Ακαδημαϊκή ακεραιότητα και AI: Οδηγός για φοιτητές
Μια πρακτική επισκόπηση του τι χρήση AI είναι σχεδόν πάντα εντάξει, τι είναι σχεδόν ποτέ εντάξει, της γκρίζας ζώνης ανάμεσα, και του πώς να κρατάτε ένα απλό αρχείο για ό,τι κάνατε, ξεκινώντας από τη μία πολιτική που πράγματι διέπει μια εργασία, τη δική της πολιτική του μαθήματος.
Η τεχνητή νοημοσύνη και η ακαδημαϊκή ακεραιότητα: ο όρος καλύπτει ένα φάσμα αρκετά ευρύ ώστε να περιλαμβάνει τόσο την εκτέλεση ενός ολοκληρωμένου παραγράφου μέσω ενός ελεγκτή γραμματικής όσο και το να ζητήσει κανείς από ένα chatbot να γράψει εξαρχής την παράγραφο, και οι περισσότεροι φοιτητές δεν λαμβάνουν ποτέ μια σαφή απάντηση για το πού τελειώνει η μία χρήση και πού αρχίζει η άλλη. Αυτό το όριο δεν χαράσσεται μία φορά, κεντρικά, για κάθε μάθημα που θα παρακολουθήσει ποτέ ένας φοιτητής. Χαράσσεται χωριστά από κάθε διδάσκοντα, σε κάθε οδηγό μαθήματος, και η εκδοχή που διέπει μια συγκεκριμένη εργασία είναι πολύ συχνά στενότερη από ό,τι λέει η γενική πολιτική του πανεπιστημίου.
Αυτό δεν είναι παραθυράκι. Είναι ο τρόπος με τον οποίο σχεδόν κάθε ίδρυμα που έχει πράγματι καταγράψει μια πολιτική έχει επιλέξει να το χειριστεί, επειδή μια εργαστηριακή αναφορά, ένα προσωπικό δοκίμιο και μια εργασία προγραμματισμού θέτουν διαφορετικά ερωτήματα, στα οποία ένας ενιαίος κεντρικός κανόνας δεν μπορεί να απαντήσει καλά. Ο οδηγός ορίζει τι τείνει να είναι αποδεκτό παντού, τι τείνει να μην είναι αποδεκτό πουθενά, τη γκρίζα ζώνη ανάμεσά τους, και έναν απλό τρόπο για να τηρείται αρχείο του τι έγινε στην πραγματικότητα. Έτσι, η απάντηση σε ένα συγκεκριμένο ερώτημα δεν είναι ποτέ απλώς μια εικασία.
Η τεχνητή νοημοσύνη και η ακαδημαϊκή ακεραιότητα ξεκινούν από την πολιτική του μαθήματός σας, όχι από την πολιτική του πανεπιστημίου σας
Τα πανεπιστήμια που έχουν δημοσιεύσει λεπτομερείς οδηγίες για την τεχνητή νοημοσύνη μεταθέτουν σταθερά την πραγματική απόφαση σε μια μικρότερη μονάδα από το «πανεπιστήμιο» ως σύνολο. Η πολιτική του Oxford ορίζει ρητά ότι, για τους φοιτητές, η χρήση τεχνητής νοημοσύνης στις αξιολογήσεις επιτρέπεται μόνο όταν έχει δοθεί ρητή άδεια και πρέπει να δηλώνεται σύμφωνα με τις οδηγίες του τμήματος ή της σχολής, και ότι η μη εξουσιοδοτημένη χρήση θεωρείται εξ ορισμού ακαδημαϊκή παρατυπία. Το Cambridge θέτει τον ισχύοντα κανόνα στο επίπεδο της επιμέρους περιγραφής της αξιολόγησης, η χρήση μη δηλωμένου περιεχομένου που έχει παραχθεί από τεχνητή νοημοσύνη σε μια τελική αξιολόγηση λογίζεται ως παρατυπία, εκτός αν ορίζεται ρητά το αντίθετο σε εκείνη την περιγραφή, πράγμα που σημαίνει ότι η ίδια ενότητα μπορεί να επιτρέπει ένα είδος χρήσης σε μία εργασία και να το απαγορεύει στην επόμενη.
