Responsible Use of Generative AI: Strategies and Practices of Top Canadian Universities ()
1. 引言
生成式人工智能快速普及,深刻改变高校教学、作业与论文写作模式,同时带来学术诚信、思维惰性、数据安全等风险。据英国《卫报》报道,仅在2023~2024年,英国高校就发生了将近7000起有确证的AI作弊事件,也就是说,每1000名学生中即有5.1起,这个比率是2022~2023年的三倍有余。面对人工智能带来的教育变革,国际组织、学术管理机构积极出台相关规范。2023年9月联合国教科文组织发布《在教育和研究中使用生成式人工智能的指南》[1],2024年3月欧盟出台《科研领域负责任使用生成式人工智能指南》[2]。2026年中国教育部也出台了《“人工智能+教育”行动计划》[3]明确高校AI应用的总体方向。但令人担忧的是中国各高校对学生和教师规范使用人工智能领域的政策文件相对不足。本文主要研究加拿大高校如何规范使用生成式AI,全面深入考察加拿大一流高校出台的生成式人工智能学术使用规范,为我国高校提供借鉴。
在国家层面上,加拿大联邦层面尚未出台适用于全社会的专门人工智能成文立法。2023年加拿大国库委员会秘书处发布的《生成式人工智能使用指南》[4]提出FASTER六大负责任AI原则,采用风险为本治理思路,构成加拿大高校研究生生成式AI政策的上位指导文件。指南强调使用者对AI输出承担全部责任、禁止向公共AI输入敏感个人与科研数据、AI使用必须透明可追溯。2026年6月发布加拿大新版全国人工智能战略:《AI for All》[5]目标推动负责任创新,兼顾安全、就业与主权。计划完善立法、推进可信AI认证、深度伪造治理、选举AI虚假信息管控、强化儿童个人信息保护,建设AI安全研究体系。在行业组织和高校层面,加拿大并未出台全国统一强制的高校AI立法,以各校自主指引和U15名校联盟框架为主。2024年,U15加拿大研究型大学联盟发布《教学中的AI:价值观、原则与最佳实践》[6]。多大、UBC、麦吉尔大学等顶尖院校均参与其中,是加拿大高校AI政策的纲领性联盟文件。
与加拿大高校对人工智能探索相比,2026年中国教育部出台《“人工智能+教育”行动计划》,明确高校AI应用的总体方向。该文件是自上而下的宏观指引为主,但学科差异化细则不足,留给任课老师自主裁量空间相对有限,不少高校将AIGC检测报告、AI文本占比作为判定学术不端的重要依据,存在误判的风险,学术不端申诉机制不够完善。现在高校AI规则更多聚焦禁止AI代写、防范学术造假、守住安全底线,偏向约束与惩罚;而系统性AI素养教育不足;缺少课程教会学生如何合理使用AI、识别AI幻觉、学会规范标注AI产出。政策伦理视角相对单一、缺少面向多元弱势群体公平评估维度。AI使用标注规则比较模糊,界定“辅助”和“代写”的边界不清晰。面对老师使用AI的使用规范与配套激励机制不足。
2. 案例选择和特征分析
2.1. 案例来源和筛选说明
本研究首先通过系统性搜索,收集了十所加拿大顶尖高校的广泛样本,涉及生成式人工智能应用的官方文件、政策声明、新闻报道等。对收集的文献进行深入分析,识别关键策略,并对不同大学应对生成式人工智能的实践进行横向比较,识别共性和差异。
为确保研究对象的代表性和权威性,本研究采用了多维度的筛选标准,同时参考广受认可的全球大学排名系统:2026年QS世界大学排名(QS World University Rankings 2026) [7]选取加拿大本国排名前10名的大学作为研究样本。分别是多伦多大学,麦吉尔大学,不列颠哥伦比亚大学,阿尔伯塔大学,滑铁卢大学,韦仕顿大学,麦克马斯特大学,女王大学,卡尔加里大学,蒙特利尔大学。选取原因主要是因为这些高校在人工智能教育领域兼具一定学术权威与实践前瞻性,其应对生成式人工智能变革的方案具有示范效应。在案例来源方面,收集上述10所高校关于学生生成式人工智能技术应用的相关政策文件。本研究所依据的所有原始数据全部源于上述10所加拿大大学在其官方网站上发布的通知或公告。