آیا استفاده از AI برای نوشتن مقاله تقلب است؟
بیشتر سیاستهای درسی برای AI یک پاسخ بله یا خیر واحد تعیین نمیکنند. آن را به سه سطح تقسیم میکنند, ممنوع, افشاشده, یا آزاد, و سطحی که واقعاً اهمیت دارد با یک جمله تعیین میشود: اینکه آیا یک ابزار چیزی را ویرایش کرده که دانشجو از پیش فکر کرده بود, یا خودِ فرایند فکر کردن را تولید کرده است.
یک دانشجو در یک سمینار میتواند از یک ابزار AI بخواهد سه شیوه برای ساختار دادن به یک استدلال نشان دهد، سپس مقاله حاصل را بدون هیچ تردیدی تحویل دهد. دانشجویی در سمینار کناری، با استفاده از دقیقاً همان prompt روی دقیقاً همان تکلیف، ممکن است به همین دلیل در آن تکلیف مردود شود. آیا استفاده از AI برای نوشتن مقالهها تقلب است؟ این پرسش پاسخ واحدی ندارد، زیرا این دو دانشجو در واقع بر اساس یک قاعده واحد ارزیابی نمیشوند.
اینکه چه چیزی تقلب محسوب میشود را سیاست مشخصی که آن تکلیف مشخص را اداره میکند تعیین میکند، نه استفاده از AI به عنوان یک مقوله. بیشتر سیاستها استفاده از AI را به جای یک پاسخ بله یا خیر، به سه سطح تقسیم میکنند: برخی کاربردها به طور کامل ممنوعاند، برخی فقط با افشا مجازند، و برخی به طور آزاد مجازند. دانستن اینکه یک درس در کدام سطح قرار میگیرد، و یک کاربرد مشخص در کدام سطح میافتد، این پرسش را بسیار قابل اعتمادتر از هر قاعده کلی پاسخ میدهد.
راهنمای خود TextPulse درباره سیاست AI در دانشگاه و مجله این تقسیم را در نهادهای واقعی، با همان صورتبندیها و همه جزئیات، مقایسه میکند. این متن بر یک پرسش محدودتر درون آن نقشه گستردهتر متمرکز میماند: مرز میان ویرایش و تولید معمولاً کجا قرار میگیرد، و چگونه آن را برای درس خود بخوانید.
آیا استفاده از AI برای نوشتن مقالهها تقلب است؟ تقسیم سهگانه
تقریباً هیچ سیاست AI در سطح درس برای همه تکالیف یک قاعده واحد اعمال نمیکند. در عوض، بیشتر آنها رفتار مجاز را به سه سطح دستهبندی میکنند، و یک درس واحد میتواند بسته به تکلیف از هر سه سطح همزمان استفاده کند.
| Tier | What it typically covers | What usually crosses back out of it |
|---|---|---|
| ممنوع | امتحانهای کتاب بسته، آزمونهای کلاسی، و هر تکلیفی که بهطور خاص برای سنجش مهارتِ بدون کمک طراحی شده است | هرگونه استفاده از هوش مصنوعی مولد، چه افشا شده باشد چه نه |
| مجاز با افشا | مقالههای تحویلی در منزل، گزارشها، و تکالیف درسی که در آنها فرایند را میتوان نام برد و بررسی کرد | استفاده افشا نشده، یا استفاده فراتر از آنچه افشا شده است |
| مجاز بهطور آزاد | طوفان فکریِ مرحله اولیه، بررسیهای دستور زبان، و کارِ تکوینی که هیچ نمرهای ندارد | ارائه آن خروجیِ مرحله اولیه بهعنوان کارِ نهاییِ نمرهدار |
هر سه سطح ارزیابی را میتوان در همان درس، در همان ترم، تکمیل کرد. یک آزمون میانترمِ کتاب بسته در طبقه ممنوع قرار میگیرد، زیرا میخواهیم ارزیابی کنیم که آیا دانشجویان چیزهایی را که خواندهاند به یاد دارند یا نه. یک مقاله تحویلی در منزل چند هفته بعد در طبقه افشا قرار میگیرد، زیرا همچنان میخواهیم ارزیابی کنیم که آیا دانشجویان قادرند خودشان درباره چیزی بیندیشند یا نه، فقط بدون آنکه محدودیت زمانی آنان را وادار به این کار کند. یک پاسخ خواندنیِ بدون نمره که در تابلوی گفتوگو منتشر میشود، ممکن است در طبقه آزاد قرار بگیرد، زیرا در نمره هیچ چیز به این وابسته نیست که چگونه تولید شده است.
در عمل، طبقه میانی بزرگترین طبقه است و همچنین همان طبقهای است که بیش از همه دچار برداشت نادرست میشود. اجازه استفاده از یک ابزار، به معنای اجازه استفاده از آن برای هر کاری نیست. افشا، دامنه آنچه مجاز است را محدود میکند، نه اینکه کاملا در را باز کند.
