生成式AI時(shí)代計(jì)算機(jī)專業(yè)畢業(yè)設(shè)計(jì)教學(xué)改革研究

中圖分類號(hào)：G642 文獻(xiàn)標(biāo)識(shí)碼：A DOI：10.16400/j.cnki.kjdk.2025.21.005

Research on Teaching Reform ofGraduation Design in Computer Science in theEraofGenerativeAI

LIU Renfeng'，MING Yue2，LI Yaqing

.SchoolofMathematicsand Computer Science，Wuhan Polytechnic University，Wuhan，Hubei430048

2.Yingshan Polytechnic Secondary School，Huanggang，Hubei438799）

AbstractThis study explores the teaching reformpathofcomputermajor graduationdesign intheeraof generative AI，andconstructsathree-dimensional governance frameworkof \"policyeducation technology\"toachievethe twoway empowerment of human-machine collaboration and academic ethics.The pilot practice has shown that phased standardizedmanagementandeducational guidancecanimprove theeficiencyofauxiliarylinks，limittheintervention of AIincore links，andefectively enhance students'independent innovationability.Although 1positives and technologicaldependenciesstillexist，theeffectivenessofthe \"norm+education+technology\"strategyinbalancingAI empowerment and academic integrity has been validated through dynamic policy iterationand interdisciplinary collaboration to optimize detection algorithms.

Keywords generative AI; human-AI collaboration; graduation design; policy-education-technology

畢業(yè)設(shè)計(jì)作為計(jì)算機(jī)專業(yè)本科教育的重要組成部分，是學(xué)生綜合運(yùn)用專業(yè)知識(shí)和實(shí)踐能力的關(guān)鍵載體[1。近年來(lái)，部分學(xué)生在畢業(yè)設(shè)計(jì)中利用AI技術(shù)偽造數(shù)據(jù)、拼接文本、虛構(gòu)文獻(xiàn)，導(dǎo)致論文原創(chuàng)性不足，學(xué)術(shù)誠(chéng)信風(fēng)險(xiǎn)顯著增加，同時(shí)也使得學(xué)生在思維深度、邏輯嚴(yán)謹(jǐn)性以及核心技能方面出現(xiàn)明顯短板，導(dǎo)致理論與實(shí)踐脫節(jié)的問(wèn)題日益嚴(yán)重]。

生成式AI技術(shù)的興起為畢業(yè)設(shè)計(jì)帶來(lái)了前所未有的雙重沖擊。一方面，AI工具在文獻(xiàn)檢索、代碼調(diào)試和數(shù)據(jù)可視化等方面大大降低了技術(shù)門(mén)檻并提升了工作效率[45；另一方面，AI生成的“完美論文”往往掩蓋了學(xué)生真實(shí)的學(xué)術(shù)水平，使教師在評(píng)估論文創(chuàng)新性時(shí)面臨新的困境，同時(shí)還引發(fā)了隱私泄露、算法偏見(jiàn)等倫理問(wèn)題?！渡墒饺斯ぶ悄芊?wù)管理暫行辦法》明確指出，國(guó)家堅(jiān)持發(fā)展和安全并重、促進(jìn)創(chuàng)新和依法治理相結(jié)合的原則，采取有效措施鼓勵(lì)生成式人工智能創(chuàng)新發(fā)展，對(duì)生成式人工智能服務(wù)實(shí)行包容審慎和分類分級(jí)監(jiān)管。

本文將基于“政策一教育一技術(shù)\"三維框架，圍繞生成式AI在計(jì)算機(jī)專業(yè)畢業(yè)設(shè)計(jì)中的合理應(yīng)用，探索一條兼顧人機(jī)協(xié)同與學(xué)術(shù)倫理雙向賦能的教學(xué)改革路徑。

