夜雨聆风
学术观点 | AI检测背景下硕士研究生英语学位论文的修改实践研究
中国外语2026年第2期（总第130期）
（点开可看本期目录）
教学研究
AI检测背景下硕士研究生
英语学位论文的修改实践研究
1
人工智能（artificial intelligence，AI）技术在外语教育领域的应用日益广泛，引发了大量关于AI用途及其潜力的讨论（如Wang et al.，2024；文旭，2025）。已有研究从多角度探讨了生成式AI（如ChatGPT、DeepSeek等）在辅助语言产出、提高语言质量以及人机交互（human-machine interaction）过程中的作用（如Rad et al.，2024；文秋芳、梁茂成，2024），初步揭示了AI在支持学习者认知负荷管理、提升学习效率等方面的积极潜力（Hong & Guo，2025；王海啸，2024；文秋芳，2024）。然而，尽管关于AI技术自身特性及其辅助外语学习的研究不断丰富，但关于学习者在实际使用AI的过程中，尤其是在面对具体任务需求时如何动态调整使用策略，以及由此引发的学习变化，目前的实证研究仍显不足。事实上，每一次技术创新在教育领域的应用，不仅能带来工具层面的便利，更能激发使用者在实践中展现出高度的创造性。例如，互联网最初是作为军事通信与科研数据共享的工具被开发出来的，但在普及过程中，用户迅速扩展了其用途，发展出电子邮件、聊天室、博客及社交媒体等多种新的交互方式（Leiner et al.，2009），远远超出了设计者最初的设想。因此，探究AI在外语学习实际应用中的动态使用过程，尤其是学习者如何在特定情境下主动调整和创造性地使用AI，成为当前亟待拓展的研究方向。
在此背景下，本研究关注一个日益普遍但尚未充分研究的现象：由于很多高校都提出了AI生成内容检测（如AI文本原创性检测）的要求，外语类专业硕士研究生在撰写英语学位论文过程中，为降低AI指数，往往需要对原有文本进行大幅度的人为修改。所谓AI检测机制，通常指借助特定算法识别文本中生成式人工智能工具（如ChatGPT等）所生成内容的技术。以知网AIGC原创性检测为例，其原理主要基于特征比对和语言模型判断，通过分析文本在流畅性、逻辑性、风格一致性等方面是否呈现出机器生成特征，从而生成“AI生成内容占比”（即AI指数）。在检测视角下，语言结构过于工整、表达高度规范化、语篇推进线性完整等，往往被视为“AI化”的表现。因此，所谓“去AI化”修改，主要是指学习者通过调整词汇搭配、句法形式、段落结构等方式，主动弱化文本中可能引发检测警报的语言特征，以降低AI指数、提高文本的“人类感”。这一修改行为虽然源于外部检测压力，但在具体执行过程中，学生需要不断评估文本的语言特征、内容表达与学术规范，并据此进行有意识的改写和重构，实际上构成了一个需要高度认知投入和自我调控的写作学习过程。已有研究多聚焦于AI辅助写作带来的伦理问题、检测技术的发展或写作成品的质量变化（De Wilde，2024；李洁、熊又贤，2025），而对于这一因应检测而展开的修改行为本身及其对学习者英语写作发展的潜在促进作用，尚缺乏系统探讨（徐林林等，2024）。本研究旨在回应这一问题，探究学生在降低AI指数过程中展现出的写作策略、学习变化及其发生机制。
为更好地理解这一修改实践背后的学习意义与机制，本研究从学术语言社会化（academic language socialization）视角对其进行考察。学术语言社会化指个体在参与学术语篇实践的过程中，逐步习得、适应并再生产学术话语规范，从而在语言、认知和身份层面成为学术共同体成员的过程（Duff，2010b；Pu & Xu，2022）。在技术中介的写作情境中，学生在应对检测压力、调整语言与语篇特征的同时，实际上也在通过与学术规范的互动逐步建构自己的学术身份。采用这一视角，有助于揭示表面上“去AI化”的写作修改行为如何蕴含语言意识发展、规范适应与身份建构的深层机制，从而超越单纯技术层面的解释。
硕士研究生在修改AI生成文本以降低检测指数的过程中，其行为动因远非仅限于技术层面。这类修改往往围绕用词选择、句式组织、逻辑结构与语篇风格展开，体现了学习者对“符合学术规范”这一标准的意识过程与适应行为。因此，这一过程应被理解为一种社会化实践，而非单纯的语言编辑。学习者通过修改，实际上是在努力使自己的文本与学术共同体所认可的语言形式和交际标准“对齐”，从而获得学术身份的合法性（Canagarajah，2012），这一过程显然属于学术语言社会化的范畴。因此，本研究将硕士研究生为降低AI指数所进行的文本修改，视为其参与学术语言社会化的一种途径，并尝试揭示该过程中的语言意识提升与写作能力发展机制。
