一位中国科大讲师的意外收获：用361份期末作业发了篇论文
一位中国科大讲师的意外收获：用361份期末作业发了篇论文
文｜《中国科学报》记者 孙滔
中国科学技术大学的361名研究生可能不会想到，自己在课堂上交的一份期末作业，以后会成为一篇学术论文的研究样本。
这些文字最初并不是为了发表论文而写。
2025年春季学期，中国科大马克思主义学院讲师郭育松给研究生开设《自然辩证法概论》课程。期末，他没有布置一篇传统意义上的论文，而是让学生写一份“科研日记”：连续几周记录自己使用人工智能辅助科研的经历——遇到了什么问题、有哪些收获、对AI有哪些困惑。
每个学生都写下了约2000字的记录。一年后，这些日记变成了361份研究样本。郭育松试图回答一个问题：当大语言模型进入科研现场，年轻研究者究竟如何与它相处？
2026年5月，这项研究《人工智能驯化进行到什么程度了？》发表于《智能社会研究》。
对郭育松而言，这项研究并非临时起意。早在博士阶段，他就在追问一个问题：当一种新技术进入普通人的生活，它到底会发生什么？
他后来给这个过程找到了一个关键词——“驯化”。
▲2024年7月，郭育松在第九届全国大数据与社会计算学术会议上分享技术驯化理论。
“技术不是被接受，而是被生活改变”
为什么会关注“驯化”？
故事要从郭育松的博士研究说起。
2014年，郭育松进入哈尔滨工业大学社会学专业学习。本科期间，他跟随导师吴肃然开展科学技术社会学（STS）研究。在土木工程学院风雪联合实验室的一段经历，让他第一次接触到这个领域。
后来，他进入清华大学社会学系攻读直博。从2018年至2024年，他研究的是农村清洁技术转型。
2021年10月，郭育松来到山东一个村庄，以支教的名义进行了6个月田野调查。春节期间，他也没有回安徽老家。
刚开始，他以为自己面对的是一个技术推广问题：为什么一些设计完善的清洁技术，到了农村却没有按照设计运行？
但真正进入村庄后，他发现事情远比想象中的复杂。
一些村民安装天然气取暖设备后，并不是简单地打开或者关闭。他们会一点点摸索：开几片暖气片最划算？温度调高一点，费用会增加多少？家里来了客人，需要怎么调整？
他们像做实验一样，寻找技术与生活之间的新平衡。
“这不是单纯的经济行为，而是一种家计活动。”郭育松后来回忆道。
更让他印象深刻的是，有村民甚至把天然气壁挂炉管道与传统煤炉、火炕连接起来，改造成一套适合自己家庭的取暖系统。
那一刻，郭育松意识到，技术进入社会并不是一个简单的“推广—接受”过程。技术会被使用者重新调整，也会被重新赋予意义，最后融入日常生活。在科学技术社会学中，这个过程被称为“技术驯化”。
几年后，当ChatGPT进入科研场景时，郭育松又看到了类似的变化。AI并不是简单地被研究人员接受，而是在一次次使用中，被重新认识、调整和塑造。
▲2021年春节，在山东农村做田野调查。
一堂课，变成了研究现场
2024年博士毕业后，郭育松来到中国科大任教。
相比宏大的理论讨论，他更喜欢从具体经验中寻找问题。他说：“我不想只做理论阐释。”
在他看来，社会科学研究最终还是要回到现实，需要材料，也需要人与人的互动。于是，他想到，自己的课堂能不能成为一个研究现场？
《自然辩证法概论》是一门研究生公共课。学生来自计算机、生命科学、工程技术等不同专业，其中很多人未来都会成为科研人员。
与此同时，大语言模型正在改变科研训练方式。
学生查文献、整理资料、写论文，越来越多地开始使用AI。面对这一变化，教师群体中出现了两种截然不同的态度：有人认为应该全面拥抱，让学生充分使用；也有人认为AI会破坏学术训练，应当严格禁止。
郭育松并不认同这两种简单选择。他希望学生不要把整篇论文交给AI生成，但也不希望他们回避这项新技术。“哪怕写得朴素一点，哪怕全是短句，只要是真实经历和真实思考，就是有价值的。”
