达特茅斯 AI 调查发现：学生使用情况与对同伴的怀疑之间存在差距

达特茅斯发布的调查结果显示，8% 的美国大学受访者会几乎不加编辑地复制 AI 生成文本，而认为同伴如此做的受访者占 50%。10 月 30 日公布的达特茅斯 AI 调查揭示了自报行为与校园预期之间一个影响深远的差距。它也提出了一个棘手的问题：当学生不信任他人完成作业的方式时，大学应如何保护学习本身？

这些发现给既要推广 AI 技能、又要保留有意义评估的机构带来压力。学生可以认可聊天机器人提供的解释，同时担心同学因自己并未真正理解的作业而获得学分。这两种立场并不矛盾。冲突的核心在于，辅助是否支持作业原本应衡量的学习成果。

沃顿商学院 Hamsa Bastani 领导的研究提供了一个有用参照：借助 AI 获得更好的表现，并不自动意味着更好的独立学习。达特茅斯的贡献则不同。其调查记录了学生的经历和看法，其中包括围绕他人作业的怀疑。综合来看，这些视角表明，大学需要同时掌握有关个人能力以及对学术规则信心的证据。

达特茅斯 AI 调查究竟发现了什么

核心发现是：学生对自身行为的描述，与他们对他人行为的判断之间存在差距。

达特茅斯的学生 AI 调查结果涵盖了 1,003 名美国大学生和 1,533 名达特茅斯学生。全国样本经过加权处理；达特茅斯结果则未经加权。达特茅斯当前本科生和新入学学生被划分为不同群体。

在全国范围内，11% 的受访者表示曾使用 AI 寻找习题答案，而认为同伴这样做的受访者占 49%。与此同时，70% 的人表示 AI 已使课后作业变得不公平，39% 的人感到因为同伴在使用 AI，自己也面临使用压力。

这些回答描述了一种环境：除了实际工具使用情况外，对竞争的感知也值得关注。学生在决定是否索取答案时，看到的是眼前的作业；同时，他们也会设想同学如何完成作业、教师能够识别什么，以及哪些捷径能够带来优势。

即使尚未有人确立不当行为的真实发生频率，这也会造成一个制度性问题。如果学生认为正常投入会令自己处于劣势，大学的书面政策就难以具有足够的说服力。规则需要足够清晰且可信，学生才能相信遵守规则依然值得。

这项调查并不能证明同学作弊的比例确如受访者所想。自报复制行为比例较低，也不能证明不当行为罕见。这两种说法之间的差异很重要，因为无论高估哪一方，都会导向过度自信的应对措施。

若将对同伴的估计视为经验证的行为，就是把怀疑当成证据。若将自我报告视为完整记录，则会忽略受访者可能以更有利的方式描述自己。这两种解读都无法为教师判断哪些作业仍能衡量个人理解提供可靠依据。

更站得住脚的解读应当更为有限。学生报告称，自己的行为与他们归因于他人的行为之间存在显著不匹配。大学如今有理由直接调查这一不匹配，而不是假定一项笼统的 AI 政策就能解决问题。

一种有益的制度性应对方式，是区分几个问题：允许哪些辅助？学生实际使用哪些辅助？他们认为同学使用哪些辅助？最终的作业是否展示了预期的技能？

这些问题彼此重叠，但回答其中一个并不能解决其他问题。一项作业可以符合政策，却仍然几乎无法反映独立推理能力。学生也可能在大多数同学都遵守规则的课程中怀疑存在不公平。

因此，这则新闻所涉及的不只是聊天机器人的采用。达特茅斯已将评估的可信度变为校园 AI 讨论中可衡量的一部分。这使关注点转向学生认为其作业获得公平评价所需的条件。

大学面临评估可信度问题

当学生能够获得不同类型的辅助时，大学面临着解释一项成绩究竟代表什么的压力。

一篇论文的成绩可能反映论证质量、写作发展、研究判断，或这些能力的某种组合。当允许的 AI 贡献仍不清晰时，AI 会使这种关系变得复杂。一份精致的提交作品可能让教师无法确定其中哪些决定由学生作出。

当学生认为同学实际遵循着不同标准时，问题会更加尖锐。一项规定可能禁止生成式文本，同时允许针对草稿提供反馈。若没有具体示例，学生就必须自行判断反馈在哪里结束、替代又从哪里开始。