本次研究存在一定的局限性,研究样本仅选择了加拿大10所顶尖高校,无法覆盖全部加拿大大学,不同院系执行层面可能存在差异。但作为加拿大顶尖研究型院校,其生成式AI治理政策与创新实践经验仍具有重要的参考价值和启示。本研究采用关键词artificial intelligence governance、generative AI policy、academic integrity、AI disclosure检索高校AI治理政策,纳入高校官方正式发布的治理文件,剔除新闻、通知、宣传材料,最终语料共20份。本研究以意义完整的段落作为编码单元,对照FASTER子原则开展编码;对于存在歧义、可归入多个类别的文本,研究者反复对照框架定义进行核验斟酌,确定分类结果。
2.2. 加拿大一流高校应对生成式AI的策略
本研究分析框架参考了联合国教科文组织(United Nations Educational, Scientific and Cultural Organization, UNESCO) 2023年发布的《教育与研究领域生成式人工智能指南》(以下简称《指南》),加拿大联邦国库委员会秘书处2023年发布的《生成式人工智能使用指南》以及加拿大高校现有实践。提炼了FASTER六大原则作为分析框架,对加拿大10大高校生成式AI政策进行横向对比。六大原则定义分别是1. 公平(Fair):确保工具输出内容不包含或放大偏见,符合人权、无障碍以及程序与实质公平义务;部署前与利益相关方沟通。2. 可问责(Accountable):对AI生成内容及其使用带来的影响承担责任。3. 安全(Secure):保证基础设施与工具匹配信息安全等级,保护隐私与个人信息;部署系统时评估并管控网络安全风险。4. 透明(Transparent):识别由AI产出的内容;告知用户正与AI工具交互;部署工具时提供机构政策、适用范围、训练数据与模型相关信息;留存决策记录,当AI辅助决策时可提供解释。5. 认知赋能(Educated):学习工具的优势,局限与负责任使用方式;掌握有效提示词撰写方法,识别输出内容潜在缺陷。6. 适用(Relevant):确保生成式AI使用契合用户与组织需求,提升服务成效;选用工具时考量环境影响;匹配任务选择合适工具(见表1)。
表1. 10所加拿大一流大学GenAI使用政策对比
学校 |
Fair (公平/偏见
防控) |
Accountable (可问责
/责任准确性) |
Secure
(安全/隐私保护) |
Transparent
(透明度/AI披露) |
Educated (认知
赋能/AI素养教育) |
Relevant
(适用/采购合规) |
多伦多
大学 |
政策提示AI
存在算法
偏见,要求
研究者评估AI
输出偏差 |
学生全责,必须
人工核验AI
产出;无法解释
AI生成内容将被
认定学术不端 |
遵循PIPEDA [8]
禁止公共AI上传
受试者识别信息、
未发表原始科研
数据 |
实质性AI使用
需要在论文附录/
方法章节披露,学科
惯例优先 |
开设研究生AI
政策课程
INF1005H,讲授
AI伦理与科研
边界 |
遵循联邦法规;
校内推荐使用
合规版Copilot,
院系可自主细化
AI使用细则 |
麦吉尔
大学 |
四级风险评估包含偏见风险审查,要求
识别AI歧视
性输出 |
学生承担全部责任;AI代笔属于学术
不端,提出“旁观
开车”隐喻,强调
学生主体性 |
PIPEDA + 魁北克
隐私法,禁止将
质性访谈敏感
数据输入公共AI |
四级风险分级,
实质性使用强制
披露,提供标准化
披露模板 |
开设应用AI证书
课程,配套研究生
AI科研规范培训 |
风险为本,未经过
学校审查的AI工具禁止用于学术研究;区分高低风险场景 |
UBC
不列颠
哥伦比亚大学 |
政策明确要求
评估AI偏见、
种族歧视
风险,兼顾
原住民数据
主权 |
学生全责,AI产出
必须人工批判性
核验;隐瞒AI使用
认定学术失信 |
BC省FIPPA法案;
敏感数据仅可使用
校内完成隐私评估
的AI工具 |
差异化披露:实质性
