当前位置：首页>南京>AI与史学研究|南京大学“我用AI写历史”学术论文竞赛征稿启事

AI与史学研究|南京大学“我用AI写历史”学术论文竞赛征稿启事

我用AI写历史

缘起与宗旨

人工智能浪潮正迅速冲击历史学的研究、写作与发表。与此同时，不少高校与学术期刊陆续发布AI使用守则，使得AI在学术实践中常被“低调处理”“隐形使用”，从而造成研究过程不可追溯、方法不可讨论、伦理难以更新。

我们认为，与其回避，不如拥抱；与其限制，不如探索。

本竞赛鼓励历史专业本科生在明确规则与公开披露的前提下，充分地、大胆地使用人工智能进行历史论文写作：

·以“结果导向”检验AI参与历史书写的真实效应；

·以“过程透明”推动“AI时代史学写作”的可讨论、可评估、可复现；

·以“实践反推伦理”，反向推演人工智能对历史书写逻辑、史料处理及叙事构建的深层影响，让规范在真实写作中被检验、被修订。

我们希望通过本次竞赛，在实践中重新审视并更新数字时代的学术伦理，探索人机协作在历史研究中的边界、可能性与局限性。

竞赛目标

1. 探索人机协作的边界：AI在哪些环节能显著提高效率/质量？在哪些环节会扭曲史学判断？

2. 评估AI的可能性与局限性：史料处理、叙事建构、因果解释、概念辨析、史学史对话等维度的得失。

3. 推动方法与伦理更新：在可复现的写作链条中讨论署名、责任、引用、可证伪性与研究透明度。

参赛资格

赛道设置

本次比赛由阿里云百炼独家提供大语言模型技术支持，由南京大学数智史学实验室提供内容支持。

参赛选手报名后可成为南京大学数智文献处理平台用户，在以下三种方式中任选其一进行创作（也可综合运用）：

1. 依托平台文献创作：在主办方统一提供的文献库范围内，利用数智文献处理平台进行史料长编整理、智能分析，最终形成一篇完整的学术论文。

2. 自选文献自由创作：选手自行上传个人收藏或公开获取的历史文献至平台，借助平台的分析工具进行研究，形成论文。

3. 多工具融合创作：在利用平台完成文本处理的基础上，结合其他AI工具（如地理信息系统GIS等）进行跨维度分析，形成具有多学科特色的论文。

赛前培训

为使参赛选手熟悉平台操作及大模型应用，主办方将在赛前组织两场专题培训：

阿里云百炼大模型API应用培训：由阿里云百炼工程师主讲，内容涵盖大语言模型的基本原理、API调用方法、提示词设计技巧以及在历史写作中的典型应用案例。
数智文献处理平台操作培训：由南京大学数智文献实验室团队主讲，重点培训平台的核心功能，包括文献识别、翻译、语义检索、史料长编自动生成等，帮助选手高效利用平台完成作品创作。

培训将采用线上与线下相结合的方式，具体安排另行通知。

组委会将另行发布《参赛指南》，包括平台操作说明、统一模型入口、格式模板与常见问题。

提交材料

作品形式：参赛作品须为符合学术规范的严肃历史学论文，格式体例可参照期刊《历史研究》的投稿规范。投稿需提交PDF和Word两种格式文件，字数控制在8000-25000字（含脚注）。暂不接受以文生图、文生视频等可视化形式为主的纯AI生成作品。
操作过程记录：数智文献处理平台将自动记录选手在比赛期间的操作轨迹（如文献处理、检索、分析等流程），作为评分的重要参考依据。
指定模型说明：本次比赛默认调用的AI模型指定为通义千问。若选手使用除本平台及通义千问以外的其他AI模型或工具，须在提交作品时附上详细的使用过程说明及相关截图，包括所使用模型的名称、版本、使用方式及具体用途。

评分机制

本次比赛采用“人机协同”评审模式，由AI评分与专家评分共同决定最终成绩。

AI打分机制：制定多维评分标准。（包括史料运用的准确性、逻辑结构的严谨性、分析深度、创新性等）首先，由通义千问大语言模型参赛作品进行多次独立打分，去掉最高分与最低分后，取剩余分数的平均值作为该模型的评分。其次，选用多个不同的大语言模型分别执行上述操作，得到各模型的评分，再将这些模型的评分去掉最高分与最低分后取平均，得到最终的AI评分。
人类专家评审：邀请历史学领域的专家学者组成评审委员会，对作品进行专业评审，从学术价值、问题意识、论证过程等角度进行评审。
综合成绩：AI评分与专家评分按一定权重（具体权重另行公布）加权计算，得出作品的最终得分。

授奖与仪式