سیاست هوش مصنوعی دانشگاهی: مدارس و مجلات واقعاً چه چیزی را مجاز می‌دانند

در 2 ژوئن 2026، صفحه University of Sydney درباره استفاده مسئولانه از AI هنوز همان چیزی را می‌گفت که از زمان تغییر پیش‌فرض دانشگاه در 2025 گفته بود: AI در ارزیابی‌های باز مجاز است، مگر آنکه مدرس خلاف آن را اعلام کند، که برعکسِ وضعیتی است که این قاعده دو سال پیش داشت. سیاست AI دانشگاه یک سند ثابت نیست. این یک موضع زنده است که به همان سرعتی حرکت می‌کند که فناوری‌ای را که می‌کوشد بر آن حکم براند، و به همین دلیل، خواندن یک صفحه از یک مؤسسه و سپس فرض کردن اینکه نماینده کل بخش است، رایج‌ترین خطایی است که یک دانشجو یا پژوهشگر مرتکب می‌شود.

این نوشته به جای یک گوشه از این چشم‌انداز، کل آن را ترسیم می‌کند: دانشگاه‌ها برای تکالیف درسی چه می‌خواهند، برای پژوهش چه می‌خواهند، ناشران مجلات برای ارسال مقاله چه می‌خواهند، و Committee on Publication Ethics درباره خودِ authorship چه می‌گوید. هر سیاستی که در ادامه نقل شده، از صفحه خودِ مؤسسه گرفته شده است، در August 2026 خوانده شده، و هر جا صفحه تاریخ بازنگری خود را داده، همان تاریخ نیز ذکر شده است.

در اینجا چیزی برای خلاصه کردن به عنوان اجماع وجود ندارد، و وانمود کردن به خلاف آن، منابع را نادرست بازنمایی می‌کند. Toronto به طور پیش‌فرض generative AI را ممنوع می‌کند. Sydney به طور پیش‌فرض آن را مجاز می‌داند. هر دو خود را یک academic integrity policy می‌نامند، و هر دو تا 2026 به‌روز هستند. این نوشته این اختلاف را آشکار نگه می‌دارد، نه اینکه آن را حذف کند. هموار کردن این شکاف به یک قاعده خیالی واحد، نوشتن را آسان‌تر و دقت را کمتر می‌کند.

سیاست AI دانشگاه در واقع چه می‌گوید؟

این کاملاً به این بستگی دارد که کدام دانشگاه، و اغلب به این بستگی دارد که کدام ارزیابی درون آن دانشگاه. جدول زیر پنج مؤسسه را در پنج کشور بررسی می‌کند: هر کدام به طور پیش‌فرض چه چیزی را مجاز می‌دانند، و دقیقاً دانشجو پس از مجاز شدن استفاده از AI چه چیزی را باید افشا کند. ستون افشا معمولاً سخت‌گیرانه‌تر است، حتی در مؤسساتی که AI را آزادانه مجاز می‌دانند.

مؤسسه	کشور	موضع پیش‌فرض	آنچه افشا می‌کنید
University of Sydney	Australia	AI از 2025 در ارزیابی‌های باز و بدون نظارت مجاز است، در ارزیابی‌های تحت نظارت ممنوع است، مگر آنکه هماهنگ‌کننده واحد خلاف آن را بگوید	نام و نسخه ابزار AI، ناشر آن، URL، و توصیفی از اینکه چگونه از آن استفاده کردید
University of Toronto	Canada	AI به طور پیش‌فرض در هر درس ممنوع است، استفاده از آن بدون اجازه یک تخلف دانشگاهی است	به طور پیش‌فرض هیچ چیز، پس از آنکه یک مدرس اجازه بدهد، هرچه همان مدرس مشخص کند
Imperial College London	United Kingdom	AI برای تکالیف درسی مجاز است مگر آنکه شرح تکلیف خلاف آن را بگوید، به شرط آنکه کار تحویل‌داده‌شده با واژگان خود دانشجو باشد	ابزار، ناشر آن، URL، و توصیفی از سهم آن، با استناد مانند هر منبع دیگر
Columbia University	United States	به طور مرکزی توسط Provost تعیین می‌شود، سپس در هر دانشکده اعمال می‌شود، Columbia Business School افشا را الزامی می‌کند، و پژوهشگران نباید داده‌های منتشرنشده را در یک ابزار AI مولد وارد کنند	اینکه کدام platform استفاده شد و چگونه، گزارش‌شده به دانشکده یا مدرس مربوطه
National University of Singapore	Singapore	AI در صورت ذکر شدن مجاز است، Code of Student Conduct محتوای تولیدشده توسط AI که افشا نشده باشد را به عنوان شکلی از بی‌صداقتی دانشگاهی نام می‌برد	اینکه کدام tool مشارکت داشته است، مطابق با راهنمای acknowledgment خود دپارتمان

