शैक्षणिक ईमानदारी और AI: एक छात्र मार्गदर्शिका

Academic integrity AI: यह वाक्यांश इतना व्यापक दायरा समेटता है कि इसमें किसी तैयार अनुच्छेद को grammar checker से गुज़ारना और किसी chatbot से वही अनुच्छेद शुरू से लिखवाना, दोनों शामिल हो सकते हैं, और अधिकांश छात्रों को कभी यह स्पष्ट उत्तर नहीं मिलता कि एक उपयोग कहाँ समाप्त होता है और दूसरा कहाँ शुरू होता है। यह सीमा एक बार, केंद्रीय रूप से, हर उस पाठ्यक्रम के लिए नहीं तय की जाती जिसे कोई छात्र कभी लेगा। यह प्रत्येक instructor द्वारा, प्रत्येक course handbook में अलग से तय की जाती है, और किसी विशिष्ट assignment पर लागू होने वाला संस्करण विश्वविद्यालय की सामान्य नीति में कही गई किसी भी बात से बहुत बार अधिक संकीर्ण होता है।

यह कोई loophole नहीं है। यह लगभग हर उस institution के काम करने का तरीका है जिसने वास्तव में कोई policy लिखी है, क्योंकि एक lab report, एक personal essay और एक coding assignment अलग-अलग प्रश्न उठाते हैं, जिनका उत्तर एक केंद्रीय नियम अच्छी तरह नहीं दे सकता। यह guide बताती है कि क्या आम तौर पर हर जगह ठीक माना जाता है, क्या आम तौर पर कहीं भी ठीक नहीं माना जाता, इनके बीच का grey area क्या है, और वास्तव में क्या किया गया था इसका record रखने का एक सरल तरीका क्या है। इसलिए किसी विशिष्ट प्रश्न का उत्तर कभी केवल एक अनुमान नहीं होता।

Academic Integrity AI आपके Course Policy से शुरू होता है, आपके University की Policy से नहीं

जिन universities ने विस्तृत AI guidance प्रकाशित की है, वे लगातार वास्तविक निर्णय को 'the university' को समग्र रूप से मानने के बजाय एक छोटे unit तक नीचे ले जाती हैं। Oxford's policy स्पष्ट रूप से कहती है कि छात्रों के लिए assessments में AI का उपयोग केवल तभी allowed है जब उसे स्पष्ट रूप से permitted किया गया हो, और department या faculty के instructions के अनुसार उसका declaration करना must है, तथा unauthorized use को default रूप से academic misconduct माना जाता है। Cambridge operative rule को individual assessment brief के स्तर पर निर्धारित करती है: summative assessment में बिना acknowledgment के AI-generated content का उपयोग misconduct माना जाता है, जब तक कि उस brief में स्पष्ट रूप से इसके विपरीत न कहा गया हो, जिसका अर्थ है कि वही module एक assignment में एक प्रकार के use की अनुमति दे सकता है और अगले में उसे prohibit कर सकता है।

MIT Sloan इसे और भी सीधे तौर पर कहता है, यह बताते हुए कि असाइनमेंट पूरे करने के लिए generative AI tools के उपयोग पर उसकी कोई निश्चित नीति नहीं है, और यह कि faculty course by course अपनी-अपनी नियमावली तय करते हैं, जिसमें ऐसे उपयोग के कुछ या सभी रूपों की अनुमति देना या उन्हें निषिद्ध करना शामिल है। Monash यह निर्णय प्रत्येक unit के Chief Examiner पर छोड़ देता है, जिन्हें यह निर्दिष्ट करना होता है कि AI का उपयोग कहाँ और कैसे किया जा सकता है, और जब भी इसका उपयोग हो, acknowledgment हमेशा आवश्यक होता है। इनमें से कोई भी सीमा-प्रकरण नहीं है। ये वे तरीके हैं जिनसे तीन महाद्वीपों की चार अलग-अलग universities ने एक ही policy question को संरचित करने का निर्णय लिया है, और यह बात याद रखने योग्य है, इससे पहले कि यह मान लिया जाए कि किसी school का सामान्य कथन ही पूरी कहानी है। university AI policy across institutions पर एक निकटतर दृष्टि यही devolved pattern लगभग हर जगह दिखाती है जहाँ इसकी जाँच की गई है।

