摘要：当前，学术写作能力是研究生群体的必备素养之一，而生成式人工智能（Generative Artificial Intelligence，GenAI）的兴起在为其提供强大工具支撑的同时，也伴生了一定的潜在风险与伦理困境。为探究GenAI对学术写作能力的影响，文章首先以自我调节学习理论为基础，将学术写作能力划分为认知、情感、行为和伦理四个维度。之后，文章基于不同的写作维度编制调查问卷和访谈提纲，用于获取研究生使用GenAI的相关数据与深度资料。最后，文章利用普通最小二乘法、倾向得分匹配和扎根理论等方法展开分析，结果表明：GenAI对研究生学术写作能力的影响呈现复杂特征，不同个体变量的使用特征和能力表现不同，且GenAI在写作中引发了伦理观念的显著转变。文章通过研究，旨在深入剖析GenAI对研究生学术写作能力的影响，以期优化人工智能时代的研究生人才培养模式。

关键词：生成式人工智能；研究生；学术写作能力；实证分析

一问题的提出

哈佛大学教育学教授Sommers曾在采访中表示，写作是以隐喻的方式标记世界，能够帮助确定人生方向[1]。这种对世界的标记方式，在学术领域集中体现为具有严谨性与专业性的论文写作。论文写作旨在通过阐述学术观点、呈现研究成果以及严谨论证和引用来支持论断，科研人员可借此展现其对学科的创新理解与个性观点。我国学生多是在大学开始接触论文写作，在研究生阶段逐步领悟到科研真谛。随着我国研究生招生规模的不断扩大，该群体逐渐成为学术论文产出的主力军之一。不同于其他议论文体写作，学术写作要求具备学科性、创新性和科学性，在写作过程中应立足学术前沿，挖掘有社会价值和科学价值的研究资料，秉持质疑、批判态度选择具有可行性的研究方案。因此，具备与时俱进的学术写作能力成为当代研究生群体必不可少的素养。

2022年底，以ChatGPT为代表的GenAI一经发布，立即引起了社会各界的广泛关注。其中，在高等教育论文写作方面，既有实证研究表明合理运用GenAI可提升研究生的科研创新力[2]、批判性思维与自主学习能力[3]，也有观点认为过度使用会导致学生产生工具依赖和主体缺失。Nature曾报道两名科学家借助ChatGPT在一小时内撰写了一篇学术论文，且论文内容符合预期要求[4]。更有学者利用ChatGPT在4个月内撰写了16篇学术论文，并成功发表其中5篇[5]。此类案例不禁引人深思：GenAI在学术写作中的不断渗透，究竟是为研究生学术写作能力提供了强大的工具支撑，还是反向蒙蔽了其自主发展？基于此，本研究试图回答“GenAI工具对研究生学术写作能力有何影响”这一核心问题，并围绕研究生在学术写作中使用GenAI的具体情况，以及对于GenAI支持学术写作的伦理看法等问题展开深入讨论，旨在为研究生学术写作能力的培养提供实证依据，助力优化人工智能时代研究生人才培养模式。

二文献综述

1 研究生学术写作能力

写作能力是指个体在写作过程中表现出的心理和行为特征[6]。早期关于写作能力的研究，多是探究中小学生在语文、英语作文写作中的表现，后逐渐过渡到高等教育学术写作领域。学术写作能力侧重强调科研工作者在写作过程中所具备的综合能力与素质，是研究生需具备的重要学术能力之一。在内涵上，学术写作能力主要包含批判、创新和逻辑等思维能力[7]；在测量上，现已形成多种实践标准，如《美国大学生优秀写作能力标准》中规定了包含元认知、开放性、创造力等八种思维品质的评价体系[8]，该体系凸显了过程性写作理念；还有学者基于认知、元认知、社交和情感维度编制了学术写作自评量表[9]，突破性地将写作情感纳入评估范畴，弥补了传统测量工具对写作者心理动态关注的不足。以上成果通过建立标准化指标体系、设计个性化自评工具，为学术写作能力研究提供了重要的方法论参考。