دو نکته در هر پنج مورد برقرار است، هرچند موضع پیش‌فرض برقرار نیست. افشا در هر سیاستی که اصلا AI را مجاز می‌داند باقی می‌ماند: هیچ یک از مؤسسات بالا به دانشجو اجازه نمی‌دهد AI را به صورت پنهانی استفاده کند، فقط به صورت آشکار یا اصلا نه. و مجازات همان خطا، استفاده از AI بدون گفتن آن، به عنوان گونه‌ای از یک مسئله قدیمی‌تر تلقی می‌شود نه یک مسئله جدید: تحویل دادن کمکی که خودتان انجام نداده‌اید و نام نبرده‌اید.

سیاست‌های دانشگاهی AI در مقایسه: Oxford, Cambridge, Harvard, MIT و Monash

هر ردیف زیر به همان سه پرسش پاسخ می‌دهد، زیرا این‌ها همان سه پرسشی هستند که وقتی روبه‌روی یک تکلیف نشسته‌اید واقعاً اهمیت دارند: آنچه به طور پیش‌فرض مجاز است، آنچه باید اعلام شود، و این قاعده را در وهله نخست چه کسی تعیین کرده است.

Institution	Permitted by default	What must be declared	Who actually sets the rule
Oxford	در ارزیابی جمع‌بندی‌شونده ممنوع است، مگر آنکه دپارتمان، دانشکده یا طراح ارزیابی صراحتاً آن را مجاز بداند	استفاده از AI، مطابق با دستورالعمل‌های خود دپارتمان یا دانشکده، هر زمان که مجاز باشد	دپارتمان، دانشکده یا طراح ارزیابیِ فردی، نه صفحه حاکمیت مرکزی
Cambridge	برای مطالعه شخصی، پژوهش و کار تکوینی مجاز است، محتوای AI که در یک ارزیابی جمع‌بندی‌شونده اعلام نشده باشد، تخلف محسوب می‌شود مگر آنکه شرح تکلیف خلاف آن را بگوید	هر محتوای تولیدشده توسط AI که در یک ارزیابی جمع‌بندی‌شونده استفاده شود، مگر آنکه شرح تکلیف خلاف آن را بیان کند	شرح تکلیفِ فردی، که می‌تواند قاعده پیش‌فرضِ سراسر دانشگاه را کنار بزند
Harvard (HBS MBA cited)	قاعده سراسری وجود ندارد، هر درس تصمیم می‌گیرد که آیا ابزارهایی مانند ChatGPT اصلاً مجاز هستند یا نه	استفاده از ابزار AI، به شیوه‌ای که Honor Code برنامه MBA ایجاب می‌کند، هر جا که مجاز باشد	درسِ فردی و مدرس آن
MIT (Sloan cited)	قاعده‌ای در سطح مؤسسه درباره استفاده از AI مولد برای تکالیف وجود ندارد	هر آنچه سیاست درسیِ خودِ مدرسِ فردی ایجاب کند	هر دانشکده و مدرس، به طور جداگانه، تنها قاعده مرکزی MIT مربوط به نحوه مدیریت داده‌هاست، نه تکالیف
Monash	به تفکیک هر واحد درسی تعیین می‌شود، Chief Examiner مشخص می‌کند AI کجا و چگونه می‌تواند استفاده شود	استفاده از AI، همواره، مطابق با آنچه Chief Examiner برای آن واحد مشخص کرده است	Chief Examiner هر واحد درسیِ فردی

