在南加州大学读书，很多同学最怕收到的邮件，不是作业延期通知，也不是期中成绩提醒，而是来自老师或 Office of Academic Integrity 的一封 academic integrity concern。邮件里可能会出现 plagiarism、unauthorized collaboration、AI use、similarity report、administrative review、Faculty-Student Resolution、academic misconduct 这些词。很多学生一看到就慌了，第一反应是：我是不是要被记过？这门课是不是直接挂？会不会影响毕业、研究生申请、OPT 或以后背景调查？
先说结论：收到 USC 学术诚信相关通知，不等于学校已经认定你作弊，但也绝不是普通邮件。这个阶段最重要的不是立刻长篇解释，也不是马上承认或否认，而是先搞清楚学校到底怀疑什么、案件处在哪个流程、老师手里有什么证据，以及你自己能不能用材料证明作业或考试过程是合规的。
USC 的学术诚信案件不能靠“学长经验贴”硬套模板解决。因为每个案件差别很大：有人是 Turnitin 相似度过高，有人是代码和同学太像，有人是用了 ChatGPT 没披露，有人是考试时系统记录异常，有人是被怀疑代写，有人只是引用格式不规范。表面上都叫 academic integrity，实际处理逻辑完全不同。
这篇文章就把 USC 学术诚信里最容易踩的坑讲清楚。学长只能帮你到这了，剩下的关键，是你自己别乱回复、别乱承认、别乱删记录、别拖到 deadline 前一天才开始准备。
一、USC学术诚信最常见的问题，不只是“抄袭”
很多同学一听 academic integrity，就以为只有复制粘贴才算问题。实际上，USC 这类美国大学对学术诚信的理解要宽得多。只要某个行为让学生获得了不公平的 academic advantage，或者让提交作品不能真实反映学生本人学习成果，都可能进入 academic misconduct 的讨论范围。
最常见的第一类是 plagiarism，也就是抄袭或不当引用。这里不只是整段复制别人的文章才有风险，改写幅度过小、引用标注不完整、忘记 quotation marks、参考文献虚假或缺失、把别人的观点当成自己的分析，都可能被老师质疑。很多学生会说“我不是故意抄，我只是不会引用”，这句话可以作为背景，但不能单独成为有效解释。你需要说明相似内容来自哪里、为什么出现、有没有草稿和资料阅读过程、哪些部分确实是自己的分析。
第二类是 unauthorized collaboration，也就是未授权合作。USC 很多课程鼓励同学一起讨论，但讨论不等于共同完成 individual assignment。尤其是工程、计算机、数学、商科、经济学、数据分析类课程，学生之间看答案、共享代码、交换思路、共同写作业、参考别人结构，很容易越过边界。很多中国学生在这里吃亏，不是因为真的想作弊，而是把“互相学习”和“共同完成作业”混在了一起。
第三类是 AI 使用不当。现在很多学生默认 ChatGPT、Claude、Grammarly、翻译工具、代码助手都只是学习工具，但 USC 的态度不是“全部禁止”或“全部允许”，而是要看课程要求和作业说明。如果老师允许 AI 用于 brainstorming 或 grammar check，你仍然要确认是否需要 disclosure；如果老师禁止生成式 AI 参与正文写作、代码生成或分析推导，你用了之后再提交，就可能被认为违反学术诚信要求。
第四类是考试违规，比如使用未经授权材料、线上考试切屏异常、与他人沟通、答案高度相似、考试后传播题目、使用旧题库或未经授权网站资源。考试类案件通常比普通作业更敏感，因为学校会特别关注公平性和考试安全。
第五类是代写或第三方协助。只要学校怀疑作业不是学生本人完成，风险就会明显升级。此时单纯说“这是我自己写的”通常不够，你需要用草稿、版本记录、文档历史、笔记、资料检索、代码提交记录等证明作品形成过程。
二、收到USC学术诚信邮件后，第一步不是解释，而是读懂邮件
很多学生收到邮件后，第一反应就是马上回复老师：“I did not cheat.” 或者直接写：“I am sorry, I made a mistake.” 这两种都可能有风险。因为你还没看清楚学校到底怀疑什么，就急着否认或承认，很容易把事情说乱。