值得注意的是，现有研究对学术写作能力维度的界定多采用要素罗列方式，而未形成系统框架。基于此，本研究将Zimmerman[10]提出的自我调节学习（Self-Regulated Learning，SRL）理论作为构建学术写作能力维度的理论基础。SRL理论的内涵与学术写作过程高度契合，并强调学习者在获取知识和技能的过程中，主动发起元认知、情感和行为过程，将学习能力具象化为可观察、可干预的层次化活动。已有研究尝试从自我调节学习视角探究学生的写作过程，并形成了研究成果[11]。同时，鉴于GenAI的智能化程度越来越高，以其为工具生成的抄袭性质论文越来越不易被察觉，这一学术写作问题对研究生培养质量构成了严重威胁，故应补充一个独立维度考察个体与外部学术规范和伦理准则之间的互动关系。基于此，本研究将研究生学术写作能力划分为学术写作认知、学术写作情感、学术写作行为和学术写作伦理四个方面。

2 GenAI的应用现状及影响

GenAI凭借其强大的文本生成与处理能力，已迅速成为学生广泛使用的论文写作辅助“神器”。Nature在2023年的调研结果显示，来自93个国家/地区的3838名博士后中，约有三成会使用GenAI润色、修改和撰写论文[12]；国内研究也发现，近七成大学生使用GenAI辅助论文题目、段落甚至全文写作，超半数用其修改学术论文[13]，这说明GenAI正深刻重塑科研实践与学术习惯。然而，技术始终是“双刃剑”，GenAI在提升科研效率的同时，其潜在的“潘多拉魔盒”效应也正引发担忧。一方面，GenAI虽能高效生成资源，但其受算法框架限制，难以针对个体特征生成创新性观点，且过度依赖GenAI会导致学生学术思维能力的退化，使其习惯性接受算法预设的资源信息和思维导向。另一方面，GenAI极大地提升了学术不端行为的隐蔽性和复杂性，其生成的文本难以通过传统查重工具识别，数据篡改、内容洗稿更不易被发现。鉴于上述风险，明确GenAI使用的伦理边界与管理规范至关重要。对此，复旦大学已出台指南，明确了GenAI的禁用范围[14]，这反映了学术界对于防范“潘多拉魔盒”的积极回应。技术的发展势头已不可逆转，与其担心GenAI在学术写作中的滥用，不如深入研究两者之间的相互作用关系，利用GenAI的优势提升研究生的学术写作能力。

综上所述，现有研究多侧重GenAI应用现状，对其影响研究生学术写作能力的实证分析仍有限。研究生虽具备基础学术写作能力，但因专业积累不足，尚缺乏系统研究的领悟力与掌控力，既迫切需要GenAI辅助写作，又易被其磨灭学术思维。基于此，本研究将针对我国高校的在读硕士研究生和博士研究生，深入剖析GenAI的使用情况及其对研究生学术写作能力的影响，以期为强化研究生学术素养提供有力支撑。

三研究设计

1 问卷编制与访谈设计

（1）问卷编制

本研究以自我调节学习理论为依据划分学术写作能力子维度，并参考现有与学术写作有关的量表内容，编制“研究生学术写作能力调查问卷”。问题设置采用李克特七级量表，用1～7分表示从“完全不符合”到“完全符合”，经计算，改编后量表的内部一致性信度良好（Cronbach’s Alpha=0.907）。问卷内容包含三个部分：第一部分采集研究生人口统计学信息，第二部分采集研究生使用GenAI工具的基本情况，第三部分测量研究生的学术写作能力现状。其中，第三部分测量维度的编制内容具体如下——

①学术写作认知：包含元认知、问题意识和动机三个子维度，共6个题项。元认知测量写作的目的、规划和反思能力，内容参考秦利民等[15]开发的元认知策略量表；问题意识评估发现、界定和剖析问题的能力，内容参考高方[16]关于学术论文选题与问题意识关键作用的观点；动机考察驱动写作行为的内在兴趣与外部导向，内容参考Öztürk[17]的写作动机量表及Jun[18]关于写作目的的理论框架。