1“政策一教育一技術(shù)\"三維框架下生成式AI技術(shù)在計(jì)算機(jī)專業(yè)畢業(yè)設(shè)計(jì)中的應(yīng)用

隨著生成式AI（如GPT一4、Codex）技術(shù)在教育領(lǐng)域的廣泛應(yīng)用，計(jì)算機(jī)專業(yè)的畢業(yè)設(shè)計(jì)面臨新的挑戰(zhàn)。為確保AI技術(shù)的合理使用，維護(hù)學(xué)術(shù)誠(chéng)信，有必要從政策規(guī)范、教育引導(dǎo)和技術(shù)檢測(cè)三方面構(gòu)建綜合治理框架。

1.1政策規(guī)范

在計(jì)算機(jī)專業(yè)畢業(yè)設(shè)計(jì)中引入AI技術(shù)已成為趨勢(shì)，但如何規(guī)范其使用以維護(hù)學(xué)術(shù)誠(chéng)信和教育質(zhì)量，高校亟須建立明確的政策框架。為此，構(gòu)建AI使用的“紅綠燈”制度，通過(guò)分級(jí)分類的政策規(guī)范，明確禁止、限制和開(kāi)放的使用領(lǐng)域，成為高校畢業(yè)設(shè)計(jì)管理的重要課題。

借鑒歐盟委員會(huì)《人工智能道德準(zhǔn)則》（ETHICSGUID-ELINESFORTRUSTWORTHYAI的倫理準(zhǔn)則，即尊重人的自主性（respect forhumanautonomy）、預(yù)防傷害（preven-tionofharm）、公平性（faimess）、可解釋性（explicability），并參考國(guó)內(nèi)外高校的實(shí)踐經(jīng)驗(yàn)，可將AI在畢業(yè)設(shè)計(jì)中的使用劃分為以下三個(gè)層次： ① 禁止類（紅燈區(qū)、高風(fēng)險(xiǎn)），對(duì)于核心創(chuàng)新內(nèi)容、研究設(shè)計(jì)、算法開(kāi)發(fā)等直接影響研究原創(chuàng)性和學(xué)術(shù)貢獻(xiàn)的環(huán)節(jié)，嚴(yán)格禁止AI的介入。例如，中國(guó)人民大學(xué)明令禁止在論文的核心創(chuàng)新部分使用AI，以確保研究的獨(dú)立性和原創(chuàng)性。 ② 限制類（黃燈區(qū)、中風(fēng)險(xiǎn)），在文獻(xiàn)綜述、數(shù)據(jù)分析、代碼調(diào)試等環(huán)節(jié)，充許有限度地使用AI工具，但需設(shè)定明確的比例限制，并要求學(xué)生詳細(xì)說(shuō)明AI的使用情況。天津科技大學(xué)規(guī)定，AI生成內(nèi)容在論文中所占比例不得超過(guò) 40% ，以平衡技術(shù)輔助與學(xué)生自主能力培養(yǎng)的關(guān)系。 ③ 開(kāi)放類（綠燈區(qū)、低風(fēng)險(xiǎn)），對(duì)于不直接影響研究結(jié)論的輔助性工作，如格式校對(duì)、參考文獻(xiàn)整理等，鼓勵(lì)學(xué)生使用AI工具以提高工作效率，但需保持使用的透明度。

通過(guò)構(gòu)建政策分層模型（紅綠燈制度）和借鑒歐盟“風(fēng)險(xiǎn)分級(jí)\"的理念，高校將能夠在保障學(xué)術(shù)誠(chéng)信的前提下，合理引導(dǎo)學(xué)生利用AI技術(shù)，提升研究質(zhì)量和效率，為教育智能化轉(zhuǎn)型提供有力支持。

1.2教育引導(dǎo)

在計(jì)算機(jī)專業(yè)的畢業(yè)設(shè)計(jì)中，提升學(xué)生的人工智能素養(yǎng)與創(chuàng)新能力，對(duì)于培養(yǎng)具備批判性思維和實(shí)踐能力的高素質(zhì)人才至關(guān)重要。為實(shí)現(xiàn)這一目標(biāo)，以下具體措施可供參考。

1.2.1標(biāo)準(zhǔn)化作業(yè)與人機(jī)協(xié)作任務(wù)設(shè)計(jì)

