学术诚信与 AI:学生指南
一份实用说明,介绍 AI 使用在何种情况下几乎总是可以,何种情况下几乎从不可以,中间的灰色地带,以及如何保留一份简单记录,说明你做了什么,从真正约束一项作业的那一项政策开始,也就是课程自身的政策。
学术诚信 AI:这个短语涵盖的范围很广,既包括把一段已经写好的文字交给语法检查器,也包括一开始就让聊天机器人代写这段文字,而大多数学生从来得不到一个明确的答案,来说明一种用法何时结束,另一种用法何时开始。这条界线并不是一次性地、由中央统一为学生将来修读的每一门课程划定的。它是由每位授课教师分别在各自的课程手册中划定的,而适用于某一具体作业的版本,往往比大学总体政策所说的范围更窄。
这不是漏洞。几乎所有真正把政策写下来的机构都是这样处理的,因为实验报告、个人论文和编程作业提出的问题各不相同,单一的中央规则无法很好回答。本文说明哪些做法通常在任何地方都可以,哪些做法通常在任何地方都不可以,中间的灰色地带,以及一种简单的方法来记录实际做了什么。因此,对某个具体问题的回答绝不是随便猜测。
学术诚信 AI 从你的课程政策开始,而不是从你所在大学的政策开始
已经发布详细 AI 指南的大学,一贯把实际决定下放到比“大学”整体更小的单位。Oxford 的政策明确指出,对学生而言,只有在明确允许时,AI 才可用于评估,并且必须按照院系或学院的指示进行申报,未经授权的使用默认被视为学术不端。Cambridge 将适用规则设定在单个评估说明的层面, 在总结性评估中使用未注明来源的 AI 生成内容,除非该说明中明确另有规定,否则构成不端,这意味着同一门课程可以在一项作业中允许某一种使用方式,而在下一项作业中禁止它。
MIT Sloan 甚至更直接地指出,它对使用生成式 AI 工具完成作业没有明确的最终政策,教师会按课程自行制定规则,包括允许或禁止全部或部分此类使用。Monash 将决定权下放给每个单元的 Chief Examiner,后者必须明确 AI 可以在何处以及如何使用,而且一旦使用,始终需要注明。这些都不是边缘情况。它们说明,分布在三大洲的四所不同大学,各自选择了如何构建同一个政策问题,在假定学校的一般性声明就是全部内容之前,这一点值得记住。对各机构的大学 AI 政策作进一步考察会发现,只要经过核查,几乎到处都是同样的下放模式。
几乎总是可以接受的用途
最清晰的模式其实完全出现在大学之外,即学术出版机构如何对待作者提交已完成研究时的同一问题。Elsevier 的政策明确指出,单纯进行语法、拼写和标点检查根本不需要声明。Wiley 将仅用于拼写、语法和一般编辑的工具排除在其披露要求之外。IEEE 则将语法和编辑工具描述为,原则上就不在其 AI 政策的意图范围内。这些都不是大学的抄袭规则,但其背后的区分是相同的,即,对已经是学生自己写作的内容进行机械性修正,与生成原本不存在的新内容之间的区别,几乎每一项课程层面的 AI 政策也都作出同样区分。根据学生很可能遇到的几乎任何政策,免费语法检查器都明确属于这一可接受类别。
这在结构性反馈方面也是同样适用的。对现有内容的反馈不必是逐句的政策声明。工具可以询问你,某个你写出的论点是否合乎逻辑,或者你是否在某处重复了自己。这并不是要求用新内容替换旧内容。贯穿上文每一项政策、并反复出现的区分,是实质内容的作者身份,而不是在最终定稿过程中有哪些工具接触过文档。
将你自己的论文人性化
改写你的 AI 辅助文本,使其听起来更像人工撰写,同时不改动重要词语或引文。
几乎从不合适的用途
生成的论点在几乎所有写明这一点的地方,都处在同一条界线的另一侧, 即向聊天机器人索取实际主张、实际分析或实际解释,并将其输出保留为提交内容的实质。生成的证据更糟,而不是更好,因为捏造的统计数据或不存在的研究不是风格问题,而是作为事实提交的虚假主张。引文以更具体的形式承载着同样的风险, 语言模型经常编造看起来完全可信的来源,这正是为什么在任何生成的引文接近参考文献表之前,先阅读does ChatGPT make up references是值得的。
这一切背后的推理比规则本身更一致。聊天机器人无法为其生成的主张负责,无法将其与来源核对,也无法在主张被证明有误时承担责任,这正是为什么研究出版机构要求人类作者为每一项主张作保,不论是什么帮助生成了这句话。Turnitin's AI writing report是否会标记某一段文字,是一个独立的、机械性的问题,与底层内容是否曾经属于学生本人并可供提交无关。
灰色中间地带,以及如何处理它
有些用途介于上面两类明确类别之间,而这正是课程特定政策最重要的地方。翻译一段难懂的文字,或检查一句话在第二语言中是否读起来自然,对于双语学生来说,与只用第一语言写作的学生并不相同,而一项完全没有提到这一点的政策,通常只是起草它的人在写作时并没有把这类学生放在眼前。先请工具解释一个概念,再用自己的原创措辞写出来,这更接近使用教材,而不是生成一份提交内容,但并非每位评分者都会同意,这正是为什么这一类别值得直接询问,而不是靠猜测。
头脑风暴列出可能的切入角度,或在逐句动笔之前先要一个粗略提纲,也属于同样的灰色地带。有些教师把这看作与和同学一起讨论想法并无不同。另一些教师则希望提交内容的每一个阶段都明显是学生自己的。要知道某一具体作业适用哪一种,唯一可靠的方法与本指南开头所说的一样, 直接询问,或者仔细阅读作业说明,直到能够确定为止。
保留记录,但不要把它变成第二份作业
一个简单的习惯就足以涵盖大多数情况,而不会变成一项独立工程。记下日期、对工具提出了什么要求,以及实际保留了什么、改写了什么,就像引用来源时会附上引文,而不是模糊地记得自己曾经读过什么一样。如果课程允许,就保存聊天记录,如果不允许,就保存截图。凡是课程要求正式的 AI 使用披露声明的地方,这种格式由课程规定,而不是由本指南规定,严格遵循其原文比自行写得更长或更详尽更重要。
这一原则背后的实际问题有各自的页面:教授是否能看出你使用了 ChatGPT,以及更直接的版本,我会因为使用 ChatGPT 而被抓到吗。
这些都不能替代阅读真正约束某一具体作业的那份文件, 即课程手册或作业说明本身, 而不是根据其他学生似乎侥幸通过的情况形成的一般印象。TextPulse 的 面向学生的 AI humanizer 适用于其中真正与写作有关的部分, 而不是与许可有关的部分。它会根据草稿自身的统计特征报告一个估计的 Human Score, 这有助于在提交前检查真实写作, 且严格对应政策已经允许的使用类别。
常见问题
学术诚信 AI 的问题通常归结为实质内容的作者归属,而不是哪些工具接触过文档。用 AI 检查已经写好的拼写、语法或论证连贯性,在几乎所有已公布的政策下都可以。用它生成论点、证据或引文本身,并将该输出作为提交内容,在几乎所有已经以书面形式明确回答这一问题的地方,都被视为不当行为。
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.