研究生在学位论文中使用生成式人工智能时，真正需要回答的不是“能不能用某个工具”，而是“哪些判断必须由我作出、哪些记录能证明这些判断确实由我作出”。据公开报道，北京市于2026年11月5日在第十届北京教育论坛发布《北京市教育领域人工智能应用指南（2026年）》，其中提出按风险与教育目标划分“禁止准入、有限使用、鼓励使用”三类清单。对研究生而言，这套分类的价值不在于给工具贴标签，而在于把“独立学术能力、独立思考、专业判断力与伦理思辨力”落到选题、开题、研究设计、数据分析、写作修改和提交披露等具体环节。本文资料检索日期为2026年11月30日。
一、先厘清适用边界：地方指南不能替代本校规定
北京市指南是地方教育行政部门的指导性文件，不是所有高校、所有院系、所有学位项目的统一操作手册。研究生在动手之前，至少需要核对五类规则：学校研究生院或教务部门的最新文件；所在学院或系的实施细则；导师课题组的明确要求；学位论文提交、查重与盲审规定；拟投稿期刊、会议或基金的使用披露要求。如果这些规则与地方指南不一致，通常应按更严格者执行。
公开摘录显示，高等教育场景中的AI应用可能包括文献分类筛选、编程辅助、研究方法头脑风暴、实验室模拟等，但同时也强调必须保留明确边界，例如不能进行不透明的评分、行为诊断或仅凭模型输出作出纪律性判断。这一思路可以迁移到学位论文：低风险、可核验、不触及核心学术判断的辅助，可能属于“有限使用”甚至“鼓励使用”；一旦替代研究问题、核心论证、数据解释或伦理责任，就应触发“禁止准入”或至少“停手复核”。
二、把“独立完成”拆成四类可观察问题
“独立完成”不是一句态度声明，而是可以被追问、被复述、被记录的能力表现。导师或答辩委员会通常不会只问“你用了AI吗”，而会追问以下问题。
1. 独立学术能力
研究问题是谁提出的？问题来源是文献空白、现实矛盾还是数据异常？为什么值得研究？如果让AI直接生成选题、研究假设或创新点，就属于把问题意识外包。可提交证据包括选题日志、开题报告修改版本、导师反馈记录，以及你能够口头解释的问题形成过程。
2. 独立思考
为什么选择这个研究方法，而不是另一个？备选方案是什么？排除理由是什么？如果让AI替代方法选择与论证，就削弱了独立思考。可提交证据包括方法比较表、决策日志、预实验记录、方法课作业或组会讨论记录。
3. 专业判断力
异常值如何处理？模型假设是否满足？结论的边界在哪里？如果直接把数据解释、因果归纳和结论撰写交给AI，就属于放弃专业判断。可提交证据包括分析日志、代码版本、结果核验记录、备选模型对比、敏感性分析。
4. 伦理思辨力
数据是否脱敏？是否取得知情同意？AI贡献如何披露？署名是否诚实？如果上传敏感数据、隐瞒AI使用，或把AI列为作者，就触碰伦理底线。可提交证据包括伦理审批、数据管理计划、AI使用声明、数据存储与访问记录。
三、三类清单落到论文环节：停手信号与可提交证据
下表把“禁止准入、有限使用、鼓励使用”的思路转化为论文各环节的判断问题和留痕建议。需要强调的是，表中的“可有限使用”不等于无限授权；若本校规定更严，按本校执行。
| 论文环节 | 禁止准入或停手信号 | 可有限使用 | 建议留痕 |
|---|---|---|---|
| 选题与开题 | 让AI生成研究问题、核心假设、创新点 | 用AI做背景扫描、关键词扩展、研究缺口线索 | 选题日志、开题报告版本、导师反馈 |
| 文献综述 | 让AI编造文献、直接生成综述段落、未核验引用 | 文献分类、关键词聚类、摘要初筛 | 检索式、数据库导出、阅读笔记、核验记录 |
| 研究设计 | 让AI决定方法、样本、变量、伦理方案 | 方法头脑风暴、检查清单生成、统计术语解释 | 方法比较表、决策日志、预注册或开题记录 |
| 数据收集与处理 | 上传未脱敏数据、让AI伪造或补全数据、自动清洗不核验 | 协助写数据清洗脚本、检查缺失值、生成代码注释 | 原始数据、清洗脚本、处理日志、知情同意 |
| 数据分析与解释 | 让AI直接下结论、替代统计判断、生成因果解释 | 调试代码、解释报错、建议可视化方式 | 分析日志、代码版本、结果核验、备选模型 |