②学术写作情感：包含自我效能感、焦虑和专注三个子维度，共6个题项。自我效能感测量对于完成写作任务的信心水平，内容参考宁盛卫等[19]开发的自我效能感量表；焦虑评估面对写作任务时的担忧与压力情绪，是阻碍写作投入的常见因素，内容参考郭继东[20]开发的写作焦虑量表；专注考察写作中维持注意力的能力，内容参考Yu[21]在学术写作自评量表中设计的专注力维度。

③学术写作行为：包含批判、创新、逻辑推理和多元化四个子维度，共8个题项。批判测量内容构建与来源验证的能力，内容参考Ennis等[22]在批判性思维量表中提出的核心要素；创新评估提出新颖观点的能力，内容参考何方彩[23]对创新思维操作的界定；逻辑推理衡量论证的严谨性与条理性，内容参考禾风[24]关于学术写作逻辑的观点；多元化考察融合不同来源信息的能力，内容参考Jun[25]对有效内容整合的论述。

（2）访谈设计

对于研究生群体而言，严格遵守学术诚信、学术规范，尊重知识产权已成为基本共识，因此以问卷形式调研研究生学术写作伦理难以凸显真正的问题。加上GenAI在论文写作中的广泛应用，更是变相掩护了学术抄袭、挪用和篡改等学术不端行为。因此，对于学术写作伦理方面的影响研究将以深度访谈的形式展开。访谈采用半结构化形式，主要问题包含“您是否认为使用GenAI工具加剧了学术写作伦理问题？为什么？”“您在写作中是否有过伦理失范行为？具体有哪些？”“您认为应如何整改上述问题？”本研究在调查问卷最后设置了开放题项，邀请愿意接受访谈的对象留下联系方式并接受后续访谈。

2 问卷数据来源和访谈对象选择

（1）问卷数据来源

本研究的数据来自2024年12月～2025年1月期间开展的问卷调查，调查范围涵盖了我国东北、华北、华东、中南、西北、西南六大行政区的研究生群体，通过在线问卷调查平台发放。共计回收问卷1663份，有效问卷1367份，有效率82.20%，有效样本情况分布如表1所示。

表1 研究生学术写作能力有效样本情况分布

（2）访谈对象选择

根据调查问卷的填写质量，本研究筛选10名自愿接受访谈的样本对象，分别开展30分钟左右的一对一线下或线上访谈，访谈对象情况分布如表2所示。

表2 访谈对象情况分布

3 变量设置与方法选择

为系统探究GenAI对研究生学术写作能力的影响，本研究采用定量与定性相结合的混合研究方法。在变量设置上，以研究生学术写作能力为因变量，并将其分解为学术写作认知、学术写作情感、学术写作行为及学术写作伦理四个子维度；同时以GenAI工具的频率、性别、年龄、在读阶段和学科门类为自变量。

在方法选择上，考虑到未使用GenAI的样本群体可能不符合正态分布，故本研究采用曼-惠特尼U（Mann-Whitney U）检验判断“使用”与“未使用”的两组研究生在学术写作能力各维度上是否存在显著差异。在确认影响关系存在后，采用多元线性回归进行深化分析，从“确认是否存在影响”过渡到“探究影响的程度与方式”。然而，相关关系并不能代替因果推断，要排除“选择性偏误”，即可能本身能力强的学生更倾向于使用GenAI的干扰，还需采用倾向得分匹配法进行稳健性检验。此外，考虑到学术写作伦理维度的复杂性、内隐性和敏感性，仅靠问卷难以捕捉其深层意涵，因此本研究采用扎根理论对深度访谈资料进行了进一步分析。

四实证研究发现

1 描述性分析

通过分析研究生在学术写作中使用GenAI工具的基本情况，本研究发现在使用频率上，仅有5.34%的研究生表示从未使用，少部分研究生（6.22%）表示在每次学术写作中都会多次使用，其余研究生依次为偶尔使用（30.36%）、经常使用（36.28%）和高频使用（21.80%）。在使用环节上，查找资料（58.08%）、梳理框架（59.99%）和润色修改（51.79%）等基础性、模式化环节为主要的GenAI工具应用场景，显著高于确定选题（42.94%）、撰写内容（43.31%）和检查语法错误（37.02%）等原创性、批判性环节。这一结果表明：一方面，研究生群体优先将GenAI作为提升基础效率的辅助性工具；另一方面，GenAI工具在理解专业知识、生成创新观点等方面存在一定的局限性，难以满足研究生的实际需求。

