如果一篇論文因事實錯誤、數據失真或不當引用被質疑，作者不能把責任歸因于“ChatGPT這樣生成的”。在學術發表中，真正承擔署名責任的是作者，而不是生成式人工智能。高校教師使用ChatGPT輔助論文寫作，關鍵不在于是否使用過工具，而在于人工智能是否替代了本應由作者完成的研究判斷、證據核驗和學術表達，以及作者能否對最終稿件的每一項內容作出解釋。
責任歸屬：作者不能把工具當作免責理由
ChatGPT可以參與語言調整、結構建議或資料整理，但它不具備學術論文作者所要求的責任能力。它不能核實每條事實的來源，也不能為研究結論承擔倫理和法律后果。因此，論文中的核心觀點、研究設計、數據分析、引文選擇和最終表述，都應由署名作者負責。
責任風險通常出現在幾個交叉環節。平臺可能生成錯誤信息，作者未經核驗便將其寫入論文；研究團隊可能依賴模型反饋修改分析，導致評價或結論失準；學校統一接入相關平臺時，可能出現研究資料處理不當；作者直接提交生成內容，則可能引發學術不端爭議。此時，平臺提供者、學校管理者、導師和論文作者之間的責任邊界可能需要分別判斷，但這并不意味著作者可以免除對稿件的直接責任。
尤其需要避免把ChatGPT列為共同作者。人工智能無法承擔署名承諾、利益沖突聲明、版權責任和同行評議后的答復義務。即使它參與了較多文字處理，也不等于具備作者資格。更穩妥的做法是根據投稿期刊、所在單位和項目管理規定，對人工智能的使用情況作出必要披露，同時明確人類作者對全文負責。
教師還應注意師生之間的規則一致性問題。教師在科研寫作中可以使用某些輔助工具，并不意味著學生在課程作業、學位論文或能力測評中也可以采用相同方式。任務性質不同，允許范圍可以不同；但這種差異必須基于教學目標和評價目的，而不能僅僅因為使用者的身份不同。若教師要求學生披露人工智能使用情況，自己在論文、教材、評語或研究報告中卻完全不說明，就容易形成難以解釋的雙重標準。
數據真實性：最危險的不是文風，而是證據鏈斷裂
ChatGPT生成的內容可能在語句上連貫，卻不代表其中的事實、數字和參考文獻真實可靠。論文寫作中的風險，不只是出現一條錯誤引文，還可能表現為研究對象、樣本情況、實驗步驟、統計結果或政策內容被模型誤寫。若作者沒有回到原始材料進行核對，錯誤就可能沿著“生成文本—論文初稿—同行評審—正式發表”的鏈條擴散。
參考文獻尤其需要單獨核驗。人工智能可能生成并不存在的文獻，也可能混淆作者、題名、出版信息和論點。即便文獻確實存在，模型對文獻觀點的概括也可能脫離原文。作者不應因為引用格式完整、表述像學術語言，就默認其內容可信。每一條關鍵引文都應回到可查驗的原始來源，確認它確實支持相應判斷；無法核驗的文獻，不應進入正式稿件。
數據真實性還涉及研究過程是否被如實呈現。不能讓ChatGPT補寫沒有發生過的訪談、實驗、問卷、數據清洗過程或統計結論，也不能為了使論證更完整而讓模型“推測”缺失結果。對于實證研究而言，論文中的數據、圖表和結論必須能夠追溯到真實的研究記錄。對于理論研究而言，概念界定、文本依據和推理過程同樣不能由生成內容替代。
可以把事實核驗分為三個層次：第一，核對原始數據和研究記錄；第二，核對關鍵事實、引文和文獻出處；第三，核對結論是否真的由研究方法和證據推出。只檢查文字相似度或人工智能生成痕跡，無法代替這條證據鏈。現有主要依賴文本復制率的檢測方式，也未必能夠有效識別機器生成內容，因此“檢測不出來”不能被當作“使用沒有風險”。
學術不端：邊界不只在復制粘貼
把ChatGPT生成的段落原樣放入論文，容易引發代寫、抄襲或作者貢獻不實等爭議。但即使作者對生成文本進行了改寫，也不代表風險自動消失。若人工智能實際上完成了問題分析、論證組織、核心觀點形成或大段內容生產，而作者只是進行表面修改，論文仍可能沒有真實反映作者的學術貢獻。
寫作中的思想并不總是先完整存在，再由文字機械表達出來。選擇材料、壓縮內容、調整結構和重新排列論據，往往會影響觀點本身。因而，“ChatGPT只負責措辭”并不是一個可以直接套用的安全結論。作者需要判斷人工智能介入的是語言層面，還是已經影響了研究判斷和論證結構。