傳統(tǒng)的標(biāo)準(zhǔn)化作業(yè)往往側(cè)重于知識(shí)的再現(xiàn)，缺乏對(duì)學(xué)生分析、批判與知識(shí)整合能力的考查。為此，教師可在畢業(yè)設(shè)計(jì)中引入“人機(jī)協(xié)作”的任務(wù)，鼓勵(lì)學(xué)生結(jié)合AI工具生成初步方案，并通過(guò)人工優(yōu)化提升質(zhì)量。例如，鼓勵(lì)學(xué)生利用AI生成代碼框架，然后手動(dòng)進(jìn)行調(diào)試和優(yōu)化，以此培養(yǎng)其對(duì)AI生成內(nèi)容的評(píng)估與改進(jìn)能力。

1.2.2開(kāi)設(shè)AI相關(guān)課程，強(qiáng)化理論基礎(chǔ)

在課程體系中增設(shè)人工智能通識(shí)課程，系統(tǒng)講授AI的基本原理、應(yīng)用場(chǎng)景及其局限性。通過(guò)理論教學(xué)，使學(xué)生掌握AI的核心概念和技術(shù)框架，為其在畢業(yè)設(shè)計(jì)中合理應(yīng)用AI奠定堅(jiān)實(shí)的基礎(chǔ)。

1.2.3強(qiáng)化實(shí)踐訓(xùn)練，培養(yǎng)創(chuàng)新能力

理論與實(shí)踐相結(jié)合的教學(xué)模式是培養(yǎng)學(xué)生創(chuàng)新能力的關(guān)鍵。教師可設(shè)計(jì)實(shí)際項(xiàng)目，引導(dǎo)學(xué)生在實(shí)踐中應(yīng)用所學(xué)知識(shí)解決真實(shí)問(wèn)題。例如，要求學(xué)生在畢業(yè)設(shè)計(jì)中開(kāi)發(fā)一個(gè)AI應(yīng)用，從需求分析、數(shù)據(jù)預(yù)處理、模型構(gòu)建到結(jié)果驗(yàn)證，全程參與，培養(yǎng)其對(duì)知識(shí)的綜合運(yùn)用能力和創(chuàng)新思維。

1.2.4引導(dǎo)學(xué)生批判性思維，避免過(guò)度依賴AI

教師在教學(xué)過(guò)程中應(yīng)強(qiáng)調(diào)AI的局限性和潛在風(fēng)險(xiǎn)，培養(yǎng)學(xué)生對(duì)AI生成內(nèi)容的批判性思維。鼓勵(lì)學(xué)生對(duì)AI生成的結(jié)果進(jìn)行獨(dú)立評(píng)估，避免盲目接受，確保其在畢業(yè)設(shè)計(jì)中能夠合理、審慎地使用AI工具。

1.2.5改革評(píng)價(jià)體系，注重過(guò)程評(píng)估

為客觀評(píng)估學(xué)生在AI輔助下的畢業(yè)設(shè)計(jì)質(zhì)量，高校需建立科學(xué)的評(píng)價(jià)體系。該體系應(yīng)綜合考慮學(xué)生的獨(dú)立思考能力、創(chuàng)新素養(yǎng)和對(duì)AI工具的使用情況。例如，采用量化指標(biāo)評(píng)估學(xué)生在項(xiàng)目中的實(shí)際貢獻(xiàn)比例，以及AI生成內(nèi)容的占比和質(zhì)量。通過(guò)設(shè)定明確的評(píng)分標(biāo)準(zhǔn)，確保評(píng)價(jià)過(guò)程的公平性和透明度。同時(shí)，在畢業(yè)設(shè)計(jì)的評(píng)價(jià)中，引入過(guò)程評(píng)估機(jī)制，關(guān)注學(xué)生在項(xiàng)目各階段的表現(xiàn)，包括問(wèn)題分析、方案設(shè)計(jì)、實(shí)施過(guò)程和結(jié)果評(píng)估等方面。通過(guò)對(duì)全過(guò)程的考查，全面了解學(xué)生的能力和素質(zhì)，避免僅以最終成果論英雄。

