,卻未能解答個別行為及學習成果。
HEPI 在 2026 年 3 月發布的學生 AI 調查提供了有用背景。該調查由 Savanta 於 2025 年 12 月進行,收集了 1,054 名英國全日制本科生的回應。
調查發現,95% 受訪者表示曾以某種方式使用 AI,94% 表示曾使用生成式 AI 協助完成評核作業。另有 12% 表示曾直接在評核作業中納入 AI 生成文字。
這些類別衡量的是不同的行為。協助完成評核作業所涵蓋的活動,比插入生成文字更廣。單憑任何一項數字,都不能證明學生違反其院校規則。
調查亦發現,65% 受訪者表示評核已因應 AI 而有重大改變。因此,它為院校已在進行的調整提供背景,同時呼應 11 月研究提出的關注。
這些發現削弱了將 AI 使用者與獨立學習者簡單二分的說法。學生可以使用 AI,同時深入投入教材;另一名學生也可以使用類似工具來避免投入。
教育上的差異,在於學生仍然親自完成的工作。要求解釋可以開展具成效的探究;未經查核便接受解釋,則可能過早結束該探究。
一項假設的歷史作業顯示,相似的行動可產生不同結果。學生可能要求 AI 提出詮釋建議,然後與原始文件比對。
另一名學生則可能在未審視證據下提交該建議詮釋。最初與工具的互動看似相同,但評分所依據的基礎卻不同。
這正是採用統計數字無法決定評核設計的原因。它們顯示院校遇到 AI 的普遍程度,但對特定學生實際學到甚麼,只提供有限資訊。
同樣的審慎態度亦適用於同儕快速完成作業的報告。這些說法指出值得調查的可信關注,但無法量度這種行為在整個界別出現的頻率。
因此,院校需要來自自身課程的證據。哪些提交的答案令人無法確定學生是否理解?哪些評核組成部分能消除這種不確定性?哪些改變能保留有用的研究與修訂機會?
這些問題同樣關乎 AI 產品評估。供應商或可展示其軟件能生成溫習問題或摘要文件,但這種展示不能證明學生的獨立表現有所改善。
教育採購者應區分產品活動與教育成就。頻繁使用、吸引的輸出內容及學生滿意度均可為決策提供參考,但它們回答的問題不同於已證明的學習成果。
對學生而言,實際含義是準備與證明之間的關係更清晰。在獲准的情況下,AI 可以參與準備工作;評核仍必須證明課程承諾培養的能力。
對大學而言,這意味著要摒棄兩個方向的一概而論。廣泛使用不代表廣泛作弊,而對 AI 友善的政策亦不代表評核仍然可信。
關注評核改變、監管證據及教職員支援
下一項考驗,是大學能否證明重新設計的評核比原有安排更清楚呈現學習成果。
未來數月,首項值得留意的訊號是針對評核的具體改變。院校應說明哪些任務要求獨立完成、哪些容許使用 AI,以及每個組成部分能證明甚麼。
一項關於負責任使用 AI 的一般公告,只能提供有限的進展證據。修訂後的作業、清晰準則及對其目的的說明,會提供更穩固的判斷基礎。
如果大學在處理學生貢獻不確定性的同時,保留具意義的課程作業,這項訊號將加強其有效調整的論據。單純增加考試,仍會令教育問題懸而未決。
第二項訊號是監管機構如何評估院校證據。其已發布的監管後續措施表示,將使用現有工具,而非引入新規例。
OfS 亦列出擬議未來質素方針下的期望。這些期望應與最終實施時間表或已公布的執法結論分開看待。
留意是否出現更清晰的充分證據例子。院校需要明白評核如何證明成就,而非從某種形式是否看似傳統來推斷合規。
以證據為本的審查會加強這項介入。若重點放在可見的限制,卻不檢視學習,則會削弱「這些改變保障資歷質素」的論據。
第三項訊號是對教職員的實際支援。Advance HE 已宣布,將於 2027 年初為會員院校舉辦以 AI 為重點的 Change Academy。
其重要性將取決於院校規劃能否落實到課程設計與教學實踐。當教師能將共同原則應用於實際作業,並向學生解釋時,這些原則才會發揮作用。
支援亦應連結同一課程內的期望。學生需要明白,為何某項任務鼓勵使用協助,另一項則加以限制。一致性源自清晰的教育目的,而非處處採用相同規則。
Office for Students 的 AI 評核指引值得關注,因為它將 AI 政策與成績的可信度連結起來。其成功與否仍是一個實證問題:修訂後的評核能否為學生成就提供更佳證據?
對學生、教師及教育採購者而言,下一步是審視公告背後的評核細節。問問一項任務在獨立完成時能證明甚麼、在獲協助時能證明甚麼,以及這些判斷如何互相連結。
閱讀採用統計數字或評估新工具時,應保留有用的區分。AI 協助、生成式提交、違規行為及薄弱學習描述的是不同事情。可信的回應需要就每一項取得證據。
隨著大學修訂其做法,請將作業規則與評分準則一併閱讀。學生必須充分理解甚麼,才能解釋、核實或完成,而評核實際在哪裡呈現這些能力?



