ความซื่อสัตย์ทางวิชาการและ AI: คู่มือสำหรับนักศึกษา
การอธิบายอย่างเป็นระบบว่า การใช้ AI แบบใดเกือบจะทำได้เสมอ, แบบใดแทบจะทำไม่ได้เลย, พื้นที่สีเทาระหว่างนั้นคืออะไร, และจะเก็บบันทึกอย่างง่ายของสิ่งที่คุณทำอย่างไร, โดยเริ่มจากนโยบายเดียวที่ควบคุมงานมอบหมายจริงๆ, คือ นโยบายของรายวิชาเอง.
ความซื่อสัตย์ทางวิชาการกับ AI: วลีนี้ครอบคลุมขอบเขตกว้างพอที่จะรวมทั้งการนำย่อหน้าที่เขียนเสร็จแล้วไปผ่านตัวตรวจไวยากรณ์ และการขอให้แชตบอตเขียนย่อหน้านั้นตั้งแต่แรก และนักศึกษาส่วนใหญ่ไม่เคยได้รับคำตอบที่ชัดเจนว่า การใช้แบบหนึ่งสิ้นสุดตรงไหน และอีกแบบเริ่มต้นตรงไหน เส้นแบ่งนั้นไม่ได้ถูกกำหนดครั้งเดียวจากส่วนกลางสำหรับทุกรายวิชาที่นักศึกษาจะเรียน เส้นแบ่งนั้นถูกกำหนดแยกกันโดยอาจารย์ผู้สอนแต่ละคน ในคู่มือรายวิชาแต่ละวิชา และฉบับที่ใช้บังคับกับงานมอบหมายเฉพาะเจาะจงมักจะแคบกว่านโยบายทั่วไปของมหาวิทยาลัยมาก
นั่นไม่ใช่ช่องโหว่ แต่นั่นคือวิธีที่สถาบันเกือบทุกแห่งที่ได้เขียนนโยบายไว้จริงเลือกใช้จัดการเรื่องนี้ เพราะรายงานปฏิบัติการในห้องปฏิบัติการ บทความสะท้อนคิดส่วนบุคคล และงานเขียนโค้ด ล้วนก่อให้เกิดคำถามต่างกัน ซึ่งกฎกลางเพียงข้อเดียวไม่อาจตอบได้ดี คู่มือนี้อธิบายว่าอะไรที่มักใช้ได้ทุกที่ อะไรที่มักใช้ไม่ได้ทุกที่ พื้นที่สีเทาระหว่างกลาง และวิธีง่าย ๆ ในการเก็บบันทึกว่าสิ่งใดได้ทำไปจริง ดังนั้นคำตอบสำหรับคำถามเฉพาะจึงไม่ใช่เพียงการคาดเดา
ความซื่อสัตย์ทางวิชาการกับ AI เริ่มจากนโยบายรายวิชาของคุณ ไม่ใช่นโยบายของมหาวิทยาลัย
มหาวิทยาลัยที่ได้เผยแพร่แนวทาง AI อย่างละเอียดมักผลักการตัดสินใจจริงลงไปยังหน่วยที่เล็กกว่า 'มหาวิทยาลัย' ในภาพรวมอย่างสม่ำเสมอ นโยบายของ Oxford ระบุอย่างชัดเจนว่าสำหรับนักศึกษา การใช้ AI ในการประเมินผลจะอนุญาตได้ก็ต่อเมื่อได้รับอนุญาตอย่างชัดแจ้ง และต้องแจ้งตามคำแนะนำของภาควิชาหรือคณะ และการใช้โดยไม่ได้รับอนุญาตถือเป็นการประพฤติมิชอบทางวิชาการโดยปริยาย Cambridge กำหนดกฎที่ใช้บังคับไว้ในระดับคำชี้แจงงานประเมินรายบุคคล, การใช้เนื้อหาที่สร้างโดย AI โดยไม่ระบุแหล่งที่มาในงานประเมินแบบสรุปผลนับเป็นการประพฤติมิชอบ เว้นแต่จะระบุไว้อย่างชัดเจนเป็นอย่างอื่นในคำชี้แจงนั้น ซึ่งหมายความว่ารายวิชาเดียวกันอาจอนุญาตการใช้แบบหนึ่งในงานมอบหมายหนึ่ง และห้ามในงานถัดไป
