英国大学出手了：AI写论文，课堂重回线下考试-知了AI

2026年11月11日，英格兰高等教育监管机构学生办公室（Office for Students，简称OfS）发布了一份48页的报告《让AI为学生所用：对院校实践的反思》（OfS 2026.56），同一天还配发了面向高校的操作指南。报告最锋利的一句话不是批评学生，而是指向评估本身：如果一项评估可以在不具备被考察知识和能力的情况下用AI完成，这项评估就应该被替换。

顺着这个判断，监管机构给出了它认为更可靠的替代方案——恢复线下考试、现场演示、口头答辩与实操考核。一份原本属于教研圈内部的调研，就这样变成了带有监管意味的公开喊话：大学必须证明，自己发出去的分数还能代表学生的真实水平。

一、四个月调查：作业正在失去”证明力”

这份报告由OfS与教学卓越机构Advance HE联合完成，调查时间为2026年6月至9月。研究者访谈了244名高校教职员工和91名学生及学生代表，覆盖至少127所院校，另有64份在线留言和22场深度访谈。样本是自愿参与的，报告自己也承认未必能代表全体师生，但其中的细节足以让任何一位任课教师皱眉。

127所院校、335名受访者的共同困惑

报告发现，相当大比例的评估仍处在无人监督、不受控制的形态中，学生完成作业时可以随意调用AI。这类任务往往”几分钟内就能被AI做到很高水平”，而学生是否真的掌握了被考察的内容，外界几乎无从判断。更麻烦的是，这种使用”经常无法被可靠识别”。换句话说，评估还在照常打分，但它想测量的东西已经悄悄流失了。

数据能说明变化的斜率。2023年底，用生成式AI辅助完成评估的英国高校学生约为53%；到2025年底，这个数字变成了94%。另一组口径显示，74%到94%的学生用AI完成学术工作，用途集中在解释难点、总结长文、生成练习题和辅助复习。当一种工具从”少数人尝试”变成”默认配置”，评估失效就不再是个案，而是系统性风险，恢复线下考试也就从教学偏好变成了现实压力。

“我写了三个小时，他用了三分钟”

报告引用了大量学生原话。最扎心的一句是：我认真规划、自己写完一篇论文，结果和一个用AI写的人拿了完全一样的分数，这太让人不安了。还有学生坦言，身边有人整篇作业交给ChatGPT，没被发现，大概还拿了不错的分数；因为第一次成功了，下一次还会这么干。

教师的观察更具体：成批提交的作业风格雷同、参考文献高度重合、结构像一个模子刻出来的。有教师直言，学院里相当一部分评估”可能已经不适合目的”，在某些领域，AI的普遍使用让评估”接近不可能”。这正是”接近无法评估”这一说法的来历——不是老师不想评，而是评出来的东西不再有区分度。线下考试的呼声，本质上是对”分数还有没有信息量”的焦虑。

交完就忘：连自己写了什么都说不清

比雷同更值得警惕的，是”交完就忘”。报告记录了这样的情形：有学生无法复述自己刚提交作业的基本内容，说不清用了哪些资料、核心论点是什么。作业本该训练检索、批判、组织和独立写作，如果这些环节都被外包，最后留下的只是一份好看的文件。分数照发，能力没长，学位证书的含金量就在这个缝隙里被一点点掏空。这也是为什么监管机构反复强调，线下考试不是复古，而是兜底。

二、监管的牙齿：一条旧条款与新解释

值得注意的是，OfS并没有为AI单独立一条新规，而是把现有条款解释清楚了。它援引的是注册条件中的B4条——”评估与授予”，要求高校授予的学位在颁发时和纵向比较中都”可信”，评估必须”有效、可靠、可信”。这条要求一直存在，只是过去很少有人把它和AI联系起来。

什么叫”安全评估”

在新的解释里，”安全评估”指的是在设计上就阻止使用AI的评估形式，包括线下考试、现场演示、口头答辩、表演类考核，以及需要学生动手完成的应用型任务。监管机构没有一刀切禁止AI，但把话说得很明白：在需要确认学生本人能力的场合，线下考试往往是最有效的形式，因为它能提供”较高程度的信心”。

如果某门课确实允许用AI，规则也必须写清楚：哪些环节可以用、用到什么程度、如何标注。报告还提醒，允许使用AI的评估仍然要能证明学生达到了既定学习目标——可以考”如何用AI”，但不能让AI替学生完成被考察的那部分。换言之，线下考试不是唯一答案，却是绕不开的底线选项。

实际操作中，院校被建议按课程逐一排查：这门课的核心能力是什么，现有任务能否在不具备这些能力时被AI完成，若答案是肯定的，就该考虑替换。可选的路径包括把笔试搬回教室、增加现场演示，或保留原任务但要求提交过程记录。排查的重点不是把所有作业都改成线下考试，而是找出那些”一攻就破”的环节，用线下考试或现场环节把它们补上。