设想一项写作作业。一名学生请聊天机器人指出衔接薄弱之处，然后独立修改。另一名学生接受重写后的论点，只做表面调整。两人都可能将自己的活动描述为编辑，尽管其中的智力贡献截然不同。

这种模糊性赋予教师一项明确责任：将允许的辅助与作业目的联系起来。如果目标是培养论证能力，将其结构外包会影响学习证据；如果目标是评估相互竞争的论点，比较生成的不同方案或许能够服务于该任务。

这是一个评估设计问题，而非一份通用的获准工具清单所能回答的问题。同一个聊天机器人可以支持不同的行为。仅仅列出应用名称，几乎无法说明某种具体使用是否保留了学生需要练习的工作。

可信的应对方式应在提交前明确这些边界。学生应了解哪些内容必须独立完成、哪些辅助可以披露，以及教师将如何评估这些辅助。否则，执行就可能在作业完成后沦为对不同解读的争论。

透明度也需要实际限制。要求学生记录每一次互动，可能只会增加行政工作，却无法澄清学习情况。相关证据应是能够帮助教师评估目标技能的内容，例如推理、来源选择、修改或解释。

例如，评估研究判断力的教师可以要求学生说明为何排除一个看似相关的来源。评估数学理解的教师可以要求学生在新条件下给出调整后的解法。这些都是可能的应对方式，并非达特茅斯调查已验证的干预措施。

它们的价值取决于与课程的契合程度。一项能在某个学科中揭示推理过程的要求，在另一个学科中可能成为不必要的障碍。因此，大学需要一个共同框架，同时为教师界定有意义的证据留出空间。

公平也不仅限于发现被禁止的行为。遵守规则的学生需要相信，自己的努力仍然重要。一项只描述惩罚措施的政策，并未回答合法学习将如何得到认可。

眼前的压力落在教师、院系领导和学术管理者身上。他们必须将有关负责任使用 AI 的宽泛承诺，转化为学生能够一致理解的作业要求。若缺少这种转化，获取渠道会扩大，而预期仍将模糊不清。

这正是达特茅斯 AI 调查为何具有超越达特茅斯本身的意义。其发现将一种熟悉的课堂张力明确化：评估体系在一定程度上依赖于学生相信其他参与者面对的是可理解的期望。

AI 辅助可以改善作业表现，却仍让学习成效悬而未决

得到更好的答案与成为准备更充分的学生，是两种不同的结果，教育 AI 必须兼顾二者。

这一差异解释了，为何学生对 AI 的积极体验并不能消除对技能发展的担忧。一份解释可能令人感觉清晰。一篇草稿可能更易阅读。一道题可能得出正确答案。但这些观察本身都无法证明学生能够独立复现什么。

发表在 PNAS 上的一项数学学习实验使用基于 GPT-4 的界面考察了这种差异。研究人员比较了通用聊天界面、具有教师指导型保障措施的辅导工具，以及没有 AI 辅助的对照组。

通用界面提升了借助 AI 进行练习时的表现，但其用户随后在无法使用 AI 时表现更差。辅导工具的保障措施在很大程度上缓解了这种损害。该研究针对高中数学，因此并不能确立其结果适用于所有大学学科。

其相关性在于衡量方式的选择。在辅助消失后评估表现，与评估借助工具完成的作业，所问的是不同问题。大学需要了解一款教育产品声称改善的是哪种结果。

这种区别也有助于解释相互竞争的产品路径。通用助手可以直接回应用户对完整答案的请求。面向学习的界面则可以引导用户完成中间推理步骤。任何一种界面标签都无法保证教育结果。

辅导工具可能给出过于直白的提示。通用助手也可能在学生提出严谨问题时支持有价值的练习。产品行为、学生选择、作业设计和后续评估，都会影响某次具体互动的意义。

同样的张力也出现在 INSEAD 和宾夕法尼亚大学研究人员所描述的按需辅助研究中。他们的国际象棋训练实验发现，当参与者可以随时请求额外 AI 帮助时，学习效果会更弱。

研究人员认为，便利的辅助可能会取代富有成效的挣扎，即便学习者意识到自己的依赖。这一发现支持人们谨慎对待将用户控制等同于教育收益的做法。但它并不能证明所有主动请求的帮助都会损害学习。

对于大学采购方而言，实际含义是需要采用更严格的评估标准。满意度、频繁使用和完成作业可以表明学生觉得某个工具有用，却无法说明学生是否培养了学校希望教授的能力。

因此，评估可以纳入在移除助手后完成的任务。也可以考察学生是否能够解释错误、将概念应用于陌生情境，或识别缺乏支持的结论。这些衡量方式比单看精致的输出更直接地评估能力。

