AI Detection

AI 사용을 하지 않았다고 지목되었을 때: 어떻게 해야 하는가

AI 사용을 지목하는 학문적 정직성 이메일이 두려운 이유는, 비율 하나를 반박하는 단일한 사실이 없기 때문이다. 다음은 처음 48시간 동안 순서대로 해야 할 일이다. 무엇을 말해야 하는지, 무엇을 절대 인정해서는 안 되는지, 어떤 증거를 요청해야 하는지, 그리고 점수가 단독으로 유지될 수 있는지 어떻게 확인하는지에 관한 것이다.

6 min
Accused of using AI on essay work: a calm first 48 hours checklist for responding to an academic integrity email

이메일은 Academic Integrity Concern 또는 Meeting Request: Regarding Your Submission과 같은 제목으로 도착하며, 그 안의 첫 줄은 당신의 지도교수가 당신이 스스로 작성한 과제에 artificial intelligence를 사용했다고 믿고 있음을 알려 줍니다. 자신이 실제로 쓴 에세이 과제에서 AI를 사용했다는 비난을 받는 일은 특정한 방식으로 방향 감각을 잃게 만듭니다. 반박할 수 있는 단 하나의 사실도 없고, 비율을 반박할 수 있는 근거도 없으며, 처음 보내는 메시지에서 당황하거나, 논쟁하거나, 지나치게 설명하려는 충동은 정확히 잘못된 대응입니다. 두려움은 실제이며 충분히 타당합니다. 그러나 그에 대한 대응은 여전히 감정적이기보다 절차적이어야 합니다. 앞으로 몇 주는 실제로 절차에 따라 진행되기 때문입니다.

이것은 detector가 옳았는지에 관한 문제가 아닙니다. 저작자성과는 전혀 무관한 이유로 많은 글이 표시됩니다. TextPulse는 다른 곳에서 이러한 도구가 실제로 얼마나 정확한지를 자세히 다룬 바 있습니다. 앞으로 이틀 동안 중요한 것은 절차입니다. 무엇을 말할지, 무엇을 요청할지, 그리고 나중에 되돌려야 할 수도 있는 사건의 버전에 서명하기 전에 무엇을 확인할지입니다. 순서를 올바르게 잡으면, 근본적인 문제가 결국 어떻게 해결되든 자신을 보호할 수 있습니다.

에세이 과제에서 AI 사용 혐의를 받았을 때, 첫 반응을 통제하라

응답하기 전에 잠시 기다리고, 초기 메시지는 짧게 유지하십시오. 분노는 글로 쓰면 분명하게 드러나며, academic integrity office는 그 분노를 매우 많이 읽어 냅니다. 첫 한 시간 안에 보낸 답장, 특히 절차가 불공정하다거나 교수의 역량이 부족하다고 말하는 답장은, 당신이 그렇게 느낄 만한 이유가 있든 없든, 당신 자신의 기록의 일부가 됩니다.

실제로 주어진 시간을 활용하십시오. 대부분의 강사와 부정행위 담당 부서는 몇 분이 아니라 며칠 안에 답변을 기대하며, 통지를 받았고 응답을 준비하고 있다는 짧은 보류 메시지는 회피적으로 보이지 않으면서 생각할 여유를 줍니다. 어떤 문장을 작성하기 전에 메시지를 두 번 읽고, 그것이 정확히 무엇을 주장하는지 적어 두십시오. 어떤 과제인지, 어떤 도구를 언급하는지, 그리고 이미 어떤 증거를 인용하고 있는지, 있다면 무엇인지 기록하십시오. 답변 기한이 명시되어 있다면, 이메일 본문과는 별도로 그 날짜를 적어 두십시오. 기한을 놓치면 이의가 제기된 혐의가 기본적으로 다툼 없는 것으로 바뀔 수 있기 때문입니다.

하지 않은 일은 인정하지 마십시오

실제로 일어난 일만 말하고, 그 이상을 인정함으로써 협조적으로 보이려는 유혹을 억제하십시오. 허위 혐의 사건 중 상당수가 바로 이 단계에서 잘못됩니다. 익숙하지 않은 절차에 당황한 학생이 I did use Grammarly to check it or I might have looked something up on ChatGPT for an idea와 같은 말을 하는데, 이는 에세이를 그것으로 작성했다는 뜻과는 한참 거리가 있습니다.

그 문장은 일단 기록되면, 파일에서 다툼의 여지가 없는 유일한 사실이 되고, 나머지는 모두 그 문장을 통해 해석됩니다. 실제로 질문받은 것에만 답하고, 정확하게 답하십시오. 문법 검사기, 인용 도구, 맞춤법 검사기를 사용했다면, 정확히 그렇게만 말하고 그 이상은 말하지 마십시오. 모호한 협조는 침묵만큼이나 회피로 읽힐 수 있기 때문입니다. 사용한 도구가 정책이 실제로 의미하는 AI 사용의 범주에 해당하는지 확실하지 않다면, 추측해서 나중에 수정해야 할 답변을 확정하지 말고, 무엇을 사용했는지 말한 뒤 직접 물으십시오.