Το MIT Sloan το διατυπώνει ακόμη πιο άμεσα, λέγοντας ότι δεν έχει οριστική πολιτική για τη χρήση εργαλείων γενετικής AI για την ολοκλήρωση εργασιών, και ότι τα μέλη ΔΕΠ καθορίζουν τους δικούς τους κανόνες μάθημα προς μάθημα, συμπεριλαμβανομένης της άδειας ή της απαγόρευσης ορισμένης ή όλης αυτής της χρήσης. Το Monash εκχωρεί την απόφαση στον Chief Examiner κάθε μονάδας, ο οποίος πρέπει να προσδιορίσει πού και πώς μπορεί να χρησιμοποιηθεί η AI, με υποχρεωτική πάντοτε αναγνώριση όταν χρησιμοποιείται. Κανένα από αυτά δεν αποτελεί οριακή περίπτωση. Είναι ο τρόπος με τον οποίο τέσσερα διαφορετικά πανεπιστήμια σε τρεις ηπείρους έχουν επιλέξει να δομήσουν το ίδιο πολιτικό ερώτημα, κάτι που αξίζει να θυμάται κανείς πριν υποθέσει ότι η γενική δήλωση ενός σχολείου είναι όλη η εικόνα. Μια πιο προσεκτική ματιά στην πολιτική AI των πανεπιστημίων μεταξύ ιδρυμάτων δείχνει το ίδιο αποκεντρωμένο πρότυπο σχεδόν παντού όπου έχει εξεταστεί.
Οι χρήσεις που είναι σχεδόν πάντα αποδεκτές
Το σαφέστερο πρότυπο εμφανίζεται εντελώς εκτός πανεπιστημίων, στον τρόπο με τον οποίο οι ακαδημαϊκοί εκδότες αντιμετωπίζουν το ίδιο ερώτημα για συγγραφείς που υποβάλλουν ολοκληρωμένη έρευνα. Η πολιτική του Elsevier ορίζει ότι οι βασικοί έλεγχοι γραμματικής, ορθογραφίας και στίξης δεν χρειάζονται καθόλου δήλωση. Το Wiley εξαιρεί από τις απαιτήσεις γνωστοποίησης τα εργαλεία που χρησιμοποιούνται αποκλειστικά για ορθογραφία, γραμματική και γενική επιμέλεια. Το IEEE περιγράφει τα εργαλεία γραμματικής και επιμέλειας ως γενικά εκτός της πρόθεσης της πολιτικής του για την AI εξαρχής. Τίποτε από αυτά δεν αποτελεί κανόνα λογοκλοπής ενός πανεπιστημίου, αλλά η υποκείμενη διάκριση, μια μηχανική διόρθωση σε κείμενο που είναι ήδη δικό του φοιτητή, σε αντιδιαστολή με νέο περιεχόμενο που δεν ήταν, είναι η ίδια που χαράσσει σχεδόν κάθε πολιτική AI σε επίπεδο μαθήματος. Ένας δωρεάν ελεγκτής γραμματικής ανήκει ξεκάθαρα σε αυτή την αποδεκτή κατηγορία υπό σχεδόν κάθε πολιτική που είναι πιθανό να συναντήσει ένας φοιτητής.
Αυτό λειτουργεί με τον ίδιο τρόπο και με την ανατροφοδότηση για τη δομή. Η ανατροφοδότηση για το υπάρχον περιεχόμενο δεν χρειάζεται να είναι δήλωση πολιτικής, πρόταση προς πρόταση. Ένα εργαλείο μπορεί να σας ρωτήσει αν ένα επιχείρημα που γράψατε είναι λογικό, ή αν επαναλαμβάνεστε κάπου. Αυτό δεν σημαίνει ότι ζητείται νέο περιεχόμενο για να αντικαταστήσει το παλιό περιεχόμενο. Η διάκριση που επανέρχεται σε κάθε παραπάνω πολιτική είναι η πατρότητα της ουσίας, όχι ποια εργαλεία άγγιξαν το έγγραφο στην πορεία προς ένα τελικό προσχέδιο.
Ανθρωποποιήστε τη δική σας εργασία
Μετασχηματίστε το κείμενό σας με τη βοήθεια AI και κάντε το να ακούγεται ανθρώπινο, χωρίς να αγγίξετε σημαντικές λέξεις ή παραπομπές.