作为一种语言与身份共同构建的社会实践，学术语言社会化过程通常体现在学习者对学术语篇的理解、再现与操控之中（Duff，2010a）。在具体分析这一过程时，研究者通常关注学习者在文本建构过程中的语言选择、语篇结构安排、语体风格调适以及自我表征策略（Duff，2010b；Morita，2004）。这些行为不仅反映出学习者语言能力的发展，更是其逐步理解并适应目标学术共同体规范的外在表现。例如，Achugar & Carpenter（2012）指出，学习者在处理学术文本时展现出的词类变化、小句形态多样化等特征，都可被视为其对目标语篇规范的响应。Duff（2010a）则强调，在修改过程中学习者并非被动接受规范，而是在与规范的互动中展现出一定的主体性，通过策略性调整，努力使自己的表达更符合学术环境的期待，从而获得被学术共同体接受的交际能力与合法性。因此，本研究从学术语言社会化的视角出发，尝试从以下几个维度来观察学习者的修改过程：（1）语言层面的调整策略，如词汇、句法和语篇结构的选择；（2）写作目的与读者意识的体现，特别是在保持“类人”风格方面的尝试；（3）学习者对学术身份的反思与调试，即他们如何在修改中展现或掩饰AI参与的痕迹，以获取学术正当性。这些分析维度有助于揭示“降低AI指数”行为背后所承载的复杂社会化机制。
基于上述理论视角与分析框架，本研究拟回答以下3个问题：（1）学习者在为降低AI指数而修改学位论文文本的过程中，使用了哪些具体的语言层面的调整策略？（2）在修改过程中，学习者如何体现对写作目的和读者期待的意识，并据此调适文本风格以接近“类人”表达？（3）学习者在修改过程中如何处理AI参与的痕迹？他们如何通过这一过程反思并调试自己的学术身份？
本研究采用个案质性研究方法（Yin，2018）。一方面，本研究具有明显的探索性，因而适合采用个案研究以探究学习者的语言实践与心理动因。另一方面，文本修改作为一种兼具语言、认知与社会意义的写作活动，蕴含着高度个体化的策略与判断，需要通过对具体个案的深描来捕捉其复杂性与微观机制。
本研究主要收集两方面的数据：一是研究对象提交的用英语撰写的学位论文多稿次文本，包括初稿、AI检测后修改稿、最终定稿等；二是围绕写作修改过程所进行的半结构式访谈，以获取学习者对AI参与及修改行为的认识和理解。在数据分析过程中，研究者采用主题分析法（Braun & Clarke，2021），结合预设分析维度与归纳编码策略，识别文本修改行为中的语言特征、交际意识及身份建构等核心主题，进而建构对其学术语言社会化过程的整体性理解。
3.2 研究对象
本研究共邀请6名来自北京两所高校的毕业年级硕士研究生作为研究对象，其专业为英语语言文学或外国语言学及应用语言学。他们的学位论文选题涉及社会语言学、心理语言学、外语教师教育、二语写作和学习者情绪等领域，在研究主题上呈现出多样性。在撰写学位论文的过程中，这些学生均面临所在学校对AI生成文本的检测要求，需要进行多轮文本修改以降低AI指数。
所有研究对象均由研究者熟悉的硕士或博士研究生推荐，并在初步沟通中明确表示，其在论文写作初稿阶段大量使用生成式A I工具（如ChatGPT、DeepSeek等）进行辅助写作。研究对象与研究者之间无任何指导、评审或教学关系，在研究开展前亦彼此不相识，从而避免了身份关系可能产生的影响。为确保研究伦理合规，所有参与者均签署了书面知情同意书，同意其论文文本及访谈内容在隐去身份信息后用于本研究分析。在数据收集与分析过程中，所有与研究对象相关的信息均做了匿名化处理。研究者为每位参与者设定了中文假名，分别为：赵雪、钱安、孙茹、李慧、周硕和王敏。
3.3 数据收集
本研究的数据收集主要包括参与者的论文写作文本和访谈材料两部分。首先，在文本方面，每位研究对象均提供了其硕士学位论文的初稿和定稿。论文初稿指研究对象使用AI工具辅助撰写后，自主上传至中国知网进行AIGC原创性检测的初稿。该检测系统可识别文本中可能存在的AI生成内容，并据此生成“AI指数”作为评价指标。论文定稿则指最终提交至学校研究生院进行盲审或外审的版本，通常为AI指数已达校方要求、内容与格式均经充分修改后的成果。在初稿与定稿之间，多数研究对象经历了不止一次的文本修改过程。其中，赵雪与钱安在完成一次针对AI指数的集中修改后，即认为已达到学校标准，因此提供了3份文本数据：初稿、修改稿与定稿。其余4位研究对象（孙茹、李慧、周硕、王敏）则结合检测结果与个人判断，对论文进行了2至4轮修改。这些中间版本为研究者提供了追踪写作演变过程的机会，有助于分析参与者在面对AI检测要求时的具体调整行为与写作意识变化。