वे उपयोग जो लगभग हमेशा ठीक होते हैं

सबसे स्पष्ट pattern universities के बाहर पूरी तरह दिखाई देता है, इस बात में कि academic publishers finished research जमा करने वाले authors के लिए उसी प्रश्न को कैसे देखते हैं। Elsevier की policy कहती है कि grammar, spelling और punctuation की basic checks के लिए किसी declaration की आवश्यकता नहीं है। Wiley spelling, grammar और general editing के लिए केवल उपयोग किए गए tools को अपनी disclosure requirements से बाहर रखता है। IEEE grammar और editing tools को, मूल रूप से, अपनी AI policy के intent के बाहर सामान्यतः बताता है। इनमें से कुछ भी किसी university का plagiarism rule नहीं है, लेकिन अंतर्निहित भेद, ऐसी writing में एक यांत्रिक correction जो पहले से ही student की अपनी है, बनाम नया content जो ऐसा नहीं था, वही है जिसे लगभग हर course-level AI policy भी अपनाती है। एक free grammar checker लगभग किसी भी policy के अंतर्गत, जिसका सामना एक student कर सकता है, ठीक इसी ठीक category में आता है।

यह संरचना पर प्रतिक्रिया के साथ भी उसी तरह काम करता है। मौजूदा सामग्री पर प्रतिक्रिया का अर्थ यह नहीं है कि उसे नीति-आधारित कथन, वाक्य-दर-वाक्य, होना चाहिए। कोई उपकरण आपसे पूछ सकता है कि क्या आपके द्वारा लिखा गया कोई तर्क तार्किक है, या क्या आप कहीं स्वयं को दोहरा रहे हैं। यह पुरानी सामग्री के स्थान पर नई सामग्री माँगना नहीं है। ऊपर की हर नीति में बार-बार लौटकर आने वाला भेद यह है कि विषयवस्तु की लेखकीयता, न कि वे कौन-से उपकरण थे जिन्होंने अंतिम मसौदे तक पहुँचने में दस्तावेज़ को छुआ।

वे उपयोग जो लगभग कभी ठीक नहीं होते

Generated argument लगभग हर उस स्थान पर, जहाँ इसे लिखा गया है, उसी रेखा के दूसरी ओर स्थित होता है, किसी chatbot से वास्तविक दावा, वास्तविक विश्लेषण या वास्तविक व्याख्या माँगना, और उसके आउटपुट को प्रस्तुति की विषयवस्तु के रूप में रखना। Generated evidence इससे भी बदतर है, बेहतर नहीं, क्योंकि गढ़ा हुआ आँकड़ा या ऐसा अध्ययन जो अस्तित्व में ही नहीं है, शैली की समस्या नहीं है। यह तथ्य के रूप में प्रस्तुत किया गया एक झूठा दावा है। उद्धरण अधिक विशिष्ट रूप में वही जोखिम रखते हैं: language models नियमित रूप से ऐसे स्रोत गढ़ते हैं जो पूरी तरह विश्वसनीय लगते हैं, और यही कारण है कि does ChatGPT make up references पढ़ना उचित है, इससे पहले कि कोई भी generated citation किसी reference list के पास भी जाए।

इस सब के पीछे का तर्क स्वयं नियमों से अधिक सुसंगत है। कोई chatbot उस दावे के पीछे खड़ा नहीं हो सकता जिसे उसने उत्पन्न किया है, उसे किसी स्रोत के विरुद्ध जाँच नहीं सकता, या यदि दावा गलत निकलता है तो ज़िम्मेदारी नहीं ले सकता, और यही कारण है कि research publishers प्रत्येक दावे के लिए एक मानव लेखक से पुष्टि कराना आवश्यक मानते हैं, चाहे वाक्य के निर्माण में किसने सहायता की हो। Turnitin's AI writing report किसी विशिष्ट अनुच्छेद को चिह्नित करेगा या नहीं, यह एक अलग, यांत्रिक प्रश्न है, उस प्रश्न से अलग कि क्या अंतर्निहित सामग्री कभी छात्र की अपनी थी जिसे प्रस्तुत किया जा सके।