2 非参数检验

依据是否在学术写作中使用GenAI工具，本研究将有效样本中的研究生群体划分为两组独立样本。由于两组样本量差异较大，且经夏皮罗-威尔克检验（Shapiro-Wilk Test），未使用GenAI工具的群体W=0.215，p＜0.05，拒绝原假设，即该组样本学术写作能力不服从正态分布，故采用Mann-Whitney U检验评估使用GenAI工具对研究生学术写作能力的影响。结果显示，两组独立样本间存在显著差异，使用GenAI工具的组别在学术写作认知、学术写作情感和学术写作行为维度上均表现出显著提升（p=0.000＜0.05）。然而，深入分析具体题项后发现，在学术写作情感维度中，“焦虑”这一变量的改善未达到统计学显著水平（p=0.051＞0.05）。

本研究采用交叉表卡方检验，分析性别、年龄、在读阶段、学科门类与GenAI使用频率间的关系，以探索变量间的分布规律及关联。经检验，性别与使用频率间未呈现显著关联；年龄与使用频率间存在显著关联，卡方值为35.268，p＜0.001，且年龄越大，使用频率越高；在读阶段与使用频率间存在显著关联，卡方值为28.953，p＜0.001，在使用比例和频率上，博士研究生显著高于硕士研究生；学科门类与使用频率间亦存在显著关联，卡方值为62.202，p＜0.001，人文社科、自然科学、工程与技术科学专业的研究生GenAI使用比例显著高于农业科学和医学科学，且更倾向于在写作中频繁使用GenAI工具。

3 多元线性回归

本研究利用普通最小二乘法构建4个多元线性回归方程，用于探究所有自变量与学术写作认知、学术写作情感、学术写作行为和学术写作能力（除伦理外）因变量之间的关系，估计结果如表3所示。由表3可知，性别和使用频率对学术写作能力各维度均有显著正向影响，年龄和学科门类对学术写作认知、学术写作情感和学术写作能力具有显著正向影响，这意味着性别、年龄、学科和使用频率能够从不同维度促进学术写作能力。然而，在读阶段对学术写作能力各维度均无显著影响，表明该自变量并非关键影响因素。此外，在模型拟合度上，由R²值和F值可知，该模型对学术写作各维度有一定的解释力，但整体解释程度较为有限且在不同维度上存在差异，表明该回归模型在解释学术写作各维度的变异情况时存在局限性。

表3 普通最小二乘法估计

为进一步探究GenAI使用频率对研究生学术写作能力的影响，本研究以得分散点图为依据构建多项式方程趋势线，发现两者间可能存在非线性关系，因此将使用频率纳入二次项进行回归，结果如表4所示。

表4 二次项回归结果

由表4可知，使用频率的非标准化系数为正，其二次项的非标准化系数为负，表明GenAI使用频率与学术写作认知、学术写作情感、学术写作行为和学术写作能力之间存在倒U型关系，即在一定范围内，GenAI使用频率的增加会提升学术写作能力，但超过临界点后，其对学术写作能力的积极影响将开始减弱，甚至可能转变为负面效应，导致能力出现下降。经计算，临界点横坐标值约为3.715，大致对应于GenAI使用频率在“经常用到但并非每次都用”与“每次都用但不会每次多次使用”之间。因此，适度且有策略地使用GenAI，可以有效辅助并提升研究生的学术写作能力。然而，一旦过度使用，可能导致学生过于依赖工具，从而削弱其独立思考、深度分析和原创表达的能力，最终对学术写作能力产生负面影响。

综合回归分析结果发现：其一，研究生使用GenAI辅助写作，能更好地规划与监控写作进程、增强驱动力，写作状态从被动任务执行，转为主动学术探索；其二，利用GenAI分担部分烦琐工作，能有效降低心理负荷，显著提升写作自信心与专注程度；其三，GenAI助力研究生写作行为更加高效，借助GenAI可快速整合信息，更便捷地进行观点逻辑建构与批判性审视，从而将更多精力分配给写作内容的创新。

