编辑推荐：
传统反剽窃方法因 AI 聊天机器人双重用途失效，研究聚焦道德责任维护学术诚信。263 名学生数据经 PLS-SEM 和 ANN 分析显示，道德意图与义务正向影响规避 AI 剽窃态度，PMT 构念正向预测道德意图，二者为关键因素，助力教育机构开发 AI 反剽窃方案。
在数字化浪潮席卷学术领域的当下，AI 聊天机器人如同一把双刃剑，在带来便利的同时，也悄然滋生了新的学术不端问题。它们既能辅助学习，却也成为部分人实施剽窃的 “利器”—— 通过生成看似原创的内容，轻松绕过传统 plagiarism detection systems（如 Turnitin）的审查。据研究显示，ChatGPT 生成的参考文献中竟有 55% 为虚构，医疗领域相关研究中 69% 的参考文献存在伪造现象，这不仅严重损害了学术诚信，更威胁到知识生产的根基。当传统的文本比对技术在 AI 生成内容面前逐渐乏力，当 “改头换面” 的 AIgiarism（AI 辅助剽窃）成为监管盲区，学术界不得不思考：如何从根源上遏制这种道德滑坡？
带着对学术伦理危机的深刻关切，来自索马里的研究人员展开了一项具有突破性的研究，相关成果发表在《Computers in Human Behavior Reports》。他们以保护动机理论（Protection Motivation Theory, PMT）为框架，聚焦学生群体，试图揭开道德意图（Moral Intention, MI）和道德义务（Moral Obligation, MO）对规避 AI 剽窃态度（Attitude, ATT）的影响机制，为解决 AI 时代的学术诚信危机寻找 “心防” 密钥。
为了深入探究这一复杂问题，研究团队采用了定量研究范式，通过 Google Forms 向索马里高校学生发放电子问卷，最终收集到 263 份有效样本。研究运用 “偏最小二乘结构方程模型”（Partial Least Squares Structural Equation Modeling, PLS-SEM）和 “人工神经网络”（Artificial Neural Network, ANN）两种方法进行数据分析。前者用于验证变量间的线性关系，后者则挖掘非线性关联并对影响因素进行重要性排序，形成了 “理论验证 - 深度解析” 的双轨分析路径。
基于 PMT 的理论模型构建与假设验证
研究以 PMT 的核心构念为基础，构建了包含威胁评估（Threat Appraisal）和应对评估（Coping Appraisal）的理论模型。威胁评估涵盖 “感知严重性”（Perceived Severity, PS）和 “感知脆弱性”（Perceived Vulnerability, PV），旨在考察学生对 AI 剽窃潜在危害的认知；应对评估则包含 “自我效能”（Self-Efficacy, SE）、“反应效能”（Response Efficacy, RE）和 “反应成本”（Response Cost, RC），聚焦学生对自身规避能力的判断。研究提出 8 项假设，重点关注道德意图和道德义务在其中的中介与预测作用。
数据揭示：道德力量如何抵御 AI 剽窃诱惑
PLS-SEM 分析结果表明，威胁评估中的 PS（β=0.187, p=0.006）和 PV（β=0.127, p=0.016）均正向影响道德意图，说明学生越意识到 AI 剽窃的严重后果及其发生可能性，越可能产生拒绝剽窃的道德意愿。应对评估中，SE（β=0.187, p=0.002）和 RE（β=0.223, p=0.002）同样对道德意图有显著正向作用，而 RC（β=0.009, p=0.442）的影响未达显著水平，暗示相较于行动成本，学生更关注自身能力与外部支持的有效性。
道德意图与道德义务对规避 AI 剽窃态度的影响尤为突出：MI（β=0.304, p<0.001）和 MO（β=0.369, p<0.001）均正向预测 ATT，且 MO 还通过正向影响 MI（β=0.372, p=0.016）形成双重作用路径。这表明，当学生将抵制 AI 剽窃视为内在道德责任时，不仅会直接产生积极态度，还会通过强化道德意图进一步巩固这种倾向。
ANN 分析进一步揭示了各因素的相对重要性：在影响 ATT 的因素中，MI（标准化重要性 100%）和 MO（95.34%）占据前两位，远超 SE、PS 等其他变量。这意味着，在预测学生规避 AI 剽窃的态度时，道德层面的内在驱动力远比外部威胁认知或应对能力更为关键。
从 “技术防控” 到 “伦理建构”：重塑学术诚信防线
这项研究打破了单纯依赖技术手段遏制剽窃的传统思维，首次系统验证了道德因素在应对 AIgiarism 中的核心地位。其结果表明，PMT 构念能够有效预测学生的道德意图，而道德意图与道德义务共同构成了抵御 AI 剽窃的心理防线。这为教育机构提供了双重启示：一方面，可通过课程设计强化学生的道德认知，将学术伦理纳入 AI 素养教育，使 “不剽窃” 成为内在道德自觉；另一方面，需构建支持性学术环境，通过提升学生的自我效能与反应效能（如提供 AI 合理使用培训），降低其对剽窃的依赖倾向。
在 AI 技术迅猛发展的今天，该研究为学术界敲响了一记警钟：当技术革新不断突破边界，唯有将道德责任的 “锚点” 深植于学术共同体的价值体系，才能在技术浪潮中守住诚信底线。未来的反剽窃策略，应当是技术检测与伦理培育的 “组合拳”—— 既要有更智能的 AI 检测工具，更要培育具有道德韧性的学术新人，让每一次知识的创造都闪耀着真实的光芒。
