本科毕业论文中使用生成式AI工具，最需要厘清的不是“能不能用”，而是“在哪个环节能用、用到什么程度、事后如何交代”。目前高校发布的AI工具使用通知和学术诚信指引虽然在细节上有差异，但普遍把AI定位为辅助工具：它可以提高文献检索、格式整理和制图建议等环节的效率，却不能替代研究者对事实、数据和结论的判断。把论文写作拆成可核查的环节，有助于形成一条“允许使用—必须核验—明确披露”的合规路径。
按环节建立授权清单，而不是按工具下判断
判断某个写作步骤是否适合使用AI，可以从三个问题入手：
- 该环节是否直接体现论文的原创性贡献？
- AI给出的结果能否通过公开、可重复的途径独立核验？
- 如果AI输出有误，学生是否能够凭自己的知识和判断发现并纠正？
一般来说，原创性越强、越依赖实验或调查事实的环节，AI使用边界就越严格；而机械性、格式性、检索辅助性的环节，使用空间相对宽松，但仍不能免除人工核验责任。
| 写作环节 | AI可辅助的步骤 | 必须由学生核验的内容 | 原则上不宜由AI完成 |
|---|---|---|---|
| 文献检索 | 生成检索词与检索式、初步筛选文献线索、概括文献摘要 | 文献是否真实存在、题录信息是否准确、文献与选题是否相关 | 直接产出无法溯源的文献并作为参考文献 |
| 参考文献整理 | 按GB/T 7714、APA等格式调整标点、排序、作者姓名写法 | 每条题录完整真实、格式符合学校要求 | 不经核验直接采用AI补全或猜测的缺项 |
| 统计图表 | 根据已确认的数据推荐图形类型、生成制图代码、调整标签与颜色 | 图表是否忠实反映原始数据，单位、坐标轴、图例、样本量是否正确 | 生成、修改或伪造实验数据，虚构显著性结果 |
| 原创数据与结论 | 帮助组织解释思路、润色讨论语言、提出可能的分析角度 | 数据来源真实、分析逻辑清晰、结论有证据支持 | 直接生成实验数据、访谈记录、调查结果或研究结论 |
文献检索：AI可以提高效率，但不能替代来源核验
在文献检索环节，生成式AI可以承担不少外围工作。例如，学生可以让AI根据研究问题生成中英文检索词、推荐数据库检索式，或者对一批文献标题和摘要做初步归类。有的工具还能帮助把模糊的研究问题转成更具体的检索问题，这对初次写毕业论文的学生有实际帮助。
但这一环节最容易出现的问题是AI“编造文献”。生成式模型有时会根据语言概率组合出看似合理的作者、篇名、期刊名和年份，但这些文献可能并不存在。如果学生不加核验就把AI给出的题录写入参考文献，就会构成事实错误，甚至被认定为学术不端。
因此，文献检索阶段的合规做法应当是：AI负责“找线索”，学生负责“验真身”。每一条从AI处获得的文献，都应当回到学校图书馆数据库、期刊官网或DOI解析平台逐条核对。只有在权威来源中能查到且信息一致的文献，才允许纳入参考文献。对于AI生成的摘要，也不能替代阅读原文；如果用于文献笔记，应注明“由AI生成，已核对原文”或“待阅读原文后确认”。
参考文献格式整理：格式可交给AI，真实性必须自己把握
参考文献格式整理是本科论文中重复性较高、规则较细的工作。生成式AI可以根据GB/T 7714、APA、MLA等格式要求，把题录中的作者、年份、标题、刊名、卷期、页码等信息重新排列，并调整标点和字体。这类格式性辅助通常被高校视为可接受的使用方式。
需要警惕的是，AI在“整理格式”的过程中，可能会顺带“补全”缺失信息。例如，当学生给出的题录里缺少卷号、期号或页码时，有的工具会根据常见模式自动填充。这种填充如果没有经过原始文献或数据库核验，就可能导致参考文献错误，甚至出现不存在的卷期页码。
可操作的做法是：先由学生依据原始文献或数据库建立完整、真实的题录，再让AI按照目标格式进行转换，最后由学生逐条复核。AI处理的是“排版和排序”，不是“文献真实性判断”。参考文献核验的最终责任始终在学生本人，不因使用AI而转移。
统计图表：制图可以辅助，数据不得由AI改动
统计图表环节的边界需要区分两个层面：一是“制图或图形推荐”，二是“数据本身与结论形成”。
在数据已经由学生通过实验、问卷、观察或公开数据源获得并确认的前提下，AI可以帮助判断变量类型适合柱状图、折线图还是散点图，也可以生成R、Python或Excel可用的制图代码，或对图形标签、颜色、坐标轴样式提出修改建议。这类辅助不改变数据本身，通常属于允许范围。
但AI不得用于生成、补全、删除或修改原始数据，也不得为了得到显著结果而建议学生剔除异常值、筛选样本或调整统计方法。学生需要逐项核验AI推荐图形是否反映真实数据，坐标轴和单位是否准确，图例是否对应正确变量，异常值和缺失值是否得到如实呈现。统计结论也应当由学生根据原始数据和分析结果形成，而不是直接采用AI生成的解释。
原创实验数据与结论：核心研究环节不得由AI替代
毕业论文中最需要守住的红线，是原创性或实验性结果必须来自学生本人实际完成的研究过程。无论是理工科的实验数据、人文社科的访谈转录，还是问卷调查结果、田野记录，AI都不能直接生成或改动。
如果AI用于数据清洗、代码编写或分析辅助，学生需要说明工具名称、使用范围和清洗规则，并保证每一步都能回溯到原始数据。例如，可以记录“使用某工具编写Python代码，对问卷数据的缺失值按预先设定规则进行标记”，而不能只写“数据经AI处理”。结论的形成同样如此：AI可以帮助学生组织讨论语言，但结论是否有证据支撑、是否存在过度推断，必须由学生本人判断。
使用说明与留痕：让AI使用可核查、可披露
合规使用生成式AI的重要标志之一，是能够清楚说明自己在哪些环节使用了AI、如何使用以及做了哪些核验。建议学生在写作过程中保留以下记录：
- 使用工具的名称、版本和使用日期；
- 使用AI的具体环节，如文献检索、参考文献格式整理、图表代码生成等；
- 关键提示词或任务描述；
- AI输出的重要内容摘录；
- 学生本人对AI输出的修改、核验和最终判断。
各校对于AI使用说明的位置和格式可能有不同要求。有的要求在论文扉页或致谢前设置专门声明页，有的要求按章节标注，有的则要求同时提交AI使用说明表。学生应在开题或初稿阶段就查阅本校最新文件，避免到提交前才发现格式不合规。
各校文件存在差异，以本校最新规定为准
不同学校对AI工具的具体允许范围并不完全相同。有的学校只禁止在数据和结论部分使用AI，有的则进一步限制在文献综述中的直接生成；有的要求逐项声明，有的只要求总体说明。院系或指导教师提出的要求，往往比学校的一般规定更具体，也应优先遵守。
因此，本文所梳理的是一种通行的判断框架和操作思路，不能替代本校文件。学生应当以本校最新发布的本科毕业论文工作规定、学术诚信规范或AI工具使用指引为依据，在写作前、写作中和提交前反复核对，确保使用方式既提高效率，又不越过学术诚信的边界。
