在研究生培养的关键环节——开题报告、综合考试(资格考试)、学位论文写作——使用生成式人工智能(GenAI)工具,已不再是一个可以模糊处理的技术偏好问题,而是一个涉及学术诚信与培养规矩的程序问题。部分高校研究生院已明确建议或要求:学生在研究、写作等学术活动中使用生成式AI前,应事先取得导师与指导委员会的明确书面同意;未获授权而使用,可能被认定为违规。本文把“事前书面批准”拆解为申请、记录、复核三段流程,重点说明找谁批、批什么、怎么留证据,以及未获批时怎么办。
需要先说明规则来源与适用场景。不同院校、不同院系对生成式AI的管控尺度差异较大:有的在院系层面要求“在论文工作中使用任何生成式AI之前,必须通过电子邮件取得导师明确无误的书面许可”(如萨斯喀彻温大学计算机科学系研究生政策,检索日期:2026年5月);有的研究生院则把范围扩展到“课程作业、资格考试环节、学位论文”,要求“在计划使用GenAI工具前取得书面、无歧义的授权”,并明确“书面授权可通过任何能够验证日期的机制获得,包括电子邮件或即时消息”,且“学生有责任保存该授权的记录”(如卡尔加里大学Schulich工程学院研究生院指南,2024年10月批准,检索日期:2026年5月)。圭尔夫大学研究生与博士后研究办公室的默认预期同样指出:计划在研究或写作中使用生成式AI的研究生,“必须事先向导师和指导委员会寻求对计划用途的明确批准”,批准“必须记录在案”,并遵守所在院系或领域的专门政策(检索日期:2026年5月)。这些材料反映的是一个共同趋势:把同意前置、把授权书面化、把记录留存责任交给学生。但具体到每一所学校、每一个培养环节,究竟由谁批、批到什么颗粒度,必须以本校研究生院和院系的最新文件为准。
一、申请阶段:批什么、找谁批
事前批准的核心不是“能不能用AI”这样一个笼统的是非题,而是对“用什么工具、在哪个环节、做什么用途、涉及什么数据”的具体约定。申请写得越具体,后续争议空间越小。
1. 申请中应写明的要素
一份可操作的书面申请,至少应覆盖以下五项:
- 工具名称与版本:写明具体产品名称,必要时注明版本或访问方式(如网页版、API、本地部署)。如果计划使用多个工具,逐一列出。
- 涉及培养环节:明确是用于开题报告、综合考试准备、研究设计、数据分析、论文初稿撰写、语言润色,还是其他环节。同一工具在不同环节的合规风险不同。
- 具体用途与规模:说明用于搜索文献、生成提纲、设计研究方案、编写代码、起草文本、编辑润色、生成图像或其他内容类型。同时给出使用规模的初步判断,例如“仅用于语言润色”“用于生成数据分析的初步代码框架”“用于文献综述的线索梳理”。
- 数据范围与保密等级:说明是否会向AI工具输入未发表数据、受试者信息、访谈转录稿、未公开的 manuscript 或其他敏感材料。这一步直接关系到数据隐私与保密义务。
- 替代方案与人工验证计划:简要说明AI输出将如何被人工核验,以及哪些部分完全由研究者独立完成。
2. 找谁批
通常的审批链条是:导师是第一审批人。对于硕士生,部分院系还要求导师进一步征求指导委员会的意见(如萨斯喀彻温大学计算机科学系政策中提及,硕士生导师可寻求指导委员会的额外批准)。对于博士生,尤其是涉及综合考试和学位论文的环节,指导委员会或研究生项目负责人的知情与认可往往不可省略。如果所在院系有专门的研究生AI使用政策,应优先遵循该政策指定的审批主体。
课程作业中的AI使用,审批权通常在任课教师,以课程大纲中的说明为准;但若课程作业同时构成培养环节的一部分(如综合考试的某篇论文),则仍需回到导师和指导委员会的批准框架内。
3. 申请的语言与形式
书面申请不必是一份正式公文。一封结构清晰的电子邮件即可,但应避免模糊表述。例如,“我想在论文写作中使用AI”就不如“我计划在开题报告的文献综述部分,使用某工具对已发表文献的摘要进行主题聚类,以辅助我筛选重点阅读范围;不会向该工具输入未发表数据或受试者信息”来得明确。后者既降低了导师的决策负担,也为后续留痕提供了清晰边界。
二、记录阶段:怎么留证据
口头同意在培养环节的争议中几乎无法作为有效证据。可追溯的书面记录是事前批准流程的核心产出。
1. 保存什么
- 批准记录本身:邮件往来、即时消息截图、课程大纲中的相关条款、指导委员会会议纪要中关于AI使用的决议。卡尔加里大学的指南明确,书面授权可通过任何能够验证日期的机制获得,包括电子邮件或即时消息,并强调学生有责任保存该记录。