어떤 증거를 서면으로 요청해야 합니까?

표시된 비율만으로는 실제로 대응할 수 있는 혐의가 아닙니다. 무엇이 그것을 유발했는지 말해 주지 않기 때문입니다. 요약 점수가 아니라 전체 보고서를 서면으로 요청하십시오. 어떤 문장이나 구절이 표시되었는지, 점수가 우려 사항으로 간주되기 전에 귀 기관이 사용하는 기준치는 무엇인지, 그리고 정확히 어떤 시스템이 그 수치를 산출했는지 요청하십시오.

Turnitin의 자체 자료는 AI writing report와 similarity, 또는 source matching, report가 서로 다른 것을 측정하는 별개의 시스템이며, 한 문서는 하나에서는 높은 점수를 받고 다른 하나에서는 낮은 점수를 받을 수 있음을 분명히 밝히고 있습니다. 받은 메시지에 어떤 report를 인용하는지 적혀 있지 않다면, 먼저 물어야 할 확인 질문은 그것입니다. AI로 flagged되었다는 것과 source와의 matching으로 flagged되었다는 것은 서로 다른 혐의이며, 서로 다른 대응을 요구하기 때문입니다. 실제 report의 사본을 요청하십시오, 단순한 설명이 아니라 실제 report 자체를 요청해야 합니다. Turnitin은 기본 설정에서 학생에게 AI report를 보여주지 않으므로, 점수를 인용하는 instructor는 대개 당신이 직접 본 적이 없는 것을 설명하고 있는 것이며, 접근 권한이 있는 사람이 그것을 export하여 당신에게 직접 보내야 합니다.

요청은 대화에서만 제기하지 말고 이메일로 보내서, 당신이 요청했다는 기록이 남도록 하십시오. 합리적인 절차라면 이를 제시할 수 있어야 합니다. 백분율의 근거가 되는 실제 증거를 공유하는 데 소극적인 태도 자체도 기록해 둘 만합니다. 특히 이 사안이 나중에 formal hearing에 이르게 되면, 당신은 무엇을 언제 요청했는지를 정확히 보여주고 싶을 것이기 때문입니다.

이 시점부터 받는 모든 것과 보내는 모든 것의 사본을 보관하십시오. 대학 이메일 계정에만 두지 말고, 당신이 관리하는 폴더에 보관해야 합니다. 사건이 몇 주 또는 몇 달 뒤 formal hearing으로 진행된다면, 정확히 무엇이 언제 말해졌는지를 기억하는 일은 오늘 느끼는 것보다 더 중요해집니다.

자신의 논문을 인간적으로 다듬기

중요한 단어나 인용은 건드리지 않고, AI 보조로 작성한 텍스트를 자연스럽고 사람처럼 들리게 바꾸세요.

무료로 시작하기

어떤 정책과 어떤 절차가 당신에게 적용되는가?

각 기관은 이를 서로 다르게 운영하며, 자신의 사건에 붙는 명칭은 생각보다 더 중요합니다. 직접 물어보십시오. 이것이 당신과 담당 교수 사이의 비공식 대화입니까, 아니면 이미 공식 사건으로서 학문적 정직성 담당 부서에 회부된 것입니까? 두 경우는 서로 다른 규칙을 따르고, 서로 다른 중대성을 가지며, 당신에게 불리한 증거에 대해 서로 다른 권리를 부여합니다. 어조만으로 답을 추정해서는 안 됩니다. 친절하게 들리는 이메일도 공식 절차의 첫 단계일 수 있고, 엄격하게 들리는 이메일도 실제로는 어디에도 접수되기 전에 개인적 우려를 검토하는 담당 교수의 작업일 수 있습니다.

비공식 대화공식 회부
관련된 사람담당 교수, 아직 사건 파일 없음정직성 담당 부서 또는 위원회, 사건 번호
일반적으로 쟁점이 되는 것성적에 대한 논의, 때로는 그 이상 없음성적표 기재, 정학, 또는 중대한 경우 더 심각한 제재
증거에 대한 권리공식적으로 요구되지 않더라도, 어쨌든 요청할 수 있음보통 전체 보고서를 볼 수 있는 문서화된 권리
먼저 할 일이것이 어느 범주인지 서면으로 물어볼 것서면 절차를 이름 그대로 요청하고, 답변하기 전에 읽을 것

어느 경우에 해당하는지 알게 되면, 누군가가 구두로 설명해 준 요약이 아니라 실제 정책 문서 자체를 찾으십시오. 대부분의 대학은 이를 공개적으로 게시하며, 자신의 대학 버전을 찾기 어렵다면 TextPulse의 기관 전반에서 AI 정책이 실제로 어떻게 작동하는지에 대한 개요가 출발점으로 적절합니다. 정책에는 보통 무엇이 증거에 해당하는지, 누가 판단하는지, 그리고 서면상으로 당신의 대응 권리가 어떤 모습인지가 명시되어 있으며, 이러한 세부 사항 각각이 다음에 보낼 메시지의 내용을 바꿉니다.

