AI 辅助教学的学生数据与归因风险
把对话式生成式 AI 用于教师备课、出题、写评语、整理复习资料或做初步学情分析时，存在三组典型风险：
用途匹配
任务描述、口语长句、创作者、工具和仓库名称都可以直接搜索。
按名称、标签、主题和内容相关性排列
把对话式生成式 AI 用于教师备课、出题、写评语、整理复习资料或做初步学情分析时，存在三组典型风险：
用途匹配
学生在使用 LLM 辅助写作 Research Report 时，模型可能捏造不存在的论文、作者、会议、年份或 DOI；可能给出看似合理的引用编号，但内容并未在原文中出现；可能把联网整理的题录与摘要当作正式书目，跳过原文核对。
标签匹配
AI 研究工具生成的报告通常包含正文、引用列表、数据表、图表和 assets 文件。当这些不同来源类型的对象被放在同一份"引用"集合里，读者很容易把内部生成的图、模型生成的数据表、报告附件当作外部学术证据。
用途匹配
在主题、术语、文献和多数叙述都显得合理的研究文本中，AI 模型可能混入缺乏直接证据的数字或成果。这种错误比完全虚构更难发现：报告"看起来对"，但具体数字（GPU 小时、性能提升、数据规模、计算成本）找不到对应的原文支持。
标签匹配
AI 生成的參考文獻錯誤並不限於「整條虛構」一類。第二類同樣常見、且更難被察覺的錯誤，是在真實元數據上做局部竄改：把論文年份寫錯、把題名與期刊錯配、把預發表與正式出版混淆，或是把多篇真實論文的題名片段拼接成一條不存在的記錄。這...
用途匹配
元数据缺字段：网页抓取并不保证每条文献都带完整字段；作者、期刊、年份、卷期页码、DOI 缺失会直接体现在 Word 生成的引文与参考文献中。
用途匹配
计算机课程中，同一概念可能存在不同符号、算法变体或实现方式。通用 LLM 可能给出"理论上成立、但不符合教授讲法或作业评分标准"的答案，导致学生沿用非课程口径的解法而失分。
用途匹配
事实核查工具（搜索 API、preset、独立审计模型）会把"看起来异常"的标记直接抛给用户，包括但不限于：标注为未来日期的会议、被付费墙挡住的论文链接、需要机构登录的资源、内部生成的附件。这些标记中既有真实问题，也有人工可以...
用途匹配
任何把 NotebookLM 的自动摘要、学习指南、时间轴、思维导图、会议总结或音频概述作为阅读入口或工作起点的使用场景。
标签匹配
AI 在辅助理科（尤其是小学科学）备课时，输出的图像、文本、活动方案可能在表面上"看起来正确"，但存在科学要素标注错误、生活实例分类错误、活动步骤不清或超出本年龄段课标范围等问题。这种失真不会因生成物数量多或风格美观而自动消失。
用途匹配
把第二模型作为审计工具时，第二模型可能与第一模型共享训练偏差或共同误读，导致两个模型重复相同错误；第二模型的"预估评分"并不等于教师真实评分，审计输出不能替代人工回到原文裁决。
用途匹配
涉及未公开课程内容、内部教研资料、未公开会议记录、敏感讲座内容或包含个人信息的工作材料被上传到 NotebookLM 的场景。
用途匹配
翻译与影响因子被误用为论文质量判断 风险点 - 机器翻译误读术语：插件或外部模型给出的中文译名若涉及专业术语、缩写或新概念，可能与原文不一致；只阅读译文而不回看原文会丢失关键语境。 - 影响因子与被引次数被误用为单篇质量判断：...
用途匹配