Office for Students 的 AI 评估指南令课程作业承压
Office for Students 正敦促英格兰各大学扩大无 AI 评估,同时继续教导学生如何使用人工智能。11 月 11 日发布的 Office for Students AI 评估指南直面一个日益扩大的鸿沟:完成度很高的课程作业未必能证明学生真正理解了所学内容。
核心矛盾在于,大学能从提交的作业中确认什么。一篇论文可能符合评分标准,却几乎无法展现作者独立推理的能力。反过来,学生在准备过程中使用 AI,也不自动意味着他们没有学习,或违反了评估规则。
雷丁大学此前的一项实验揭示了通过常规评分识别 AI 提交作业的困难。如今,英格兰监管机构将责任交给院校,要求其设计能够证明学生成就的评估。这给大学、评估软件供应商,以及面对不一致预期的学生带来了压力。
Office for Students AI 评估指南聚焦学习证据
监管机构的干预质疑成绩背后的证据,同时为允许使用 AI 的评估留出空间。
OfS 于 11 月 11 日与 Advance HE 共同发布了其院校 AI 研究。该项目于 2026 年 6 月至 9 月开展,涉及与 120 多所院校中 300 多名学生和教职员工的交流。
研究结果描述了人们对无人监督作业的担忧:AI 可以完成这类作业,而学生无需展示预期的知识。参与者还提到 AI 在学习中的有益用途,以及对评估政策的不确定性。这些说法指出了院校层面的问题;它们并不能证明全国范围内存在某一比例的作弊行为。
广泛流传的“几乎不可能”一词,反映的是一名教职员工参与者对某些领域学生评估的担忧。若将这句话视为普遍结论,就会抹去重要的限定条件。该报告并未证明每篇论文都由 AI 生成,也未证明每个课程作业成绩都没有价值。
配套的评估合规指南说明了现有质量条件如何适用。B1 涉及学术体验,B2 涵盖资源与支持,B4 则涉及评估与可信的学位授予。
该指南支持在必要时采用安全评估。这类评估禁止使用 AI,包括考试、展示、口试、表演和实践任务。它也允许在评估仍能衡量预期学习成果时使用 AI。
这一区分改变了院校需要回答的问题。大学不能仅靠宣称支持 AI 或致力于维护学术诚信来解决问题。它需要就每项评估能够证明学生什么,给出站得住脚的解释。
以一项示例性的经济学作业为例:要求学生评估一项政策提案。一篇有说服力的最终论文可能体现了扎实的论证,也可能反映了大量外部协助。若没有进一步证据,评分者便无法确定学生的实际贡献。
更改字体、添加声明,或提醒学生注意违规行为,都无法消除这种不确定性。这些措施传达了预期,却未必能加强支持该成绩的证据。
要求学生解释其假设的评估,则会建立不同的判断基础。教师可以考察为什么选择某个模型、哪些证据重要,以及如何排除相互竞争的解释。
因此,Office for Students AI 评估指南的实际意义超越了考试形式本身。它的核心要求是,院校必须将所评分的作业与其声称要认证的能力联系起来。
这也解释了为何课程作业仍是讨论的一部分。长期项目可以展现研究、修订和持续推理能力。挑战在于保留这些优势,同时明确成品作业究竟代表谁的理解。
大学必须说明其成绩实际认证了什么
直接压力落在授予学历资格的院校身上,包括那些政策明确、但缺乏学生成就证据的院校。
OfS 已将评估质量与其监管职责联系起来。在其AI 评估公告中,该机构列出了针对院校失职可能采取的措施,包括附加条件、经济处罚和资金限制。
这些是监管工具,而非证明某所大学已因这份报告而受到处罚的证据。这一区别很重要,因为警告只是确立预期,并不代表已经产生执法结果。
OfS 战略与交付总监 Josh Fleming 呼吁更广泛地采用无 AI 评估。Advance HE 副首席执行官 Kathryn Harrison-Graves 则强调院校方向、一致的指导,以及面向教职员工和学生的资源。
这些立场针对的是同一问题的不同部分。受控评估可以增强人们对个体表现的信心。院校层面的协调则有助于确定这种做法适用于何处,以及各院系能否一致地落实它。
对大学领导者而言,由此产生的压力远不止涉及学术违规团队。评估设计会影响人员配置、教学安排、场地可用性、无障碍支持,以及课程目标与最终授予资格之间的关系。