- 申请与批准的对应关系:如果导师的回复是“同意”,但未逐项确认你列出的用途,最好在收到同意后发一封确认邮件,复述你理解的批准范围,请导师确认或修正。这一步不是不信任,而是把“无歧义”落到实处。
- 变更记录:如果实际使用中超出了原批准范围,补充申请和补充批准的记录应与原始记录一并保存。
2. 保存在哪里
建议建立独立的培养环节档案文件夹,按时间顺序保存以下内容:申请邮件、导师回复、补充确认、指导委员会相关纪要、使用日志。如果学校有电子档案系统或培养环节提交平台,优先使用平台留存;同时保留一份个人备份。保存期限建议至少覆盖到学位授予之后,因为考试委员会在综合考试或论文答辩中可能质询AI使用情况,届时需要出示授权记录。
3. 使用过程中的留痕
获批后的使用留痕,重点不是记录每一次对话,而是保留足以还原“做了什么、没做什么”的关键信息:
- 使用日志:简要记录日期、工具、用途、输入数据的类型(不必保存全部输入内容,但应记录数据类别)、输出被如何使用(采纳、修改、弃用)。
- 人工核验痕迹:对AI生成内容进行事实核查、数据验证或逻辑修正的记录,例如批注、修订记录、比对笔记。
- 披露声明草稿:在论文或开题报告中按学校要求撰写AI使用披露声明时,使用日志可以直接支撑披露内容的准确性。
需要特别注意的是,向生成式AI工具输入未发表数据、受试者信息或保密材料,本身可能构成数据隐私或保密义务的违反,即使导师同意了“使用AI”,也不等于同意了“输入任何数据”。数据范围的批准必须单独、明确。
三、复核阶段:情况变化时如何补充确认
事前批准不是一劳永逸的。研究推进过程中,工具、用途、数据范围都可能变化,复核机制就是为这些变化设置的。
1. 触发补充确认的常见情形
- 计划使用新的AI工具,或同一工具推出了可能改变数据使用方式的新功能。
- 使用用途从“语言润色”扩展到“研究设计”或“数据分析”。
- 需要向AI工具输入原批准范围之外的数据类型。
- 培养环节发生变化,例如从开题阶段进入综合考试阶段,或从课程作业转入学位论文。
- 学校或院系发布了新的AI使用政策,原批准所依据的规则环境发生变动。
2. 补充确认的方式
补充确认不必重新走一遍完整申请,但应遵循与原始批准相同的书面化标准。一封简短的邮件即可:“此前您批准我在开题报告文献梳理中使用某工具进行摘要聚类。现在我希望在数据分析阶段使用同一工具辅助生成初步代码框架,不会输入原始数据。是否同意?”导师的回复即构成补充授权,与原始记录一并保存。
3. 未获批时怎么办
如果导师或指导委员会不同意某项AI使用,首先应明确不同意的范围:是全面禁止,还是禁止特定用途或特定数据输入?如果是后者,可以调整方案后重新申请。如果全面禁止,则需要在不使用该工具的条件下完成培养环节,并保留申请与未获批的记录,以证明自己曾主动寻求合规路径。未获批记录本身也是一种保护:它表明学生没有绕过审批程序。
如果认为导师的决定与学校层面的政策不一致,可以查阅研究生院的最新文件,必要时向研究生项目负责人或学术诚信办公室咨询。但无论如何,不应在未获批的情况下先行使用、事后补批。
四、把三段流程变成可复用的操作清单
以下清单可直接用于开题、综合考试等培养环节前的准备:
申请前
- 查阅本校研究生院、所在院系、指导委员会关于生成式AI的最新文件,确认审批主体和特殊要求。
- 列出计划使用的工具、涉及环节、具体用途、数据范围。
申请中
- 通过可验证日期的方式(邮件优先)向导师提交书面申请,逐项写明上述要素。
- 如导师同意但未逐项确认,发确认邮件复述批准范围。
- 如院系要求指导委员会批准,请导师协助将申请提交至委员会,并保留相关纪要。
获批后
- 建立独立档案,保存申请、批准、补充确认的全部记录。
- 记录使用日志,保留人工核验痕迹。
- 按学校要求撰写AI使用披露声明。
情况变化时
- 对照原批准范围,判断是否触发补充确认。
- 补充确认同样以可验证日期的书面方式进行。
- 未获批时,保留申请记录,调整方案或寻求替代路径,不先行使用。
最后需要反复强调的是:本文所述流程基于部分高校已公开的政策文本和指南,检索日期为2026年5月。各校各院系的规定差异较大,且处于快速更新中。在启动任何培养环节的AI使用之前,务必以本校研究生院和所在院系的最新官方文件为准,并向导师确认具体操作要求。书面批准的意义不仅在于合规,更在于让导师、指导委员会和学生三方对“什么可以做、什么不可以做”形成一致理解,从而把学术诚信的边界落在可追溯的证据上。