4 稳健性检验

为精准识别GenAI对研究生学术写作能力影响的“净效应”，推断两者因果关系，本研究在普通最小二乘法的基础上，采用倾向得分匹配法（Propensity Score Matching，PSM）纠正传统估计的选择偏误。为获得稳健结果，采用K-近邻匹配、半径匹配和核匹配三种估计策略。其中，K-近邻匹配的k值为4，即1对4匹配；半径匹配设置半径范围值为0.01；核匹配使用默认和函数与带宽，稳健性检验结果如表5所示。

表5 不同估计策略的稳健性检验结果

以K-近邻匹配法的结果为例，实验组（使用GenAI工具）的学术写作认知、学术写作情感和学术写作行为在匹配前分别是15.839、12.747、20.864，对照组（未使用GenAI工具）的对应三个维度得分在匹配前分别为13.294、11.328、17.157，二者存在显著差异。而匹配后两组间的差值分别为1.822、1.095、2.206，相对于匹配前缩小了0.723、0.324、1.501，表明利用倾向得分匹配纠正了选择性偏差和模型设定偏差，GenAI对研究生学术写作能力的正向效应显著提升。同理，分析半径匹配和核匹配结果，均得到相似结果，充分验证了结论的稳健性。根据以上三种匹配结果可知，使用GenAI工具对研究生学术写作认知、学术写作情感和学术写作行为均呈现显著正向影响，处理效应大小有一定的变化。就学术写作能力各个子维度的匹配结果而言，使用GenAI辅助论文写作能够帮助研究生个体加深其对于自身能力的元认知理解，并提升问题发现意识，增强对于研究的内外动机，使其在写作过程更加自信和专注，且更加注重写作中的观点批判、逻辑推理和多元内容整合。

5 访谈资料分析

上述数据分析已明确GenAI对研究生学术写作认知、学术写作情感和学术写作行为的影响，但由于学术写作伦理存在内隐性与自我遮蔽特征，难以通过量表数据捕捉其复杂性和潜在风险，因此本研究基于10位受访者的深度访谈资料，采用扎根理论三级编码方法，参考已有研究的学术写作伦理分类形式[26]，提炼了研究生学术写作伦理的两大核心属类：学术不端和工具应用。其中，学术不端主要指外显的违规行为，工具应用则更多反映使用者与工具互动中产生的内隐认知异化，具体的三级编码如表6所示。

表6 研究生学术写作伦理三级编码

深入分析访谈资料发现，GenAI工具的应用对学术写作伦理影响深刻，主要体现在两方面：其一，学术不端的风险显化与认知分歧。所有受访者认为，GenAI虽极大地便利了学术论文写作，但加剧了学术不端的潜在风险；多数人坦言曾用GenAI生成课程论文或写作任务，稍作调整便提交，仅在面对需查重的重要任务时，会秉持“辩证”“谨慎”态度。值得注意的是，受访者对“何为不端”的认知差异明显，少数人持争议观点，认为GenAI的生成内容是“个人训练所得”，或强调提示语的独特性使其具有“个人属性”，不应简单归为剽窃。这种观点模糊了原创性与辅助性的边界。更需警惕的是，部分受访者直言用GenAI获取信息或观点时，会凭“主观判断”直接采纳，不做严谨的二次检索与验证，这已然构成对学术规范的潜在威胁。其二，工具应用的合理辅助与依赖滥用。部分受访者持审慎工具观，将GenAI严格定位为合理辅助角色，仅用于灵感激发、资料检索、语言润色等环节，极少用其生成论文内容，更不会直接挪用，且承认GenAI在写作支持中存在引用无来源、观点无佐证、逻辑不严密等问题。另一部分受访者则表现出明显的工具依赖甚至滥用倾向，会优先考虑GenAI能否直接生成写作内容，甚至依赖其判断研究选题价值，将结论作为决策依据，这种行为或导致自主思考能力退化、批判性思维弱化。

综上，访谈分析揭示了GenAI工具在研究生学术写作中的“双刃剑”效应，在提升效率的同时，极易诱发外显的学术不端，并可能引发研究生内隐的工具依赖与认知异化。尤为关键的是，当前研究生普遍面临GenAI带来的伦理规范新挑战，伦理边界感模糊与自我遮蔽现象广泛存在，严重制约其对自身行为的正确认知与反思，这构成了学术诚信教育的重大挑战，亟需通过教育引导与规范制定解决。

