AI 率高，会不会悄悄拉低成绩？一项 214 名教师参与的实验

在一项实验里，会，而且差得不少。214 名大学教师先看一份检测报告，再给同一篇课程论文打分。报告写 7% AI、判为低风险、什么都没标时，这篇论文平均拿到 73.30 分（满分 100）；报告写 87%、判为高风险、还把论文里的四句话标成红色时，平均只有 51.61 分。论文本身一个字没改。

但这不等于你的成绩会掉 22 分，甚至不等于一定会掉。报告是研究者自己编的，论文是中文写的，老师是在线上问卷里打分而不是在真实课程里，214 人里只有 16 人（7.5%）用过 AI 检测工具。 这项研究真正说明的是：报告上的分数和它旁边那行结论，改变的不只是老师怀不怀疑 AI，还有老师对文章本身好坏的判断。

这项研究题为《Automation bias in teachers' evaluation of student writing: effects of algorithmic warnings and visual risk cues in AI detection reports》（教师评价学生写作中的自动化偏差：AI 检测报告中算法预警与视觉风险提示的影响），作者是阿尔法拉比哈萨克国立大学的 Peitao Du、Tingting Liu 和韩国天主教大学的 Xujin Xian，2026 年 7 月 7 日发表在《Frontiers in Psychology》上，可以免费阅读全文。作者声明没有接受资助，也没有商业或财务上的利益冲突。

研究者自己写了一篇论文，题目大意是「在线教育的效果与挑战」，定位是一篇中等水平的本科课程论文：语言流畅，结构基本完整，观点比较常规，论证不深。他们在里面放了四句套话。这四句没有明显的事实错误，也没有明显的逻辑断裂，只是那种谁的文章里都可能出现、读起来有点空的句子。

然后他们给一个并不存在的检测工具「AcademicCheck」做了四个版本的报告：

每位老师被随机分到其中一个版本，每组 52 到 55 人。他们先看报告摘要，再读论文。每份报告除了数字，还附了一句结论：7% 的版本写的是 "Low risk"（低风险），说文本呈现 "predominantly human-authored writing characteristics"（以人类写作为主的特征）；87% 的版本写的是 "High risk"（高风险）和 "a high likelihood of AI-assisted writing"（很可能是 AI 辅助写作）。标红的版本里，报告还提示这几处需要人工复核，所以这里的「标红」是颜色加提示语，不只是颜色。答完之后，研究者告诉老师们这份报告是模拟的。

主要是 87% 那份报告在起作用。 不标红的情况下，把 7%「低风险」的报告换成 87%「高风险」的，论文平均少了约 13 分。老师们也不只是觉得它更像 AI 写的，给原创性、语言表达、逻辑结构打的分也都更低了，可他们读到的文字一字不差。

报告已经判了高风险，标红的影响才最大。 在 7% 的条件下，把四句话标红，对百分制分数的影响没有达到统计显著；但老师对语言表达的评分确实降了。这说得通：老师刚被指着看的，正是这几句。到了 87%，同样的标红又让分数多掉了大约 9 分。

老师们说自己会做更多。 最后一列问的是：老师有多大可能要求学生修改、提醒学生独立写作或遵守 AI 使用规范，或者要求学生解释写作过程和资料来源。在 7 分制上，它从 3.40 升到了 5.66。这是老师们自己说会怎么做，不是观察到的实际行为。

作者自己把结果称为 "preliminary and context-specific"（初步的、限于特定情境的）。下面这几条说明了这个说法为什么贴切。

• 报告是虚构的，而且故意拉得很极端。 用「AcademicCheck」这个编出来的工具，是为了不让老师对真实工具的既有看法掺进来。两个数字也是特意挑得相距很远。作者说这个反差 "was intentionally strong"（是有意设得很强的），为的是看老师对明显偏低和明显偏高的预警会不会有不同反应；至于现实中落在两者之间的分数，他们说推广时要谨慎。
• 只有一篇论文，而且是中文的。 所有老师读的都是同一篇中文论文。「中等水平」是研究者自己定的，他们说没有经过预实验或外部评分者校准。换成一篇很好或很差的论文，结果未必一样。
• 大多数老师没用过检测工具。 他们是通过问卷星和教师社群在线招募的，有少量报酬，约三分之二教社会科学。只有 16 人（7.5%）用过 AI 文本检测或 AI 查重工具。正文和补充材料都没有把这 16 人的结果单独拿出来报告。
• 这是问卷，不是成绩册。 老师手上只有报告和论文，别的信息几乎没有，打的分也不算在任何学生头上。作者自己的结论是，这些发现 "should not be generalized directly to all real grading contexts."（不应直接推广到所有真实的评分情境。）
• 差距大得少见。 每一组里，大多数老师给的分数离本组平均不到 5 分，A 组和 D 组的平均分却差了将近 22 分。作者自己也说，这么大的效应 "should be interpreted cautiously."（应当谨慎看待。）他们认为部分原因是 7% 和 87% 的反差太强、老师掌握的背景信息太少："In real teaching, teachers may see intermediate rates and have richer information about students and writing processes, so actual bias may be smaller."（在真实教学中，老师可能看到中间水平的分数，对学生和写作过程也了解得更多，所以实际的偏差可能更小。）