上述措施旨在提升計(jì)算機(jī)專業(yè)學(xué)生在畢業(yè)設(shè)計(jì)中對(duì)AI的理解和應(yīng)用能力，培養(yǎng)其創(chuàng)新思維和實(shí)踐能力，為其未來(lái)在AI時(shí)代的職業(yè)發(fā)展奠定堅(jiān)實(shí)的基礎(chǔ)。

1.3技術(shù)檢測(cè)

在計(jì)算機(jī)專業(yè)的畢業(yè)設(shè)計(jì)中，確保作品的原創(chuàng)性和真實(shí)性至關(guān)重要。隨著人工智能技術(shù)的發(fā)展，AI生成內(nèi)容（AIGC）在學(xué)術(shù)領(lǐng)域的應(yīng)用日益廣泛，如何有效檢測(cè)和識(shí)別這些內(nèi)容，成為維護(hù)學(xué)術(shù)誠(chéng)信的重要課題。因此，高?？墒褂枚嗄B(tài)檢測(cè)工具來(lái)構(gòu)筑反識(shí)別與內(nèi)容審核的“防火墻”。具體措施如下。

1.3.1目標(biāo)檢測(cè)與特征提取，基于深度學(xué)習(xí)的圖像分類系統(tǒng)

在計(jì)算機(jī)視覺(jué)相關(guān)畢設(shè)中，目標(biāo)檢測(cè)技術(shù)可用于構(gòu)建學(xué)術(shù)圖像審核系統(tǒng)。例如，設(shè)計(jì)一個(gè)基于YOLOv5的論文插圖檢測(cè)工具，識(shí)別圖表中的AI生成痕跡。具體實(shí)施步驟包括：收集真實(shí)科研圖表與AI生成圖表，標(biāo)注關(guān)鍵特征；使用預(yù)訓(xùn)練的ResNet-50作為骨干網(wǎng)絡(luò)，通過(guò)遷移學(xué)習(xí)優(yōu)化分類層，區(qū)分真實(shí)圖像與生成圖像；提取圖像的頻域特征與空間特征，結(jié)合混淆矩陣評(píng)估模型性能。該系統(tǒng)的理論深度體現(xiàn)在對(duì)生成圖像統(tǒng)計(jì)特性的挖掘，如GAN生成圖像在頻域中常呈現(xiàn)高頻成分缺失，而真實(shí)圖像則包含更自然的噪聲模式。

1.3.2對(duì)抗性樣本檢測(cè)，防御AI輔助代碼生成的學(xué)術(shù)不端

針對(duì)學(xué)生使用AI生成代碼的問(wèn)題，可設(shè)計(jì)對(duì)抗性樣本檢測(cè)工具。將代碼解析為AST，提取結(jié)構(gòu)特征（如循環(huán)嵌套深度、函數(shù)調(diào)用模式）；使用圖神經(jīng)網(wǎng)絡(luò)（GNN）對(duì)AST進(jìn)行編碼，結(jié)合注意力機(jī)制捕捉代碼風(fēng)格異常；注入人工擾動(dòng)（如變量重命名、邏輯分支插入），增強(qiáng)模型對(duì)改寫(xiě)代碼的魯棒性。該方法從代碼的語(yǔ)義層面而非表面相似度進(jìn)行檢測(cè)，可有效識(shí)別ChatGPT等工具生成的“模板化\"代碼，如過(guò)度使用通用庫(kù)函數(shù)或缺乏個(gè)性化注釋。

1.3.3動(dòng)態(tài)行為分析，論文寫(xiě)作過(guò)程追溯系統(tǒng)