五研究结论与启示

1 研究结论

本研究分析了1367份有效问卷，并综合运用普通最小二乘法、倾向得分匹配法等探究了GenAI使用频率、性别、年龄、在读阶段、学科门类等与研究生学术写作认知、学术写作情感、学术写作行为的关系。另外，本研究还针对10份受访者的访谈资料展开扎根理论研究，探究了不同研究生个体在学术写作伦理维度的具体表现。结论主要如下：

第一，研究生学术写作中对GenAI的应用呈现阶段化特征。数据显示，GenAI已是学术写作的常用辅助工具，超半数研究生高频率使用此工具完成查找文献、润色修改等耗时的基础性工作，而在明确选题、撰写内容等需要创新思维的关键环节，使用率显著降低。原因主要在于当前GenAI在理解专业学术问题方面存在局限性，难以生成具有学术价值的创新观点；研究生普遍缺乏针对GenAI提示语的系统性培训，难以引导GenAI精准获取所需信息。

第二，不同个体变量的能力表现和使用特征不同。在能力维度上，适度使用GenAI对学术写作认知和行为有显著的积极效应，但对“焦虑”情感无影响，这是因为焦虑源于写作环境、质量标准等多重因素[27]，GenAI虽能提效却难解决根本问题。而使用频率与年龄、在读阶段及学科门类存在显著关联——具体而言，年龄较长者和博士研究生使用GenAI更为频繁，这主要源于博士生经过系统的学术训练，批判性思维、信息甄别能力更强，且能凭专业知识设计有效提示语；侧重文化思维的文科、逻辑推理的理科、技术应用的工科更高频使用GenAI；具有高度学科排他性与实验操作性的农学、医学因需求不匹配，使用率较低。

第三，GenAI对研究生学术写作能力的影响呈现复杂化特征。数据显示，性别、年龄和学科门类与研究生学术写作能力显著相关，GenAI使用频率对其有显著的促进作用，该结果经稳健性检验后保持一致。且GenAI使用频率与学术写作能力呈倒U型关系，与类似研究结论一致[28]。可见，适度使用GenAI可补能力短板，过度依赖则边际效益递减，加之GenAI提供的信息可能存在有误、过时等风险，会导致负面效应不断积累，最终反向抑制学术写作能力的发展。

第四，GenAI在学术写作中的应用引发了伦理观念的显著转变。GenAI的便捷性虽然提升了写作效率，但这也伴随着对学术诚信的潜在威胁。此外，受访者对GenAI的使用呈现两极分化，一部分研究生能理性地将其作为辅助工具，坚守学术诚信；另一部分则表现出过度依赖，甚至优先使用未充分理解的生成内容，大大削弱了学术自主性与创新能力。同时，GenAI使学术写作伦理边界逐渐模糊，但研究生对这种变化尚未完全认识和适应，这种模糊可能导致伦理问题被忽视，从而威胁学术界健康发展。

2 启示

一是明确GenAI辅助研究生学术写作的伦理规范。一方面，应将GenAI使用的伦理规范纳入学术道德教育体系中，通过讲座、案例分析等形式加强学术诚信意识；另一方面，学术机构、高等院校等相关部门应加强对GenAI的监管，及时发现并纠正不当使用行为，维护学术生态的健康发展。二是构建GenAI辅助研究生学术写作的课程体系。该课程体系应覆盖学术写作全流程，针对选题、文献查找、框架梳理、内容撰写及润色修改等具体环节，提供GenAI工具的实操应用指导。同时，还应强化提示语工程教学，系统指导研究生掌握精准有效的提示语撰写方法，以提升使用效率。三是制定GenAI辅助研究生学术写作的评价标准。新标准应综合考虑GenAI工具使用与论文质量的关系，既要关注论文的学术创新价值，也要考察GenAI工具的使用是否恰当，避免批量同质化论文产出。同时，对于写作过程的评价也不容忽视，包括研究生的GenAI使用频率是否合理、是否能根据不同写作阶段的需求灵活调整使用策略等。（文章摘自：张煜明,涂涛,赵斌刚.GenAI会影响研究生的学术写作能力吗？——基于问卷调查和访谈的实证分析[J].现代教育技术,2025,(11):32-41.）

参考文献

[1](美)南希·萨默斯,赫明珠,于海琴.写作何以成为哈佛大学唯一一门必修课程——南希·萨默斯与赫明珠、于海琴的对话[J].华东师范大学学报(教育科学版),2022,(1):116-126.