مرز میان ویرایش و تولید معمولا کجا قرار میگیرد
در هر سه طبقه، یک تمایز بیش از هر تمایز دیگری تکرار میشود: ایدهپردازی و ویرایش زبان در یک سو قرار دارند، و یک استدلالِ تولیدشده یا شواهدِ تولیدشده در سوی دیگر. ابزاری که به دانشجو کمک میکند نکتهای را که از پیش دارد ساختاربندی کند، یا جملهای را که از پیش نوشته است روانتر سازد، بهعنوان کمک تلقی میشود. ابزاری که خودِ استدلال یا شواهد پشتیبان را تولید میکند تا دانشجو آن را بهعنوان کار خود تحویل دهد، بهعنوان جایگزین تلقی میشود.
آزمون عملی، نویسندگیِ اندیشه است، نه نویسندگیِ فشردن کلیدها. برای مثال، اگر یک مقاله از دانشجو بخواهد سه زاویه ممکن برای پاسخ به یک پرسش پیدا کند، یک طوفان فکری ممکن است آن سه زاویه را تولید کند، و سپس بر عهده دانشجو است که یکی را انتخاب کند، آن را توجیه کند، و بند را پیرامون آن بسازد. اگر یک AI پیشنویسِ بندی را تهیه کند که زاویه انتخابشده، استدلال، و ادعای پشتیبان را دربر دارد، دانشجو فقط این انتخاب را دارد که آن را تحویل بدهد یا ندهد.
ابزاری که ثبت یا میزان رسمی بودن را تنظیم میکند، مانند یک academic tone converter، بهروشنی در سوی ویرایشیِ این خط قرار میگیرد: آنچه یک جمله میگوید را تغییر میدهد، نه آنچه دانشجو در آن ادعا میکند.
یک مثالِ کارشده: یک پرامپت، دو نتیجه متفاوت
یک پرامپت واقعگرایانه را در نظر بگیرید: 1,500 واژه درباره اینکه آیا تنظیمگریِ رسانههای اجتماعی قطبیسازی سیاسی را کاهش میدهد یا نه. دو دانشجو از همان نوع گفتوگوی AI آغاز میکنند و در بیشتر سیاستها به دو سوی مخالف میرسند.
دانشجوی اول از ابزار میخواهد زاویههای ممکن را فهرست کند، یکی را برمیگزیند، و از آن میخواهد یک اصطلاح ناآشنا را از منبعی که پیشتر در جای دیگری یافته است توضیح دهد. هر چیزی که به صفحه میرسد، یعنی تز، ساختار، جملهها، توسط دانشجو نوشته شده و با منابعی که دانشجو واقعاً خوانده است تطبیق داده شده است. این کاربرد، حتی تحت یک سیاست افشای سختگیرانه، در سوی ویرایشی و ایدهپردازیِ خط قرار میگیرد، زیرا ابزار هرگز استدلال یا شواهد را تولید نکرده است.
دانشجوی دوم از ابزار میخواهد مقاله را مستقیماً از همان پرامپت بنویسد، سپس چند گذار را ویرایش میکند و یک ارجاع را که ابزار پیشنهاد کرده است، بدون باز کردن خودِ منبع، اضافه میکند. حتی با یک بیانیه افشا پیوستشده، این کاربرد در سوی تولیدی قرار میگیرد: استدلال از آنِ ابزار است، ارجاع راستیآزمایی نشده است، و سهم خودِ دانشجو به قالببندی محدود میشود. افشا آنچه رخ داده است را مستند میکند. اما دانشجوی دوم را به عقب، به آن سوی خط، بازنمیگرداند.
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.
چرا آن خط در همانجا قرار میگیرد
نمره یک essay جانشینی برای استدلال خودِ دانشجو است، نه برای واژههای روی صفحه بهتنهایی. ویرایش و brainstorming آن استدلال را دستنخورده میگذارند و فقط کمک میکنند روشنتر به صفحه برسد، به همین دلیل بیشتر سیاستها، حتی سیاستهای سختگیرانه، معمولاً آنها را نزدیکتر به استفاده از یک dictionary میدانند تا به تحویل کار شخص دیگری.
یک استدلال تولیدشده دقیقاً همان چیزی را جایگزین میکند که در حال ارزیابی است، بنابراین افشا کردن آن را نجات نمیدهد. نام بردن از tool توضیح میدهد که یک paragraph چگونه تولید شده است، اما استدلال درون آن paragraph را به استدلال خودِ دانشجو تبدیل نمیکند، و سیاستی که بر پایه افشا بنا شده است، صداقت درباره فرایند را بررسی میکند، نه اجازه دادن برای کنار گذاشتن اندیشیدن را.