اگر ستون آخر را بخوانید، شکل کلی متن همان‌جا آشکار می‌شود. هیچ‌یک از این پنج مورد تصمیم را در سطحی که بیشتر دانشجویان تصور می‌کنند قرار نمی‌دهد, یعنی صفحه سیاست‌گذاری سراسری دانشگاه. Oxford و Cambridge آن را به دپارتمان، دانشکده یا شرح ارزیابی واگذار می‌کنند. Harvard و MIT آن را به درس واگذار می‌کنند. Monash یک نقش واحد، Chief Examiner، را نام می‌برد و اختیار تصمیم‌گیری برای هر واحدی را که اداره می‌کند به همان شخص می‌دهد. یک صفحه مرکزی می‌تواند حالت پیش‌فرض را به شما بگوید. اما نمی‌تواند بگوید ماژول مشخص شما چه چیزی را مجاز می‌داند.

چرا یک صفحه سیاست‌گذاری مرکزی تعیین نمی‌کند که چه کاری می‌توانید انجام دهید؟

زیرا افرادی که یک سیاست سراسری دانشگاه را می‌نویسند، همان افرادی نیستند که یک ارزیابی فردی را تعیین می‌کنند. یک registrar یا یک دفتر academic-integrity می‌تواند یک حالت پیش‌فرض و یک انتظار برای افشا را بیان کند، اما نمره‌دهی، نظارت و طراحی ارزیابی در سطح دپارتمان یا ماژول انجام می‌شود، بنابراین مجوز واقعی که دانشجو نیاز دارد نزد کسی است که همان شرح مشخص را نوشته است. یک دانشجوی joint-honours می‌تواند در یک ترم دو قاعده متفاوت AI را رعایت کند، یکی برای هر نیمه از مدرکش، و هر دو به‌درستی به‌عنوان "سیاست دانشگاه" توصیف می‌شوند، هرچند چیزهای متفاوتی می‌گویند.

به همین دلیل است که همان مؤسسه می‌تواند دو گزاره درست بگوید که از بیرون متناقض به نظر می‌رسند. صفحه مرکزی Cambridge استفاده از AI را برای کار تکوینی مجاز می‌داند و در عین حال بیان می‌کند که استفاده بدون ذکر منبع در یک ارزیابی جمع‌بندی‌شده، به‌طور پیش‌فرض تخلف است. هر دو جمله هم‌زمان دقیق‌اند، زیرا دو سطح متفاوت از کار را توصیف می‌کنند، و شرح ارزیابی برای هر متن مشخص همان سندی است که در عمل تعیین می‌کند کدام سطح اعمال می‌شود. یک مقاله تکوینی که در هفته سوم تعیین شده و یک رساله جمع‌بندی‌شده که در ژوئن تحویل می‌شود می‌توانند زیر همان صفحه نهادی قرار بگیرند و در دو سوی مخالف آن خط قرار گیرند، و هیچ چیز در خود صفحه نشان نمی‌دهد که یک اثر مشخص به کدام سطح تعلق دارد. این را باید شرح ارزیابی مشخص کند.

آیا Oxford و Cambridge واقعاً با هم اختلاف دارند؟

نه بر ساختار، بلکه فقط بر این‌که پیش‌فرض از کجا آغاز می‌شود. سیاست Oxford درباره استفاده از AI در ارزیابی نهایی به‌صراحت بیان می‌کند: «استفاده از AI در ارزیابی‌ها فقط زمانی مجاز است که به‌طور صریح اجازه داده شده باشد و باید مطابق دستورالعمل‌های دپارتمان یا دانشکده اعلام شود؛ استفاده غیرمجاز، تخلف دانشگاهی محسوب می‌شود.» پیش‌فرض، غیرفعال است. این حالت فقط زمانی فعال می‌شود که یک دپارتمان یا دانشکده، آن هم به‌صورت مکتوب، برای آن ارزیابی چنین چیزی را بگوید. در عمل، این اجازه معمولاً به شکل یک خط در handbook یک module یا در brief یک assignment ظاهر می‌شود، نه به‌صورت یک سند جداگانه، و دقیقاً به همین دلیل جست‌وجوی صفحه مرکزی governance برای یافتن پاسخ بله یا خیر، وقت لازم برای پیدا کردن brief واقعی را هدر می‌دهد.