把这些具体条件放到一边，有一个发现仍然站得住：老师是先看报告、后读论文的，而报告改变了他们读论文的方式。作者的解释是，像 "AI content: 87%"（AI 内容：87%）这样的数字，会把老师手上的活从「评这篇论文」变成「核对系统说得对不对」。他们给高校的建议里有一条是两步走：老师先 "complete their quality evaluation before reviewing the detection report"（在查看检测报告之前完成质量评价）。

我们的读者面对的大多是 Turnitin，不是虚构的工具。Turnitin 自己的文档里有三点值得和这项研究放在一起看。

• 你通常看不到老师看到的东西。 Turnitin 的 FAQ 写着 "only instructors and administrators are able to see the indicator"（只有教师和管理员能看到这个指标），不过教师可以把 AI 报告下载成 PDF 分享给学生。谁能看到什么，见学生能看到 Turnitin AI 率吗？学生端与教师端权限对照。
• 低分不带高亮。 Turnitin 说 "no score or highlights are attributed for AI detection scores in the 1% to 19% range."（AI 检测分数在 1% 到 19% 之间时，不给出分数，也不做高亮。）报告上显示的是一个星号。所以 B 组那种「数字很低、句子却被标出来」的组合，在现在的 Turnitin 报告里不会出现。分数在 20% 以下时，报告上没有被 AI 检测标出的句子去牵引老师的视线。详见Turnitin AI 率上的星号（*%）是什么意思？
• Turnitin 说这个数字不是成绩。 同一份 FAQ 写着，这个百分比 "should not be used as the sole basis for action or a definitive grading measure by instructors."（不应被教师用作采取行动的唯一依据，也不应作为决定性的评分标准。）可是这个实验里没有人让老师拿 AI 率当评分标准。老师只是被请来给一篇论文打分，报告就跟着进来了。成绩本来应该从哪里来，见Turnitin 分数是成绩吗？相似度分数实际是什么、不是什么。

所以这项研究没法告诉你，你的老师有没有被影响、影响了多少。它做到的是：「那份报告可能会左右老师怎么读我的论文」不再是多心，而是一件可以正常去问的事。

下面这几件事，都不需要等到有人指控你才做。

1. 成绩看着不对劲，问评分标准，别问 AI 率。 「哪几项评分标准扣了分，体现在哪几段？」是拿到任何成绩后都可以问的正常问题。标红还改变了老师写给学生的意见：问到会建议学生怎么改时，看到 7% 加标红报告的老师有 65.4% 提了语言上的修改，看到同样 7% 但没标红的只有 7.5%；关于充实内容的建议则从约一半降到几乎没有。（作者把这部分开放题编码定为探索性分析。）如果你拿到的意见全是措辞，一句没提论证，就把论证也问一问。
2. 问一下打分时有没有用到 AI 报告，有的话要 PDF。 光一个百分比说明不了多少，报告里才看得到哪些段落被标了出来。
3. 准备好随时能拿出写作过程。 研究问的后续动作不是处罚，而是要求修改、提醒遵守 AI 使用规范、要求解释写作过程和资料来源。看到 87% 加标红报告的老师，明显更倾向于提出这些要求。手上有草稿、笔记和版本历史，被问到时就能很快答上来。
4. 还在修改、手上又有报告的话，先读被标出的段落。 实验里被标红的是下面这四句（作者提供的英译）："With the rapid development of information technology, online education has gradually become an important component of higher education."（随着信息技术的快速发展，在线教育已逐渐成为高等教育的重要组成部分。）"This paper analyzes this issue from three aspects: learning effects, interaction modes, and technical conditions."（本文从学习效果、互动方式和技术条件三个方面分析这一问题。）"In conclusion, online education brings convenience but also faces many practical challenges."（总之，在线教育带来便利，也面临许多现实挑战。）"Therefore, this issue deserves continued attention and further research from the education community."（因此，这一问题值得教育界持续关注和进一步研究。）这类句子一被标出来，老师对语言的评分就跟着往下走。放进谁的文章都成立的开头、路线图句和结尾，本来也值得换成你自己的话。

如果你手上有 Turnitin 或 iThenticate 报告，还在修改阶段，课程也允许这类帮助，HumanPen 的降 AI 功能处理的就是被标出的段落。导入 Turnitin 或 iThenticate 报告，只改报告标出的段落，返回同格式的可编辑文件。交上去之前，自己把返回的文件从头看一遍。

老师们知道报告是假的吗？ 打分时研究者没告诉他们。答完之后，研究者才说明报告是模拟的，不构成真正的学术诚信判定。

这是一项关于 Turnitin 的研究吗？ 不是。报告来自一个编出来的工具「AcademicCheck」，目的是不让老师对真实检测工具的看法影响结果。

AI 率 7% 时，标红有影响吗？ 对百分制分数没有统计显著的影响，但老师对论文语言表达的评分降低了。

Turnitin 低于 20% 只显示星号，星号会不会也有这种影响？ 这项研究没测。它的低分条件是 7% 这个数字加一句「低风险」结论，不是星号。星号本身也在告诉老师「检测到了一点」，老师会怎么读它，这项研究回答不了。

• Peitao Du、Tingting Liu、Xujin Xian，Automation bias in teachers' evaluation of student writing: effects of algorithmic warnings and visual risk cues in AI detection reports，《Frontiers in Psychology》第 17 卷，文章号 1889402，2026 年 7 月 7 日发表；2026 年 10 月 2 日读取（第 3–6 节，表 1、表 3；补充材料附录 A、表 B1、表 F4）。
• Turnitin，Turnitin's AI writing detection capabilities FAQs。