Виявлення AI у програмах з медсестринства та медицини
Програми з медсестринства, медицини та суміжних галузей охорони здоров'я розглядають академічні порушення та придатність до професійної практики як дві окремі системи, тому висновок про порушення доброчесності не завжди обмежується оцінкою. Ось як працює ця двоконтурна структура і чому саме рефлексивне письмо та плани догляду найчастіше її перевіряють.
Студентка або студент сестринської справи, який подає рефлексивний опис складної зміни, ризикує більшим, ніж оцінкою, якщо виявиться, що ця рефлексія згенерована. Програми з сестринської справи, медицини та більшість програм суміжних медичних спеціальностей працюють із двома системами паралельно: звичайною процедурою академічної недоброчесності, на яку відповідає кожна студентка і кожен студент у кампусі, та процедурою придатності до практики або професійної придатності, яка існує лише для студентів, що навчаються для регульованої професії. Виявлення AI у школі сестринської справи одночасно належить до обох цих треків, і висновок, який у семінарі з історії завершився б санкцією у вигляді зниження оцінки, у програмі з сестринської справи може дійти до професійного регулятора.
Але саме цей другий трек змінює ставки. Санкція у вигляді зниження оцінки залишається в межах модуля. Направлення щодо придатності до практики ставить зовсім інше запитання: чи свідчить ця поведінка про те, чи можна довіряти цій конкретній особі пацієнтів, зараз або пізніше, запитання, яке комісія з плагіату в іншому департаменті ніколи не була створена ставити.
Виявлення AI у школі сестринської справи: дві системи, а не одна
У Великій Британії те, хто може називати себе nurse, midwife або nursing associate, регулює Nursing and Midwifery Council (NMC), який зазначає, що його настанови щодо придатності до практики для студентів стосуються управління ризиком, який ця особа становить для безпеки та догляду за пацієнтами або користувачами послуг у майбутньому, і не стосуються покарання за окрему минулу подію. Від усіх університетів, що надають курси, схвалені NMC, очікується, що вони матимуть власні студентські процедури придатності до практики на додаток до звичайних університетських правил, щоб забезпечити, що питання, порушені щодо придатності до практики під час їхнього навчання, також розглядаються відповідно до професійних стандартів, а не лише академічних стандартів. Подібна модель діє в Health and Care Professions Council, який регулює кілька інших професій суміжних медичних спеціальностей. Визначення придатності до практики, це навички, знання, характер і здоров'я, необхідні для безпечного та ефективного здійснення професії.
Конкретний механізм виглядає інакше поза межами Великої Британії, але схема повторюється. Деякі ради з питань медсестринства в окремих штатах США вимагають від кандидатів на ліцензію розкривати попередні висновки про академічну недоброчесність як частину ширшої перевірки на відповідність вимозі належних моральних якостей, зокрема в Массачусетсі. Справа про доброчесність у школі медсестринства може спливти через роки, саме в той момент, коли випускник подає заяву на ліцензію, що дає змогу практикувати, а не лише в межах внутрішньої залікової відомості, яку ніхто поза університетом ніколи не бачить. Професійні наслідки і академічні наслідки розглядають різні органи, за різними часовими рамками, і жоден із них автоматично не скасовує інший.
Як академічний висновок може дійти до регулятора
Академічне порушення, таке як плагіат, списування на іспитах і підроблення записів, може призвести до занепокоєння щодо придатності до практики, якщо воно перешкоджає здатності студента відповідати професійним стандартам, згідно з настановами Office of the Independent Adjudicator, який розглядає студентські скарги по всій Англії та Уельсу. Один-єдиний випадок порушення, розглянутий як доказ характеру і чесності студента, а не як разова проблема з оцінкою, може спричинити другий, окремий перегляд. Це нижчий поріг, ніж здається. Для цього не потрібні ані повторюваний характер, ані друге порушення.