MIT Sloan ระบุเรื่องนี้อย่างตรงไปตรงมายิ่งกว่าเดิม โดยกล่าวว่าไม่มีนโยบายที่ชัดเจนแน่นอนเกี่ยวกับการใช้เครื่องมือ generative AI เพื่อทำงานที่ได้รับมอบหมาย และคณาจารย์กำหนดกฎของตนเองเป็นรายวิชา รวมถึงการอนุญาตหรือห้ามการใช้งานดังกล่าวทั้งหมดหรือบางส่วน Monash มอบอำนาจการตัดสินใจให้ Chief Examiner ของแต่ละหน่วยวิชา ซึ่งต้องระบุว่า AI อาจใช้ได้ที่ใดและอย่างไร โดยต้องมีการระบุรับรองเสมอเมื่อมีการใช้ AI เหล่านั้น ไม่มีกรณีใดในนี้เป็นกรณีสุดโต่ง นี่คือวิธีที่มหาวิทยาลัยสี่แห่งในสามทวีปเลือกจัดโครงสร้างคำถามเชิงนโยบายเดียวกัน และควรจดจำไว้ก่อนจะสรุปว่านโยบายทั่วไปของโรงเรียนบอกเรื่องทั้งหมดแล้ว การพิจารณาอย่างใกล้ชิดที่ นโยบาย AI ของมหาวิทยาลัยในแต่ละสถาบัน แสดงให้เห็นรูปแบบการมอบอำนาจลักษณะเดียวกันนี้เกือบทุกแห่งที่มีการตรวจสอบ
การใช้งานที่เกือบจะใช้ได้เสมอ
รูปแบบที่ชัดเจนที่สุดปรากฏอยู่นอกมหาวิทยาลัยโดยสิ้นเชิง ในวิธีที่สำนักพิมพ์วิชาการจัดการกับคำถามเดียวกันสำหรับผู้เขียนที่ส่งงานวิจัยฉบับสมบูรณ์ Elsevier ระบุว่าสามารถตรวจสอบไวยากรณ์ การสะกดคำ และเครื่องหมายวรรคตอนได้โดยไม่ต้องแจ้งแถลงใด ๆ Wiley ยกเว้นเครื่องมือที่ใช้เพื่อการสะกดคำ ไวยากรณ์ และการแก้ไขทั่วไปออกจากข้อกำหนดการเปิดเผยข้อมูล IEEE อธิบายว่าเครื่องมือไวยากรณ์และการแก้ไขโดยทั่วไปอยู่นอกเจตนารมณ์ของนโยบาย AI ของตนตั้งแต่แรก สิ่งเหล่านี้ไม่ใช่กฎการลอกเลียนผลงานของมหาวิทยาลัย แต่ความแตกต่างพื้นฐาน, การแก้ไขเชิงกลไกต่อการเขียนที่เป็นงานของนักศึกษาอยู่แล้ว กับเนื้อหาใหม่ที่ไม่ใช่, เป็นความแตกต่างเดียวกันที่นโยบาย AI ระดับรายวิชาเกือบทุกฉบับใช้เช่นกัน free grammar checker อยู่ในหมวดที่ยอมรับได้อย่างชัดเจนภายใต้นโยบายแทบทุกแบบที่นักศึกษามีแนวโน้มจะพบ
สิ่งนี้ใช้ได้ในลักษณะเดียวกันกับข้อเสนอแนะเกี่ยวกับโครงสร้าง ข้อเสนอแนะเกี่ยวกับเนื้อหาที่มีอยู่ไม่จำเป็นต้องเป็นถ้อยแถลงเชิงนโยบายทีละประโยค เครื่องมือสามารถถามคุณได้ว่าข้อโต้แย้งที่คุณเขียนมีเหตุผลหรือไม่ หรือคุณพูดซ้ำตัวเองตรงไหนหรือไม่ นี่ไม่ใช่การขอเนื้อหาใหม่มาแทนที่เนื้อหาเดิม ความแตกต่างที่ปรากฏซ้ำแล้วซ้ำเล่าตลอดนโยบายข้างต้นทุกข้อ คือความเป็นผู้ประพันธ์ของสาระ ไม่ใช่ว่าเครื่องมือใดบ้างที่แตะต้องเอกสารระหว่างทางไปสู่ฉบับร่างสุดท้าย
ทำให้บทความของคุณเป็นธรรมชาติมากขึ้น
ปรับข้อความที่ช่วยโดย AI ของคุณให้ฟังดูเป็นธรรมชาติ, โดยไม่แตะต้องคำสำคัญหรือการอ้างอิง