口试需要有资质的人提出有价值的追问。实践任务需要适当的条件和一致的评分。修订后的作业则要求教师就何为成功的推理达成共识。
这些是实施层面的考量,而不是报告中量化的成本。它们说明了,采用一项新评估政策比证明该政策能在全校范围内有效实施更容易。
对教师而言,这一转变也改变了评分的角色。阅读最终答案仍然必不可少,但信心越来越依赖于围绕答案收集到的证据。
教师可能会将一份项目作业与学生对其核心决策的解释进行比对。另一位教师则可能在受监督的环节中评估应用型任务。若缺乏合适的标准,这两种方法都无法保证公平。
对学生而言,可预测性变得至关重要。一门课程若在教学中鼓励 AI 辅助探索,就必须说明受评作业的边界。否则,学生只能从零散评论和不一致的示例中推断规则。
即便所有人都有意遵守规定,这种不确定性仍会带来问题。语法润色、资料发现、论证发展和完整代写涉及不同程度的贡献。一句“负责任地使用 AI”的指示,无法解决这些差异。
雇主同样与此息息相关,尽管报告并未说明招聘实践将如何变化。学历资格传递的是关于毕业生能力的主张。评估的不确定性会削弱这一主张的实用性。
关键区别在于,产出可接受的结果与具备评估该结果所需的判断力之间存在差异。许多职业任务同时涉及这两者。大学正面临压力,需要说明某个具体成绩代表的是哪一种能力。
对技术供应商而言,含义也类似。能够加速作业产出的功能,并不会自动加强教育证据。产品对学习的实用性,以及它对评估的适用性,需要分别判断。
AI 素养与独立能力需要不同的证据
学生可以学习如何有效地与 AI 协作,同时仍需证明自己在没有 AI 协助时的理解能力。
当评估目标变得明确后,监管机构立场中看似存在的矛盾便会消失。熟练使用工具与独立理解学科,是相关的能力,但需要不同的证据。
一个示例性的编程课程可以具体说明这一区别。学生可能使用 AI 提出代码建议,随后检查其行为并识别安全弱点。这一练习可以检验其对生成内容的判断能力。
另一项任务则可能要求学生在没有协助的情况下追踪一个简单程序。其目的在于确认基础理解。学生在 AI 辅助练习中取得成功,并不自动证明其能独立完成任务。
两项任务都不必代表整门课程。结合起来,它们可以回答一份完善的最终程序仍无法解决的问题。
早期证据表明了为何这一差异值得关注。在 2024 年一项考试渗透实验中,雷丁大学研究人员将 AI 生成的答案提交至本科心理学考试。
该大学报告称,94% 的答案未被识别出来,且生成作业的平均得分高于真实学生提交的作业。该实验针对的是特定考试体系和学科背景。
它并不能证明所有大学当前的检测率。但它表明,常规评分无法自动确认作者身份或独立理解。
雷丁大学的实验和 OfS 的干预从不同方向切入这一问题。该实验测试的是提交的答案能否通过现有体系。监管机构则要求院校使其评估体系具备可辩护性。
这一转变有利于更清晰地区分不同类型的成就。AI 辅助报告可以展现评估、验证和负责任使用工具的能力。独立解释则可以确认学生是否理解背后的推理。
当评估奖励的是专业能力的表象时,矛盾会更加尖锐。流畅的写作、规范的参考文献和自信的结论都可能是有用的品质。但当评分者将其视为学科知识的充分证据时,它们就会产生误导。
模型可以生成看似合理、但使用者无法辩护的解释。学生也可能写出不够流畅的文字,却理解了底层问题。评估需要在不预设任何一种情况的前提下区分这些可能性。
同样的区别也适用于教育领域以外的知识工作者。AI 生成的摘要可以帮助人们审阅信息,但接受其结论仍需核查其证据。
对于探索个人知识管理的读者,这种联系具有实际意义:当人们能够审查材料的来源和推理过程时,有序的资料才能支持理解。
这一观察并不能证明任何特定软件能够提高成绩或验证作者身份。它指出了学习与专业工作中共同存在的问题:可获取的信息与可靠的理解是两种不同的成果。
因此,对监管机构做法最有力的解读应同时保留两项预期。毕业生应理解所学学科,并培养对 AI 的判断力。评估体系应体现这些能力,而不是将其压缩为一份最终完成的文档。
回归考试仍留下重要问题未解
更受控的评估可以增强对个人表现的信心,但并不能解决有关公平性或教育价值的所有问题。