سیاست Cambridge از پیش‌فرضی بازتر آغاز می‌شود و از آن‌جا محدودتر می‌گردد: «به دانشجویان اجازه داده می‌شود برای پشتیبانی از مطالعه شخصی، پژوهش و کار formative خود، به‌طور مناسب از ابزارهای artificial intelligence استفاده کنند.» اما برای ارزیابی نهایی، خودِ عبارت‌بندی دانشگاه بار اثبات را به disclosure منتقل می‌کند: «دانشجویی که در یک ارزیابی نهایی از هرگونه محتوای تأییدنشده‌ای که توسط artificial intelligence تولید شده و آن را چنان به کار می‌برد که گویی کار خود اوست، استفاده کند، مرتکب تخلف دانشگاهی می‌شود، مگر آن‌که در brief ارزیابی به‌طور صریح خلاف آن ذکر شده باشد.» Oxford از حالت بسته آغاز می‌کند و با اجازه باز می‌شود. Cambridge از حالت باز آغاز می‌کند و با حذف، بسته می‌شود. هر دو تصمیم واقعی را به سندی می‌سپارند که از خودِ صفحه policy کوچک‌تر است.

Harvard و MIT: چرا این course تصمیم می‌گیرد، نه institute؟

زیرا هیچ‌یک از راهنمایی‌های مرکزی دانشگاه برای یک کلاس مشخص قاعده‌ای قابل‌استفاده تعیین نمی‌کند، پاسخ عملی از کسی می‌آید که آن را تدریس می‌کند. راهنمایی مرکزی Harvard تصمیم مجاز بودن یا نبودن را به هر درس واگذار می‌کند؛ راهنمای MBA Program Handbook در Harvard Business School روشن می‌کند که این وضعیت در همان مدرسه‌ای که آن را به‌صورت مکتوب درآورده چگونه است: "Faculty may allow the use of ChatGPT and similar technologies in some circumstances, but students must ensure that such use is permitted and must make sure they understand any limitations on such use before using this technology." هرجا که استفاده مجاز باشد، استناد اختیاری نیست: "students must cite their use of these AI tools appropriately. Not doing so violates the MBA Honor Code." راهنمای Provost در سراسر دانشگاه Harvard، که نخستین بار در 13 July 2023 منتشر شد، همین انتظار را در سطحی بالاتر تعیین می‌کند: تصمیم مجاز بودن یا نبودن را به هر درس واگذار می‌کند، نه اینکه یک پیش‌فرض واحد در سراسر پردیس تعیین کند، و به همین دلیل عبارت ویژه HBS در بالا برای یک دانشجوی واقعی که می‌خواهد آن را بخواند، سند مفیدتری است.

راهنمای Sloan MBA Program Handbook در MIT همین الگوی واگذار شده را به‌صراحت بیان می‌کند: "MIT Sloan does not have a definitive policy on using generative AI tools (e.g., ChatGPT) to complete individual or team assignments or prepare for a class discussion. Rather, faculty will set their own policies pertaining to the use of AI tools in their courses, including permitting or prohibiting some or all uses of such tools." تنها قاعده‌ای که MIT به‌صورت مرکزی تعیین می‌کند، اصلا به تمامیت دانشگاهی مربوط نیست: "MIT work should be conducted using MIT-licensed AI tools whenever Institute data is involved." این یک الزام مربوط به نحوه کار با داده است، نه مجوزی برای یک تکلیف. ممکن است دانشجو در چارچوب سیاست AI همان درس برای یک تکلیف کاملا مجاز باشد و با این حال جداگانه قاعده داده را نقض کند، برای نمونه با چسباندن داده محرمانه Institute در یک ابزار عمومی، بی‌آنکه هیچ جنبه‌ای از تمامیت دانشگاهی در میان باشد. این دو قاعده در دو مسیر کاملا متفاوت حرکت می‌کنند.

