متهم به استفاده از AI در حالی که این کار را نکردهاید: چه باید کرد
ایمیلِ تخلفِ دانشگاهی که در آن به استفاده از AI اشاره میشود، دقیقاً به این دلیل هراسانگیز است که هیچ واقعیت واحدی وجود ندارد که یک درصد را رد کند. در 48 ساعت نخست، به ترتیب، این کارها را انجام دهید: چه بگویید، چه چیزی را هرگز نپذیرید، چه مدرکی را درخواست کنید، و چگونه بفهمید آیا یک نمره اصلاً میتواند به تنهایی معتبر بماند یا نه.
ایمیل با یک خط موضوعی مانند Academic Integrity Concern یا Meeting Request: Regarding Your Submission میرسد، و نخستین خط داخل آن به شما میگوید که استاد شما باور دارد از هوش مصنوعی در کاری که خودتان نوشتهاید استفاده کردهاید. متهم شدن به استفاده از AI در کار مقالهای که واقعاً خودتان نوشتهاید، به شکلی خاص گیجکننده است: هیچ واقعیت واحدی وجود ندارد که بتوانید آن را پیش بکشید و درصدی را رد کنید، و میل به وحشت کردن، بحث کردن، یا بیش از حد توضیح دادن در نخستین پیامی که میفرستید، دقیقاً حرکت نادرست است. ترس واقعی و موجه است. با این حال، پاسخ به آن همچنان باید رویهای باشد نه احساسی، زیرا آنچه چند هفته آینده واقعاً بر آن میچرخد، همین رویه است.
این موضوع درباره این نیست که آیا آشکارساز درست عمل کرده است یا نه. مقدار زیادی از نوشتهها به دلایلی علامتگذاری میشوند که هیچ ربطی به نویسندگی ندارند، و TextPulse در جای دیگری به تفصیل درباره اینکه این ابزارها در عمل تا چه اندازه دقیق هستند توضیح داده است. آنچه در دو روز آینده اهمیت دارد، رویه است: چه میگویید، چه چیزی را درخواست میکنید، و پیش از آنکه خود را به روایتی از رویدادها متعهد کنید که شاید بعداً لازم باشد از آن عقبنشینی کنید، چه چیزی را درمییابید. ترتیب را درست رعایت کنید تا صرف نظر از اینکه پرسش اصلی در نهایت چگونه حل میشود، از خودتان محافظت کنید.
متهم به استفاده از AI در کار مقالهای؟ واکنش نخست را کنترل کنید
پیش از پاسخ دادن صبر کنید، و هر پیام اولیه را کوتاه نگه دارید. خشم در نوشتار بهروشنی دیده میشود، و یک academic integrity office مقدار زیادی از آن را میخواند. پاسخی که در همان ساعت نخست فرستاده شود، بهویژه پاسخی که فرایند را ناعادلانه یا استاد را نالایق بخواند، خواه حق با شما باشد یا نه، بخشی از پرونده خودتان میشود.
زمانی را که واقعاً در اختیار شما گذاشته شده است، به کار بگیرید. بیشتر مدرسان و دفاتر صداقت تحصیلی انتظار دارند ظرف چند روز پاسخ بدهید، نه ظرف چند دقیقه، و یک پیام کوتاهِ موقت که در آن یادآوری میکنید اطلاعیه را دریافت کردهاید و در حال آماده کردن پاسخ هستید، به شما فرصت فکر کردن میدهد، بیآنکه به نظر برسد دارید طفره میروید. پیش از آنکه چیزی بنویسید، پیام را دو بار بخوانید و دقیقاً یادداشت کنید که چه ادعایی مطرح میکند: کدام تکلیف، کدام ابزار را نام میبرد، و چه شواهدی، اگر اصلاً وجود داشته باشد، از پیش ذکر میکند. اگر برای پاسخ شما مهلتی تعیین کرده است، آن تاریخ را جایی جدا از خود ایمیل یادداشت کنید، زیرا از دست دادن آن میتواند یک اتهام مورد مناقشه را به طور پیشفرض به اتهامی بیچالش تبدیل کند.