Опубліковані університетські процедури описують послідовний порядок дій. Справа про плагіат або фальсифікацію спочатку розглядається в межах стандартної процедури щодо академічних порушень, тієї самої, що застосовувалася б до студента будь-якого іншого факультету, і окремо може бути передана далі до комітету з питань придатності до практики, якщо вона порушує питання професійної придатності. Що насправді означає оцінка Turnitin AI є самостійним, суто механічним питанням на рівні навчальної роботи. Те, що відбувається після підтвердження висновку, є окремим питанням, і для студента медсестринства, значно більш вагомим.
Гуманізуйте свою власну статтю
Перетворіть текст, створений за допомогою AI, і зробіть його природним, не змінюючи важливих слів або цитат.
Чому рефлексивне письмо підштовхує студентів до AI
Рефлексивні завдання та плани догляду часто здають у ті самі тижні, що й години клінічної практики, а саме тоді, коли в студента найменше часу і найбільше емоційного залишку, на який можна спиратися. Рефлексія вимагає того, що втомлений студенту важко створити на вимогу, справжнього усвідомлення про конкретний, часто складний момент, викладеного в реєстрі, який звучить обдумано, а не нашвидкуруч. План догляду вимагає клінічного міркування, прив’язаного до конкретного пацієнта, викладеного в шаблоні, який загальна відповідь AI може поверхово заповнити без будь-якого реального клінічного синтезу, який це завдання покликане перевірити.
Чому той самий тип письма легше виявити
Жанр, який спокушає студентів звертатися до AI, є також жанром, у якому оцінювачеві найменш імовірно буде ним введено в оману. Практичний оцінювач або особистий тьютор, який оцінює рефлексію, часто сам затверджував ті самі години практики, і знає, про яке відділення, якого наставника та який інцидент студент має писати, так, як викладач, що перевіряє триста загальних есе на заданий текст, ніколи не знає. Загальна рефлексивна проза, згенерована AI, почуття, описані абстрактно, без прив’язки до конкретного відділення або конкретного пацієнта, це саме та невідповідність, яку оцінювач із цим зовнішнім знанням помічає найшвидше. Це конкретний випадок загального правила: що оцінювачі шукають в есе зазвичай включає контекст, до якого стороння особа, людина чи ні, не має доступу.
Як писати рефлексії та плани догляду, які ви можете захистити
Практичний варіант усього цього є простим, навіть там, де ставки не є простими. Зберігайте конкретну, непоказну деталь із практики, формулювання передачі справ, точне завдання, те, що сказав наставник, як фактичний вихідний матеріал для рефлексії, а не тягніться до загальної структури, до якої також потягнувся б chatbot. Перевірте довідник програми, перш ніж припускати, що загальна університетська політика щодо AI є повною картиною, оскільки пороги fitness-to-practise зазвичай встановлює програма або регулятор, а не центральний академічний офіс. Безкоштовний перевірник формальності є розумним способом виявити абзац, який зсунувся до загального, підручникового регістру, ще до того, як його першим прочитає оцінювач, який знає краще.
Ширший принцип розглянуто на сторінці про академічну доброчесність і AI. Для питання, з якого насправді починає більшість студентів, чи може професор визначити, що ви використали ChatGPT розглянуто окремо.
Усе це не означає, що кожне рефлексивне завдання є пасткою, або що AI не має легітимного місця поруч із програмою сестринської справи. Це означає, що жанр, який найбільше варто писати уважно, це той, що вже побудований навколо оцінювача, який знає конкретний контекст, якого згенерований абзац знати не може. AI humanizer for students від TextPulse повідомляє про розрахований Human Score, побудований на основі власної статистичної форми чернетки, корисний як рання перевірка вичитування вашого власного письма, а не як спосіб сперечатися з процесом fitness-to-practise, який від самого початку не стосувався відсотка.
Часті запитання
Виявлення AI у медсестринській школі діє поряд із другою системою, якої немає у більшості інших факультетів, це процес оцінювання придатності до практики або професійної відповідності. Висновок про академічне порушення все одно проходить звичайний шлях оцінювання та дисциплінарного розгляду, але в регульованій програмі його також можуть передати на перевірку того, чи викликає така поведінка занепокоєння щодо чиєїсь придатності до практики, питання, яке майже не має прямого аналога в більшості інших дисциплін.
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.