چه کسی قاعده Monash را تعیین می‌کند: دانشگاه یا Chief Examiner؟

Chief Examiner، به نام، برای هر واحدی که اداره می‌کنند. سیاست Monash، Chief Examinerها را مسئول نظام ارزیابی در یک واحد می‌کند و از آنان می‌خواهد مشخص کنند که AI در ارزیابی‌های آن واحد کجا و چگونه می‌تواند استفاده شود، و این امر قاعده را در سطح واحد قرار می‌دهد نه در سطح دانشگاه. وقتی یک Chief Examiner یک نوع استفاده را مشخص کرد، وظیفه ذکر منبع ثابت است نه مشروط: دانشجویان باید استفاده از AI را به‌روشنی و آشکارا، مطابق با آنچه Chief Examiner بیان کرده است، اعلام کنند، و سیاست این الزام را به‌صورت مطلق بیان می‌کند، بنابراین AI مولد که برای تولید کاری که برای ارزیابی ارائه می‌شود استفاده شده است، همیشه باید اعلام شود. بنابراین دو دانشجو در یک رشته می‌توانند روی کاغذ تحت قواعدی یکسان کار کنند و با این حال به نتایج متفاوتی برسند، اگر یکی از آنچه Chief Examiner او واقعاً مشخص کرده پیروی کند و دیگری به یک پاسخ کلی در سطح کل Monash تکیه کند که سیاست هرگز وعده نداده بود.

چرا قواعد تکالیف درسی و قواعد پژوهش در همان دانشگاه متفاوت‌اند؟

زیرا مخاطب آن‌ها متفاوت است. سیاست تکالیف درسی از نمره محافظت می‌کند: وجود دارد تا نمره بازتاب‌دهنده فهم خودِ دانشجو باشد، و معمولاً زیر نظر یک registrar، یک dean of students، یا یک دفتر یکپارچگی دانشگاهی قرار دارد. سیاست پژوهش از سابقه محافظت می‌کند: وجود دارد تا یک یافته منتشرشده یا ارائه‌شده قابل اعتماد باشد، و معمولاً زیر نظر یک research ethics board، یک IRB، یا دفتری قرار دارد که conduct of research مسئولانه را تأیید می‌کند. یک دانشگاه می‌تواند هر دو را هم‌زمان اجرا کند، با واژگانی متفاوت، و توسط دفاتر متفاوت اجرا شود، و به‌ندرت در صفحه‌ای که دانشجو واقعاً پیدا می‌کند به یکدیگر ارجاع داده شوند.

نمونه Columbia روشن است، زیرا این تقسیم‌بندی در صفحات وب خودشان قابل مشاهده است. دانشکده کسب‌وکار یک سیاست ویژه دانشجویان دارد که از دانشجویان می‌خواهد استفاده خود از این پلتفرم و نحوه استفاده از آن برای تکالیف کلاسی را گزارش کنند. همچنین یک سیاست ویژه پژوهشگران وجود دارد که بارگذاری داده‌های منتشرنشده یا اطلاعات محرمانه را در هر نوع ابزار مولد AI به‌طور کامل ممنوع می‌کند. در نهایت، هیئت بازبینی نهادی Teachers College از پژوهشگران می‌خواهد که استفاده از AI را به‌عنوان بخشی از تأیید پژوهش روی آزمودنی‌های انسانی افشا کنند. سه قاعده، یک دانشگاه، سه دفتر متفاوت، و دانشجویی که فقط صفحه کارشناسی را می‌خواند، هرگز دو مورد دیگر را نمی‌بیند.