به هیچ چیز اعتراف نکنید که انجام ندادهاید
فقط همان چیزی را بگویید که واقعاً رخ داده است، و در برابر این وسوسه مقاومت کنید که برای نشان دادن همکاری، بیش از آنچه واقع شده است اعتراف کنید. تعداد شگفتانگیزی از پروندههای اتهام نادرست دقیقاً در همین مرحله به خطا میروند. دانشجویی که از فرایندی ناآشنا مضطرب شده است، چیزی شبیه این میگوید: من از Grammarly برای بررسی آن استفاده کردم، یا شاید برای یک ایده چیزی را در ChatGPT جستوجو کرده باشم، در حالی که منظورش چیزی بسیار کمتر از نوشتن مقاله با آن است.
آن جمله، به محض آنکه نوشته شود، به تنها واقعیتِ موجود در پرونده تبدیل میشود که محل اختلاف نیست، و همه چیز دیگر از خلال آن خوانده میشود. فقط به همان چیزی پاسخ دهید که واقعاً پرسیده شده است، و دقیق پاسخ دهید: اگر از یک بررسیکننده دستور زبان، یک ابزار ارجاعدهی، یا یک بررسیکننده املا استفاده کردهاید، دقیقاً همان را بگویید و هیچ چیز بیشتری نگویید، زیرا همکاری مبهم به همان آسانی که سکوت چنین مینماید، به صورت طفره رفتن تعبیر میشود. اگر مطمئن نیستید ابزاری که استفاده کردهاید از آن نوع استفاده از AI به شمار میآید که سیاست واقعاً منظور دارد یا نه، بگویید چه چیزی استفاده کردهاید و مستقیم بپرسید، نه اینکه حدس بزنید و خود را به پاسخی متعهد کنید که شاید بعداً لازم باشد اصلاحش کنید.
چه شواهدی را باید به صورت مکتوب درخواست کنید؟
یک درصدِ علامتگذاریشده به خودی خود اتهامی نیست که واقعاً بتوانید به آن پاسخ دهید، زیرا نمیگوید چه چیزی آن را برانگیخته است. به صورت مکتوب، گزارش کامل را بخواهید، نه فقط نمره خلاصه را: کدام جملهها یا بخشها علامتگذاری شدهاند، مؤسسه شما پیش از آنکه یک نمره به عنوان نگرانی تلقی شود از چه آستانهای استفاده میکند، و دقیقاً کدام سامانه این عدد را تولید کرده است.
مواد خود Turnitin بهروشنی بیان میکنند که گزارش نگارش AI و گزارش شباهت، یا تطبیق منبع، دو سامانه جداگانهاند که چیزهای جداگانهای را میسنجند، و یک سند میتواند در یکی نمره بالایی بگیرد و در دیگری نمره پایینی. اگر پیامی که دریافت کردهاید مشخص نمیکند به کدام گزارش استناد میکند، این نخستین پرسش روشنکنندهای است که باید مطرح کنید، زیرا «علامتگذاری بهعنوان AI» و «علامتگذاری بهعنوان تطبیق با یک منبع» اتهامهای متفاوتی هستند که پاسخهای متفاوتی میطلبند. بهطور مشخص درخواست کنید یک نسخه از خودِ گزارش واقعی را دریافت کنید، نه فقط توصیفی از آن. Turnitin بهطور پیشفرض گزارش AI را به دانشجویان نشان نمیدهد، بنابراین استادی که به یک نمره استناد میکند معمولاً چیزی را توصیف میکند که شما خودتان هرگز ندیدهاید، و کسی که دسترسی دارد باید آن را صادر کند و مستقیماً برای شما بفرستد.
درخواست را بهصورت ایمیل مطرح کنید، نه اینکه فقط در گفتوگو آن را بیان کنید، تا سابقهای وجود داشته باشد که نشان دهد شما درخواست کردهاید. یک فرایند معقول باید بتواند این را فراهم کند. اکراه در بهاشتراکگذاری خودِ شواهد پشت یک درصد، خودِ این امر نیز شایان ذکر است، بهویژه اگر موضوع بعداً به یک جلسه رسمی برسد، جایی که شما بخواهید دقیقاً نشان دهید چه چیزی را و چه زمانی درخواست کردهاید.