Οι Χρήσεις που Σχεδόν Ποτέ Δεν Είναι Αποδεκτές
Το παραγόμενο επιχείρημα βρίσκεται στην άλλη πλευρά της ίδιας γραμμής σχεδόν παντού όπου έχει καταγραφεί: το να ζητά κανείς από ένα chatbot τον πραγματικό ισχυρισμό, την πραγματική ανάλυση ή την πραγματική ερμηνεία, και να διατηρεί την έξοδό του ως την ουσία της υποβολής. Τα παραγόμενα τεκμήρια είναι χειρότερα, όχι καλύτερα, επειδή ένα κατασκευασμένο στατιστικό στοιχείο ή μια μελέτη που δεν υπάρχει δεν είναι πρόβλημα ύφους. Είναι ένας ψευδής ισχυρισμός που υποβάλλεται ως γεγονός. Οι παραπομπές ενέχουν τον ίδιο κίνδυνο σε πιο συγκεκριμένη μορφή, τα γλωσσικά μοντέλα επινοούν τακτικά πηγές που διαβάζονται ως απολύτως εύλογες, και ακριβώς γι' αυτό το does ChatGPT make up references αξίζει να διαβαστεί πριν από το να πλησιάσει έστω και μία παραγόμενη παραπομπή σε έναν κατάλογο αναφορών.
Η συλλογιστική πίσω από όλα αυτά είναι πιο συνεπής από τους ίδιους τους κανόνες. Ένα chatbot δεν μπορεί να υποστηρίξει έναν ισχυρισμό που παρήγαγε, να τον ελέγξει σε σχέση με μια πηγή ή να αναλάβει την ευθύνη αν ο ισχυρισμός αποδειχθεί λανθασμένος, και ακριβώς γι' αυτό οι εκδότες ερευνητικών έργων απαιτούν από έναν ανθρώπινο συγγραφέα να εγγυηθεί για κάθε ισχυρισμό, ανεξάρτητα από το τι βοήθησε στην παραγωγή της πρότασης. Το αν η Turnitin's AI writing report θα επισήμαινε μια συγκεκριμένη παράγραφο είναι ένα ξεχωριστό, μηχανικό ερώτημα από το αν το υποκείμενο περιεχόμενο ανήκε ποτέ στον φοιτητή ώστε να το υποβάλει.
Η Γκρίζα Μέση Περιοχή, και Πώς να Τη Χειριστείτε
Ορισμένες χρήσεις βρίσκονται ανάμεσα στις δύο σαφείς κατηγορίες παραπάνω, και ακριβώς εδώ μια πολιτική ειδική για το μάθημα έχει τη μεγαλύτερη σημασία. Η μετάφραση ενός δύσκολου αποσπάσματος, ή ο έλεγχος αν μια πρόταση ακούγεται φυσική σε μια δεύτερη γλώσσα, τοποθετείται διαφορετικά για έναν δίγλωσσο φοιτητή από ό,τι για κάποιον που γράφει μόνο σε πρώτη γλώσσα, και μια πολιτική που δεν το αναφέρει καθόλου συνήθως απλώς δεν γράφτηκε έχοντας αυτόν τον φοιτητή μπροστά στο άτομο που τη συνέταξε. Το να ζητά κανείς από ένα εργαλείο να εξηγήσει μια έννοια πριν γράψει γι' αυτήν με πρωτότυπα λόγια είναι πιο κοντά στη χρήση ενός εγχειριδίου παρά στη δημιουργία μιας υποβολής, αλλά δεν θα συμφωνούσε κάθε αξιολογητής, και ακριβώς γι' αυτό αυτή είναι η κατηγορία για την οποία αξίζει να ρωτήσει κανείς άμεσα, αντί να μαντεύει.