سیاست‌های AI مجلات و ناشران چه الزاماتی دارند؟

آن‌ها تقریباً در همه‌جا افشای استفاده را الزامی می‌کنند، و بدون استثنا توافق دارند که یک سامانه AI نمی‌تواند به‌عنوان نویسنده فهرست شود. تفاوت واقعی آن‌ها در مرز آن چیزی است که استفاده قابل افشا به شمار می‌آید، و نیز در این است که ممنوعیت تصاویر و نمودارهای تولیدشده توسط AI تا چه اندازه سخت‌گیرانه است.

ناشر	آیا AI به عنوان نویسنده فهرست می‌شود؟	چه چیزی باید افشا شود	یک محدودیت قابل توجه
Elsevier	هرگز, مسئولیت‌های نویسندگی "فقط می‌تواند به انسان‌ها نسبت داده شود و توسط انسان‌ها انجام شود"	یک اعلامیه جداگانه که نام ابزار و هدف آن را ذکر کند, مگر آنکه استفاده صرفاً یک بررسی پایه‌ای دستور زبان یا املا بوده باشد	AI مولد نمی‌تواند آثار هنری, شکل‌ها, یا تصاویر اصلی پژوهش را ایجاد یا تغییر دهد
Springer Nature	هرگز, یک LLM "نمی‌تواند مسئولیت‌پذیری را بر عهده بگیرد و معیارهای نویسندگی را برآورده نمی‌کند"	در مقدمه, پیشگفتار, یا بخش سپاسگزاری ذکر شود, زمانی که AI به تولید متن, تحلیل, یا محتوا کمک کرده است	ویرایش زبانی که فقط برای خوانایی, دستور زبان, یا قالب‌بندی انجام شده باشد, نیازی به اعلام ندارد
Wiley	هرگز, به نام	در بخش روش‌ها, یک بیانیه افشای اختصاصی, یا بخش سپاسگزاری افشا شود, به‌جز ابزارهای املا و دستور زبان	دست‌نوشته‌ها نمی‌توانند شامل بخش‌های تأییدنشده‌ای باشند که توسط AI نوشته شده‌اند, از جمله چکیده یا نتیجه‌گیری
IEEE	اصلاً به صورت یک پرسش نویسندگی صورت‌بندی نشده است, این سیاست صرفاً به عنوان یک قاعده افشا نوشته شده است	در بخش سپاسگزاری نام برده شود, همراه با مشخص شدن سامانه AI مشخص و توضیح بخش‌های تحت تأثیر	یک داور نمی‌تواند دست‌نوشته‌ای را که در حال بررسی است از طریق یک پلتفرم عمومی AI اجرا کند
Taylor & Francis	هرگز, نویسندگی مستلزم مسئولیت‌های "منحصراً انسانی" است که یک ابزار AI نمی‌تواند بر عهده بگیرد	نام ابزار, نسخه, هدف و روش, که در بخش روش‌ها یا سپاسگزاری قرار می‌گیرد, یا در مرحله پیشنهاد برای یک کتاب	AI مولد نمی‌تواند تصاویر, شکل‌ها, یا داده‌های پژوهشی را ایجاد یا دستکاری کند

تنها شکاف واقعاً تازه در این مجموعه مربوط به IEEE است، که اصلاً قاعده خود را به صورت مسئله نویسندگی صورت‌بندی نمی‌کند. هر ناشر دیگری در بالا صریحاً می‌گوید که AI نمی‌تواند نویسنده باشد، اما سیاست IEEE اساساً هرگز این پرسش را مطرح نمی‌کند، زیرا سراسر به صورت یک الزام افشا برای محتوا نوشته شده است، هر کس یا هر چیزی که آن را تولید کرده باشد. این تفاوتی واقعی در شیوه ساخت یک سیاست است، نه فقط در آنچه می‌گوید.