在文本材料的基础上，研究者还通过两轮半结构式访谈，了解学习者的修改动因、策略运用与思维过程。第一轮访谈聚焦写作与修改的全过程，访谈前，研究者请研究对象提前梳理并准备具有代表性的修改片段，特别是那些在AI指数检测中触发其重点修改的部分，以及他们认为修改难度较大或印象深刻的写作经验。正式访谈时，研究对象在研究者引导下通过屏幕共享展示相关文本，结合自身写作经验进行详述，研究者根据需要追问或请研究对象澄清关键细节。第一轮访谈时长为25至49分钟不等。第二轮访谈安排在初步数据分析之后，主要针对疑点、模糊之处或研究者无法完全解读的文本修改行为，研究对象做进一步澄清与补充。访谈方式与第一轮相同。第二轮访谈时长为9至19分钟不等。数据收集详情见表1：
表 1文本数据与访谈数据收集详情
3.4 数据分析
本研究采用主题分析法对论文文本及访谈材料进行系统分析（Braun & Clarke，2021）。第一阶段为材料熟悉与初步标注。研究者通读所有访谈转录文本及论文各稿次，记录学习者对修改过程的描述与解释，并在通读过程中做出初步笔记，标注与研究问题相关的内容，如语言形式的具体调整、对AI指数的感知、对学术规范的理解等。第二阶段为编码与主题归类。在多次阅读的基础上，研究者围绕预设的三大分析维度（语言层面的调整策略、写作目的与读者意识、学术身份的理解与建构），对文本中的相关片段进行人工编码。在编码过程中，研究者也开放接纳新的意义单元，如学习者对AI生成与“人类写作”之间界限的判断、对“被看作学术写作者”的焦虑等，并对各个主题进行归类与整合。第三阶段为主题结构确认与分析撰写。研究者对主题进行核查与微调，确保其逻辑清晰、相互区分，并能够解释多个个案中重复出现或具有代表性的写作现象。数据分析最终形成与研究问题对应的主题结构，该结构贯穿语言实践与社会化过程，并结合关键片段进行诠释分析，为后文个案呈现与理论探讨奠定基础。
需要说明的是，由于所有研究对象均明确表示，其论文文本及访谈内容仅授权研究者本人使用，不同意将相关数据交由第三方查看，因此数据分析过程中未邀请第二编码者。但研究者对部分在理解上存在不确定性的片段进行了成员核查，即将分析结果中的关键表述反馈给对应的研究对象进行确认或补充，从而提升数据解释的准确性与可靠性。
在面对AI检测系统时，研究对象普遍表现出对“AI化语言特征”的敏感性，并将此作为判断是否需要修改的主要依据。换言之，他们认为文本被判定为AI生成的直接原因，不是写作工具本身，而是文本语言特征与AI惯常输出风格存在相似性。因此，语言修改首先是为了“让文本看起来不像AI写的”，而非语义或结构的优化。
赵雪在第一次访谈中提到：
我觉得就算是人来看，猛一看如果都觉得是AI写的，那检测系统肯定也能查出来。
她的判断标准并不是依赖技术知识，而是基于“表面读感”——一种将机器感与人类阅读体验直接联系起来的直觉式推断。钱安则将这种语言调整类比为“换服饰”，他说：“改一下语言，就变了样。以前在二年级议论文写作课上，老师说过，就像换服饰，人还是那个人，但样子变了。”（访谈2）这体现出学习者将语言风格视为“可感知”的文本表征，而非文本内容本身的改变，通过改变语言风格以掩盖AI痕迹成为其主要的修改策略。
孙茹提供了具体的修改案例，其论文初稿中有这样一句表述：
While this suggests a level of engagement, it highlights a potential superficiality in the participant’s motivations, as their involvement is driven by the avoidance of a negative state (boredom) rather than intrinsic satisfaction or a desire to contribute meaningfully.
她在修改稿中将其调整为：
Although this indicates a degree of engagement, it shows a potential superficiality in the participant’s motivations, because their involvement is inspired by the avoidance of a negative state (i.e., boredom) rather than intrinsic satisfaction or a willingness to make meaningful contribution.
可见，改动包括连接词替换（While→Although）、逻辑关系词替换（as→because）、名词化表达与动词搭配微调等，均未显著改变句义，但整体风格变得更“人化”，即不那么“完美”却更自然，体现了其对AI语言风格的主动辨识与策略性调整。