شواهد تولیدشده نیز در دستهای اندکی متفاوت قرار میگیرند. یک citation یا ادعایی که دانشجو هرگز آن را بررسی نکرده است، یک خطای factual است که منتظر آشکار شدن است، و پیش از آنکه generative AI وجود داشته باشد نیز بهعنوان یک مشکل جدی تلقی میشد. AI در اینجا offense تازهای ایجاد نمیکند، بلکه بیشتر یک offense قدیمی را سریعتر برای ارتکاب ممکن میکند، و این یکی از دلایلی است که evidence حتی در courseهایی که در غیر این صورت permissive هستند، سختگیرانهتر از phrasing کنترل میشود.
افشا برای آن وجود دارد که فرایند قابل بررسی باشد، نه برای تطهیر نتیجه. instructorی که بتواند ببیند یک paragraph از یک tool آمده است، میتواند از دانشجو بخواهد استدلال را بدون آن بازتولید کند، و این دقیقاً همان آزمونی است که یک paragraph افشا نشده هرگز با آن روبهرو نمیشود. به همین دلیل نیز بیشتر سیاستها، نبودِ افشا را خودِ یک violation میدانند، جدا از هر چیزی که AI واقعاً تولید کرده باشد: نبودِ افشا آن سازوکار واحدی را از میان برمیدارد که از ابتدا استفاده مجاز را از استفاده ممنوع متمایز میکرد.
چگونه سیاست course خود را بخوانید
یک module handbook یا assignment brief معمولاً از هر statement کلی دانشگاهی مشخصتر است، و نسخه مشخص همان چیزی است که در عمل نمره را تعیین میکند. چند پرسش، بیشتر ابهام را برطرف میکنند:
- آیا brief به generative AI با نام اشاره میکند، یا فقط از عبارتهای کلی مانند unauthorized assistance استفاده میکند
- آیا میان انواع تکلیف تفاوت میگذارد، مانند پیشنویس در برابر submission نهایی
- آیا به یک disclosure statement نیاز دارد، و اگر چنین است، چه چیزهایی باید در آن بیاید
- آیا برای exam چیزی متفاوت از تکلیف take-home میگوید
یک policy که درباره هر چهار مورد سکوت کرده باشد، لزوماً permissive نیست. سکوت معمولاً یعنی rule پیشفرض آن department اعمال میشود، و reading محتاطانهتر یک brief نامشخص را تا زمانی که instructor خلاف آن را تأیید کند، به tier disclosure نزدیکتر از tier آزاد در نظر میگیرد.
TextPulse موضع خود را درباره ethical AI use برای students در یک جا بیان میکند، و نتیجه عملی آن با این post همخوان است: یک tool میتواند در structure و language کمک کند، و student همچنان مسئول است که result را با آنچه course خود اجازه میدهد بررسی کند.
آنچه هنوز کار خود شما محسوب میشود
یک draft همچنان کار خود student است وقتی student بتواند هر claim درون آن را بدون حضور tool توضیح دهد و از آن دفاع کند، صرفنظر از این که tool در کدام stage به آن دست زده است. به محض این که یک sentence شامل claimی شود که student نتواند آن را بدون کمک بازتولید یا دفاع کند، کار دیگر در حال ویرایش نیست و به تولید شدن تبدیل شده است، و این همان مرزی است که هر tier بالاتر در واقع برای نظارت بر آن ساخته شده است.
پیگیری عملی آن این است که اگر caught شوید چه رخ میدهد, که بسته به institution بسیار بیشتر از آنچه بیشتر students انتظار دارند تفاوت دارد. این که آیا humanizers خودشان policy دانشگاه را نقض میکنند پرسشی جداگانه با صفحهای مستقل است.
این مرز با بهتر شدن tools جابهجا نمیشود. یک model که convincingتر مینویسد، چیزی را که essay قرار است بسنجد تغییر نمیدهد، بنابراین همان پرسش همچنان به همان نقطه خواهد رسید: reasoning واقعی روی صفحه از آنِ چه کسی است.
سؤالات متداول
آیا استفاده از AI برای نوشتن مقاله تقلب است؟ این به سیاست همان تکلیف خاص بستگی دارد, نه به استفاده از AI بهعنوان یک دسته کلی. بیشتر سیاستها به سه سطح تقسیم میشوند: کاملاً ممنوع, مجاز با افشا, یا مجاز بهصورت آزاد برای کارهای مرحله آغازین مانند طوفان فکری. آنچه معمولاً پاسخ را تعیین میکند این است که آیا ابزار استدلال را تولید کرده است یا فقط جملهای را ویرایش کرده که دانشجو پیشتر نوشته بود.
Content planner and copywriter at TextPulse. Sara runs the blog day to day, from planning and drafting through to publishing. She writes the practical guides: clear explanations of academic writing problems, aimed at the person who actually has to hand something in.
