Integrità accademica e AI: guida per studenti
Una rassegna pratica di ciò che l'uso dell'AI è quasi sempre consentito, di ciò che quasi mai lo è, dell'area grigia intermedia e di come tenere un semplice registro di ciò che hai fatto, a partire dall'unica politica che governa davvero un compito: quella del corso stesso.
Integrità accademica e AI: l’espressione copre uno spettro abbastanza ampio da includere il passaggio di un paragrafo già concluso attraverso un correttore grammaticale e la richiesta a un chatbot di scrivere il paragrafo fin dall’inizio, e la maggior parte degli studenti non riceve mai una risposta chiara su dove finisca un uso e inizi l’altro. Quella linea non viene tracciata una volta sola, in modo centrale, per ogni corso che uno studente seguirà. Viene tracciata separatamente da ciascun docente, in ogni guida del corso, e la versione che disciplina un compito specifico è molto spesso più restrittiva di quanto dica la politica generale dell’università.
Non si tratta di una scappatoia. È il modo in cui quasi ogni istituzione che abbia effettivamente messo per iscritto una politica ha scelto di gestire la questione, perché un rapporto di laboratorio, un saggio personale e un compito di programmazione sollevano domande diverse che una regola centrale non può risolvere bene. La guida stabilisce che cosa tende a essere consentito ovunque, che cosa tende a non essere consentito da nessuna parte, l’area grigia intermedia e un modo semplice per tenere traccia di ciò che è stato effettivamente fatto. Così la risposta a una domanda specifica non è mai soltanto un’ipotesi.
L’AI per l’integrità accademica inizia dalla politica del tuo corso, non da quella dell’università
Le università che hanno pubblicato indicazioni dettagliate sull’AI spostano in modo coerente la decisione effettiva a un’unità più piccola di "l’università" nel suo insieme. La politica di Oxford afferma chiaramente che, per gli studenti, l’uso dell’AI nelle valutazioni è consentito solo quando è esplicitamente permesso e deve essere dichiarato seguendo le istruzioni del dipartimento o della facoltà, e che l’uso non autorizzato è considerato, di default, una violazione dell’integrità accademica. Cambridge stabilisce la regola operativa al livello del singolo testo di consegna della valutazione: l’uso di contenuti generati dall’AI e non riconosciuti in una valutazione sommativa conta come violazione, salvo che sia esplicitamente indicato il contrario in quel testo di consegna, il che significa che lo stesso modulo può consentire un tipo di uso in un compito e proibirlo nel successivo.
MIT Sloan afferma questo in modo ancora più diretto, dicendo di non avere una politica definitiva sull'uso di strumenti di AI generativa per completare i compiti, e che i docenti stabiliscono le proprie regole corso per corso, includendo il permesso o il divieto di alcuni o di tutti questi usi. Monash delega la decisione al Chief Examiner di ciascuna unità, che deve specificare dove e come l'AI può essere usata, con l'obbligo di riconoscimento sempre richiesto quando lo è. Nessuno di questi è un caso limite. Sono il modo in cui quattro università su tre continenti hanno scelto ciascuna di strutturare la stessa questione di policy, e vale la pena ricordarlo prima di presumere che la dichiarazione generale di una scuola racconti tutto. Uno sguardo più attento alla policy sull'AI nelle università tra istituzioni mostra lo stesso schema delegato quasi ovunque sia stato verificato.
Gli usi che sono quasi sempre accettabili
Lo schema più chiaro emerge del tutto al di fuori delle università, nel modo in cui gli editori accademici trattano la stessa questione per gli autori che presentano ricerche già concluse. La policy di Elsevier afferma che i controlli di base di grammatica, ortografia e punteggiatura non richiedono alcuna dichiarazione. Wiley esclude dagli obblighi di divulgazione gli strumenti usati esclusivamente per ortografia, grammatica e revisione generale. IEEE descrive gli strumenti di grammatica e revisione come, in generale, al di fuori fin dall'inizio dell'intento della propria policy sull'AI. Nulla di tutto ciò è una regola universitaria sul plagio, ma la distinzione di fondo, una correzione meccanica di un testo che è già dello studente rispetto a un contenuto nuovo che non lo è, è la stessa che quasi ogni policy sull'AI a livello di corso traccia anch'essa. Un controllore grammaticale gratuito rientra chiaramente in quella categoria accettabile secondo quasi ogni policy che uno studente è probabile incontrare.
Questo funziona allo stesso modo con il feedback sulla struttura. Il feedback sui contenuti esistenti non deve essere una dichiarazione di policy, frase per frase. Uno strumento può chiederti se un argomento che hai scritto è logico, o se ti ripeti in qualche punto. Questo non significa chiedere nuovo contenuto per sostituire il contenuto vecchio. La distinzione che ricorre continuamente in tutte le policy sopra è la paternità della sostanza, non quali strumenti abbiano toccato il documento nel percorso verso una bozza finale.