آیا AI می‌تواند به عنوان نویسنده ذکر شود؟

خیر، بر اساس همه ناشران نام‌برده در بالا و نیز Committee on Publication Ethics، که موضع آن درباره این پرسش از 13 February 2023 تاکنون ثابت مانده است. استدلال اعلام‌شده COPE در واقع درباره کیفیت نوشتار نیست. نویسندگی تا حدی یک وضعیت حقوقی و اخلاقی است، نه فقط توصیفی از این که چه کسی جمله‌ها را تایپ کرده است. یک ابزار AI نمی‌تواند مسئولیت یک مقاله ارسالی را بر عهده بگیرد، نمی‌تواند حق نشر داشته باشد، و نمی‌تواند تعارض منافع را اعلام یا انکار کند. COPE الزام افشا را به‌روشنی بیان می‌کند: نویسندگانی که از ابزارهای AI در آماده‌سازی یک دست‌نوشته استفاده می‌کنند باید در بخش روش‌ها یا معادل آن، توضیح دهند که ابزار چگونه استفاده شده و آن ابزار چه بوده است. ICMJE، WAME، و JAMA Network همین موضع را دارند، و همین امر سبب می‌شود این قاعده بیشتر شبیه یک حکم تثبیت‌شده خوانده شود تا سبک اختصاصی یک ناشر. بخش تعیین‌کننده، افشا است. فرقی نمی‌کند نویسنده متن یک انسان باشد یا یک برنامه AI. همه نویسندگان بر اساس این قاعده مسئولیت دارند.

بیانیه افشای AI دقیقاً چه چیزهایی را شامل می‌شود؟

هر سیاست مهمی، هم در دانشگاه‌ها و هم در میان ناشران، بر سر همان چهار جزء اطلاعات به یک نتیجه مشترک می‌رسد، حتی وقتی تقریباً درباره همه چیزهای دیگر اختلاف دارند. یک بیانیه افشای قابل استفاده شامل موارد زیر است:

• ابزار مشخص و نسخه آن، نه فقط "AI" به عنوان یک دسته کلی
• این که برای چه کاری استفاده شده است: پیش‌نویس‌نویسی، خلاصه‌سازی، ویرایش، ترجمه، یا تولید کد یا تحلیل
• تأیید این که یک انسان خروجی را با منابع اصلی بازبینی و راستی‌آزمایی کرده است
• محل قرار گرفتن افشا: بخش روش‌ها، یک سطر در قدردانی‌ها، یا یک بیانیه اختصاصی، بسته به آنچه مجله یا درس مقصد درخواست می‌کند

آن فهرست کوتاه از موضع بله یا خیرِ یک سیاست مهم‌تر است، زیرا سیاستی که AI را مجاز می‌داند اما افشای مبهم را می‌پذیرد از هیچ‌کس محافظت نمی‌کند، و سیاستی که AI را ممنوع می‌کند اما هرگز آن را بررسی نمی‌کند نیز از هیچ‌کس محافظت نمی‌کند. اگر رشته شما انتظار دارد که ابزار به جای صرفاً نام بردن در یک جمله، استناد شود، a citation generator for AI tools آن مدخل را به شکلی قالب‌بندی می‌کند که فهرست منابع انتظار دارد. چهار مورد بالا همان چیزهایی هستند که یک خواننده، یک ویراستار یا یک ممتحن، صرف نظر از قالب دقیق، واقعاً می‌تواند آن‌ها را راستی‌آزمایی کند.

آیا استفاده از یک AI Humanizer برخلاف سیاست دانشگاه شماست؟

نه، اگر شما در حال ویرایش استدلالی باشید که واقعاً خودتان مطرح کرده‌اید. این همان چیزی است که هر سیاستی در جدول‌های بالا پوشش می‌دهد: ویرایش زبانی، بازسازی جمله‌های خودتان، تنظیم لحن، و تنوع دادن به واژگان. این دقیقاً همان کاری است که استادان راهنما و ویراستاران زبانی همواره انجام داده‌اند. ویرایش استدلالی که خودتان پیش‌نویس کرده‌اید با یک humanizer در همین دسته قرار می‌گیرد، اما مطمئن شوید که آن را به همان شکلی که مؤسسه یا مجله شما می‌خواهد اعلام کنید. موضع خود TextPulse درباره the ethical use of AI in academic writing این تمایز را به طور کامل بیان می‌کند: ویرایش کار خودتان و ارائه استدلالی که هرگز مطرح نکرده‌اید دو عمل متفاوت هستند، و فقط یکی از آن‌ها تخلف محسوب می‌شود.