از این نقطه به بعد، از همه چیزهایی که دریافت میکنید و همه چیزهایی که میفرستید یک نسخه نگه دارید، در پوشهای که خودتان کنترل میکنید، نه فقط در حساب ایمیل دانشگاهیتان. اگر پرونده هفتهها یا ماهها بعد به یک جلسه رسمی برسد، بهخاطر سپردن اینکه دقیقاً چه گفته شد و چه زمانی، از آنچه امروز به نظر میرسد مهمتر خواهد بود.
مقاله خود را انسانیسازی کنید
متنِ کمکگرفته از AI خود را دگرگون کنید و کاری کنید طبیعی به نظر برسد، بدون دست زدن به واژههای مهم یا ارجاعها.
کدام سیاست و کدام رویه بر شما اعمال میشود؟
هر مؤسسهای این موضوع را به شکلی متفاوت اداره میکند، و برچسبی که به پرونده شما زده میشود، بیش از آنچه به نظر میرسد اهمیت دارد. مستقیم بپرسید: آیا این فقط یک گفتوگوی غیررسمی میان شما و استاد شماست، یا این موضوع از پیش به عنوان یک پرونده رسمی به دفتر یکپارچگی تحصیلی ارجاع شده است؟ این دو مسیر از قواعد متفاوتی پیروی میکنند، پیامدهای متفاوتی دارند، و حقوق متفاوتی برای دسترسی شما به شواهد علیه خودتان فراهم میکنند. پاسخ را صرفا از لحن حدس نزنید. یک ایمیل با لحن دوستانه همچنان میتواند نخستین گام یک فرایند رسمی باشد، و یک ایمیل تند هم ممکن است در نهایت فقط نشان دهد که استاد شما پیش از آنکه چیزی در جایی ثبت شود، در حال بررسی یک نگرانی شخصی است.
| گفتوگوی غیررسمی | ارجاع رسمی | |
|---|---|---|
| چه کسانی درگیر هستند | استاد شما، هنوز هیچ پروندهای تشکیل نشده است | یک دفتر یا کمیته یکپارچگی، یک شماره پرونده |
| آنچه معمولا در میان است | گفتوگو درباره نمره، و گاهی هیچ چیز بیشتر | ثبت در کارنامه، تعلیق، یا در موارد جدی بدتر از این |
| حق شما نسبت به شواهد | با این حال درخواست کنید، حتی اگر از نظر رسمی الزامی نباشد | معمولا یک حق مستند برای دیدن گزارش کامل وجود دارد |
| نخستین کار | به صورت مکتوب بپرسید که این مورد در کدام دسته قرار میگیرد | رویه مکتوب را با نام درخواست کنید و پیش از پاسخ دادن آن را بخوانید |
وقتی فهمیدید در کدام وضعیت هستید، خود سند سیاست را پیدا کنید، نه خلاصهای از آن را که کسی به صورت شفاهی به شما میدهد. بیشتر دانشگاهها این سند را به طور علنی منتشر میکنند، و مرور TextPulse از این که سیاست AI در عمل چگونه در میان مؤسسات کار میکند نقطه شروع معقولی است اگر نسخه دانشگاه خودتان به سختی پیدا میشود. این سیاست معمولا مشخص میکند چه چیزی به عنوان شواهد محسوب میشود، چه کسی تصمیم میگیرد، و حق شما برای پاسخ دادن روی کاغذ چگونه است، و هر یک از این جزئیات تعیین میکند پیام بعدی شما چه باید بگوید.
آیا نمره یک Detector میتواند تنها شواهد علیه شما باشد؟
معمولاً نه، دستکم روی کاغذ. راهنمای خود Turnitin برای مؤسسات بهصراحت بیان میکند که مدل نوشتاری هوش مصنوعی آن ممکن است همیشه دقیق نباشد و نباید بهعنوان تنها مبنای اقدامات نامطلوب علیه یک دانشجو استفاده شود. راهنمای خود Michigan State همین اصل را تقریباً با همان واژهها تکرار میکند. مثبتهای کاذب یک الگوی مستند در میان آشکارسازهایی هستند که بهطور مستقل آزموده شدهاند، و اگر پرونده شما فقط بر یک امتیاز استوار است و هیچ چیز دیگری پشت آن نیست، حق دارید این را بگویید.