通過(guò)監(jiān)控學(xué)生的寫(xiě)作行為數(shù)據(jù)（如編輯頻率、參考文獻(xiàn)訪問(wèn)記錄），構(gòu)建動(dòng)態(tài)行為模型以區(qū)分AI代寫(xiě)與自主創(chuàng)作，集成IDE插件或?qū)懽髌脚_(tái)日志，記錄按鍵間隔、復(fù)制粘貼行為、外部資源引用頻率；使用時(shí)間序列分析（如LSTM）建模寫(xiě)作節(jié)奏，人類寫(xiě)作通常呈現(xiàn)間歇性高強(qiáng)度編輯，而AI輔助則可能表現(xiàn)為短時(shí)大量?jī)?nèi)容插入；生成行為熱力圖與異常點(diǎn)報(bào)告，輔助教師評(píng)估學(xué)生貢獻(xiàn)。

該手段的理論基礎(chǔ)在于人類認(rèn)知負(fù)荷與創(chuàng)作行為的非線性特征，為學(xué)術(shù)誠(chéng)信審核提供了補(bǔ)充維度。另外，傳統(tǒng)的查重系統(tǒng)（如知網(wǎng)、Turnitin）主要依賴文本相似度比對(duì)，但生成式AI的普及使得查重邏輯需從“防抄襲\"轉(zhuǎn)向“防AI代寫(xiě)”。以“格子達(dá)”系統(tǒng)為例，其升級(jí)版不僅可檢測(cè)重復(fù)率，還可通過(guò)分析語(yǔ)言風(fēng)格、語(yǔ)法結(jié)構(gòu)及邏輯連貫性，識(shí)別AI生成內(nèi)容。例如，AI文本常呈現(xiàn)低詞匯多樣性、固定句式重復(fù)等特點(diǎn)，而人類寫(xiě)作則包含更多個(gè)性化表達(dá)與隨機(jī)錯(cuò)誤。系統(tǒng)通過(guò)預(yù)訓(xùn)練語(yǔ)言模型（如BERT）提取文本特征，結(jié)合監(jiān)督學(xué)習(xí)分類器（如SVM）判斷內(nèi)容來(lái)源。

多模態(tài)檢測(cè)與查重系統(tǒng)升級(jí)體現(xiàn)了AI技術(shù)在學(xué)術(shù)審核中的雙重角色：既是挑戰(zhàn)者（如催生代寫(xiě)工具），又是解決方案提供者（如開(kāi)發(fā)反識(shí)別系統(tǒng)）。計(jì)算機(jī)專業(yè)畢設(shè)可通過(guò)深度融合目標(biāo)檢測(cè)、對(duì)抗樣本分析與動(dòng)態(tài)行為建模，構(gòu)建多維度的學(xué)術(shù)誠(chéng)信防護(hù)體系。未來(lái)方向包括：提升多模態(tài)模型的跨語(yǔ)言泛化能力，開(kāi)發(fā)透明化檢測(cè)算法以降低誤判率，以及探索借助區(qū)塊鏈技術(shù)實(shí)現(xiàn)寫(xiě)作過(guò)程全程可追溯。

通過(guò)上述“規(guī)范 + 教育 + 技術(shù)\"三位一體的策略，高?？捎行б龑?dǎo)學(xué)生在畢業(yè)設(shè)計(jì)中合理使用AI技術(shù)，既發(fā)揮AI的優(yōu)勢(shì)，又維護(hù)學(xué)術(shù)誠(chéng)信，以培養(yǎng)學(xué)生的創(chuàng)新能力和實(shí)踐能力。