[2][28]马银琦,黄恒,毋磊,等.“技术赋能”还是“工具依赖”:生成式人工智能对研究生科研创新力的影响研究[J].电化教育研究,2024,(12):58-66.

[3]戚佳,徐艳茹,刘继安,等.生成式人工智能工具使用对高校学生批判性思维与自主学习能力的影响[J].电化教育研究,2024,(12):67-74.

[4]Gemma C. Scientists used ChatGPT to generate an entire paper from scratch - but is it any good?[J]. Nature, 2023,(7970):443-444.

[5]Tran T H. A doctor published several research papers with breakneck speed. ChatGPT wrote them all[OL].

<https: www.thedailybeast.com="" how-this-doctor-wrote-dozens-of-science-papers-with-chatgpt="">

[6]姚林群.中小学生语文写作能力:要素、水平及指标[J].课程·教材·教法,2013,(3):69-75.

[7]朱旭东,李肖艳.“Wisdom”学位论文写作教学模式建构:构成要素、理论基础与实践策略[J].学位与研究生教育,2024,(7):1-8.

[8]Council of Writing Program Administrators. Framework for success of postsecondary writing[OL].

[9][21]Yu C. Integrating information literacy and academic writing: Developing a self-assessment scale of information-based academic writing[J]. The Journal of Academic Librarianship, 2023,(6):102804.

[10]Zimmerman B J. A social cognitive view of self-regulated academic learning[J]. Journal of Educational Psychology, 1989,(3):329.

[11]汪靖,黄雯倩.基于自我调节学习理论的语文读写一体化模式建构与实证研究[J].课程·教材·教法,2024,(1):91-97.

[12]Le F. How ChatGPT is transforming the postdoc experience[J]. Nature, 2023,622:655.

[13]李艳,许洁,贾程媛,等.大学生生成式人工智能应用现状与思考——基于浙江大学的调查[J].开放教育研究,2024,(1):89-98.

[14]光明网.复旦发文规范毕业论文AI使用[OL].

[15]秦利民,Lawrence Jun Zhang.多媒体环境下英语写作者元认知策略量表的研制与开发[J].外语电化教学,2017,(3):28-36.

[16]高方.国际视野、问题意识与创新能力的培养——关于博士学位论文的选题与写作[J].学位与研究生教育,2012,(1):7-10.

[17]Öztürk E. The psychometric properties of the writing motivation scale[J]. International Online Journal of Educational Sciences, 2013,(2):351-360.

[18][25]Jun S W. Teaching ESL composition: Purpose, process, and practice[J]. Studies in Second Language Acquisition, 2006,(1):146-147.

[19]宁盛卫,李秀丽,冯浩.本科生毕业论文写作自我效能感量表的信效度检验[J].中国临床心理学杂志,2023,(3):650-653.

[20]郭继东.写作自我概念和自我效能对大学生英语写作成绩的影响:写作焦虑的中介作用[J].外语学刊,2018,(2):69-74.

[22]Ennis R H, Weir E E. The Ennis-Weir critical thinking essay test: An instrument for teaching and testing[M]. California: Midwest Publications, 1985:1-4.

[23]何方彩.信息技术支持下的初中生创新思维培养策略研究[D].桂林:广西师范大学,2022:35-38.

[24]禾风.逻辑与写作[J].开放教育研究,2021,(3):121.

[26]田贤鹏,肖智琦.生成式AI赋能研究生科研写作的学术伦理与风险防控[J].现代教育技术,2024,(8):23-32.

[27]马洁,董攀.大数据背景下国内外语写作焦虑研究[J].外语电化教学,2018,(2):32-37.