这一挑战也延伸至知识工作。员工可以在辅助下完成报告，却仍无法为其中的假设辩护。开发者可以接受一项建议的修复方案，却不了解其为何有效。这些是说明性风险，并非达特茅斯所测得的结果。

对学生而言，关键在于眼前便利与未来自主能力之间的关系。当辅助能帮助他们完成自己日益理解的工作时，它是有价值的；而当成品掩盖了理解水平并未改变这一事实时，其教育合理性就更难成立。

这正是本文的核心取舍。大学既希望学生获得使用 AI 的经验，也希望保留能够培养判断力的练习。现有证据要求谨慎设计与评估，而不是根据成品看似完成便充满信心。

认知差距并非经核实的作弊率

这项调查支持对信任问题的担忧，但无法确定违规使用 AI 的确切普遍程度。

Dartmouth 的调查工作论文讨论了造成这种差异的多种可能解释。受访者可能少报自己的行为、高估同伴的行为，或记住了格外显眼的个案。这些可能性可以同时存在。

作者报告称，即使将自报比例翻倍，许多用途之间的差距依然存在。这一推演测试的是对少报情况的敏感性，并不能确定正确的调整幅度，也无法揭示独立观察到的不当行为比例。

这一区别避免了一个诱人却缺乏支持的结论：学生只是误判了其他所有人的情况。调查提供了质疑同伴估计的理由，但并未提供外部记录，说明究竟哪些学生在何种作业中使用了何种辅助。

反过来的结论同样缺乏支持。较高的同伴估计并不能证明学校面临同等估计水平的不当行为。受访者可能指向不同的参照群体，也可能对同一行为作出不同解读。

AI 使用与违规之间也存在区别。起草、编辑或获得答案是否违反规定，取决于具体作业。只有将某项行为反应与适用的要求联系起来，它才能成为不当行为的证据。

这些限制并未抹去调查发现，而是界定了证据能够支持的范围。一项调查可以记录担忧、感知到的压力和自报行为，却无法独立核实受访者描述的每一项活动。

这使沟通变得微妙。试图纠正夸大认知的大学，应在呈现数字时同时说明不确定性。将自报数据当作已确定的事实，可能削弱那些亲眼见过明确违规行为的学生对学校的信任。

与此同时，只传播令人担忧的同伴估计，也可能放大学校希望减轻的竞争压力。学生可能将这类信息理解为：违规辅助已属寻常且不可或缺。

论文还描述了不同学生群体和学科之间的差异。这些比较不应演变为对哪些学生能负责任地使用 AI 的简单排名。不同领域布置的任务不同，受访者对于何为有意义的辅助也有不同预期。

另一个复杂因素涉及结果。学生认为 AI 损害写作能力，表达的是重要担忧，但这并不等于已测得写作能力下降。同样，他们相信 AI 能改善理解，也需要另行评估。

学校可以认真对待这两种看法，而不必将其中任何一种表述为实验结论。恰当的下一步，是识别自报益处或担忧在实际课程中出现的位置，再考察相关学习效果。

这正是 Dartmouth AI 调查最清晰的贡献所在。它指出了值得检验的问题和需要回应的体验。如果一个方便传播的标题将这些发现转化为关于作弊、学习损失或全体学生行为的确定结论，其价值就会被削弱。

Dartmouth 的 AI 推出计划使教学预期更加紧迫

提供 AI 访问权限，也意味着有责任说明学生应如何在教育过程中使用这些工具。

Dartmouth 于 2025 年 12 月 3 日宣布的校园 AI 合作伙伴关系，包括 Anthropic 的 Claude for Education 和 Amazon Bedrock。该校称将向学生、教师和工作人员提供访问权限，并围绕学术应用开展合作。

这一机构层面的承诺赋予调查现实意义。Dartmouth 一边研究学生的体验，一边将 AI 纳入校园生活。因此，访问权限与教育评估应当放在同一场讨论中。

由大学支持的工具，与学生自行发现的应用有着不同含义。学生有理由期待学校就适当使用方式提供指引。仅有可用性，并不能传达某项具体作业的边界。

教师同样需要明确机构背书意味着什么。校园许可证并不意味着每门课程都应采用该产品；教师的限制也不意味着学校更广泛的合作伙伴关系没有价值。

真正重要的决定取决于学习目标。帮助组织研究项目的助手，可能适合高阶作业；同样的辅助，也可能绕过入门课程明确要求学生培养的组织能力。

这给大学领导者和供应商都带来了压力。学校需要说明采用 AI 如何支持其教育承诺；寻求学术部署的供应商，则需要证明产品行为如何契合教育者实际布置的任务。

该调查并未比较 Claude 与 ChatGPT，也未对教育辅助工具进行排名。因此，Dartmouth 的合作伙伴关系应被视为部署背景，而不是某个特定模型解决学生所报告问题的证据。