罚则不是空话

真正让高校紧张的，是后果被写实了。OfS表示，若院校无法提供有效、可靠的评估，可能被认定违反注册条件，手段包括附加特定注册条件、罚款，以及暂停学生资助或OfS拨款的资格。正在征求意见的新质量框架更进一步：未达标的院校可能被禁止上调学费，或被限制招生人数。

OfS战略与交付总监乔什·弗莱明把AI称为”代际风险”，认为它正在削弱学生的学习，也削弱高校评估学生的能力。他呼吁”大幅增加不依赖AI的评估”，并催促大学主动应对，而不是等监管机构上门发现问题。英国教育部则表示，防止学术不端本来就是高校的责任，监管机构应把现有标准执行到位。线下考试由此从教学选择，变成了合规问题。

检测器为什么不能当证据

很多学校的第一反应是买AI检测工具，报告却泼了冷水：检测工具”不能稳定、可靠地识别AI使用”，人类评阅者同样很难凭文本判断。把检测分数当作处分依据，既不准确也不公平；报告建议，检测结果最多只能作为众多证据中的一项，不能因为”疑似”就压低分数。

这也解释了为什么监管机构把重心放在评估设计上。弗莱明的说法很直白：与其事后追查，不如设计一种”让作弊根本不是选项”的评估。线下考试、现场演示之所以被反复提及，正是因为它们把”是否本人完成”变成了现场可见的事实，而不是事后需要举证的猜测。

三、大学已经在改：从”红黄绿灯”到”双车道”

报告并非纸上谈兵。受访院校中已经出现不少改造案例：让教师先用AI把自家考题做一遍，看哪些题”一攻就破”；按评估类型建立风险清单；把部分课程搬回线下考试和口头答辩。其中被点名表扬的，是巴斯大学的”双车道”模式。

巴斯大学砍掉了中间地带

巴斯原先用的是”红黄绿”三色灯：红灯禁用AI，黄灯允许部分使用，绿灯鼓励使用。执行一段时间后，学校发现黄灯根本管不住——什么叫”部分允许”、允许到什么程度、由谁判断，教师说不清，学生更说不清，最后既不可靠也不公平。2026年9月起，巴斯改为两条车道：封闭车道保证学生拿不到AI工具，以线下考试、演示、口试和实操为主；开放车道则假定学生一定会用AI，按”有AI”的前提重新设计任务。两种车道都必须证明学生达到了学习目标，没有模糊地带。

这套做法最早来自悉尼大学，核心理念是：模糊的许可等于没有许可。要么关死，要么按”一定会用”来设计。对习惯了”写一篇三千字论文”的课程来说，这意味着推倒重来——但也正是这种重来，让线下考试不再是一句口号，而是课程设计里必须回答的问题。

其他院校的做法也值得一看。帝国理工组建了跨学部的”AI未来学家”团队，搭建统一的安全工作台，并开设40小时的师生课程；肯特大学上线校内版ChatGPT Edu，但要求先完成AI素养、数据保护与学术诚信培训才能使用；安格利亚鲁斯金则设立由副校长主持的AI监督小组，培训强制但分层。它们的共同点不是发一份文件，而是有人、有流程、有门槛，这也从侧面说明，线下考试能否落地，取决于学校有没有把评估改革当成系统工程。

五种评估方式的横向对比

把传统论文作业和几类”防御型”评估放在一起看，各自的取舍会更清楚。

评估方式	防AI能力	公平性	组织成本	学生负担
传统论文、课程作业	弱，几分钟即可被代写	看似公平，实则奖励善用工具者	低	可分散，压力较小
线下考试（闭卷）	强，现场无法调用AI	较高，但受考场条件影响	高，场地、监考、排期	集中，记忆压力大
现场演示	较强，须当场讲解	较高，表达能力强者占优	中高，需分组与点评	中等，准备与临场并重
口头答辩、口试	强，追问难以预先准备	高，但耗时且需控制主观性	很高，一对一时间成本	偏高，心理压力大
过程性评估	中，需分阶段留痕	较高，能看见真实投入	中，批改频次增加	分散，但持续性要求高

这张表说明，没有一种方式是免费的。线下考试的防AI能力最强，代价是组织成本和学生压力；过程性评估更温和，却要求教师在一个学期里反复投入。真正可行的方案通常不是单选，而是组合：核心能力用线下考试守住，过程用阶段性提交留痕，允许用AI的部分则明确规则、按”会用AI”来设计任务。

还需要看到，线下考试的”强”是有边界的。它能确认学生当场能否调用知识，却测不出长周期的研究能力；能防止代写，却可能放大临场焦虑。因此更现实的方向是把线下考试放进一组评估里，让它承担”验证”而非”全部”的功能。评估组合越合理，单一形式的短板就越不容易变成系统性偏差。

