AI का उपयोग करने का आरोप, जबकि आपने नहीं किया: क्या करें
AI उपयोग का नाम लेने वाला academic integrity ईमेल इसलिए भयावह होता है क्योंकि कोई एक तथ्य ऐसा नहीं होता जो किसी प्रतिशत को खंडित कर दे। पहले 48 घंटों में, क्रम से, क्या करना है, क्या कहना है, क्या कभी स्वीकार नहीं करना है, कौन-सा साक्ष्य माँगना है, और यह कैसे पता लगाना है कि कोई score अकेले ही कायम रह सकता है या नहीं, यहाँ दिया गया है।
ईमेल एक विषय पंक्ति के साथ आता है जैसे Academic Integrity Concern या Meeting Request: Regarding Your Submission, और उसके भीतर पहली पंक्ति आपको बताती है कि आपके प्रशिक्षक का मानना है कि आपने उस काम में artificial intelligence का उपयोग किया है जिसे आपने स्वयं लिखा था। जिस essay work को आपने वास्तव में स्वयं लिखा है, उसमें AI के उपयोग का आरोप लगना एक विशेष तरह से दिशाभ्रष्ट करने वाला होता है: ऐसा कोई एक तथ्य नहीं होता जिसे आप सामने रखकर किसी प्रतिशत को गलत सिद्ध कर सकें, और पहली संदेश में घबराने, बहस करने, या अत्यधिक व्याख्या करने की प्रवृत्ति बिल्कुल गलत कदम होती है। भय वास्तविक है और उचित भी। फिर भी उसका उत्तर भावनात्मक नहीं, बल्कि प्रक्रियात्मक होना चाहिए, क्योंकि आने वाले कुछ सप्ताह वास्तव में उसी प्रक्रिया पर चलेंगे।
यह इस बारे में नहीं है कि detector सही था या नहीं। बहुत-सा लेखन ऐसे कारणों से flag हो जाता है जिनका authorship से कोई संबंध नहीं होता, और TextPulse ने ये tools वास्तव में कितने accurate हैं इस पर अन्यत्र विस्तार से चर्चा की है। अगले दो दिनों में जो महत्वपूर्ण है, वह प्रक्रिया है, आप क्या कहते हैं, क्या मांगते हैं, और घटनाओं के उस संस्करण पर प्रतिबद्ध होने से पहले क्या पता लगाते हैं जिसे बाद में आपको वापस लेना पड़ सकता है। क्रम सही रखें और आप स्वयं की रक्षा करेंगे, चाहे अंततः मूल प्रश्न का समाधान किसी भी तरह हो।
Essay Work में AI के उपयोग का आरोप लगा है? पहली प्रतिक्रिया पर नियंत्रण रखें
उत्तर देने से पहले प्रतीक्षा करें, और किसी भी प्रारंभिक संदेश को संक्षिप्त रखें। क्रोध लिखित रूप में स्पष्ट दिखता है, और एक academic integrity office उसे बहुत कुछ पढ़ लेता है। पहले घंटे के भीतर भेजा गया उत्तर, विशेषकर ऐसा जो प्रक्रिया को अनुचित या professor को अक्षम कहता हो, आपकी अपनी file का हिस्सा बन जाता है, चाहे आपको ऐसा महसूस करने का अधिकार हो या नहीं।
आपको वास्तव में जितना समय दिया गया है, उतना लें। अधिकांश प्रशिक्षक और integrity offices कुछ मिनटों में नहीं, बल्कि कुछ दिनों के भीतर उत्तर की अपेक्षा करते हैं, और एक संक्षिप्त प्रतीक्षा संदेश, जिसमें यह बताया गया हो कि आपने सूचना प्राप्त कर ली है और आप उत्तर तैयार कर रहे हैं, आपको टालमटोल करते हुए दिखे बिना सोचने के लिए समय देता है। कुछ भी लिखने से पहले संदेश को दो बार पढ़ें, और यह ठीक-ठीक नोट करें कि उसमें क्या दावा किया गया है: कौन-सा assignment, कौन-सा tool नामित है, और कौन-सा evidence, यदि कोई है, पहले से उद्धृत किया गया है। यदि उसमें आपके उत्तर के लिए कोई deadline दी गई है, तो उस तारीख को email से अलग कहीं लिख लें, क्योंकि उसे चूकना एक विवादित आरोप को डिफ़ॉल्ट रूप से निर्विवाद बना सकता है।
ऐसी किसी बात को स्वीकार न करें जो आपने नहीं की