2生成式AI技術(shù)在計(jì)算機(jī)專業(yè)畢業(yè)設(shè)計(jì)中的實(shí)踐效果

于2023年啟動(dòng)“AI賦能畢業(yè)設(shè)計(jì)\"試點(diǎn)項(xiàng)目，旨在探索生成式AI工具的合理使用邊界，同時(shí)提升學(xué)生的創(chuàng)新能力和學(xué)術(shù)倫理意識(shí)。試點(diǎn)覆蓋2024屆計(jì)算機(jī)專業(yè)本科生共320人，聚焦“政策規(guī)范 + 教育引導(dǎo) ⁺ 技術(shù)檢測(cè)”三位一體策略，通過(guò)分階段管理、動(dòng)態(tài)評(píng)估與多維度檢測(cè)，全面驗(yàn)證改革成效。試點(diǎn)結(jié)果顯示，規(guī)范化的AI使用顯著優(yōu)化了畢業(yè)設(shè)計(jì)流程。依托AIGC檢測(cè)系統(tǒng)對(duì)學(xué)生各階段任務(wù)的完成情況進(jìn)行了追蹤，結(jié)果顯示，在代碼編寫(xiě)階段，采用AI輔助后，學(xué)生平均耗時(shí)從4.2周縮短至2.8周，同時(shí)核心算法的自主實(shí)現(xiàn)率提升了35% 。而在論文撰寫(xiě)階段，語(yǔ)言潤(rùn)色工具的使用率達(dá)到89% ，但在創(chuàng)新性論述部分，仍保持了 92% 的人工原創(chuàng)比例，這表明學(xué)生在利用AI提高效率的同時(shí)，仍保持了高比例的自主思考和內(nèi)容創(chuàng)新。

3總結(jié)與啟示

本研究通過(guò)試點(diǎn)實(shí)踐，驗(yàn)證了分階段規(guī)范與教育引導(dǎo)策略在平衡AI賦能與學(xué)術(shù)倫理方面的顯著成效。AI在輔助環(huán)節(jié)，如文獻(xiàn)整理和語(yǔ)法校對(duì)中提升了 30% 以上的效率，而在核心環(huán)節(jié)限制AI參與，保障了論文質(zhì)量并增強(qiáng)了學(xué)生的創(chuàng)新能力。 95% 的學(xué)生在反思日志中表示對(duì)AI工具的邊界與風(fēng)險(xiǎn)有了更清晰的認(rèn)識(shí)。但仍存在 5% 至 8% 的專業(yè)術(shù)語(yǔ)誤判率和學(xué)生代碼調(diào)試技術(shù)依賴問(wèn)題。未來(lái)，高校應(yīng)根據(jù)生成式AI技術(shù)進(jìn)展進(jìn)行動(dòng)態(tài)政策調(diào)整，并優(yōu)化檢測(cè)算法。本研究為高校計(jì)算機(jī)專業(yè)畢業(yè)設(shè)計(jì)改革提供了有效的參考。

? 基金項(xiàng)目：武漢輕工大學(xué)校級(jí)教學(xué)研究項(xiàng)目“計(jì)算機(jī)及相關(guān)專業(yè)畢業(yè)設(shè)計(jì)（論文）質(zhì)量保障體系的研究與實(shí)踐：現(xiàn)狀、問(wèn)題與優(yōu)化對(duì)策”（XM2025010）。

參考文獻(xiàn)

[1]田永紅，蘇依拉.計(jì)算機(jī)專業(yè)本科畢業(yè)設(shè)計(jì)教學(xué)改革研究與探索[J].內(nèi)蒙古農(nóng)業(yè)大學(xué)學(xué)報(bào)：社會(huì)科學(xué)版，2011，13（1）：3.

[2]李子運(yùn).人工智能賦能教育的倫理思考[J].中國(guó)電化教育，2021（11）：7.

[3] 田賢鵬，肖智琦.生成式AI賦能研究生科研寫(xiě)作的學(xué)術(shù)倫理與風(fēng)險(xiǎn)防控[J].現(xiàn)代教育技術(shù)，2024，34（8）：23-32.

[4]楊雪，潘朗暄，應(yīng)文池，等.生成式AI重塑數(shù)字生態(tài)系統(tǒng)：以ChatGPT為案例[J].人工智能，2024（2）：11-19.

[5]李國(guó)杰.DeepSeek引發(fā)的AI發(fā)展路徑思考[J].科技導(dǎo)報(bào)，2025，43（3）：14-19.

[6]孫妍.從\"知識(shí)圖譜\"到\"人機(jī)協(xié)同\"—論人工智能教育對(duì)教師的重塑和挑戰(zhàn)[J].高教探索，2021（3）：30-37.