| 写作与修改 | 让AI代写正文、生成核心论证、规避查重 | 语言润色、格式检查、过渡句建议、术语一致性检查 | 草稿版本、修改记录、AI使用日志、导师批注 |
| 引用与提交 | 让AI生成参考文献、绕过查重、隐瞒使用 | 格式核对、查重前自查、提交清单检查 | 文献管理库、查重报告、AI披露声明 |
真正属于“鼓励使用”的，通常是低风险、可核验、不触及核心判断的辅助。例如核对参考文献格式、检查拼写和术语一致性、生成数据可视化代码的初始骨架。但即使是这些环节，也需要本人确认输出正确，并遵守学校的数据与披露要求。
四、过程留痕：可提交的“独立完成”证据包
过程留痕的目的不是应付检查，而是当论文被质疑时，你能够说明学术判断如何形成。建议从开题前就建立以下记录。
1. 版本链
保留从大纲、初稿到定稿的多个版本，最好带有日期、修改说明和批注。只保留最终版，很难证明修改过程由本人完成。
2. 决策日志
按章节记录关键决策：为什么选这个理论框架？为什么排除某个样本？为什么采用这种编码方式？每条记录可以包括备选方案、选择理由、证据来源和放弃原因。
3. 数据与代码
保存原始数据、清洗脚本、分析代码、运行环境、随机种子和输出结果。若使用AI辅助写代码，应记录AI建议的用途、你如何修改、如何验证。
4. AI使用记录
记录工具名称、使用日期、目的、输入内容摘要、输出用途、核验方式、修改幅度和是否披露。不要只写“用了AI”，要写清楚AI在哪个环节产生了什么影响、你如何承担最终责任。
5. 文献阅读记录
对关键文献保留阅读笔记、引用位置和核验来源。AI可以帮你找到线索，但不能代替你读原文、判断质量、决定是否引用。
6. 沟通与审批
导师邮件、组会记录、伦理审批、数据使用协议等，都是证明研究过程真实性的重要材料。
7. 提交声明
如果学校要求披露AI使用，按模板在论文致谢、方法部分或独立声明中说明。不要事后补造记录，自然形成的过程材料更有说服力。
五、常见灰区：什么时候必须停手
翻译与润色
如果AI只改语法、拼写和流畅度，且不改变术语、论证、数据和结论，通常可视为有限使用。如果让AI重写论证、调整结论、生成新观点，就越过了辅助边界。
代码与统计
AI可以帮助解释报错、写样板代码、生成注释。但模型选择、假设检验、变量操作化、异常值处理和结果解释，必须由本人作出并负责。
文献与引用
AI可以辅助检索和分类，但每一条引用都必须回到原文或权威数据库核验。不能把AI生成的参考文献条目直接放入论文。
数据分析
AI可以辅助写代码，但不能把未脱敏数据上传到未批准的服务；不能由AI决定删除数据、替换缺失值或选择模型而不加核验。
写作与降重
让AI代写正文、生成核心论证、改写以规避查重，通常属于禁止准入或学术不端。即使本校没有明文禁止，也可能违反学术诚信要求。
披露
若学校要求披露AI使用，应在规定位置说明。未披露的使用会削弱论文可信度，也可能在答辩或审查中引发额外质疑。
六、被质疑时如何回应
如果导师、盲审专家或答辩委员会询问AI使用情况，可以按以下顺序回应：第一，复述研究问题来源、方法选择、数据来源、分析步骤和结论边界；第二，展示版本链、决策日志、代码、数据和AI使用记录；第三，区分哪些由AI辅助、哪些由本人完成，AI输出如何被核验和修改；第四，说明为何使用AI、是否涉及敏感数据、是否符合本校规定；第五，主动与导师和学院沟通，必要时提交补充说明。
能够清楚复述“为什么这样做”，通常比简单声明“我没有用AI”更有说服力。
七、行动清单
开题前
查本校研究生院、学院和导师的最新要求，并标注检索日期；建立过程记录模板，包括版本、决策、AI使用和数据管理；确认数据合规，包括脱敏、知情同意和存储位置。
写作中
每章维护决策日志，关键判断写清“为什么”；AI使用即记录，输出必须核验；保留草稿与修改记录，不要只留最终版。
提交前
对照三类清单自查是否出现停手信号；按学校模板披露AI使用；请导师确认灰区问题；以本校最新文件和院系细则为准。
北京市指南提供的是分类框架，不是免检通行证。研究生真正要证明的，是核心学术判断由本人作出，并且有可核查的过程记录。本文资料检索日期为2026年11月30日；各校规定可能不同且会更新，请以本校研究生院、学院和导师的最新文件为准。