केवल वही कहें जो वास्तव में हुआ था, और उससे अधिक स्वीकार करके सहयोगी दिखने की इच्छा का विरोध करें। false-accusation के आश्चर्यजनक रूप से अनेक मामले ठीक इसी चरण पर गलत हो जाते हैं। एक student, अपरिचित प्रक्रिया से घबराकर, कुछ ऐसा कह देता है, मैंने इसे जाँचने के लिए Grammarly का उपयोग किया था, या मैंने विचार के लिए ChatGPT पर कुछ देखा होगा, जबकि उसका अर्थ essay को उसके साथ लिखने से बहुत कम होता है।
एक बार लिखे जाने पर, वह वाक्य file में वह एक तथ्य बन जाता है जिस पर विवाद नहीं होता, और बाकी सब कुछ उसी के माध्यम से पढ़ा जाता है। केवल वही उत्तर दें जो वास्तव में पूछा गया है, और ठीक-ठीक उत्तर दें: यदि आपने grammar checker, citation tool, या spell checker का उपयोग किया था, तो ठीक वही कहें और उससे अधिक कुछ नहीं, क्योंकि अस्पष्ट सहयोग भी उतनी ही आसानी से evasion जैसा दिखता है जितनी आसानी से मौन। यदि आपको यह सुनिश्चित नहीं है कि आपने जिस tool का उपयोग किया था, वह policy के अनुसार उस प्रकार के AI use में आता है या नहीं, तो बताइए कि आपने क्या उपयोग किया और सीधे पूछिए, बजाय अनुमान लगाने और ऐसे उत्तर पर प्रतिबद्ध होने के जिसे आपको बाद में सुधारना पड़ सकता है।
आपको लिखित रूप में कौन-सा evidence माँगना चाहिए?
केवल एक flagged percentage अपने आप में ऐसा आरोप नहीं है जिसका आप वास्तव में उत्तर दे सकें, क्योंकि वह यह नहीं बताता कि उसे किसने trigger किया। लिखित रूप में, summary score के बजाय पूरा report माँगें: कौन-से वाक्य या sections flagged किए गए, score को concern मानने से पहले आपका institution कौन-सा threshold उपयोग करता है, और ठीक-ठीक कौन-सी system ने यह number उत्पन्न किया।
Turnitin की अपनी सामग्री स्पष्ट रूप से कहती है कि AI लेखन रिपोर्ट और समानता, या स्रोत मिलान, रिपोर्ट अलग-अलग प्रणालियाँ हैं जो अलग-अलग चीजों को मापती हैं, और एक दस्तावेज़ एक में उच्च स्कोर कर सकता है जबकि दूसरे में कम स्कोर कर सकता है। यदि आपको मिला संदेश यह नहीं बताता कि वह किस रिपोर्ट का हवाला दे रहा है, तो यह पूछने के लिए पहला स्पष्टीकरणात्मक प्रश्न है, क्योंकि AI के लिए चिह्नित होना और किसी स्रोत से मिलान के लिए चिह्नित होना अलग-अलग आरोप हैं, जिनके लिए अलग-अलग प्रतिक्रियाएँ चाहिए। विशेष रूप से वास्तविक रिपोर्ट की एक प्रति माँगें, केवल उसका वर्णन नहीं। Turnitin सामान्यतः छात्रों को AI रिपोर्ट डिफ़ॉल्ट रूप से नहीं दिखाता, इसलिए स्कोर का हवाला देने वाला कोई प्रशिक्षक आमतौर पर ऐसी चीज़ का वर्णन कर रहा होता है जिसे आपने स्वयं कभी नहीं देखा है, और जिस व्यक्ति के पास पहुँच है उसे उसे निर्यात करके सीधे आपको भेजना होगा।
अनुरोध को केवल बातचीत में उठाने के बजाय ईमेल में रखें, ताकि इसका रिकॉर्ड रहे कि आपने पूछा था। एक उचित प्रक्रिया यह करने में सक्षम होनी चाहिए। प्रतिशत के पीछे के वास्तविक साक्ष्य को साझा करने में अनिच्छा स्वयं में उल्लेखनीय है, विशेषकर यदि मामला बाद में किसी औपचारिक सुनवाई तक पहुँचता है, जहाँ आप यह दिखाना चाहेंगे कि आपने वास्तव में क्या और कब माँगा था।
इस बिंदु से आगे आपको जो कुछ भी प्राप्त हो और जो कुछ भी आप भेजें, उसकी एक प्रति अपने पास रखें, ऐसे फ़ोल्डर में जिसे आप नियंत्रित करते हों, न कि केवल अपने विश्वविद्यालय ईमेल खाते में। यदि मामला हफ्तों या महीनों बाद किसी औपचारिक सुनवाई तक जाता है, तो वास्तव में क्या कहा गया था और कब कहा गया था, यह याद रखना आज की तुलना में अधिक महत्वपूर्ण होगा, भले ही आज ऐसा महसूस न हो।
अपने पेपर को मानवीय बनाइए
अपने AI-सहायता प्राप्त पाठ को रूपांतरित करें और उसे मानवीय ध्वनि दें, महत्वपूर्ण शब्दों या उद्धरणों को छेड़े बिना।
कौन सी नीति और कौन सी प्रक्रिया आप पर लागू होती है?
