【导语】
近日，Gizmodo 发布一篇采访报道，总结出美国一位大学写作教授多年教学经验提炼出的识别 AI 撰写论文的“红旗信号”。该文章指出，虽然检测软件帮助有限，但通过观察论文格式、段落结构、语气与引用等方面，教师仍有较高概率辨别人工智能生成内容。
【一、破折号频繁出现成典型 AI 写作特征】
佛罗里达西南州立大学英语写作教授 Mark Massaro 表示，自 ChatGPT 及类似工具普及之后，许多学生论文里频繁使用 em‑dash（长破折号）。Massaro 发现，当怀疑学生论文由 AI 生成时，常会要求其在课堂上输入 em‑dash 符号，若学生无法顺利操作，即显现他们并未真正使用该风格。这种依赖格式符号的“假熟练感”，成为判断的起点。
【二、论文无首行缩进，段落结构不自然】
Massaro 指出，AI 工具生成文本往往不符合学术写作规范，段落之间缺乏首行缩进，整体呈现大块文本堆栈，缺少视觉分隔。相比之下，学生自己写的论文通常每段首行缩进清晰。这种“排版懒散”反映生成机制在默认输出格式上的一致性问题。
【三、语法无错但内容浅显，风格机械一致】
教授强调 AI 文本往往语法完美但缺乏深度思考，段落均匀长度、句式结构雷同，语气过于正式且缺乏个性化思辨——写作感觉“冷冰冰、机械化”。Massaro 形容这类文本“每段都差不多长，音律单一，并非典型学生随性的写作风格”。
【四、缺乏草稿痕迹与写作过程】
Massaro 在课堂上要求学生参与草稿交流、同行反馈和写作中心讨论。他表示，AI 生成论文通常没有这些过程记录，也难以解释为何词汇水平突然跳跃，与学生以往作业风格不符。这种“突变式提升”的写作表现，引发他的警觉性。
【五、过于抽象、缺个人细节】
在个人反思类论文中，AI 更倾向谈抽象概念如“友谊”“责任”等，而不会提及学生真实经历或细节。Massaro 指出，如果一个论文谈到自己在 7‑Eleven 打工经历，AI 很可能抽象出泛泛思考，而非提及具体场景或细节。这种“缺场景”的倾向是重要线索。
【六、包含未删的提示词或原始 prompt】
Massaro 曾遇多起案例，学生误将从 ChatGPT 复制的 prompt 原文一并提交，从而暴露使用痕迹。这种“prompt 副本”出现在正文开头或脚注，直接证实论文可能来自 AI，而非学生原创思考。
【七、引用和参考文献错误频出】
他指出 AI 在生成论文时常会“编造”不存在的引用，包括虚假书名、作者或期刊。一些论文中引用的研究难以在数据库检索到，给教师甄别带来额外工作。Massaro 多次为此在文献数据库中核对引用来源，最终确认是假引用或误导性信息。
【八、检测工具作用有限，人工判断仍具优势】
尽管市面上已有 Turnitin、GPTZero 等 AI 检测工具，Massaro 表示学校已禁止将学生作品上传至此类工具，考虑到学生隐私与可靠性问题。他不再依赖软件，而是使用上述观察法判断文章可能由 AI 创作：内容格式异常、语言风格不符、缺过程痕迹与原始 prompt 等表现为典型信号。
【九、AI 检测工具准确性依赖有限】
相关研究指出，目前不少 AI 文本检测工具准确率低、偏误高。由 Kansas 大学研究提出的检测器声称在科研写作场景下对 AI 文本判断准确率高达 99%，但该模型针对特定学术体裁训练，泛化能力不足。而更广泛地评估发现，不少检测软件在经过文本混淆、抄袭或 paraphrase 处理后准确率明显下降，且偏向误判人为写作为 AI 内容，尤其针对英语非母语者作品时误判率更高。
【结语】
虽然 AI 写作工具已成为学生作业与学术写作中的常见辅助手段，Massaro 教授的方法强调依赖“人脑判断”而非机器工具。他总结出的多项细致信号——包括破折号频繁使用、缺乏首行缩进、风格统一、引用造假和 prompt 残留等——为教育界提供了更灵活的应对策略。当前，面对生成式 AI 的普及，仅依赖检测软件远不够，教师的敏锐观察力与教学实践应成为判断学生原创性的重要补充。
该教授认为，随着AI写作愈发普及，学术界需建立完善的检测机制和伦理规范。此举不仅保护知识产权，也维护教育公正。AI写作虽然带来便利，但人类学者的原创思维和批判能力仍不可替代。
随着未来技术发展，AI和人类合作写作将成为常态，但鉴别两者的边界和标准刻不容缓。各大高校和研究机构可借鉴这位教授的观察，提高识别能力，确保学术诚信不被破坏，推动科技与教育的健康融合。