- 陈向东;陈鹏;刘泽民;
生成式人工智能的兴起正在重塑以人为中心的知识生产与学术署名秩序,AI作者争议由此成为重要议题,不断挑战着学术共同体的伦理边界与治理能力。对教育研究而言,这一争议带来的风险不仅是法律层面的责任归属与问责困难,更可能引发以学习者保护为核心的伦理保障出现结构性缺位,即“监护真空”。文章首先运用谱系学方法追溯现代学术中作者身份与作者功能的历史演变,阐明作者作为责任锚点的制度起源及其在教育研究中的特殊意义;其次,立足现实争议,对近年AI作者权相关案例、学术规范与治理议程进行制度分析,揭示现有知识治理框架在责任链、透明度与风险识别上的不足及其对教育研究的潜在影响;最后,在前述分析基础上展开规范建构,提出更为严格且适配AI参与的教育研究伦理与问责框架。文章旨在将AI时代作者权争议置于教育研究这一高风险场域中加以理论化与制度化解释,揭示其独特伦理困境,并为后续实证研究与政策制定提供规范性参照。
2026年05期 v.36;No.301 5-15页 [查看摘要][在线阅读][下载 951K] [下载次数:307 ] |[网刊下载次数:0 ] |[引用频次:0 ] |[阅读次数:6 ] - 褚乐阳;仇星月;
随着大语言模型的兴起,AI合成数据作为重塑教育研究证据来源的新型工具备受关注。然而,这一从统计学领域跨越至教育科研的新兴实践,引发了关于科学证据性质变化的深刻争议,其应用边界与潜在风险尚不明晰。文章追溯了合成数据从统计披露控制到大模型生成的演进脉络,剖析了大模型如何通过世界模型、心理理论模拟等机制重塑合成数据的生成逻辑,并系统分析了其在量化、质性、实验仿真、评估研究等场景中的应用形态。文章还揭示了代表性失真、认知机制差异、伦理规范缺失及质量评估困难等核心挑战,强调合成数据有效应用的情境依赖性,呼吁建立适应人机协同研究的新认识论体系,审慎、负责任地应用这一新兴工具。
2026年05期 v.36;No.301 16-26页 [查看摘要][在线阅读][下载 1169K] [下载次数:581 ] |[网刊下载次数:0 ] |[引用频次:0 ] |[阅读次数:6 ] - 卢淑怡;周春红;靳旭莹;
在人工智能科学(AI for science,AI4S)推动研究范式持续演进的背景下,研究过程日益依赖多源数据与可解释的证据链条。在混合研究中,质性材料与量化数据往往难以在同一逻辑链条中贯通,易造成统计结果与情境经验脱节,使证据整合停留于形式层面。为此,文章基于大语言模型(Large Language Model,LLM)在语义表征与情境理解等方面的能力,提出了一个由上行路径、下行路径与质量控制机制构成的质性-量化融合框架。该框架通过上行与下行两类分析路径在量化结构与质性材料之间建立可解释的连接,并辅以质量控制机制以确保推理过程的稳健性。为验证框架的可行性与解释力,文章利用教师协作过程的真实数据进行检验。结果显示,该框架能够在统一的表示空间中促进跨数据类型的相互验证,为突破混合研究中证据并置的局限提供系统化的技术路径,也为AI4S时代社会科学研究方法的融合创新奠定基础。
2026年05期 v.36;No.301 27-37页 [查看摘要][在线阅读][下载 1206K] [下载次数:351 ] |[网刊下载次数:0 ] |[引用频次:0 ] |[阅读次数:1 ]