Ο καταιγισμός ιδεών για έναν κατάλογο πιθανών προσεγγίσεων, ή η αίτηση για ένα πρόχειρο περίγραμμα πριν γραφτεί κάθε πρόταση από την αρχή, εμπίπτει στον ίδιο γκρίζο χώρο. Ορισμένοι διδάσκοντες το αντιμετωπίζουν ως κάτι που δεν διαφέρει από το να συζητά κανείς μια ιδέα με έναν συμφοιτητή. Άλλοι θέλουν κάθε στάδιο μιας υποβολής να είναι εμφανώς δικό του φοιτητή. Ο μόνος αξιόπιστος τρόπος να γνωρίζει κανείς ποιο ισχύει για μια συγκεκριμένη εργασία είναι ο ίδιος με τον οποίο άνοιξε αυτός ο οδηγός, να ρωτήσει, ή να διαβάσει προσεκτικά την εκφώνηση ώστε να είναι βέβαιος.
Κρατήστε αρχείο χωρίς να το μετατρέψετε σε δεύτερη εργασία
Μια απλή συνήθεια καλύπτει τα περισσότερα από αυτά χωρίς να γίνεται από μόνη της ένα ξεχωριστό έργο. Σημειώστε την ημερομηνία, τι ζητήθηκε από το εργαλείο, και τι διατηρήθηκε πραγματικά σε σχέση με το τι ξαναγράφτηκε, με τον ίδιο τρόπο που μια πηγή συνοδεύεται από παραπομπή και όχι από μια αόριστη ανάμνηση ότι κάποτε διαβάστηκε κάτι. Αποθηκεύστε τη συνομιλία αν το επιτρέπει ένα μάθημα, ή ένα στιγμιότυπο οθόνης αν δεν το επιτρέπει. Όπου ένα μάθημα απαιτεί επίσημη δήλωση γνωστοποίησης χρήσης AI, αυτή η μορφή καθορίζεται από το μάθημα, όχι από αυτόν τον οδηγό, και η ακριβής διατύπωσή της έχει μεγαλύτερη σημασία από το να γραφτεί μια μακρύτερη ή πληρέστερη δήλωση ανεξάρτητης σύνταξης.
Τα πρακτικά ερωτήματα που βρίσκονται κάτω από την αρχή έχουν τις δικές τους σελίδες: αν ένας καθηγητής μπορεί να καταλάβει ότι χρησιμοποιήσατε ChatGPT, και η πιο ωμή εκδοχή, θα με πιάσουν να χρησιμοποιώ ChatGPT.
Τίποτε από αυτά δεν αντικαθιστά την ανάγνωση του ενός εγγράφου που πράγματι διέπει μια συγκεκριμένη εργασία, δηλαδή του εγχειριδίου του μαθήματος ή της ίδιας της εκφώνησης, και όχι μιας γενικής εντύπωσης για το τι φαίνεται να τη γλιτώνουν άλλοι φοιτητές. Το AI humanizer for students της TextPulse υπάρχει για το μέρος αυτού που αφορά πραγματικά τη γραφή, όχι την άδεια. Αναφέρει μια εκτιμώμενη Human Score που προκύπτει από το ίδιο το στατιστικό σχήμα ενός προσχεδίου, χρήσιμη για τον έλεγχο της αυθεντικής γραφής πριν από την υποβολή, ακριβώς στις κατηγορίες χρήσης που ήδη επιτρέπει μια πολιτική.
Συχνές ερωτήσεις
Τα ζητήματα ακαδημαϊκής ακεραιότητας AI συνήθως καταλήγουν στην πατρότητα του περιεχομένου και όχι στο ποια εργαλεία άγγιξαν ένα έγγραφο. Η χρήση AI για έλεγχο ορθογραφίας, γραμματικής ή της ροής ενός ήδη γραμμένου επιχειρήματος είναι εντάξει σχεδόν σε κάθε δημοσιευμένη πολιτική. Η χρήση του για να παραγάγει το ίδιο το επιχείρημα, τα τεκμήρια ή τις παραπομπές, και η διατήρηση αυτού του αποτελέσματος ως υποβολή, αντιμετωπίζεται ως παράπτωμα σχεδόν παντού όπου το ζήτημα έχει πράγματι απαντηθεί γραπτώς.
PhD in natural language processing, with years spent building NLP applications end to end. Moe works on text analysis: lexical and syntactic structure, and what separates machine-generated prose from human prose statistically. He has been experimenting with computational linguistics since the early days of NLTK, spaCy and WordNet, and still writes most of his tooling in Python.