常見的高風險情形包括：
- 讓人工智能代替作者形成研究問題、解釋數據或撰寫核心論證；
- 使用模型生成的虛假或未經核實的參考文獻；
- 將未經授權的原始數據、受訪者信息、未公開成果或審稿材料輸入外部平臺；
- 對模型生成內容進行簡單改寫后，聲稱論文完全由作者獨立完成；
- 使用人工智能規避查重、掩蓋真實貢獻或制造不存在的研究過程；
- 在投稿時隱瞞期刊、學校或項目規則明確要求披露的人工智能使用情況。
這里還要區分“文本相似度”和“學術誠信”。降重后的文字可能不再與原文高度相似，卻仍然存在觀點來源未標注、事實未經核驗或作者貢獻不足的問題。查重結果只能幫助發現部分文本問題，不能證明論文已經符合學術規范。
一套可執行的風險防范流程
在動筆前，作者應先確認三類規則：所在高校或科研機構的學術誠信要求，項目或學位管理中的人工智能使用規定，以及目標期刊的投稿和披露要求。規則不清時，不宜憑個人理解認定某種用法“當然允許”。尤其是投稿平臺已經明確限制或要求說明人工智能使用時，作者有義務在投稿前完成核對。
在研究和寫作過程中，應把人工智能生成內容與原始研究材料分開管理，不讓模型輸出直接成為證據。對涉及研究對象、數據、實驗、訪談和未公開成果的內容，應優先考慮保密和授權問題。輸入平臺前，應確認相關材料是否包含可識別個人信息、合作方限制披露的信息或尚未發表的研究成果。
寫作完成后，建議至少進行一次由作者主導的“反向核驗”，而不是只做語言潤色：
- 從結論回查數據、方法和原始記錄，確認每個主要判斷都有依據。
- 從參考文獻回查原文，確認作者、題名、出處及其支持的具體觀點。
- 逐段檢查人工智能是否改變了論證方向、研究解釋或作者原意。
- 刪除無法核驗、來源不明或由模型補足的事實、數字和引文。
- 由論文作者獨立說明研究設計、數據處理、核心觀點和局限，不能只依賴生成文本回答質詢。
- 保存必要的版本、修改記錄和使用說明，以便在編輯、同行或所在單位提出疑問時說明寫作過程。
如果論文由多人合作完成，還應明確誰使用過人工智能、用于什么環節，以及誰負責核驗相關內容。通訊作者不能只檢查格式和投稿材料，而應推動團隊完成事實核查、貢獻確認和披露審核。導師指導學生時，也應把人工智能使用邊界寫進研究過程管理，而不是等到論文提交后才處理爭議。
如何設計人工智能使用披露
披露的重點不是籠統地寫一句“本文使用了人工智能”，而是說明使用范圍和人類作者承擔的責任。根據具體規則，披露內容可以包括人工智能工具參與的環節、使用目的、對稿件的影響，以及作者完成的核驗和修改工作。
如果工具僅用于檢查語法、改善表達或提出結構建議，可以如實說明其作用限于語言和編輯輔助。如果工具參與了摘要、段落重組、翻譯、資料整理或其他實質性文本處理，也不應籠統描述為“簡單潤色”。如果人工智能參與了研究構思、數據解釋或核心論證，更需要謹慎評估是否已經超出允許的輔助范圍；不能通過模糊措辭把實質性參與包裝成文字修飾。
披露文字應避免兩種極端：一是完全不披露，等到被追問后才補充說明；二是把人工智能寫成“共同作者”，借此模糊真實貢獻。更合適的表達思路是：說明工具曾用于哪些輔助環節，明確研究問題、研究方法、數據、核心論點和最終稿件由人類作者負責，并聲明所有生成或修改內容已經經過作者核驗。具體措辭仍應服從目標期刊和所在機構的要求。
把“能不能用”改成“能否負責”
目前，人工智能輔助寫作與學術不端并不能簡單畫等號。有關研究指出，人工智能輔助與禁止替代之間需要更細致的規則區分；但規則尚未完全統一、檢測技術也存在局限時，作者更不能把制度空白當作免責空間。
對高校教師和科研人員來說，最穩妥的判斷標準不是“別人是否也在使用”，也不是“檢測系統能否識別”，而是三個問題：這部分內容是否真實反映了自己的學術貢獻，論文中的事實和證據能否被獨立核驗，自己是否愿意并能夠對最終文本逐字負責。只要其中一個問題無法回答，就應減少人工智能介入、補充核查或重新完成相關部分。
人工智能可以成為寫作輔助工具，但不能成為責任轉移工具。把使用邊界前置，把證據核驗做實，并在投稿時透明說明，才是降低倫理爭議、維護科研誠信的有效做法。
