Die weniger vorhersehbare ist, dass Universitäten aufgehört haben, so zu tun, als könnten sie eine einzige Regel für AI-Integration und akademische Integritätsrichtlinien schreiben. Die alte Integritätsmaschine lief auf einem gemeinsamen Skript: Plagiat ist die unbefugte Verwendung von Worten oder Ideen einer anderen Person.
Was stattdessen auftaucht, ist ein Patchwork, manchmal in einem Gebäude. Ein Chemie-Kurs erlaubt KI für das Codieren von Skripten; ein Geschichtsseminar verbietet es für das Aufstellen von Essays. Die Zentralverwaltung bittet die Fakultät, ihre Entscheidungen in einer Lehrplanbox zu melden, die niemand überprüft. Diese Fragmentierung, mehr als jeder einzelne Skandal, ist die wahre politische Geschichte von 2023 bis 2026.
Ein globales Patchwork von Regeln, nicht eine einzige Politik
Turnitin schaltete seinen Indikator für das Schreiben von KI im April 2023 ein und versprach einen Vertrauenswert, der wahrscheinlich von einem großen Sprachmodell produzierten Text markieren würde. Im August desselben Jahres schaltete die Vanderbilt University das Feature für neue Studentenanträge aus, eine der ersten Forschungsuniversitäten, die dies öffentlich taten. Bis September 2023 hatte die UNESCO globale Leitlinien für generative KI in Bildung und Forschung herausgegeben, und die Russell Group, die 24 Forschungsintensive britische Universitäten vertritt, hatte bereits fünf gemeinsame Prinzipien veröffentlicht, die KI-Literatur als Teil des Lehrplans behandelten, anstatt eine Bedrohung für sie.
Die Spaltung zwischen diesen Bewegungen erzählt die Geschichte. Der Verkäufer bot die Erkennung an. Eine Universität lehnte ab. Die Branchenorgane bat um Prinzip, nicht um Verbot. Selbst die frühen Verbote waren ungleich: Sciences Po in Paris beschränkte ChatGPT in Bewertungen ohne vorherige Genehmigung im Januar 2023, während andere Institutionen dieses Semester anstelle von Regeln anhand von Leitlinien verbrachten. Das Ergebnis ist kein Konsens; es ist ein ausgehandelter Waffenstillstand, der sich von Seminar zu Seminar unterscheidet.
Photo by Sasun Bughdaryan on Unsplash
Hier ist der Fang: Detektion ist das schwache Gelenk
Die Werkzeuge, die wie die Durchsetzungsrücken aussahen, haben sich als der am wenigsten zuverlässige Teil des Stacks erwiesen. Detektoren geben eine Zahl zurück, und eine Zahl fühlt sich autoritativ an. Die Beweise sagen anders. In einer 2023-Studie, die von Forschern der Stanford University geleitet wurde und in Patterns veröffentlicht wurde, haben sieben weit verbreitete GPT-Detektoren 61 Prozent der 91 TOEFL-Essays, die von Nicht-Englischsprachigen als AI-generiert geschrieben wurden, falsch eingestuft. Die gleiche Studie machte einen Punkt, an dem jedes Verhaltenspanel lesen sollte: falsche Positive fallen nicht gleichmäßig; sie landen am härtesten auf Autoren, deren Englisch nicht mit den Schulungsdaten des Modells übere
Es war keine Behauptung, dass jede Anklage falsch ist.Es war eine Demonstration, dass die Fehlerquote unter den Schülern konzentriert ist, die am wenigsten wahrscheinlich sind, institutionelle Macht zu haben, um zurückzuziehen.
Eine separate theoretische Analyse von Computerwissenschaftlern der University of Maryland argumentierte, dass die zuverlässige Erkennung von KI-generierten Texten nicht nur schwierig, sondern grundsätzlich instabil ist, wenn Modelle verbessert werden.Stanford-geführte Detektorbias-StudieUnd dieMaryland Analyse der Detektorgrenzensind die zwei Beweise geworden, die am häufigsten in Campus-Debatten zitiert werden, ob die Tools eingeschaltet bleiben sollen.