हर संस्थान इसे अलग तरीके से संचालित करता है, और आपके मामले पर लगाया गया लेबल जितना दिखता है उससे अधिक महत्वपूर्ण होता है। सीधे पूछें: क्या यह आपके और आपके प्रशिक्षक के बीच एक अनौपचारिक बातचीत है, या इसे पहले ही एक औपचारिक मामले के रूप में academic integrity office को भेज दिया गया है? इन दोनों पर अलग नियम लागू होते हैं, इनके दांव अलग होते हैं, और आपके विरुद्ध साक्ष्य के संबंध में आपके अधिकार भी अलग होते हैं। केवल लहजे से निष्कर्ष न निकालें। मित्रतापूर्ण लगने वाला ईमेल भी औपचारिक प्रक्रिया का पहला चरण हो सकता है, और कठोर लगने वाला संदेश भी केवल किसी व्यक्तिगत चिंता पर काम कर रहे प्रशिक्षक का हो सकता है, इससे पहले कि कुछ भी कहीं दर्ज किया जाए।
| अनौपचारिक बातचीत | औपचारिक संदर्भ | |
|---|---|---|
| कौन शामिल है | आपके प्रशिक्षक, अभी कोई case file नहीं | एक integrity office या समिति, एक case number |
| आमतौर पर दांव पर क्या होता है | अंक पर चर्चा, कभी-कभी आगे कुछ नहीं | transcript notation, निलंबन, या गंभीर मामलों में इससे भी बदतर |
| साक्ष्य के संबंध में आपका अधिकार | फिर भी पूछें, भले ही यह औपचारिक रूप से आवश्यक न हो | आमतौर पर पूर्ण रिपोर्ट देखने का दस्तावेजीकृत अधिकार |
| पहले क्या करना है | लिखित रूप में पूछें कि यह कौन-सी श्रेणी है | लिखित प्रक्रिया का नाम लेकर अनुरोध करें और उत्तर देने से पहले उसे पढ़ें |
जब आपको पता चल जाए कि आप किस स्थिति में हैं, तो वास्तविक policy document स्वयं खोजें, न कि उसका कोई सारांश जो कोई आपको मौखिक रूप से दे। अधिकांश विश्वविद्यालय इसे खुले तौर पर प्रकाशित करते हैं, और यदि आपके अपने विश्वविद्यालय का संस्करण ढूँढ़ना कठिन हो, तो TextPulse's संस्थानों में AI policy वास्तव में कैसे काम करती है, इसका अवलोकन शुरू करने के लिए एक उचित स्थान है। policy आमतौर पर यह बताती है कि साक्ष्य किसे माना जाएगा, निर्णय कौन करेगा, और कागज़ पर आपकी प्रतिक्रिया देने का अधिकार कैसा दिखता है, और इन प्रत्येक विवरणों से यह बदल जाता है कि आपका अगला संदेश क्या कहना चाहिए।
क्या detector score आपके विरुद्ध एकमात्र साक्ष्य हो सकता है?