این یک نکته فرعی نیست که شما برای دفاع از خود آن را ساخته باشید. Vanderbilt در 2023 آشکارساز هوش مصنوعی Turnitin را بهطور کامل غیرفعال کرد، با استناد به نرخ مثبت کاذب منتشرشده توسط خود فروشنده و با برآورد اینکه، در میان حدود 75,000 مقالهای که هر سال ارسال میکند، صدها مقاله دانشجویی ممکن بود بهاشتباه برچسب خورده باشند. University of Texas at Austin، Northwestern و Montclair State نیز در همان دوره تصمیمهای مشابهی گرفتند. هیچیک از اینها ثابت نمیکند که پرونده مشخص شما نادرست است. این فقط نشان میدهد که خودِ عدد، بهتنهایی، هرگز کافی تلقی نشده است، حتی از سوی دانشگاههایی که برای این ابزارها هزینه میپردازند.
این موضوع اگر زبان انگلیسی زبان اول شما نباشد، حتی مهمتر است. آزمونهای مستقل بارها نشان دادهاند که آشکارسازها نوشتار دانشگاهیِ روانِ زبان دوم را با نرخهایی بسیار بالاتر از نوشتار بومی بهاشتباه میخوانند، و صفحه TextPulse برای نویسندگان دانشگاهی ESL دقیقاً توضیح میدهد که چرا این اتفاق میافتد. اگر این درباره شما صدق میکند، آن را در پاسخ مکتوب خود ذکر کنید، و مشخصاً بپرسید که آیا آن الگوی مستند پیش از آنکه امتیاز شما معنادار تلقی شود، در نظر گرفته شده بود یا نه.
پس از 48 ساعت نخست چه رخ میدهد
وقتی شواهد، سیاست و درکی روشن از اینکه در کدام فرایند قرار دارید را در اختیار داشته باشید، مرحله بعدی معمولاً یک پاسخ مکتوب است، گاهی یک جلسه، گاهی هر دو. آنچه در آن جلسه میگویید از آنچه میتوانید نشان دهید کماهمیتتر است: یک جدول زمانی، یک فرایند، و ردپای مکتوبی که پیش از آنکه کسی شما را به چیزی متهم کند، وجود داشته است.
دو گام عملی بعدی هر یک صفحههای جداگانهای دارند: گردآوری شواهدی که نشان دهد از AI استفاده نکردهاید، و نوشتن یک نامه اعتراض که به جای اتهام، به نمره پاسخ میدهد.
این ردپای مستند، چه هرگز دوباره به آن نیاز پیدا کنید و چه نکنید، ارزش آن را دارد که از همین حالا ساخته شود. عادتهایی که یک اتهام نادرست را قابلتحمل میکنند، مانند ذخیره کردن پیشنویسها در حین کار، نگه داشتن تاریخچه جستوجوی خود، و توانایی توضیح دادن استدلال خود به کسی، خط به خط، هیچ هزینهای برای آغاز امروز ندارند، اما بازسازی آنها پس از وقوع، هزینهای بسیار دارد. از همین حالا، آرام و بیسروصدا، صرفنظر از این که این پرونده خاص چگونه پیش برود، شروع کنید. این که این شواهد در عمل دقیقاً چه شکلی دارند، و هر نوع از آنها چه میزان وزن میتواند داشته باشد، پیش از آن که در شرایط فشار به آن نیاز پیدا کنید، ارزش آن را دارد که با جزئیات بیشتری فهمیده شود.
سؤالات متداول
فوراً پاسخ ندهید و چیزی فراتر از آنچه واقعاً رخ داده است، نپذیرید. اگر به استفاده از AI در کاری که خودتان نوشتهاید متهم شدهاید، به صورت کتبی مدارک مشخص را بخواهید، روشن کنید که آیا این یک گفتوگوی غیررسمی است یا ارجاع رسمی، و پیش از پاسخ دادن به هر چیز، سیاست واقعی مؤسسه خود را بخوانید.
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.
