该研究立足生成式人工智能（AIGC）成为科学研究“第五范式”的时代背景，依托自主研发的AIGC-CHECK系统与大模型语义识别技术，对2022-2024年23万篇硕士学位论文展开实证分析，首次系统揭示AIGC在研究生知识生产中的使用规律、类型特征与学科差异，为规范技术应用、优化科研训练路径提供重要依据。
AIGC介入科研成趋势，传统研究方法存局限
“当前AIGC已深度融入学术写作，但现有研究多依赖问卷、访谈等自我报告数据，难以反映真实使用情况。”王传毅教授在研究中指出，随着人工智能重构知识发现路径，硕士研究生作为科研新生力量，既是AIGC的积极接纳者，也是技术与学术融合的关键群体——2-3年的科研训练周期中，他们既需夯实知识基础，也需适应技术工具带来的写作范式变革。
此前全球范围内的调查显示，63%科研人员用AIGC润色文本，56%用于代码处理，但多集中于语言支持等低阶任务；中国研究生虽将其用于选题、文献梳理等环节，却普遍对反馈质量存疑。更关键的是，不同学科对AIGC的接纳程度、使用方式差异显著，却缺乏大样本、跨年度的实证数据支撑。“传统研究难以捕捉AIGC在知识生产中的动态变化与嵌入深度，这正是本研究要填补的空白。”同方知网强浩补充道，其团队研发的AIGC-CHECK系统，针对中文学术文本优化，对人机混合文本的识别准确率最高达98%，为研究提供了技术支撑。
23万篇论文解码AIGC使用：增长、类型与学科分野
研究通过对23万篇有效样本的分析，勾勒出AIGC辅助研究生知识生产的清晰图景：
1.使用比例逐年攀升，结构差异显著。数据显示，硕士论文中AIGC生成内容占比从2022年不足2%，增至2024年的5%，部分论文占比甚至达88.7%。从论文结构看，AIGC更青睐语言密集型环节——摘要部分使用指数最高，2024年达10.74%（2022年为3.98%），结论部分从2.43%升至7.56%；而强调专业判断的研究方法部分使用最低，2024年仅1.07%，反映出技术介入科研的“选择性适配”特征。
2.四类使用方式凸显梯度差异。基于潜在剖面分析（LPA），研究将AIGC使用划分为四种类型：占比11.1%的“初步探索型”（全段落使用率低，引言接近零），体现部分学生的试用状态；占比61.3%的“功能偏好型”（主要用于摘要润色，其他部分极少），是当前主流模式；占比20.4%的“论证支持型”（聚焦引言、综述、正文等核心环节，方法部分零使用），常见于软学科；占比7.2%的“融合使用型”（全流程系统嵌入），则体现技术与科研的深度结合。
3.学科差异根植知识生产逻辑。跨学科对比发现，“功能偏好型”在所有学科中均占比最高（纯硬学科达75%），而“论证支持型”在软学科中更突出（应用软学科28%、纯软学科24%，远高于硬学科的10%-11%）；“融合使用型”集中于应用硬学科（11%），如工学、农学等技术导向领域。从增长趋势看，应用型学科（管理学、艺术学）2022-2024年使用比例增幅显著（从1.48%、1.04%升至9.05%、8.58%），而理论型学科（理学、历史学）增长缓慢（2024年仍为3.39%、2.51%）。“这本质是学科知识生产方式的差异——软学科依赖语言建构意义，与AIGC文本能力契合；硬学科侧重实证逻辑，技术更多用于操作性任务。”通讯作者周钢解释道。
规范AIGC应用，守护科研训练本质
面对AIGC在研究生知识生产中的快速渗透，研究特别强调“技术工具性”与“学术规范性”的平衡，并提出三方面建议：
1.明确技术边界，避免认知外包。研究指出，AIGC虽能辅助写作与论证，但不具备独立学术贡献能力，学生需对生成内容严格核查，尤其在文献引用（防止虚假DOI）、数据处理等关键环节保持自主判断，避免因过度依赖降低研究质量。
2.聚焦科研训练核心，优化使用引导。指导教师需结合学科特征，帮助学生判断AIGC在不同环节的适用性——如软学科可借助其优化论证结构，硬学科需警惕其在方法设计中的局限性；学校应避免“一刀切”，鼓励在基础工作（如文献初筛、格式调整）后合理使用，禁止未经审查的内容直接纳入成果。
3.完善制度保障，防范潜在风险。高校需明确AIGC使用的学术规范，如敏感数据处理、隐私保护等；同时建立动态评估机制，跟踪技术对科研训练的长期影响，避免“工具理性”凌驾于“育人目标”之上。
摘编自：《清华大学教育研究》2025年8月