同样，数学实验中对 GPT Base 和 GPT Tutor 的比较，涉及的是该研究内的界面与教学设计，并不能确立当前商业产品的排名。相关比较应是不同辅助形式及其可测量后果之间的比较。

对于校园采购而言，这引出了几项有用的问题。教育者能否围绕作业目标配置辅助？学生能否区分建议与经核实的证据？学校能否在不将产品使用情况作为主要成功指标的前提下，评估独立表现？

这些问题之所以重要，是因为机构目标可能与用户的即时偏好不同。面临截止日期压力的学生可能更希望得到完整答案；而旨在培养推理能力的课程，可能要求学生在得到答案前先自行面对不确定性。

挑战在于让这种教育目的易于理解。没有解释的阻力会显得武断。将限制与某项技能明确关联，能让学生更清楚地了解课程的期待。

同样的原则也适用于个人知识管理：整理材料与理解材料是相关但不同的任务。一个有用的学习系统应让支持性证据易于获取，同时为学习者的判断留出空间。

因此，Dartmouth 的推出计划使指引更加紧迫。学生需要知道：何时辅助能帮助他们练习，何时会改变其提交内容所能证明的能力，以及教师将如何评估其中的差异。

调查发布后值得关注的事项

下一批有价值的证据，将把大学决策、已证明的学习成果与雇主预期联系起来。

第一个信号是 Dartmouth 是否会将调查发现转化为具体的学术指引。其调查公告称，一份有关教学与研究建议的教师领导层报告即将发布。

未来数月，值得关注的问题是这些指引将具体到何种程度。与论文、习题、研究项目和修订相关的例子，将显示机构原则如何进入日常课程。仅有宽泛表述，仍会将大量解释负担留给学生。

如果建议界定了可观察的预期，这一信号将强化“调查正在影响教育实践”的论点；如果回应主要是笼统鼓励，却未说明评估边界，则会削弱这一论点。

第二个信号是校园评估是否区分借助辅助产出的结果与独立能力。这需要的不只是报告参与度或收集积极反馈。来自独立完成任务的证据，将有助于直接回应学习问题。

这类评估需要谨慎解读。评估应与课程教授的内容相匹配，结果也应始终限定在所研究的人群和任务范围内。某一环境中的成功干预，只能证明值得进一步测试，而不能支持普遍性结论。

如果学生保留或迁移了预期技能，这一信号将增强人们对 AI 部署的信心。若借助辅助提交的作业更强，却没有相应的独立证据，核心问题仍未得到解决。

第三个信号是 Dartmouth 的雇主研究。该校表示，正在就入门级岗位、职责变化和所需技能调查雇主。这项工作有助于比较学生预期与组织所描述的需求。

雇主的回应仍需审慎审视。表达出来的偏好不同于实际观察到的招聘决定；对 AI 技能的热情也无法说明哪些能力真正重要。有关工作、监督和评估的具体案例，将比笼统的认可更具信息价值。

如果雇主能指出大学可以教授和评估的具体能力，这些发现将强化“职业准备度”的论点。若二者不匹配，则会让学校有理由重新审视其如何描述 AI 培训的益处。

这些信号都不要求假装另一项学生调查即将到来。Dartmouth 将下一次学生调查定在 2027 年 8 月。更近时期的发展将涉及机构指引、评估实践，以及已经开展的雇主研究。

对于关注 Dartmouth AI 调查的读者而言，下一步有用的做法是追问：什么证据会改变一所学校的做法？学生可以询问作业的哪些部分必须展现独立判断；教育者可以说明获准使用的辅助与这一目标有何关系；雇主可以描述他们期待新员工能够辩护的推理过程，包括当 AI 生成的答案看起来合理时。产品团队可以评估用户是否保留了其工具声称支持的能力。随着回应逐步展开，请关注这些具体决策。当一所学校称 AI 能让学生为工作做好准备时，它将衡量什么，以证明学生仍能解释、质疑并运用自己产出的内容？