监考考试会限制获得外部协助的机会,但并不会自动证明该任务衡量的是最相关的能力。
以一门研究方法课程为例。限时测试或许可以评估学生能否识别研究设计中的弱点;持续开展的项目则可能揭示他们能否提出问题并修订方法。
这两种证据形式都可能具有价值。即使替代方案让未经授权的 AI 使用更困难,完全取消项目也会改变课程所衡量的内容。
这是对广泛回归考试最有力的质疑。大学需要证明,修订后的评估能够保留其意图认证的学习成果。
因此,安全性与有效性需要分别审视。安全性关乎学生完成任务时所处的条件;有效性关乎任务是否衡量了预期的知识或技能。
一所院校可以强化其中一项,却忽视另一项。受到严格控制的记忆测试,对于需要长期探究的能力只能提供有限证据。富有挑战性的居家项目,则可能使独立贡献难以确定。
设计难题在于平衡这些局限。声称传统考试能够解决 AI 评估问题,是对任务的过度简化;声称职场中的 AI 使用使独立评估不再必要,同样是缺乏依据的跳跃。
可及性又增加了一项约束。OfS 指南认可对残障学生作出合理调整,并警告不要对 AI 检测结果赋予不成比例的权重。
这些保障措施很重要,因为无论写作风格的变化还是检测器评分,都无法说明学生是如何完成作业的。提出指控和作出评估判断,都需要恰当的证据。
大学还应区分辅助与替代。使用获准支持来发展论点的学生,与提交自己无法解释的作品的人,处于不同的位置。
这条界线部分取决于作业本身。在语言练习中可以接受的辅助,可能会违背一项旨在评估无辅助写作能力的任务之目的。通用的机构规则需要在具体评估中体现其含义。
还有一种风险是将举证负担过多地转移给学生。要求记录每一次起草行为,可能会生成大量文档,却无法证明理解确实存在。
完整的活动记录仍然需要解读。它或许显示学生与某个工具发生了互动,但互动本身并不能揭示学习是否发生。
这些都是应谨慎评估重新设计的理由,而非保留所有现有作业的理由。院校需要说明每个组成部分如何有助于形成可信的判断。
因此,悬而未决的问题不只是考试是否回归。Office for Students 的 AI 评估指南仍要求大学证明,其所选择的评估组合能够公平地衡量成就。
其有效性将取决于实施证据。修订后的手册可以提出更严格的预期;只有评估实际运行的情况,才能显示这些预期是否成立。
学生采用情况使一刀切的假设不再可靠
AI 的广泛使用表明了评估挑战的规模,但并未厘清个人行为和学习成果。
HEPI 在 2026 年 3 月发布的学生 AI 调查提供了有用背景。该调查由 Savanta 于 2025 年 12 月开展,收集了 1,054 名英国全日制本科生的回复。
调查发现,95% 的受访者表示以某种方式使用过 AI,94% 表示曾使用生成式 AI 协助完成计入成绩的作业。另有 12% 表示曾将 AI 生成的文本直接纳入计入成绩的作业。
这些类别衡量的是不同的行为。借助 AI 完成计入成绩的作业,涵盖的活动范围比插入生成文本更广。单凭任一数据,都无法证明学生违反了所在院校的规定。
调查还发现,65% 的受访者表示,评估已因 AI 而发生显著变化。因此,除 11 月研究提出的担忧外,它也为正在进行的院校调整提供了背景。
这些发现削弱了将学生简单划分为 AI 使用者与独立学习者的做法。学生可以在使用 AI 的同时深入参与学习材料;另一些人则可能利用相似工具来逃避参与。
教育上的差异在于学生仍然亲自完成的工作。请求解释可以开启富有成效的探究;不加核实地接受解释,则可能过早结束这种探究。
一项假设性的历史作业说明了,相似行为如何产生不同结果。学生可能要求 AI 提出解释思路,然后将其与原始文献进行比较。
另一名学生则可能在不审查证据的情况下提交该建议的解释。最初与工具的互动看似相同,但成绩所依据的基础不同。
这正是采用率统计无法决定评估设计的原因。它们表明院校会在多大范围内遇到 AI,却对某个具体学生学到了什么提供有限信息。
同样的谨慎也适用于关于同学快速完成作业的说法。这类叙述指出了值得调查的可信担忧,但不能衡量该行为在整个行业中发生的频率。
因此,院校需要来自自身课程的证据。哪些提交的答案使理解程度仍不明确?哪些评估环节可以消除这种不确定性?哪些调整能够保留研究与修订的有益机会?