AI使用强制论文AI声明;简单语法润色豁免披露 |
ETEC565L
研究生AI素养
学分课,面向所有学科研究生 |
校内AI工具必须
完成隐私影响评估
PIA后才可采购
使用,匹配BC
省法规 |
阿尔伯塔大学 |
提示AI存在
偏见、事实
错误风险,
社科研究需
评估偏差影响 |
学生对AI全部输出
负责,人工核验文献
与结论 |
遵循PIPEDA,禁止
公共第三方AI
上传保密科研数据 |
实质性AI使用强制披露,可放在前言、附录,无统一模板 |
计算机系开设
NLP、大模型
选修课;院系
配套AI科研培训 |
遵循PIPEDA,
院系可以制定学科
层面AI合规细则 |
滑铁卢
大学 |
提及AI存在
偏见与错误
输出风险,
研究者审慎
评估 |
学生主体全责,必须人工校验AI内容 |
PIPEDA,优先使用
校内安全Copilot,
禁止公共AI输入
敏感科研资料 |
鼓励留存AI使用记录,鼓励披露,披露详略交由导师决定 |
开设AI伦理专题
研讨、研究生
工作坊,无独立
学分课 |
校内AI工具上线前
需要数据安全评估,
联邦法律框架下
学科自治 |
韦仕敦
大学 |
明确提出AI
自带算法
偏见,研究者
要审慎评估 |
学生全责,AI仅
作为科研辅助,不能替代原创分析 |
PIPEDA,禁止公共
AI上传受试者个人
信息、未发表材料 |
柔性管理,无全校统一模板,披露方式由学科 + 导师确定 |
以跨学科AI专题
研讨、讲座工作坊
开展研究生AI
教育 |
遵循PIPEDA,院系
自主制定AI使用
细则,弹性治理 |
蒙特利尔
大学 |
依托Mila研究所,要求评估AI偏见、虚假引用风险 |
学生全责;未经许可使用AI,直接认定学术欺诈 |
魁北克隐私法 +
PIPEDA双重保护,原始访谈稿严禁输入公共商用AI |
2024新规,实质性AI使用论文必须增设独立AI使用声明 |
Mila配套AI伦理与负责任AI
研究生课程,
法语授课 |
AI工具使用需要
合规审查,魁北克省
法规约束,默认禁止
模式 |
麦克
马斯特
大学 |
政策提示AI偏见、虚构
参考文献
风险,需要
人工甄别 |
学生全责,必须独立解释全部研究逻辑,核验AI输出 |
PIPEDA,涉密、受试者原始数据禁止输入公共AI |
AI使用必须完整披露写入论文,答辩委员会可质询AI全过程 |
MMAIA硕士
课程包含生成式AI实务与伦理
训练 |
遵循PIPEDA,院系
制定学科AI使用
合规要求,默认禁止
模式 |
女王
大学 |
MMAI课程
专门讲授AI
公平性、偏见治理,将公平原则纳入课程考核 |
学生全责,人工核验AI输出,隐瞒AI
使用属于学术不端 |
PIPEDA,敏感科研数据禁止上传公共大模型 |
实质性AI使用强制披露,放在方法或致谢,答辩可质询AI使用 |
MMAI891《商业
生成式AI》
必修课,配套
《伦理与负责任
AI》课程 |
AI工具选用需要
匹配研究任务,学科
自主制定AI使用
细则 |
卡尔加里
大学 |
明确AI存在偏见、输出
失真风险,
要求研究者
评估 |
学生全责,人工
核验AI结果;不将
AI检测报告作为
学术不端唯一证据 |
PIPEDA,敏感受试者信息录入AI需要额外伦理审查 |
实质性AI使用强制披露,说明工具、任务、人工修订过程 |
以研究生科研
规范工作坊为主,
计算机系开设
大模型选修课 |
校内AI采购需要
隐私安全评估,符合
PIPEDA联邦法律 |
注:表格资料来源于各大学官网[9]-[18]。