탐지기 점수만으로 당신에게 불리한 유일한 증거가 될 수 있는가?

보통은 그렇지 않습니다, 적어도 서류상으로는 그렇습니다. Turnitin의 기관 대상 자체 지침은 그 AI 작성 모델이 항상 정확하지 않을 수 있으며, 학생에 대한 불리한 조치의 유일한 근거로 사용되어서는 안 된다고 분명히 밝힙니다. Michigan State의 자체 지침도 거의 같은 표현으로 같은 원칙을 반복합니다. 오탐은 독립적으로 시험된 탐지기 전반에서 확인된 패턴이며, 만약 귀하의 사례가 그 점수 외에는 아무 근거도 없이 그 점수에만 의존한다면, 그렇게 말할 권리가 있습니다.

이것은 귀하를 변호하기 위해 만들어낸 기술적 쟁점이 아닙니다. Vanderbilt는 2023년에 Turnitin의 AI 탐지기를 전면 비활성화했는데, 이는 공급업체가 자체적으로 공개한 오탐률을 근거로 한 것이며, 연간 제출되는 약 75,000편의 논문 가운데 수백 편의 학생 논문이 잘못 분류되었을 수 있다고 추정했습니다. University of Texas at Austin, Northwestern, Montclair State도 비슷한 시기에 유사한 결정을 내렸습니다. 이 모든 사실이 귀하의 개별 사례가 틀렸다는 것을 증명하지는 않습니다. 다만, 이 수치만으로는 결코 충분하다고 취급된 적이 없으며, 이러한 도구에 비용을 지불하는 대학들조차도 마찬가지였다는 점을 보여줍니다.

영어가 모국어가 아니라면 이 점은 더욱 중요합니다. 독립적 시험에서는 유창한 제2언어 학술 글쓰기를 모국어 글쓰기보다 훨씬 높은 비율로 잘못 판독하는 탐지기가 반복적으로 확인되었고, TextPulse의 ESL 학술 글쓰기자를 위한 페이지는 그러한 일이 정확히 왜 발생하는지 설명합니다. 이것이 귀하에게 해당한다면, 서면 답변에서 그 점을 밝히고, 귀하의 점수가 의미 있는 것으로 취급되기 전에 그 문서화된 패턴이 고려되었는지 구체적으로 물어보십시오.

처음 48시간 이후에 일어나는 일

증거, 정책, 그리고 귀하가 어떤 절차에 있는지에 대한 분명한 이해를 갖추고 나면, 다음 단계는 보통 서면 답변이며, 때로는 회의가, 때로는 둘 다입니다. 그 회의에서 무엇을 말하는지는, 무엇을 보여줄 수 있는지보다 덜 중요합니다. 즉, 일정표, 절차, 그리고 누군가가 귀하를 무엇으로도 비난하기 전에 이미 존재했던 문서 기록입니다.

실질적인 다음 두 단계는 각각 별도의 페이지가 있습니다: AI를 사용하지 않았다는 증거를 모으는 방법, 그리고 점수에 답하는 항소 서한을 작성하는 방법입니다.

그러한 문서상의 흔적은 다시 필요하지 않더라도 만들어 둘 가치가 있습니다. 허위 비난을 견딜 수 있게 하는 습관, 진행하면서 초안을 저장하는 것, 검색 기록을 보관하는 것, 자신의 추론 과정을 누군가에게 한 줄씩 설명할 수 있는 것, 이 모든 것은 오늘 당장 시작하는 데 비용이 들지 않지만, 사후에 복원하려면 큰 노력이 듭니다. 이 특정한 사례가 어떻게 끝나든 상관없이, 지금 조용히 시작하십시오. 그 증거가 실제로 어떤 모습인지, 그리고 각 종류의 증거가 얼마나 큰 비중을 가질 수 있는지는, 압박 속에서 그것이 필요해지기 전에 더 자세히 이해해 둘 가치가 있습니다.

XLinkedInFacebook

자주 묻는 질문

즉시 답장하지 말고, 실제로 일어난 일 이상을 인정하지도 마십시오. 직접 작성한 에세이 작업에서 AI 사용으로 지목되었다면, 구체적인 증거를 서면으로 요청하고, 이것이 비공식 대화인지 공식 회부인지 확인하며, 어떤 답변을 하기 전에 기관의 실제 정책을 읽으십시오.

Moe

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.

AI 휴머니제이션 소식을 받아보세요

학술 글쓰기, AI 탐지, 휴머니제이션에 대한 팁을 받은편지함으로 받아보세요.

스팸은 없습니다. 언제든지 구독을 취소할 수 있습니다.