การใช้งานที่แทบไม่เคยเหมาะสม
ข้อโต้แย้งที่สร้างขึ้นอยู่ในอีกด้านของเส้นเดียวกันนี้แทบทุกแห่งที่มีการเขียนไว้, คือการขอให้แชตบอตให้ข้ออ้างที่แท้จริง การวิเคราะห์ที่แท้จริง หรือการตีความที่แท้จริง แล้วเก็บผลลัพธ์ของมันไว้เป็นสาระของงานที่ส่ง หลักฐานที่สร้างขึ้นยิ่งแย่กว่า ไม่ใช่ดีกว่า เพราะสถิติที่แต่งขึ้นหรือการศึกษาที่ไม่มีอยู่จริงไม่ใช่ปัญหาเรื่องรูปแบบ แต่มันคือข้ออ้างเท็จที่ส่งในฐานะข้อเท็จจริง การอ้างอิงก็มีความเสี่ยงแบบเดียวกันในรูปแบบที่เฉพาะเจาะจงกว่า, เพราะแบบจำลองภาษาแต่งแหล่งที่มาขึ้นมาเป็นประจำซึ่งอ่านดูน่าเชื่อถืออย่างยิ่ง และนั่นคือเหตุผลที่ does ChatGPT make up references ควรค่าแก่การอ่านก่อนที่การอ้างอิงที่สร้างขึ้นเพียงรายการเดียวจะเข้าใกล้รายการอ้างอิง
เหตุผลเบื้องหลังทั้งหมดนี้มีความสอดคล้องมากกว่ากฎเสียอีก แชตบอตไม่สามารถรับรองข้ออ้างที่มันสร้างขึ้น ตรวจสอบกับแหล่งที่มา หรือรับผิดชอบหากข้ออ้างนั้นกลายเป็นว่าผิด ซึ่งนั่นคือเหตุผลที่ผู้จัดพิมพ์งานวิจัยกำหนดให้ผู้เขียนที่เป็นมนุษย์ต้องรับรองทุกข้ออ้าง ไม่ว่ามีอะไรช่วยผลิตประโยคนั้นก็ตาม ไม่ว่า Turnitin's AI writing report จะตรวจพบย่อหน้าใดย่อหน้าหนึ่งหรือไม่ เป็นคำถามเชิงกลไกอีกเรื่องหนึ่ง แยกต่างหากจากคำถามว่าเนื้อหาพื้นฐานนั้นเคยเป็นของนักศึกษาที่จะส่งหรือไม่
พื้นที่กึ่งกลางสีเทา และวิธีจัดการกับมัน
การใช้งานบางอย่างอยู่กึ่งกลางระหว่างสองหมวดหมู่ที่ชัดเจนข้างต้น และนี่คือจุดที่นโยบายเฉพาะรายวิชามีความสำคัญที่สุด การแปลข้อความที่ยาก หรือการตรวจว่าประโยคอ่านได้เป็นธรรมชาติในภาษาที่สองหรือไม่ ย่อมมีลักษณะแตกต่างสำหรับนักศึกษาที่ใช้หลายภาษามากกว่าสำหรับผู้ที่เขียนเพียงในภาษาแรก และนโยบายที่ไม่กล่าวถึงเรื่องนี้เลย โดยมากก็เพียงแค่ไม่ได้เขียนขึ้นโดยมีนักศึกษาคนนั้นอยู่ตรงหน้าผู้ร่างนโยบายนั้น การขอให้เครื่องมืออธิบายแนวคิดก่อนจะเขียนเกี่ยวกับแนวคิดนั้นด้วยถ้อยคำของตนเอง ใกล้เคียงกับการใช้ตำราเรียนมากกว่าการสร้างงานส่ง แต่ผู้ประเมินทุกคนอาจไม่เห็นด้วย ซึ่งนั่นเองคือเหตุผลว่าทำไมหมวดหมู่นี้จึงควรถามโดยตรง มากกว่าการคาดเดา
การระดมความคิดเพื่อรวบรวมมุมมองที่เป็นไปได้ หรือการขอเค้าโครงคร่าว ๆ ก่อนจะเขียนทุกประโยคจากศูนย์ ก็อยู่ในพื้นที่สีเทาเดียวกัน ผู้สอนบางคนมองว่าสิ่งนี้ไม่ต่างจากการพูดคุยแลกเปลี่ยนความคิดกับเพื่อนร่วมชั้น คนอื่นต้องการให้ทุกขั้นตอนของงานส่งเป็นสิ่งที่เห็นได้ชัดว่าเป็นของนักศึกษาเอง วิธีที่เชื่อถือได้เพียงวิธีเดียวที่จะรู้ว่ากรณีใดใช้กับงานที่กำหนดเฉพาะคือวิธีเดียวกับที่คู่มือนี้เริ่มต้นไว้, คือถาม หรืออ่านโจทย์ให้ละเอียดพอที่จะมั่นใจได้