正确做法是先读邮件。重点看几个信息：邮件是谁发来的，是任课老师、TA、department，还是 Office of Academic Integrity；邮件里具体提到哪门课、哪项 assignment 或 exam；学校怀疑的是 plagiarism、collaboration、AI use、exam misconduct，还是其他问题；是否已经提交给 OAI；是否要求你参加 meeting；是否提到 Faculty-Student Resolution 或 Administrative Review；是否有回复 deadline；是否允许你提交 written response 或 supporting documents。
USC OAI 的公开说明中提到，教师如果认为学生可能违反 academic integrity standards，可以向 OAI 提交报告；教师发现疑似问题后，可能选择 Faculty-Student Resolution 或 Administrative Review 两种路径，二者都会提交给 OAI。也就是说，老师邮件不是简单提醒，它可能已经启动正式流程。(学术诚信办公室)
所以，第一步不是急着辩解，而是确定流程。如果只是老师希望先和你讨论，你要准备事实说明；如果 OAI 已经介入，你就需要按正式案件准备材料；如果已经有 meeting 或 review，你要提前整理证据和时间线。
三、USC的Initial Meeting 不是随便聊聊
很多学生看到 meeting，就觉得只是和老师沟通一下，临场解释就行。这个想法很危险。USC OAI 的资料里提到，Faculty-Student Resolution 流程需要 meeting 才能启动；即使其他情况下 meeting 不一定强制，教师也可以选择和学生讨论 alleged misconduct，并把新信息更新到学生 case file。(学术诚信办公室)
这意味着，meeting 中你说的话，可能会影响后续案件走向。你不能把它当成闲聊，更不能临场编故事。meeting 前至少要准备三样东西：第一，完整时间线；第二，学校质疑点对应的解释；第三，能支持你解释的证据。
如果是论文相似度问题，你要能说明写作过程、资料来源、引用方式和修改记录。如果是代码相似，你要能解释代码逻辑、变量设计、调试过程和是否参考过课堂模板。如果是 AI 使用，你要能说明是否用了、用在哪里、课程是否允许、有没有披露、最终内容是否由你理解并完成。如果是 collaboration，你要能说明和同学讨论到什么程度，有没有共享文件，有没有看过对方答案。
最重要的是前后一致。邮件里说没有和同学讨论，meeting 里又说“只是看了一下他的答案”；书面材料里说没有用 AI，现场又说“只是让它帮我改了几段”；一开始说完全独立完成，后来拿不出任何草稿或版本记录。这些都会让可信度下降。
四、AI 问题是USC学生现在最容易踩的新坑
AI 相关问题现在非常敏感。USC OAI 关于生成式 AI 的说明里明确提到，ChatGPT 等工具生成的内容，如果被学生当作自己的作品提交，不管是直接复制、近似复制还是改写，都可能被视为 plagiarism。同时，USC 也提醒教师，AI detection tools 有局限，不能仅凭检测百分比认定学生负责，还需要结合人工判断和其他支持性证据。(学术诚信办公室)
这对学生来说有两层意思。第一，不要以为“AI 没有被明确写进作业说明”就一定安全。课程 syllabus、assignment instruction、老师课堂说明都可能决定 AI 能不能用、能用到什么程度、需不需要披露。第二，如果你被 AI detector 标红，也不代表一定完了。学校通常仍然需要看其他证据，比如写作风格变化、引用是否真实、是否缺少草稿、学生能否解释内容、作业是否偏离课程材料等。
AI 案件最有效的回应，不是简单说“AI detector 不准”，而是拿出过程证据。比如原始大纲、早期草稿、Google Docs 或 Word version history、资料阅读笔记、引用记录、课堂笔记、修改过程、你对文章核心观点的解释。如果确实使用了 AI，还要说明使用范围：是生成标题、整理思路、润色语法，还是生成正文段落、代码、数据分析或参考文献。
很多学生真正危险的地方，不是用了 AI，而是用了之后完全不披露，还无法解释自己的作业。学校不只是看最后文本像不像 AI，更看这份作品是不是你真实完成和理解的。
五、代码课和工程课，最怕“我们只是一起讨论”
USC 工程、CS、数据、数学类课程里，academic integrity 案件非常常见。代码相似、变量命名一致、错误模式一致、注释相似、GitHub 参考痕迹、同学之间共享文件、使用网上答案，都是高风险点。