通过对这10所一流加拿大大学AI政策对比,分析如下:从共性特征来看1. 责任与准确性维度:10所高校全部确立学生主体全责原则。2. 隐私与数据保护、安全性维度:各校均严格限制向公共生成式AI平台上传可识别身份的受试者访谈材料、未发表原始科研数据。3. 偏见与歧视维度:全部高校均在政策中提示生成式AI存在算法偏见、社会偏见与虚假引用风险,要求研究者保持审慎批判性审查。4. 知识产权维度:统一要求使用者承担AI生成内容带来的版权、知识产权侵权风险,直接复用AI文本需要标注来源。5. 学术道德与教学维度:所有学校均界定AI为科研辅助工具,不可替代研究生批判性思考与原创学术贡献。未经许可、隐瞒AI使用属于学术不端。学校间差异主要体现在透明度,认知赋能维度和采购与合规两大维度。1. Transparent透明度维度:10所高校可以分为高强制规范组:麦吉尔大学(标准化披露模板)、蒙特利尔大学(独立AI声明)、UBC (差异化披露规则),对AI披露有硬性格式要求;中等强制组:多伦多、阿尔伯塔、女王、麦克马斯特、卡尔加里,要求实质性使用必须披露;柔性自治组:滑铁卢大学、韦仕敦大学,仅鼓励披露,披露详略交由导师、学科自主决定。同时蒙特利尔大学、麦克马斯特大学采取默认禁止模式,AI使用准入门槛更高,透明度管控力度更强。2. Educated认知赋能维度:UBC、女王大学、多伦多、麦吉尔、麦克马斯特开设正式跨学科学分课程,面向人工智能专业研究生系统讲授FASTER六大原则对应的AI伦理、偏见、隐私、透明披露;阿尔伯塔、滑铁卢、韦仕敦、卡尔加里,依托讲座、工作坊、科研培训开展AI素养教育,无独立学分课程,与学校柔性治理政策匹配。3. Relevant适用于采购合规维度:UBC、卡尔加里大学明确校内AI工具采购前必须完成隐私影响评估;魁北克地区麦吉尔、蒙特利尔大学同时遵守联邦PIPEDA与魁北克省隐私法案;其余高校以联邦PIPEDA为基础,院系拥有较大自主制定细则的权限。
2.3. 加拿大一流高校的关于生成式AI相关创新课程
这10所加拿大高校都开设了和生成式AI相关的研究生课程和教学活动。课程体系可以分为技术型专业课程与跨学科AI素养课程两大类,与各校生成式AI政策形成联动。
所有学校课程都覆盖AI偏见、责任准确性、隐私保护、学术道德等核心议题,呼应加拿大联邦AIDA法案、FASTER原则,强调研究生作为使用者对AI输入承担全部责任,要求人工核检AI结果(见表2)。
表2. 10所加拿大一流大学生成式AI创新课程比较
学校 |
创新课程(研究生) |
课程简介&创新特点 |
多伦多大学
University of
Toronto |
INF1005H1S人工智能政策
(iSchool,研究生) |
聚焦AI治理、AI伦理、AI政策法规,系统讨论透明度、偏见歧视、隐私
保护、责任界定。课程作业要求评估AI政策风险,同时规定课程作业中
生成式AI使用规范。 |
麦吉尔大学
McGill
University |
应用AI与数据科学专业证书
课程(继续教育学院,研究生
层次) |
课程专门开设生成式AI与智能Agent专题,兼顾技术应用 + 知识产权、
AI偏见评估;面向非计算机背景研究生,培养负责任使用GenAI解决
科研问题。工程学院研究生可选机器学习、大模型相关选修课。 |
UBC不列颠
哥伦比亚大学 |
ETEC 565L:研究生AI素养
课程ETEC 565T:教学场景下
生成式AI伦理(2026新开) |
ETEC565L面向所有专业研究生,覆盖科研全生命周期AI使用、学术
诚信、AI偏见、隐私风险、AI可追溯透明度,不是单纯讲代码,重点训练
批判性使用AI工具;ETEC565T专门研究生成式AI伦理与教学应用。 |
阿尔伯塔大学
University of
Alberta |
CMPUT 561自然语言处理
(研究生)、机器学习系列选修课 |
计算机研究生课程,包含大语言模型、生成式模型技术内容;同时院系配套研究生AI科研规范培训,嵌入AI偏见、数据隐私、科研知识产权教学。 |
滑铁卢大学
University of
Waterloo |
数学硕士(AI方向)、AI主题
研究生研讨课 |
滑铁卢以数学AI见长;研究生研讨课设置生成式AI专题研讨,讨论大模型风险、学术使用边界;全校面向研究生开设AI伦理工作坊,作为课程补充。 |
韦仕敦大学
Western
University |
跨学科AI研究生专题研讨课 |
不单独开设固定课程,以专题研讨、工作坊形式面向全体研究生;讲解研究生论文写作中AI披露、学术诚信、数据隐私,属于柔性教学,和该校柔性AI政策保持一致。 |
蒙特利尔大学
Université de