धूसर मध्य, और इसे कैसे संभालें

ऊपर दी गई दो स्पष्ट श्रेणियों के बीच कुछ उपयोग आते हैं, और यही वह स्थान है जहाँ पाठ्यक्रम-विशिष्ट नीति सबसे अधिक महत्वपूर्ण होती है। किसी कठिन अंश का अनुवाद करना, या यह जाँचना कि कोई वाक्य दूसरी भाषा में स्वाभाविक लगता है या नहीं, बहुभाषी छात्र के लिए उस छात्र की तुलना में अलग स्थिति रखता है जो केवल पहली भाषा में लिख रहा है, और ऐसी नीति जो इसका बिल्कुल उल्लेख नहीं करती, सामान्यतः बस उस छात्र को ध्यान में रखकर नहीं लिखी गई होती जिसके सामने उसे तैयार करने वाला व्यक्ति था। किसी अवधारणा को अपने मौलिक शब्दों में लिखने से पहले किसी उपकरण से उसे समझाने को कहना, किसी प्रस्तुति को उत्पन्न करने की तुलना में पाठ्यपुस्तक का उपयोग करने के अधिक निकट है, लेकिन हर मूल्यांकनकर्ता इससे सहमत नहीं होगा, और यही ठीक कारण है कि यह वह श्रेणी है जिसके बारे में सीधे पूछना चाहिए, अनुमान लगाने के बजाय।

संभावित दृष्टिकोणों की सूची पर विचार-मंथन करना, या हर वाक्य को शुरू से लिखने से पहले एक मोटा खाका माँगना, उसी धूसर क्षेत्र में आता है। कुछ शिक्षक इसे किसी सहपाठी के साथ विचार-विमर्श करने से अलग नहीं मानते। अन्य चाहते हैं कि प्रस्तुति का हर चरण स्पष्ट रूप से छात्र का अपना हो। यह जानने का एकमात्र विश्वसनीय तरीका कि किसी विशिष्ट असाइनमेंट पर कौन-सा नियम लागू होता है, वही है जिससे यह मार्गदर्शिका शुरू हुई थी, पूछें, या संक्षिप्त विवरण को इतनी सावधानी से पढ़ें कि सुनिश्चित हो जाए।

इसे दूसरी असाइनमेंट में बदले बिना एक रिकॉर्ड रखें

एक सरल आदत इस सब के अधिकांश हिस्से को बिना इसे अपने आप में एक परियोजना बनाए संभाल लेती है। तारीख, उपकरण से क्या पूछा गया था, और वास्तव में क्या रखा गया बनाम क्या पुनर्लिखित किया गया, यह नोट करें, उसी तरह जैसे किसी स्रोत के लिए उद्धरण दिया जाता है, न कि उसे एक बार पढ़ लेने की धुंधली स्मृति। यदि कोई पाठ्यक्रम इसकी अनुमति देता है, तो चैट सहेज लें, या यदि नहीं देता, तो स्क्रीनशॉट ले लें। जहाँ कोई पाठ्यक्रम औपचारिक AI-use disclosure statement की माँग करता है, वहाँ वह प्रारूप पाठ्यक्रम द्वारा निर्धारित होता है, इस मार्गदर्शिका द्वारा नहीं, और उसके सटीक शब्दों का पालन करना स्वतंत्र रूप से तैयार किए गए लंबे या अधिक विस्तृत कथन लिखने से अधिक महत्वपूर्ण है।

सिद्धांत के नीचे मौजूद व्यावहारिक प्रश्नों के अपने पृष्ठ हैं: क्या कोई प्रोफेसर बता सकता है कि आपने ChatGPT का उपयोग किया था, और इसका अधिक सीधा रूप, क्या ChatGPT का उपयोग करते हुए मैं पकड़ा जाऊँगा.

इनमें से कोई भी चीज़ उस एक दस्तावेज़ को पढ़ने का विकल्प नहीं है जो वास्तव में किसी विशिष्ट असाइनमेंट को नियंत्रित करता है, यानी मॉड्यूल हैंडबुक या स्वयं संक्षिप्त निर्देश, न कि इस बात की कोई सामान्य धारणा कि अन्य छात्र किस चीज़ से बच निकल रहे हैं। TextPulse का AI humanizer for students इसका वह हिस्सा है जो वास्तव में लेखन से संबंधित है, अनुमति से नहीं। यह एक अनुमानित Human Score बताता है, जो किसी ड्राफ्ट के अपने सांख्यिकीय स्वरूप से निर्मित होता है, और जमा करने से पहले प्रामाणिक लेखन की जाँच के लिए उपयोगी है, ठीक उन्हीं उपयोग-श्रेणियों पर जिनकी अनुमति कोई नीति पहले से देती है।