เก็บบันทึกไว้ โดยไม่ทำให้มันกลายเป็นงานชิ้นที่สอง
นิสัยง่าย ๆ เพียงอย่างเดียวครอบคลุมเรื่องนี้ได้เกือบทั้งหมด โดยไม่กลายเป็นโครงการอีกชิ้นหนึ่งของตนเอง จดวันที่ สิ่งที่ถามจากเครื่องมือ และสิ่งที่เก็บไว้จริงเทียบกับสิ่งที่เขียนใหม่ ในลักษณะเดียวกับที่แหล่งข้อมูลหนึ่งได้รับการอ้างอิง แทนที่จะเป็นเพียงความทรงจำคลุมเครือว่าเคยอ่านอะไรบางอย่างครั้งหนึ่ง เก็บบทสนทนาไว้หากรายวิชาอนุญาต หรือเก็บภาพหน้าจอหากไม่อนุญาต ในกรณีที่รายวิชากำหนดให้มีคำชี้แจงการเปิดเผยการใช้ AI อย่างเป็นทางการ รูปแบบนั้นถูกกำหนดโดยรายวิชา ไม่ใช่โดยคู่มือนี้ และการใช้ถ้อยคำให้ตรงตามที่กำหนดมีความสำคัญมากกว่าการเขียนคำชี้แจงที่ยาวกว่า หรือรอบคอบกว่าซึ่งออกแบบขึ้นเองโดยอิสระ
คำถามเชิงปฏิบัติที่อยู่ใต้หลักการนี้มีหน้าของตนเอง, อาจารย์จะบอกได้หรือไม่ว่าคุณใช้ ChatGPT, และในรูปแบบที่ตรงกว่านั้น, ฉันจะถูกจับได้หรือไม่ว่ากำลังใช้ ChatGPT.
สิ่งเหล่านี้ไม่สามารถทดแทนการอ่านเอกสารฉบับเดียวที่เป็นตัวกำกับงานมอบหมายเฉพาะได้จริง, นั่นคือคู่มือรายวิชาหรือโจทย์งานเอง, ไม่ใช่ความเข้าใจแบบกว้าง ๆ จากสิ่งที่ดูเหมือนว่านักศึกษาคนอื่นจะหลุดรอดไปได้ TextPulse's AI humanizer for students มีไว้สำหรับส่วนของเรื่องนี้ที่เกี่ยวกับการเขียนอย่างแท้จริง, ไม่ใช่เรื่องการอนุญาต มันรายงานค่า Human Score โดยประมาณที่คำนวณจากลักษณะทางสถิติของฉบับร่างเอง, ซึ่งมีประโยชน์สำหรับการตรวจสอบงานเขียนที่แท้จริงก่อนส่ง, ในหมวดหมู่การใช้งานที่นโยบายอนุญาตอยู่แล้วอย่างตรงตัว
คำถามที่พบบ่อย
คำถามเกี่ยวกับความซื่อสัตย์ทางวิชาการและ AI มักลงเอยที่ความเป็นผู้ประพันธ์ของเนื้อหาสาระ มากกว่าจะเป็นว่าเครื่องมือใดแตะต้องเอกสารนั้นบ้าง การใช้ AI เพื่อตรวจการสะกด ไวยากรณ์ หรือความลื่นไหลของข้อโต้แย้งที่เขียนไว้แล้ว ถือว่าใช้ได้ภายใต้นโยบายที่เผยแพร่เกือบทุกฉบับ การใช้ AI เพื่อสร้างข้อโต้แย้ง หลักฐาน หรือการอ้างอิงขึ้นมาเอง แล้วส่งผลลัพธ์นั้นเป็นงานที่ส่ง ถือว่าเป็นการประพฤติมิชอบแทบทุกแห่งที่มีการตอบคำถามนี้เป็นลายลักษณ์อักษรแล้ว.
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.