于是，2025年春季学期，他设计了一项特殊作业，题目叫“AI for Science之我见”。
他要求学生用半结构化科研日记的方式，记录连续几周使用AI辅助科研的过程。
起初，郭育松也不知道学生会交出什么样的答案。结果让他有些意外。
一个学期结束后，不少学生写出了非常具体的体验：AI帮助他们快速理解陌生领域，也暴露出知识幻觉、经验缺失等问题。
后来，这项作业成为课程固定内容。最终，郭育松获得了春、秋两个学期的361份有效样本。
▲2024年冬，在中国科大自然辩证法概论课程组展开试讲。
一些预想被打破了
这时候，《智能社会研究》正在组织关于大语言模型的专题研究。郭育松想到，手中的学生日记或许正是一批难得的一手材料。
这些文字来自真实科研场景，而不是问卷调查。
他将全部日记整理录入Excel，进行人工编码。遇到有代表性的表达，他单独摘录下来。整个过程，没有使用复杂的数据分析工具。
写作时，郭育松再次使用博士论文中的“技术驯化”理论框架，只不过这一次，研究对象从取暖设备变成了大语言模型。
他想知道，研究生在使用AI的过程中，如何重新定义人与技术的关系？
研究结果有些出乎他的意料。学生应用AI主要体现在三方面：提高科研效率、反思技术风险，以及获得情绪支持。
郭育松原本认为，研究生接受过高等教育，面对新技术可能会更加谨慎理性。但日记显示，现实并非如此。面对科研压力、论文压力和跨学科学习压力，很多学生首先想到的是利用AI提高效率。
另一个让他意外的发现是，关于情绪陪伴的内容非常少。
虽然公众讨论中，经常强调AI的情绪价值，但在这些研究生日记里，这并不是主要需求。
郭育松认为，一个原因是研究生遇到压力时，仍然更愿意向同学、导师等真实关系中的人倾诉；另一个原因是，目前的大模型虽然能够生成安慰性的语言，但学生很容易察觉其中的模板化表达。
▲2026年春，郭育松给MBA研究生讲授《自然辩证法概论》课程。
“方向盘必须握在自己手里”
细读这些日记，还有不少生动细节。
生物医学工程专业的一名学生，把AI筛选论文的过程比作“在广阔麦田里挑选最好的麦穗”。过去需要花费大量时间阅读文献，寻找可能有价值的研究方向；而AI能够帮助他快速缩小范围，提高实验设计效率。
能源动力专业的殷同学则把AI称为“副驾驶”。“它能够高效执行我的指令，能够在陌生领域给我一个宏观图景和入门指引，也能够提供各种可能的思路。但是，紧握方向盘的必须是我自己。”
还有一个案例让郭育松印象很深。
一名理工科学生曾借助AI查询电子显微镜实验参数，但真正操作时，实验效果远不如预期。后来，实验室一位即将退休的老师傅随手将气压表向下拧了半圈，并告诉他，“你这真空舱上次换过密封圈，得比往常多抽两分钟”。果然，第二炉样品性能直接翻倍。
这件事让学生意识到，AI可以整合大量公开知识，却无法替代实验现场长期积累的经验。
那些无法被文字准确描述的技巧、判断和感觉，仍然存在于人与人的传递之中。
回到真实现场
在郭育松看来，361份研究生日记的价值，不只是描述了学生如何使用AI。更重要的是，它记录了人工智能进入科研生活之后，人和技术如何相互调整。
这也回应了他博士研究中的一个发现：技术从来不是单向进入社会，而是在使用过程中不断被改变。
过去，技术驯化理论更多关注手机、电脑等消费技术，而AI进入知识生产领域后，人和技术之间的关系出现了新的变化。
社会学研究吸引郭育松的地方，恰恰在于它的不确定性。他说：“很多东西，只有进入现场才能看到。”
在他看来，AI越强大，越需要研究者关注那些无法被简单编码的经验：人与人的互动、具体场景中的判断，以及长期实践形成的默会知识。
361名研究生写下的，不只是他们如何使用AI。他们记录的，是一个技术快速变化时代，人类如何重新寻找自己的位置。
*文中图片均为受访者提供