丹麦据报道要求学生为书面成果进行口头答辩，以应对生成式 AI 带来的作弊问题。这个变化的核心不是识别文本是否由模型生成，而是要求学生通过现场表达，证明自己理解并能够解释提交的内容。该消息在 Hacker News 获得 434 points 和 206 条评论，说明“如何重新设计考核”已经成为开发者和教育从业者共同关注的问题。
从检测文本转向验证能力
口头答辩提供了一条不同于 AI 文本检测的路径：评价对象不再只是最终文稿，还包括学生能否解释论点、回答追问，并说明自己的推理过程。即使书面材料使用了 AI 辅助，答辩仍可用于检查学生是否真正掌握内容。
这并不等于口头回答能够准确还原写作过程，也不能单独证明文稿完全由学生完成。它更接近一种能力复核机制：教师不必先判断某段文字是否具有“AI 风格”，而是直接检查提交者能否对成果负责。对生成文本越来越自然的环境而言，这种思路通常比只依赖文本特征更稳健。
执行成本与范围仍不清楚
现有材料只给出了措施方向，没有说明适用的教育阶段、课程类型、答辩时长、评分规则及实施范围，也无法确认是否覆盖所有书面作业。因此，不宜把它理解为已经成熟的统一制度。
口头答辩还会增加教师排期、记录和评分一致性方面的成本。对于人数较多的课程，逐一答辩可能难以扩展；学生的临场表达能力、语言能力和焦虑程度，也可能影响结果。若缺少清晰标准，考核可能从“谁更会写”偏向“谁更会当场表达”，却未必更准确地衡量学科能力。
我的判断
这项做法的价值，在于把治理重点从不可靠的 AI 痕迹识别，转向对理解、推理和责任归属的验证。它适合论文、项目报告等需要学生形成独立判断的任务，也可作为书面评分之外的补充证据。
但口头答辩不是通用解法，更不应被视为禁止学生使用 AI 的替代手段。其效果取决于问题设计、评分规范和师生资源。材料没有提供实施结果或对照数据，目前最多可以判断方向值得关注，尚不能据此断言它已经有效降低了 AI 作弊。