你大概已经经历过这样的时刻：打开AI工具，输入“帮我生成几个本科毕业论文选题”，几秒钟后屏幕上出现一排看起来像模像样的题目。你松了一口气，又立刻紧张起来——这些题目能用吗？导师会不会一眼看出问题？学校最近下发的AI使用规范通知里，哪些话是在说我？如果最后被认定为违规，选题阶段这一步是不是就已经踩线了？
你的担心不是多余的。河北大学2026届博士论文涉嫌AI辅助造假事件中，涉事论文出现大量伪造参考文献，部分文献的期刊出处、出版信息根本不存在。学校随后通报启动调查，并明确要求指导教师“引导学生正确认识人工智能在论文撰写中的辅助作用，明确AIGC使用边界与规范，避免过度依赖”。本科毕业论文同样在学术不端检测与AIGC检测范围内。这意味着，AI可以用，但不是这么用。
选题阶段恰恰是AI辅助风险最容易被低估的环节。很多同学以为只有让AI写正文才算违规，其实在选题阶段，AI生成的“看似合理”的方向、问题甚至文献线索，如果不加核验直接采用，同样可能构成问题。教育部《高等学校预防与处理学术不端行为办法》早已明确，伪造科研数据、资料、文献、注释，或者捏造事实、编造虚假研究成果，属于学术不端行为。AI参与并不会改变这些行为的性质。
但也不必因此把AI一棍子打死。选题阶段的合规使用，核心原则只有一条：AI可以帮你打开思路、整理线索、提出假设，但不能替你作出判断，更不能替你虚构依据。围绕这条原则，下面这套“AI辅助选题四步法”，或许能帮你在效率和规范之间找到一条可操作的路径。
第一步：用AI发散方向，接受“启发”而非“答案”
选题阶段最耗神的，往往是从一个宽泛的学科兴趣出发，慢慢找到值得研究的具体问题。AI在这个环节的确高效。你可以输入自己的专业背景、课程作业中积累的兴趣点，或者一个模糊的关键词，让AI帮你列举可能的切入角度。
比如，你学的是经济学，对“数字平台劳动”感兴趣，AI可能会给出“平台算法对骑手收入的影响”“零工经济中劳动者议价能力的变化”等方向。学教育学，输入“课后服务”，AI可能提示“课后服务中教师工作负担的测量”“城乡学校课后服务质量差异”等维度。
这一步的合规边界在于：AI输出的内容只是“方向清单”，不是“选题结论”。你可以把AI当成一个不会不耐烦的讨论对象，用它来测试自己想法的边界，但不要直接选一个AI给出的题目就去写开题报告。原因很简单，AI生成的方向可能听起来成立，却未必有对应的文献支撑；它也可能把两个看似相关、实则不相关的问题强行拼接在一起。
实际做法是：让AI至少给出八个到十个候选方向，你自己再从中挑出两三个真正感兴趣的。判断标准不是它们是否“像一篇论文题目”，而是你是否愿意花几个月去追问这个问题。愿意追问的，才有资格进入下一步。
第二步：逐条核验文献，把“AI的猜测”挡在开题之前
这是四步法中最关键的一步，也是多数违规风险真正发生的地方。AI在生成选题时，常常会附带推荐一些“经典文献”或“已有研究”。问题在于，这些文献可能是真实的，也可能是AI凭空生成的。河北大学事件中那些不存在的考古报告和专著，就是最典型的警示。
你在拿到AI推荐的方向和文献线索后，必须回到学校图书馆数据库、中国知网、维普、万方，或者Web of Science等权威学术数据库，逐条核查。核验的重点有三个：第一，这篇文献是否真的存在；第二，文献的作者、年份、期刊名称、卷期页码是否准确；第三，这篇文献讨论的问题与你选的方向是否真正相关，而不是仅仅标题里包含同一个关键词。
如果某篇文献查不到，不要想“可能是数据库没收录”，更不要抱着侥幸心理把它保留下来。AI生成虚假文献是大概率事件，尤其是涉及专著、报告和较冷门的期刊时。正确的做法是直接删除这条线索，用数据库里真实存在的文献来重新填充你的选题依据。