Umanizza il tuo articolo
Trasforma il tuo testo assistito dall'AI e fallo suonare umano, senza toccare parole importanti o citazioni.
Gli usi che quasi mai sono accettabili
L'argomentazione generata si colloca dall'altro lato di quella stessa linea quasi ovunque sia stata messa per iscritto: chiedere a un chatbot la tesi effettiva, l'analisi effettiva o l'interpretazione effettiva, e mantenere il suo output come sostanza della consegna. Le prove generate sono ancora peggiori, non migliori, perché una statistica inventata o uno studio che non esiste non sono un problema di stile. Sono un'affermazione falsa presentata come fatto. Le citazioni comportano lo stesso rischio in una forma più specifica: i modelli linguistici inventano regolarmente fonti che risultano del tutto plausibili, ed è proprio per questo che does ChatGPT make up references merita di essere letto prima che una singola citazione generata si avvicini a una bibliografia.
Il ragionamento alla base di tutto questo è più coerente delle regole stesse. Un chatbot non può sostenere un'affermazione che ha generato, verificarla rispetto a una fonte, o assumersi la responsabilità se l'affermazione risulta errata, ed è esattamente per questo che gli editori di ricerca richiedono a un autore umano di garantire ogni affermazione, indipendentemente da ciò che ha contribuito a produrre la frase. Se Turnitin's AI writing report segnalerebbe un paragrafo specifico è una questione separata, meccanica, rispetto a se il contenuto di fondo sia mai stato davvero dello studente da consegnare.
La zona grigia intermedia, e come gestirla
Alcuni usi si collocano tra le due categorie chiare sopra, ed è proprio qui che una politica specifica per il corso conta di più. Tradurre un passaggio difficile, o verificare se una frase suona naturale in una seconda lingua, si colloca in modo diverso per uno studente multilingue rispetto a uno che scrive solo in una prima lingua, e una politica che non menziona affatto questo aspetto di solito semplicemente non è stata scritta avendo davanti quello studente da parte della persona che la redige. Chiedere a uno strumento di spiegare un concetto prima di scriverne con parole originali è più vicino all'uso di un manuale che alla generazione di un elaborato, ma non tutti i valutatori sarebbero d'accordo, ed è proprio per questo che questa è la categoria su cui vale la pena chiedere direttamente invece di fare supposizioni.
Fare un brainstorming di un elenco di possibili angolazioni, o chiedere una traccia approssimativa prima di scrivere ogni frase da zero, rientra nello stesso spazio grigio. Alcuni docenti lo considerano non diverso dal discutere un'idea con un compagno di corso. Altri vogliono che ogni fase di un elaborato sia visibilmente propria dello studente. L'unico modo affidabile per sapere quale criterio si applichi a un compito specifico è lo stesso con cui si è aperta questa guida: chiedere, oppure leggere con sufficiente attenzione il testo del compito per esserne certi.
Mantenere una registrazione senza trasformarla in un secondo compito
Una semplice abitudine copre la maggior parte di questo senza diventare un progetto a sé. Annotare la data, che cosa è stato chiesto allo strumento e che cosa è stato effettivamente mantenuto rispetto a ciò che è stato riscritto, nello stesso modo in cui una fonte riceve una citazione invece di un ricordo vago di aver letto qualcosa una volta. Salvare la chat se un corso lo consente, oppure uno screenshot se non lo consente. Quando un corso richiede una dichiarazione formale di divulgazione dell'uso dell'AI, quel formato è stabilito dal corso, non da questa guida, e seguire la sua formulazione esatta conta più che scriverne una più lunga o più completa, progettata in modo indipendente.
Le questioni pratiche alla base del principio hanno pagine proprie: se un professore può capire che hai usato ChatGPT, e la versione più diretta, verrò scoperto se uso ChatGPT.
Nulla di tutto ciò sostituisce la lettura dell’unico documento che disciplina davvero un compito specifico: il manuale del modulo o il testo stesso della consegna, non un’impressione generale di ciò con cui sembra che altri studenti la facciano franca. L'AI humanizer for students di TextPulse esiste per la parte di tutto questo che riguarda davvero la scrittura, non l’autorizzazione. Riporta un Human Score stimato, costruito sulla forma statistica propria di una bozza, utile per verificare la scrittura autentica prima della consegna, esattamente nelle categorie di uso che una policy già consente.
Domande frequenti
Le domande sull'integrità accademica e AI si riducono di solito alla paternità della sostanza, più che agli strumenti che hanno toccato un documento. Usare l'AI per controllare ortografia, grammatica o la coerenza di un argomento già scritto è consentito secondo quasi ogni politica pubblicata. Usarla per generare l'argomento, le prove o le citazioni stesse, e mantenere tale output come consegna, è considerato cattiva condotta quasi ovunque la questione sia stata effettivamente affrontata per iscritto.
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.