جدول‌های بالا این مرز را به شیوه‌ای دیگر هم عینی می‌کنند. قاعده Imperial که می‌گوید کار ارسالی باید با واژه‌های خود دانشجو باشد، و الزام Sydney به نام بردن از ابزار و توضیح دادن اینکه چگونه از آن استفاده کرده‌اید، هر دو بر یک فرض استوارند: شما مجازید در نهایت شبیه خودتان به نظر برسید، نه شبیه خروجی ویرایش‌نشده یک مدل. A humanizer built for student coursework یکی از راه‌های رسیدن به این هدف است، و سازوکار انجام آن به صورت بخش به بخش، از آنجا که یک methodology متفاوت از یک discussion خوانده می‌شود، در نوشته‌ای جداگانه درباره humanizing AI text in academic writing پوشش داده شده است.

اگر استفاده از AI را افشا نکنید چه اتفاقی می‌افتد؟

این موضوع بسته به مؤسسه و ناشر متفاوت است، اما به این صورت به نظر می‌رسد: دانشگاهی که استفاده افشا نشده از AI را در تکالیف ارسالی تشخیص می‌دهد، آن را به عنوان یک مسئله یکپارچگی دانشگاهی طبقه‌بندی می‌کند، درست مانند کمک افشا نشده از سوی یک شخص. سیاست‌های مشخص متفاوت‌اند، برای مثال، جریمه می‌تواند درخواست برای ارسال مجدد یا رسیدگی رسمی به تخلف باشد. مجله‌ای که استفاده افشا نشده از AI را در یک دست‌نوشته پس از پذیرش آن تشخیص می‌دهد، این اختیار را دارد که آن را اصلاح کند، پس بگیرد، یا درخواست نسخه بازبینی شده بدهد. ویراستاری که به استنادهای ساختگی مشکوک می‌شود، آن‌ها را با منابع اصلی تطبیق می‌دهد و تصمیم می‌گیرد که مقاله را بپذیرد یا رد کند. اگر هنوز مجله هدف خود را انتخاب نکرده‌اید، یک ابزار یافتن مجله که دست‌نوشته شما را با مجلاتی که از پیش آثار مشابه منتشر می‌کنند تطبیق می‌دهد ارزش امتحان کردن دارد، پیش از آنکه سیاست مشخص آن مجله را بررسی کنید.

پرسش‌های سیاستی زیرمجموعه این موضوع، هر کدام بررسی جداگانه‌ای دارند. چگونه استفاده از AI را در یک مقاله افشا کنیم و یک الگوی آماده برای بیانیه افشا به صورت جداگانه مطرح شده‌اند، و همین‌طور پرسش اینکه آیا یک مدل می‌تواند به عنوان نویسنده فهرست شود. در بخش اجرا، مطالبی درباره آنچه رخ می‌دهد اگر شما شناسایی شوید و درباره اینکه آیا humanizers خودشان سیاست را نقض می‌کنند وجود دارد. پرسش پیشین، اینکه آیا استفاده از AI برای نوشتن مقاله اصلا تقلب محسوب می‌شود، در صفحه‌ای جداگانه پاسخ داده شده است، و سیاست‌های مجلات مقایسه شده‌اند در مطلبی مستقل.

هیچ‌یک از این‌ها به یک قاعده واحد که بتوانید آن را حفظ کنید و دوباره به کار ببرید منتهی نمی‌شود، و همین نکته، هدف است نه یک خلأ در پژوهش. پیش از آنکه چیزی را ارسال کنید، صفحه مشخص مربوط به مؤسسه خود و مجله هدف خود را بررسی کنید، زیرا نسخه‌ای که اهمیت داشت، تازه‌تر از زمان نگارش این مقاله به‌روزرسانی شده بود.