这些问题对于评估 AI 产品也同样重要。供应商或许能够展示其软件可生成学习问题或总结文档,但这并不能证明独立表现得到提升。
教育采购方应区分产品活动与教育成就。高频使用、吸引人的输出和学生满意度都能为决策提供参考,但它们回答的问题不同于经证明的学习成果。
对学生而言,实际含义是准备与证明之间的关系更清晰。在获准的情况下,AI 可以参与准备过程;评估仍必须证明课程承诺培养的能力。
对大学而言,这意味着要放弃两个方向上的一刀切假设。广泛使用并不证明广泛作弊,而 AI 友好政策也不证明评估仍然可信。
关注评估变化、监管证据与教职员工支持
下一项检验是,大学能否证明重新设计的评估比此前安排更清楚地揭示学习成果。
未来数月,首先应关注的是针对具体评估的变化。院校应说明哪些任务要求独立完成,哪些允许使用 AI,以及每个部分能够证明什么。
关于负责任使用 AI 的笼统声明,只能提供有限的进展证据。修订后的作业、明确的标准以及对其目的的说明,将为判断提供更坚实的基础。
如果大学在解决学生贡献不确定性的同时保留有意义的课程作业,这一信号将强化其有效适应的理由。单纯增加考试,仍会让教育层面的问题悬而未决。
第二个信号是监管机构如何评估院校证据。其发布的监管后续步骤称,将使用现有工具,而非引入新的监管规定。
OfS 还指出了拟议未来质量方法下的预期。这些预期应与最终实施时间表或已宣布的执法结论明确区分。
应关注何为充分证据的更清晰示例。院校需要理解评估如何证明成就,而不是根据某种格式是否显得传统来推断合规。
以证据为基础的审查将增强这一干预措施。若侧重可见的限制措施,却不考察学习成果,那么“这些变化保护资格质量”的论点将被削弱。
第三个信号是为教职员工提供的实际支持。Advance HE 已宣布,将于 2027 年初为成员院校举办以 AI 为重点的 Change Academy。
其意义将取决于院校规划能否落实到课程设计和教学实践。当教师能够将共同原则应用于实际作业并向学生说明时,这些原则才会发挥作用。
支持还应衔接一门课程中的各项预期。学生需要理解,为何一项任务鼓励辅助,而另一项任务限制辅助。一致性来自明确的教育目的,而不是处处采用相同规则。
Office for Students 的 AI 评估指南值得关注,因为它将 AI 政策与成绩的可信度联系起来。其成功仍是一个实证问题:修订后的评估是否为学生成就提供了更好的证据?
对于学生、教师和教育采购方而言,下一步是审视公告背后的评估细节。询问一项任务在独立完成时证明什么、在获得辅助时证明什么,以及这些判断如何衔接。
在解读采用率统计或评估新工具时,应保留有用的区分。AI 辅助、生成式提交、违规行为与薄弱学习描述的是不同事物。可信的应对措施需要关于每一项的证据。
随着大学修订其方法,应将作业规则与评分标准一并阅读。学生必须理解到何种程度,才能解释、验证或完成任务?评估又在何处实际证明了这一点?