在初步识别需修改内容后，研究对象常采用的另一种语言修改策略是调整语篇结构或段落组织方式，以进一步弱化AI痕迹。与词汇替换或句法变动不同，这种策略涉及更高层级的文本重组，强调话语推进逻辑与信息分布的“去AI化”。多位研究对象表示，他们担心“太有逻辑”本身会被判定为机器语言的特征，因此主动打破原有论证路径的线性推进模式，重构段落顺序或调整信息展开方式，以提升“人感”。赵雪的案例尤为典型。其论文初稿采用了常见的“优势先讲—问题后置”结构：
The integration of GPT into argumentative writing offers several advantages, particularly in fostering creativity, critical thinking, and efficiency… However, despite these potential benefits, researchers have largely focused on the theoretical and technical capabilities of GPT, leaving a significant gap in understanding how students actually use such tools in practice… This oversight highlights the need for empirical studies…
在此版本中，她（或许是AI代写）从正面切入，全面展示GPT带来的优势，再转入研究空白的论述，结尾提出研究的必要性。这种结构流畅而完整，但正是这种“过于标准”的起承转合引发了她的担忧。在修改稿中，她对该段进行了彻底重组：
While recent years have witnessed increasing interest in the application of AI in education, few empirical studies have explored how students actually engage with GPT in their academic writing practices. This lack of attention to users’ lived experiences raises important concerns… In fact, GPT’s capacity to generate contextually appropriate and stylistically polished texts enables students to brainstorm, organize, and revise more efficiently… Yet, the seamlessness and coherence of its output can also obscure the need for conscious authorial decisions…
修改后的段落以研究问题起笔，中段补充GPT的优势与作用，结尾指出其潜在风险，从而形成“问题导向—展开说明—引出讨论”的新结构。相较于初稿中以GPT功能介绍为主、最后“顺带”指出研究空白的写法，修改稿明显更具批判性与人类思辨特征。
赵雪在第二次访谈中表示：
我其实觉得原来那段写得太顺了，好像AI最爱这种结构。就像老师说的，“一看就知道是背过写的”那种。
她的直觉体现了其对“语篇一致性过强即有AI风险”的判断，也显示出她主动运用了“语篇再组织”策略。
4.2面向目的与读者的风格调适
研究对象在修改过程中不仅关注语言表层的“AI化”痕迹，也展现出对写作目的与读者期待的调适意识。这种意识与其说是传统意义上的“文体匹配”，不如说是他们在特定评审制度与写作场景下形成的一种“读者想象”。这种读者既不是真实存在的学术同行，也不是完全陌生的大众，而是一位具有判断力、权威性、可能挑剔但也可能包容的评审者。这种意识最常见的表现形式，是学习者将文本从“知识阐述”转向“成果展示”，即有意凸显“这是我的研究”而非“这是一个研究”。李慧的修改即为一例。她在原稿中写道：
The key finding–that teachers and students rarely engage in substantial communication, leading to mutual misunderstandings–has significant implications for pedagogy and classroom dynamics.