核验文献的过程还有一个额外好处：它会反过来修正你的选题。你可能会发现，原来想象中“值得研究”的问题，已经有大量成熟研究，或者根本没有人做过，而原因是方法上不可行。这种发现本身就是选题收缩的一部分。
第三步：回到人工判断，完成“从宽泛到具体”的收缩
AI可以帮你列出方向，但判断一个选题是否成立，需要你掌握三个维度的信息：创新性、可行性和文献基础。这三个维度需要你结合自己的学科训练来综合判断，不能交给AI打分。
先看创新性。创新不意味着完全空白，而是你在已有研究的基础上，能否找到一个稍微不同的切入角度。可能是一个新的样本、一个新的时间段、一个新的比较维度。这个判断只能由你来做，因为只有你了解自己专业的课程框架和导师的研究方向。
再看可行性。你需要问自己：完成这个题目，需要的案例、数据、访谈对象或实验条件，在本科毕业论文的时间框架内是否可获取？如果AI告诉你一个方向“很有价值”，但你需要到海外某机构才能拿到数据，那这个方向就不适合你。可行性判断的核心是资源和时间，而不是“理论上能不能做”。
最后看文献基础。这里的判断标准不是“AI说有没有文献”，而是你自己在数据库中真实检索后，是否找到了足够的、可获取的中文或外文研究。一个可靠的本科选题，通常应当有至少若干篇核心期刊论文或高质量学位论文作为对话基础。没有文献支撑的问题，不是创新，而是空想。
第四步：用“自查清单”确认合规底线
当你初步确定选题后，不要急着庆祝。花十分钟做一次自查，把AI使用痕迹从你的选题材料中清理干净。
以下几点，你可以逐条打勾确认：
第一，你的选题方向里有你自己的想法，而不是AI推荐的完整题目。你能用一两句话说明：你最初为什么对这个方向感兴趣，AI的提示在哪个节点给了你启发，你自己又做了哪些调整。
第二，你的选题依据中引用的所有文献，都已经在权威数据库中逐条核实过。每一篇都能找到原文，不存在“看起来熟悉但查不到”或“只剩标题没有出处”的情况。
第三，你的研究问题可以用自己的语言复述出来。如果让你不看AI的对话记录，你能说清楚这个题目要研究什么、为什么值得研究、大概怎么研究，那就说明你对这个选题的理解已经超过了对AI输出的依赖。
第四，你的核心创新点来自你自己的阅读和判断，而不是AI直接告诉你的“空白点”。这一点尤其重要，因为AI所谓的空白常常只是它没有在训练数据中看到，而不是学术上真的没有研究。
第五，你在与导师沟通时，能够诚实说明自己在选题阶段使用了AI，并且能够展示自己核验过的文献清单和收缩过程。坦率地说明使用方式和边界，是防止后续产生误解的最有效办法。
AI辅助选题，合法的边界在哪里
把上面的步骤再压缩一下，其实可以归纳成一句话：AI帮你“想”，你自己“定”；AI帮你“列”，你自己“核”。
选题阶段允许的AI用途，通常包括：打开思路、列举可能的方向、提供关键词拓展、帮助你把模糊兴趣转换成几个可评估的问题、初步解释某个术语或概念。这些用途的共同特点是：输出结果都只是中间材料，最终必须经过你的人工判断和文献验证。
不允许的用途，包括：直接采用AI生成的题目乃至开题报告、把AI推荐的文献不加核验写入选题依据、让AI替你做创新性判断、在开题答辩中隐瞒AI的使用情况。这些行为的风险，不在于使用了AI本身，而在于你放弃了作为研究者最基本的判断责任。
很多同学担心的是：“学校要求空前严格，我用AI哪怕只是头脑风暴，会不会也算违规？”实际上，多数高校的通知强调的是“明确AIGC使用边界与规范，避免过度依赖”，而不是“全面禁止”。河北大学的通告使用的措辞，也是要求引导学生“正确认识”AI的辅助作用。也就是说，学校真正反对的，是让AI从辅助位置变成主导位置，是虚假文献和编造内容，而不是你在选题初期用AI帮你打开思路这件事本身。
当AI的参与仅停留在启发层面，选题中每一个关键决策和事实依据都由你亲自验证时，这个边界就守住了。真正属于你的题目，不需要靠AI替你担保，也经得起开题答辩时的追问。