Montréal |
Mila研究所配套研究生AI
伦理与治理课程 |
依托Mila (加拿大顶尖AI研究所),研究生可选AI伦理、负责任AI课程;课程包含生成式AI在科研中的风险、知识产权、偏见评估,法语授课,和魁北克严格AI监管政策配套。 |
麦克马斯特大学
McMaster
University |
MMAIA人工智能与分析
管理硕士(DeGroote商学院) |
课程包含生成式AI实务,讲授大模型提示工程,同时强制学习AI伦理、
数据合规、算法偏见;课程配套学术规范训练,匹配学校“默认禁止”的AI政策。 |
女王大学
Queen’s
University |
MMAI人工智能管理硕士
(Smith商学院) MMAI891:
商业生成式AI (核心必修课) |
MMAI891 Generative AI for Business是标志性创新研究生课程。内容涵盖
大模型、智能Agent、提示工程,重点讲授负责任AI治理:偏见评估、
隐私、知识产权、AI输出核验(责任准确性)。配套课程《伦理与负责任AI》,专门讲解AI公平、安全、合规采购。 |
卡尔加里大学
University of
Calgary |
研究生AI科研规范工作坊 +
计算机系大模型专题选修课 |
没有独立的AI伦理学位课,以科研培训、工作坊形式,面向硕博研究生,讲解学位论文AI使用声明、隐私保护、学术不端风险;计算机研究生可选深度学习、生成模型技术选修课。 |
注:表格资料来源于各大学官网[18]-[28]。
3. 加拿大高校生成式AI治理经验对我国高校的启示
通过对加拿大10所一流高校基于FASTER原则的生成式AI治理政策横向对比可以发现,加拿大高校已经构建起以联邦法律为底线约束,融合风险分级治理、学生主体问责、隐私优先保护、透明可追溯使用、系统化AI素养培育、院系弹性自治的治理体系。相较于国内高校当前较多采用禁令管控、技术筛查、统一规范的治理方式,加拿大高校体现出严守隐私、强化主体责任、重视素养教育、审慎惩戒、学科分类、制度弹性的治理特点。结合我国高校现实治理情况,可以得出一下六个方面启示。
3.1. 构建“风险分级 + 场景分类”差异化治理体系,转变单一
禁令式管理
加拿大高校普遍摒弃“一刀切”管控思路。麦吉尔大学设立四级AI风险评估框架;多伦多大学、不列颠哥伦比亚大学(UBC)、蒙特利尔大学依据科研类型、数据敏感度、作业性质划定AI使用权限,对思路启发、文献整理、数据分析、全文生成等场景实施差异化管理,在高敏感社科访谈、涉及人类受试者的研究中,原则上禁止使用公共生成式AI。反观国内不少高校仍采用统一禁止或模糊限制的规则,未能区分低风险辅助使用与高风险代笔场景。我国高校可借鉴加拿大风险为本的治理思路,建立低风险鼓励规范使用、中风险履行报备程序、高风险严格限制使用的分层制度。学校应该划定统一底线标准,由院系结合理工、人文社科、艺术等不同学科范式制定细化规则,推动治理从“限制使用”转向“规范使用”。
3.2. 确立“学生全责、人工终审”问责机制,减少对检测技术的
过度依赖
加拿大高校一致明确:学生为学术成果的第一责任主体,生成式AI仅作为辅助工具。学生必须人工核验AI输出内容、批判性修改,并能够完整阐释研究逻辑;隐瞒AI使用、无法说明AI介入过程的行为,认定为学术不端。卡尔加里大学、韦仕敦大学强调,AI检测结果仅作为参考,不能单独作为判定依据,规避算法误判带来的学术不公。
当前国内部分高校存在过度依赖AI检测工具,机器判定优先于人工审核的问题。参考加拿大经验,应当重塑学术问责逻辑,建立学生使用声明,过程性材料,人工答辩复核三位一体的学术不端认定机制,降低技术检测的权重,巩固学生对成果的解释义务与主体责任。
3.3. 制定标准化AI披露规则,健全学术诚信追溯链条
多伦多大学、麦吉尔大学提供了统一的AI披露模板,要求在论文附录、研究方法或致谢部分,记录所使用AI工具、应用场景、提示词、人工修改情况;UBC区分场景,简单文字润色可豁免披露,深度参与成果创作则必须申报;蒙特利尔大学2024年要求学位论文增设独立的AI使用声明章节,实现全过程溯源。