这段话以学术写作中的“第三人”视角总结研究发现，表达清晰但略显“脱作者化”。李慧将其改写为：
In this study, I found that communication between teachers and students was often superficial, which led to various forms of misunderstanding. I believe this insight sheds light on a critical yet underexplored aspect of classroom interaction, and it calls for more targeted strategies in peda gogical planning.
通过使用第一人称（I found、I believe）并主动表达研究立场，她将研究成果明确归为“我”的发现，从而在文本中建立起作者身份，契合其“我要讲的是我的研究”的书写目标。
与此类似，王敏在修改中呈现出一种“策略性迎合评委”的表达意识。她的初稿为：
By fostering a multifaceted approach that involves educators, policymakers, and families, we can empower students to critically evaluate information on social media, equipping them to make informed decisions in an increasingly interconnected world.
该段文字理想化地描绘了一种教育目标，但缺乏具体实施的指向性。修改后，她写道：
This paper proposes a practical framework involving educators, policymakers, and families to enhance students’ ability to critically assess online information. The proposed model is designed to meet current educational policy priorities and is expected to offer actionable insights for real-world application.
在修改稿文本中，“this paper proposes”显然定位为研究成果，而“designed to meet… policy priorities”与“actionable insights”则展现出她对评审标准与应用价值的意识，从而更符合评审情境中的写作策略。
这些修改体现了学习者对“评审者作为读者”的清晰想象，并通过调整话语重心与语篇功能，将文本打磨为更具目标导向性与身份建构功能的书写成果。此类“向读者靠拢”的调适策略，与语言修改共同构成了学习者在人机协作背景下的复杂写作回应机制。
4.3 学术身份调适
尽管文本修改行为本质上是一种工具性操作，但研究对象在这一过程中展现出对自我身份的反思与调适。一方面，AI检测机制带来的外部压力引发了部分学习者对自身写作主体性的质疑。周硕在第一次访谈中直言：
改AI写的东西，我觉得我倒像个工具人，体验感很差……我要为了AI检测而为AI服务，我要改它写的东西，然后让它认可……学生不爱写论文的确是因为懒，但更重要的是，不会。这两个原因加在一起，人就成为AI的工具人了。
他用“工具人”来描述自身角色，凸显对AI参与的不适与抵触，其身份感被技术中介所削弱，形成“被迫服务于AI”的异化感。
另一方面，也有学习者将修改过程视为积极的社会化和写作能力提升的契机。王敏在第二次访谈中提到：
改的过程也是一种学习，更能识别A I语言，也就是更能识别人类语言，这其实是一件事……我在修改过程中，感觉自己的进步比专门上学术写作课还要大。
她将语言辨识与身份调适联系在一起，认为通过与AI语言的对比，更能清晰地意识到“人类语言”的特征，由此获得主体感和成长感。这种体验不仅强化了她作为写作者的能动性，也赋予修改行为以内在价值。