आमतौर पर नहीं, कम से कम कागज़ पर। Turnitin का संस्थानों के लिए अपना मार्गदर्शन स्पष्ट रूप से कहता है कि उसका AI लेखन मॉडल हमेशा सटीक नहीं हो सकता और किसी छात्र के विरुद्ध प्रतिकूल कार्रवाई के लिए एकमात्र आधार के रूप में इसका उपयोग नहीं किया जाना चाहिए। Michigan State का अपना मार्गदर्शन लगभग इन्हीं शब्दों में यही सिद्धांत दोहराता है। गलत सकारात्मक परिणाम स्वतंत्र रूप से परीक्षण किए गए डिटेक्टरों में एक दस्तावेजीकृत प्रवृत्ति हैं, और यदि आपका मामला केवल एक स्कोर पर टिका है, जिसके पीछे और कुछ नहीं है, तो आपको यह कहने का अधिकार है।
यह कोई ऐसी तकनीकी बात नहीं है जिसे आप अपने बचाव के लिए गढ़ रहे हैं। Vanderbilt ने 2023 में Turnitin के AI डिटेक्टर को पूरी तरह निष्क्रिय कर दिया, क्योंकि विक्रेता की अपनी प्रकाशित गलत सकारात्मक दर का हवाला दिया गया था, और अनुमान लगाया गया था कि, लगभग 75,000 शोधपत्रों में से जो वह प्रतिवर्ष जमा करता है, सैकड़ों छात्र शोधपत्रों को गलत रूप से चिह्नित किया जा सकता था। University of Texas at Austin, Northwestern, और Montclair State ने लगभग इसी अवधि में इसी तरह के निर्णय लिए। इनमें से कोई भी बात यह सिद्ध नहीं करती कि आपका विशिष्ट मामला गलत है। यह दिखाती है कि केवल संख्या को कभी भी पर्याप्त नहीं माना गया, उन विश्वविद्यालयों द्वारा भी नहीं जो इन उपकरणों के लिए भुगतान करते हैं।
यदि English आपकी पहली भाषा नहीं है, तो यह और भी अधिक महत्वपूर्ण है। स्वतंत्र परीक्षणों में बार-बार पाया गया है कि डिटेक्टर धाराप्रवाह दूसरी भाषा में लिखे गए अकादमिक लेखन को मूल भाषा के लेखन की तुलना में बहुत अधिक दरों पर गलत पढ़ते हैं, और TextPulse का ESL अकादमिक लेखकों के लिए पृष्ठ ठीक-ठीक बताता है कि ऐसा क्यों होता है। यदि यह आप पर लागू होता है, तो अपनी लिखित प्रतिक्रिया में यह बात कहें, और विशेष रूप से पूछें कि क्या उस दस्तावेजीकृत प्रवृत्ति को ध्यान में रखा गया था, इससे पहले कि आपके स्कोर को महत्वपूर्ण माना गया।
पहले 48 घंटों के बाद क्या होता है
एक बार जब आपके पास साक्ष्य, नीति, और यह स्पष्ट समझ हो कि आप किस प्रक्रिया में हैं, तो अगला चरण आमतौर पर एक लिखित प्रतिक्रिया होता है, कभी-कभी एक बैठक, कभी-कभी दोनों। उस बैठक में आप क्या कहते हैं, यह उससे कम महत्वपूर्ण है कि आप क्या दिखा सकते हैं, एक समयरेखा, एक प्रक्रिया, एक कागज़ी रिकॉर्ड जो किसी के भी आप पर किसी भी बात का आरोप लगाने से पहले मौजूद था।
दो व्यावहारिक अगले कदमों के लिए अलग-अलग पृष्ठ हैं: यह दिखाने के लिए साक्ष्य एकत्र करना कि आपने AI का उपयोग नहीं किया, और एक अपील पत्र लिखना जो आरोप के बजाय स्कोर का उत्तर देता है।
वह दस्तावेज़ी निशान बनाना, चाहे आपको फिर कभी उसकी आवश्यकता हो या न हो, सार्थक है। जो आदतें एक झूठे आरोप को सहनीय बनाती हैं, जैसे काम करते-करते मसौदे सहेजना, अपना खोज इतिहास रखना, और किसी को अपनी तर्क-प्रक्रिया को पंक्ति दर पंक्ति समझा सकना, आज शुरू करने में कुछ नहीं लगतीं, लेकिन बाद में उन्हें फिर से बनाना बहुत कठिन होता है। अभी, चुपचाप, इस बात की परवाह किए बिना शुरू करें कि यह विशेष मामला कैसे समाप्त होता है। वह साक्ष्य वास्तव में कैसा दिखता है, और उसका प्रत्येक प्रकार कितना भार वहन कर सकता है, इसे दबाव में उसकी आवश्यकता पड़ने से पहले अधिक विस्तार से समझना उचित है।
अक्सर पूछे जाने वाले प्रश्न
तुरंत जवाब न दें, और जो वास्तव में हुआ है उससे आगे कुछ भी स्वीकार न करें। यदि आप पर अपने लिखे निबंध कार्य में AI उपयोग का आरोप लगा है, तो लिखित रूप में विशिष्ट साक्ष्य माँगें, पता करें कि यह अनौपचारिक बातचीत है या औपचारिक referral, और किसी भी उत्तर से पहले अपनी संस्था की वास्तविक policy पढ़ें।
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.