四、反弹：不是所有人都想回到考场

报告发布后，英国高教界的反应并不一致。支持者认为这是迟到的纠偏，反对者则担心，监管的钟摆会从一个极端荡到另一个极端。

大学协会：我们已经在改

代表140多所院校的英国大学协会（Universities UK）回应说，许多大学”已经对评估方式做出重大改变”，包括增加线下考试、现场演示、口头答辩和基于过程的评估，也在以受控方式把AI整合进课程。它强调不同学科需要不同方法，大学应保留选择最契合学习成果的评估方式的弹性。这番话的潜台词是：监管不必一刀切，线下考试也不该成为唯一正确的姿势。

学生组织：别把旧办法供起来

全国学生联合会（NUS）的刘易斯·威尔逊则完全相反。他认为AI正在冲击的那套”传统”教学与评估方式，本来就是学生和教师”长期反映不好用”的东西；与其把它重新供起来，不如借机淘汰过时做法。这个观点提醒人们：线下考试能解决”是不是本人完成”，却未必能解决”考的东西有没有意义”。

谁在为”闭卷”买单

报告自己列了代价清单：线下考试和口试极其消耗资源，需要场地、监考和大量一对一时间；闭卷形式与真实职业场景相去甚远；对残障学生、神经多样性学生和非英语母语学生，某些形式可能构成额外障碍，学校有法律责任提供合理调整。更现实的隐忧是技术：可穿戴设备正在让”封闭考场”变得不那么封闭。

这构成了政策落地的真实张力。若只加线下考试而不改课程设计，压力会转嫁给学生和一线教师；若只讲灵活而不设底线，评估又会继续空转。报告给出的折中思路是”该关的关死、该开的按开着设计”，而不是在所有课程里平均用力。

五、作业重定义：从考答案到考过程

把这场争论拉远一点看，它问的其实是一个更古老的问题：我们到底希望评估证明什么。过去，一张卷子考的是知识复现的熟练度，而知识复现恰恰是AI最擅长的部分。当标准答案变得随手可得，”考答案”本身就失去了区分度。

AI素养不是开一门通识课

报告并没有主张把AI赶出校园。相反，它承认AI能帮助理解难点、总结长文、生成练习题，也能为残障学生、神经多样性学生和非英语母语学生降低门槛。它区分了”用AI辅助学习”和”认知外包”：前者是工具，后者是把阅读、研究、解题这些本该由人完成的苦活整包交出，绕过了能力形成所必需的那个挣扎过程。

更尴尬的是AI素养的供给。有学生在问卷里写道：”我们完全没有AI教学，一点都没有。”报告发现，不少院校的AI培训有限、不均衡，教工培训多为自愿参加，来的人往往是本来就热心的那一批。通识课对新人有帮助，对熟手价值有限，真正有用的是分学科的培训——化学怎么用、生物怎么用、电影研究怎么用，而这恰恰最贵。指望一门”AI通识课”教会批判性思维，是把因果关系搞反了：只有先懂课程内容，学生才有能力判断AI输出对不对。

对中国教育场景的三点借鉴

国内高校其实已经在同一条路上摸索。据媒体报道，复旦明确禁止在本科生毕业论文中用AI生成正文或润色翻译；华东师大允许使用但要求标注，并设定了比例上限；南京大学推行论文”双重查重”，传统文字查重与AI生成检测并行；同济有法学课程直接取消期末论文，改为脱离电子设备的现场开卷考试；华东理工则用AI难以完成的复杂工程开放题和线下科创项目倒逼深度思考。这些做法与英国强调的线下考试、现场演示在逻辑上是一致的：把无法被替代的能力，放回无法被替代的场景里；增加线下考试并不是英国独有的药方。

第一点借鉴是”先把边界说清楚”。与其笼统地说”允许还是禁止AI”，不如像巴斯那样划分车道：哪些环节必须独立完成，哪些可以借助工具，哪些必须标注过程。模糊的许可最终只会变成”谁被抓到谁倒霉”的抽签，而清晰的规则才能让线下考试和开放任务各归其位。

第二点借鉴是”线下考试要配过程性证据”。单靠一场闭卷考试，既考不出真实项目中的协作与判断，也会把压力集中到记忆上。更稳妥的做法是把线下考试当作”抽样验证”，与阶段提交、口头汇报、现场追问结合：核心能力现场确认，过程痕迹平时积累。这样既能守住底线，又不至于把课程变回应试训练。

第三点借鉴是”别把检测当成判决书”。检测工具会误判，这一点国内外都有教训。把AI检测分数直接与学位、处分挂钩，风险很高；更合理的路径是改进评估设计，让”用了也没用”，同时在学术诚信处理中保持证据链完整。线下考试的价值，正在于它把判断从”事后猜测”变成”现场可见”。

放到全球范围看，英格兰的动作有风向标意义。疫情期间铺开的远程在线考试，据斯旺西大学的研究，至今仍有93所英国高校在某种形式上使用；AI只是让这个旧漏洞变成了承重结构。目前还没有第二个国家像OfS这样，把评估设计与注册条件、罚款、招生限制直接挂钩。线下考试会不会成为新一轮国际趋势，取决于各校能否在防作弊与教育公平之间找到那个不轻松的平衡点。