大语言模型访问权限对论文写作行为的影响：一项实证研究解读

背景

随着大型语言模型（LLMs）在高等教育领域的迅速普及，如何平衡其作为辅助工具的价值与对学生学术诚信及学习成果潜在负面影响之间的关系，已成为教育界和技术界共同关注的核心议题。现有的讨论往往陷入两极分化：一方主张完全禁止使用，另一方则倡导无限制地融入教学。然而，这种二元对立的视角可能忽略了中间地带的复杂性。

为了深入探究不同强度的 LLM 访问权限如何具体影响大学生的写作表现、参与度以及对作品“作者身份”的感知，一项基于 arXiv 预印本平台发布的研究（提交于 2026 年 5 月 29 日）进行了一项试点实验。该研究旨在通过控制变量，识别出既能利用 AI 提升学习效率，又能保护学生创作主体性的最佳实践策略。

核心内容

这项研究由计算机科学领域（cs.CL）的学者主导，重点考察了不同级别的 LLM 辅助对写作任务的多维度影响。研究团队招募了 24 名大学生作为参与者，并采用随机对照试验的方法，将他们分为三组，每组在撰写短文时面临不同的 LLM 访问条件：

1. 无访问组（No Access）：禁止使用任何 LLM 工具。
2. 受限访问组（Limited Access）：允许使用 LLM，但受到严格限制，包括提示词（prompts）数量不超过 3 次，且每次 LLM 生成的回复字数上限为 100 词。
3. 无限制访问组（Unlimited Access）：允许无限制地使用 LLM 进行辅助。

研究团队从三个主要维度评估了各组的表现：写作质量、写作行为模式以及学生对作品“作者身份”的主观感知。

关于写作质量： 数据分析显示，三组学生在最终提交的论文整体质量上并没有统计学上的显著差异。这意味着，无论是依靠纯人力、适度借助 AI 还是完全依赖 AI，最终产出的文本在评分标准下均达到了相似的水平。

关于写作行为与心理感知： 尽管最终产出质量相当，但在写作过程和主观体验上，各组之间出现了巨大的分歧：

• 受限访问组表现出最强的“所有权感”。高达 62.5% 的参与者表示愿意将这篇论文作为独立作品提交。此外，该组学生在文章组织结构上的提升最为明显，且在使用 LLM 时采取了更具策略性的方法，侧重于通过提示词进行针对性的修改和优化，而非从头生成。
• 无限制访问组则呈现出不同的特征。他们在写作任务上花费的时间更多，但其产出的文章风格与 LLM 的典型输出高度相似。更重要的是，该组学生报告称其创造性表达受到了抑制，且对作品归属感的认同度较低（仅 25% 的人愿意将其作为独立作品提交）。

关键要点

• 质量趋同，过程分化：LLM 的介入并未在统计学上显著提升或降低论文的整体质量，但深刻改变了学生的写作行为和认知体验。
• 适度约束增强主体性：限制 LLM 的使用（如限制提示次数和输出长度）能显著提升学生的“作者身份”自信。受限组中超过六成学生视其为独立作品，而无限制组中这一比例仅为四分之一。
• 策略性使用优于依赖性使用：受限访问促使学生采取更策略性的提示工程（Prompt Engineering），关注于大纲构建和局部修改，从而获得了更强的组织能力增益；而无限制访问可能导致学生陷入被动接受生成的内容，削弱了创造性表达。
• 时间投入与产出风格：无限制访问组花费了更多时间，但其文本特征更贴近 AI 生成的风格，这可能反映了“算法风格”对传统学术写作风格的覆盖。
• 平衡点在于“脚手架”而非“替代品”：研究结果表明，完全禁止 LLM 并非唯一或最佳选择，通过合理的约束机制，可以保留 AI 作为学习脚手架（Scaffolding）的优势，同时避免对学生自主性的侵蚀。

意义与影响

这项研究为高等教育机构制定 AI 使用政策提供了重要的实证依据。它挑战了“要么全有，要么全无”的传统思维，提出了一种更为精细化的管理思路：通过设计合理的访问约束，可以在利用 AI 提升学习效率与保护学生学术诚信及创造力之间找到平衡。

对于教育者而言，这意味着在引入 LLM 时，不应仅仅关注最终产出的质量，更应关注学生与工具交互的过程。限制性的使用规则（如字数限制、交互次数限制）可能比完全开放更能激发学生的深度思考和组织能力提升。

对于技术开发者及平台设计者，这一发现暗示了在教育类 AI 产品中嵌入“引导式”或“限制性”模式的价值。通过界面设计引导用户进行策略性交互，而非简单地提供无限生成的便利，可能有助于培养更健康、更具自主性的 AI 辅助学习习惯。

最终，这项研究强调了在人机协作中，“人”的主体地位需要通过制度和技术手段加以维护和强化，确保 AI 是增强人类能力的工具，而非替代人类思考的黑箱。