国内高校目前缺少统一披露规范,学生对披露位置、内容、边界认知不清,增加诚信认定难度。可借鉴该经验,制定校级AI使用声明规范,区分课程作业与学位论文,明确披露要素与豁免情形,推动AI使用由隐蔽转向公开、可追溯。
3.4. 坚持隐私优先的数据安全范式,守住科研数据安全底线
在加拿大《个人信息保护与电子文档法》(PIPEDA)框架下,高校形成刚性规则:受试者个人信息、原始访谈资料、未发表科研成果、涉密实验数据,不得上传至公共商用大模型。UBC同时遵循不列颠哥伦比亚省FIPPA法案以及原住民数据主权相关要求;阿尔伯塔大学、麦克马斯特大学、卡尔加里大学规定,敏感科研数据使用AI前须开展隐私影响评估(PIA)。
相比之下,国内高校关于AI科研数据安全的条款较为笼统,缺少社科质性调研、人体实验数据等专项细则。我国高校可建立科研数据分级清单,禁止敏感原始数据流入公共AI平台,同时完善校内合规AI工具供给,保障科研AI应用安全可控。
3.5. 建设系统化AI素养教育体系,实现治理前置、教育优先
加拿大顶尖高校的治理重心逐步从制度约束转向能力赋能:多伦多大学开设研究生AI伦理学分课程;女王大学设置《商业生成式AI》《负责任AI伦理》等必修课;麦吉尔、UBC开设AI专项证书课程;滑铁卢大学、卡尔加里大学常态化举办科研AI规范工作坊。其核心理念是,学术诚信问题很多源于AI素养不足,不能简单当作违规惩戒问题。
国内高校治理更多侧重事后处罚,前置素养培育不足。可以引入学分课程,专题培训,科研规范指导模式,将AI输出校验、幻觉识别、算法偏见、合规工具选择纳入研究生素养培养,培养学生批判性使用AI的学术能力。
3.6. 构建“校级底线 + 院系自治 + 导师负责”弹性治理框架
加拿大高校形成分层治理结构:名校出台精细化规范,普通高校保留院系自主空间。韦仕敦大学、阿尔伯塔大学、滑铁卢大学允许学科团队与导师在校级底线之上,细化课程AI使用规则;蒙特利尔大学依托Mila实验室,对科研领域设置较高标准,形成校际、学科差异化的多元治理格局。
国内高校制度多自上而下统一推行,院系、导师自主调整空间有限,难以适配不同学科差异。未来可构建统一刚性底线、学科细则自主、导师过程监管的复合模式,在守住学术诚信、数据安全、隐私保护底线前提下,赋予院系和科研团队适度自治权,平衡学术规范与科研创新。
4. 结语
生成式人工智能是不可逆转的教育变革力量,完全禁止AI并不现实,单纯依靠技术检测也无法彻底解决AI代写问题。加拿大高校侧重教学改革、过程监管与透明申报;国内高校依托顶层政策,守住学术诚信底线。未来国内高校应当吸收国际经验,构建“分级使用、过程评价、伦理引导、技术辅助”的多元治理体系,在发挥AI赋能教学价值的同时,守护学生独立思考能力与学术诚信底线。
5. 研究局限性与未来展望
本研究仅基于加拿大十所高校公开的AI治理政策文本开展分析,只能反映纸面制度要求,无法评估政策实际落地效果。样本选自QS排名靠前的研究型大学,不包含普通院校,代表性有限;且仅从宏观框架展开,缺少学科层面的微观对比。后续研究可扩充样本类型,结合访谈、问卷等实证方式,对比政策文本与真实治理实践;也可聚焦不同学科场景,为国内高校AI治理建设提供更细致的借鉴。
Appendix (Abstract and Keywords in Chinese)
如何负责任地使用生成式人工智能——加拿大一流高校的使用策略和实践
摘要:生成式人工智能技术的快速普及,在为高校科研与教学赋能的同时,也引发了学术诚信、数据隐私、算法偏见与责任归属等一系列治理挑战。当前中国高校在生成式AI使用规范方面仍存在政策供给不足、学科差异化细则缺失、过度依赖技术检测、申诉机制不完善等问题。本研究以加拿大联邦国库委员会秘书处发布的FASTER六大负责任AI原则(公平、可问责、安全、透明、认知赋能、适用)为分析框架,选取十所加拿大顶尖研究型高校为样本,系统比较其生成式AI治理政策的制度文本与实施特征。为我国高校生成式AI的规范使用提供经验与政策参考。
关键词:生成式人工智能,高校,学术诚信,FASTER原则,加拿大高等教育