很多学生会解释：“我们只是一起讨论思路。” 但学校会看最终提交结果。如果两个学生的代码结构高度一致，连错误都一样，或者只改了变量名和注释，很难仅用“讨论”解释。尤其是课程明确要求 independent work 的情况下，未经授权的协作很容易构成问题。
代码类案件要准备的证据，和论文类不一样。你需要保存自己的编写过程、commit history、调试记录、草稿文件、运行截图、课堂模板、参考资料来源。如果你用了公开资料或 AI 辅助代码，也要能说明参考到什么程度，哪些是课堂允许的，哪些是你自己完成的。不要等到被问了才发现自己根本解释不出代码每一段在干什么。
如果你真的只是和同学讨论，要把边界说清楚：讨论的是题目理解、算法方向还是具体代码？有没有共享屏幕？有没有发过代码片段？有没有共同编辑文件？有没有看过对方最终版本？这些问题不能模糊回答。
六、Turnitin相似度高，不等于一定违规，但不能不解释
很多学生看到 Turnitin similarity report 很高，就以为自己一定完了；也有人觉得只要自己没有直接复制，就不用管相似度。这两种都不准确。
相似度高只是一个信号，关键要看相似内容是什么。如果是参考文献、固定题目、课程模板、常见术语，风险可能较低；如果是核心分析、段落表达、论证结构、独特观点和外部来源高度一致，风险就高很多。
如果被质疑 plagiarism，学生需要做的不是单纯说“我没有抄”，而是逐段解释。哪些内容是引用，为什么引用格式可能有问题；哪些内容是自己改写，但改写不够充分；哪些内容来自课堂材料或 assignment prompt；哪些地方确实存在疏忽。专业回应一定要准确，不要把小问题说成没问题，也不要把引用错误扩大成整篇作业不是自己写的。
同时，草稿和写作记录非常重要。如果你能提供从 outline 到 draft 再到 final version 的过程，能解释每个观点从哪里来，能说明参考文献如何被使用，可信度会高很多。相反，如果你只有最终稿，没有任何过程记录，现场也解释不清内容，就会非常被动。
七、USC案件里，成绩处罚不是老师想给就能直接给
很多学生以为老师怀疑自己，就会马上给 0 分或直接挂科。USC OAI 的公开说明中提到，在 OAI 作出 responsibility determination 之前，不能评定 grade penalty；如果学生没有被认定 responsible，就不能因为未被证实的 misconduct allegation 而受到成绩处罚。(学术诚信办公室)
这个信息很重要。它说明 USC 的 academic integrity 不是老师单方面“感觉你有问题”就直接定案，而是有正式流程。老师可以提交报告，可以提供证据，也可以在 OAI 结论后根据 findings 处理成绩，但学生仍然有机会在流程中回应。
不过，这不代表学生可以轻视。因为一旦 OAI 认为 misconduct 成立，老师可能会结合 OAI findings 给出成绩后果，甚至可能影响课程成绩、记录、毕业审核等。USC 资料中也提到，pending case 期间学生可能会收到 MG，也就是 missing grade，等 OAI 最终决定后再更新成绩。(学术诚信办公室)
所以，收到通知后不要只问“老师会不会给我 0”，而要先问：OAI 是否已经介入？我是否有机会回应？学校目前证据是什么？我应该提交哪些材料？
八、pending case期间，不要乱退课、乱改 P/NP
有些学生一看到 academic integrity 案件，就想赶紧 drop 这门课，或者改成 Pass/No Pass，试图把影响降到最低。但 USC OAI 的资料中明确提到，学生如果被指控或已经涉及 academic integrity violation，通常不能从该课程 withdraw；如果学生尝试 withdraw，Registrar 可能会撤销该操作。涉及 P/NP 的课程，如果 academic integrity violation 成立，也可能在有评分选项时被 assigned a letter grade。(学术诚信办公室)
这就是很多学生不知道的坑：pending case 不是你想通过退课解决就能解决。乱操作不但未必有效，还可能让学校觉得你在逃避流程。
正确做法是先确认政策和 OAI 指引。是否可以继续上课？当前成绩会如何显示？是否有 MG？是否影响毕业审核？是否能选下学期课？这些问题都应该通过正式渠道确认，而不是听同学说“我朋友当年退了就没事”。
九、USC 学术诚信最容易失败的几种回应方式