由此可见，修改过程呈现出双重身份调试路径：一是因技术介入而产生的“工具人”式失能感，二是通过反思与操控语言而实现的主体性提升。两种路径在不同个体中并存，表明AI参与下的写作并非简单削弱写作者的身份认同，而是促发了复杂的认知—情感调适过程。
本研究聚焦硕士研究生应对AI检测的英语学术写作实践，揭示了其在写作行为、写作意识与身份调试3个方面的复杂反应。第一，在写作行为层面，学习者采用两类主要修改策略：（1）通过调整词汇、句式等方式，削弱语言的“AI感”；（2）通过重组段落结构、打破过度线性的逻辑，重塑语篇的“人类特征”。第二，在写作意识层面，学习者表现出对写作目的与潜在评阅者期待的感知，并据此主动调适文本风格，体现出从“知识转述”向“成果呈现”的转变，以及对评审标准的回应。第三，在写作过程引发的身份调试方面，学习者既感受到被技术规范塑造的“工具人”式失能感，又通过辨识与修正AI语言实现了主体意识的增强与学术身份的调试。总体而言，AI检测机制不仅在一定程度上改变了学习者的写作路径，也激发了其对语言控制、读者想象与身份调试的深层次反思与调整。
从学术语言社会化的视角来看，本研究所揭示的写作修改行为不仅是对外部检测机制的应对，更是学习者主动参与学术话语实践、逐步习得规范的重要过程。尽管修改行为表面上是出于降低AI指数的“防御性”动因，但研究表明，学习者在实施修改的过程中已展现出对学术语言形式、语篇逻辑及身份定位的多维感知与操控能力，这一过程本身就是对学术写作规范的动态建构与协商（Canagarajah，2012；Duff，2010b）。首先，学习者对AI语言风格的辨识和基于此展开的有针对性的语言调整，体现出他们对“可接受的学术语言”范式的初步掌握，他们通过策略性修正向主流语篇靠拢，这与学术语言社会化强调的“通过参与实践掌握规范”过程高度契合（Pu & Xu，2022）。其次，学习者在调适文本风格的过程中，表现出强烈的读者意识与写作目的意识，他们不仅在语言上“去AI化”，也在语篇上“人化”，从而尝试建构一种“可信”的作者声音。这种努力体现了他们对目标语境中交际期待的理解，也可视为在主动争取自身学术身份的合法性（Duff，2010a；Morita，2004）。然而，也需要看到，这类修改行为在彰显学习者能动适应的同时，可能也折射出他们在技术规训压力下对学术规范的策略性妥协，即通过刻意削弱语言的标准化和逻辑性以“去AI化”，这一现象值得我们进一步反思其对学术身份建构可能带来的消极影响。在技术规训背景下，学术身份的调试既可能促进学术语言社会化发展，也存在偏离学术规范初衷的风险。
与以往研究主要关注AI技术在提升写作效率或产出质量方面的功能性作用（如Hong & Guo，2025；Wang et al.，2024）不同，本研究强调AI写作情境下的“逆向修改”行为同样具有重要的促学潜力：一方面，它引导学习者在写作过程中不断作出语言与风格的判断与调整，激活、锻炼其高阶认知加工能力；另一方面，这一过程也是其“学术身份”的试探性表达和社会化学习的试炼场。可见，学术语言社会化不仅发生于课堂教学或正向写作指导中，也可能出现在因应某种技术规范而产生的“边缘写作实践”中。正是在这种非常规但真实的语境下，学习者展现出对语言、身份与规范的复杂回应。因此，后续研究与教学应更关注这类“非典型”写作行为所蕴含的学习契机与社会化潜力。
本研究聚焦硕士研究生在AI检测机制下的英语学术写作实践，揭示了其在语言修改策略、写作意识调适与学术身份建构三个方面的复杂反应。通过对修改行为的深入分析，本研究发现：尽管写作起因具有“应付性”，但学习者在过程中表现出的语言敏感性、语篇控制力与身份意识，实质上构成了深度参与学术话语实践的社会化过程，体现了人机协作条件下新的写作学习机制。
本研究基于小规模质性数据，未能覆盖不同专业背景、语言水平或技术使用习惯的多样群体，研究结论的推广性有待进一步验证。未来研究可在更广泛样本基础上，系统考察AI介入写作对不同群体长期语言发展、学术身份认同及社会化路径的影响。同时，写作教学应正视AI时代写作情境的现实性，引导学生将“技术中的应对”转化为“学习中的反思”，从而更有效地提升学习者的学术写作能力与写作者主体意识。
（注释和参考文献略）
作者简介：
徐浩，北京外国语大学中国外语与教育研究中心教授，博士生导师。研究方向：二语习得、外语教师教育。
本文编辑｜秦彬彬
本文来源｜高教社外语