第一种是情绪化否认。比如“我不可能作弊”“老师冤枉我”“这是对国际学生歧视”。如果没有证据支撑，这类表达通常没有帮助。你可以维护自己，但要用事实和材料，而不是情绪。
第二种是过度承认。有些学生一慌，就写“I admit everything.” 但其实问题可能只是引用不规范、AI 披露不足或合作边界不清，并不等于严重作弊。过度承认会把问题扩大。
第三种是删除记录。比如删聊天记录、删 AI 记录、改文档历史、重做草稿。这些行为非常危险。一旦被发现，可能让学校认为你在掩盖事实。
第四种是套模板。USC academic integrity 案件高度个案化，模板只能提供结构，不能替你解释事实。代码相似、AI、plagiarism、exam misconduct 的写法完全不同。
第五种是只说“我不是故意的”。主观意图当然重要，但学校还会看行为是否违反规则、是否带来不公平优势、是否影响学术评价。你需要证明事实，而不是只强调动机。
第六种是忽视 syllabus。很多课程对合作、AI、引用、外部资源都有独立要求。即使学校总政策没有逐项写死，课程说明也可能构成判断依据。USC OAI 的 AI 指引也鼓励教师在 syllabus 中明确生成式 AI 使用范围。(学术诚信办公室)
十、收到 USC Academic Integrity 通知后，正确准备顺序是什么？
第一步，保存所有材料。不要删，不要改，不要补造。保存作业原文件、草稿、版本历史、参考文献、课堂笔记、AI 使用记录、代码提交记录、与同学沟通记录、老师邮件、assignment instruction 和 syllabus。
第二步，分析 allegation。学校到底怀疑你 plagiarism、AI use、collaboration、exam misconduct，还是代写？不同 allegation 需要不同证据。
第三步，整理时间线。从接收作业要求、开始准备、查资料、写草稿、修改、提交，到收到通知，每个关键日期都写清楚。时间线能帮助你自己理清事实，也能减少前后矛盾。
第四步，准备 written response 或 meeting notes。不要写成情绪信，要围绕学校质疑逐点回应。每个回应最好对应证据。
第五步，练习解释自己的作品。论文要能讲清观点、来源、结构和引用；代码要能解释逻辑、函数、调试和参考资料；AI 案件要能说明使用范围和最终内容理解；collaboration 案件要能说明合作边界。
第六步，保持沟通专业。邮件不要太长，不要攻击，不要随便承诺，也不要隐瞒关键事实。学术诚信案件最看重一致性和可信度。
十一、学长真正想提醒的是：别把小问题处理成大问题
很多 USC 学术诚信案件，一开始可能只是一个可以解释的 concern。比如引用格式不规范、AI 使用边界不清、和同学讨论过度、作业过程记录不足。但学生一慌，开始乱说、乱删、乱承认、乱否认，反而把问题变复杂。
真正专业的处理方式，是先判断问题性质。如果确实没有违规，就用过程证据说明作品真实性；如果确实有不规范，就准确承认问题范围，并说明原因、影响和改进；如果学校证据有误，就逐点回应，而不是泛泛喊冤；如果处罚过重或流程有问题，就围绕程序和 proportionality 进行申诉。
名津申诉在处理 USC 这类学术诚信案件时，一直强调一个原则：Academic Integrity 不是靠嘴硬解决，也不是靠卖惨解决，而是靠事实线、证据线、规则线和表达逻辑解决。学生要做的不是说服学校“我人很好”，而是证明这份作业、考试或项目到底发生了什么。
十二、总结：USC学术诚信，最怕你不知道自己正在进入正式流程
南加州大学的学术诚信流程比很多学生想象中更正式。老师发现疑似问题后，可能向 OAI 报告；OAI 会审查 academic misconduct concern；在责任认定前，通常不能直接评定学术诚信相关成绩处罚；AI 检测也不能单独作为认定责任的唯一依据，但学生仍然需要用完整过程证据回应。(学术诚信办公室)
所以，USC 同学请集合，重点不是吓唬你，而是提醒你：收到 academic integrity 邮件后，千万别用朋友圈、Reddit、学长学姐的碎片经验替代正式判断。你需要看邮件、看 syllabus、看 assignment instruction、看 OAI 流程、看自己手里有哪些证据。
学长只能帮你到这了：别急着回，别乱删记录，别套模板，别把“我不是故意的”当成全部解释，别忽视 meeting，也别以为 AI 检测一出来就没有机会。真正关键的是，把事实讲清楚，把证据整理好，把规则读明白，把每一句回应都写得经得起追问。