Turnitins eigene Anleitung sagt, dass die Punktzahl eine Untersuchung informieren sollte, nicht eine abschließen. Dennoch kommt die Punktzahl oft in der Inbox eines Lehrers mit dem gleichen visuellen Gewicht wie ein Ähnlichkeitsbericht, und diese Lücke zwischen Anleitung und Gewohnheit ist, wo die meisten Fehlverhaltensfehler beginnen.
Was die Universitäten tatsächlich auf dem Papier verändert haben
Im gesamten Patchwork erscheinen vier Positionen: harte Einschränkung, bedingte Verwendung mit Offenlegung, Kurs-für-Kurs-Delegation und Bewertungs-Neugestaltung.Die Namen und Termine unten zeigen, wie schnell sich diese Positionen auf der ganzen Welt bewegen.
| Institution oder Gruppe | Datum | Positionierung |
|---|---|---|
| Wissenschaft Po | Januar 2023 | ChatGPT in Bewertungen eingeschränkt, es sei denn, ein Dozent hat es ausdrücklich erlaubt. |
| Turnieren | April 2023 | Ein AI-Writing-Indikator für Institutionen mit seinem Ähnlichkeitswerkzeug eingeführt. |
| Russell Group Universitäten | Juli 2023 | Veröffentlicht fünf Prinzipien zur Unterstützung der KI-Alphabetisierung und der Entscheidungsfindung auf Kursebene. |
| Vanderbilt Universität | August 2023 | Disabled Turnitins AI-Detektor für neue Einreichungen, unter Berufung auf Zuverlässigkeitsprobleme. |
| Unesco | September 2023 | Ausgegebene Leitlinien, die eine menschenorientierte, inklusive Verwendung mit klarer Rechenschaftspflicht fordern. |
Als Turnitin den Detektor einschaltete, sagte das Unternehmen, dass etwa 3 Prozent der Studentenpapiere in ihrer ersten Stichprobe 80 Prozent oder mehr KI-geschriebenen Text zeigten.
Nach diesen frühen Schritten verschoben sich die schwierigeren Fragen auf das Bewertungsdesign. Die Institutionen, die den Detektor gehalten haben, haben es oft mit einem Prozess gepaart: Eine markierte Punktzahl löste ein Gespräch aus, nicht eine automatische Ladung.Die Universität von Glasgow veröffentlichte zum Beispiel eine Anleitung, in der die Schüler verlangten, zu erklären, wie sie generative KI verwendeten und das Personal zu informieren, wenn unbefugte Verwendung ein Fehlverhalten darstellen würde.Leitfaden der UNESCOEs bleibt ein nützlicher Bezugspunkt, da es Politik mit Einbeziehung, Datenschutz und der Notwendigkeit einer menschlichen Überprüfung anstelle eines algorithmischen Urteils verbindet.
Photo by Markus Winkler on Unsplash
Hype versus Realität: Eine Scorecard
Vier Ansprüche haben das Gespräch angetrieben. Keiner hat den Kontakt mit der Campuspraxis unverändert überlebt.
- Die Behauptung:AI-Detektoren können KI-generierte Arbeiten mit hoher Genauigkeit identifizieren.Die Realität:Sie erzeugen einen Vertrauenswert, der mit Modellupdates verschiebt und nicht-englischsprachiges Schreiben mit hohen Raten falsch klassifiziert, weshalb mehrere Institutionen sich weigern, den Punkt als Beweis zu verwenden.
- Die Behauptung:Die Universitäten haben jetzt klare, einheitliche KI-Politiken.Die Realität:Die Richtlinien sind auf der Ebene eines einzelnen Kurses oder einer Abteilung klar und widersprüchlich; der Standard ist eine Reihe lokaler Entscheidungen.
- Die Behauptung:Das Verbot der generativen KI wird die Integrität der Bewertung schützen.Die Realität:Blattverbote sind fast nicht durchsetzbar, weil dieselben Tools in Textverarbeitern und Suchmaschinen eingebettet sind, und Detektion kann die Durchsetzung nicht zuverlässig unterstützen.
- Die Behauptung:Die Verwendung von KI zu erlauben, wird eine Welle unantastbarer Ghostwriting verursachen.Die Realität:Das häufigere Problem ist ungekündigte Hilfe im Maßstab, was ein Offenlegungsproblem ist, kein Erkennungsproblem.
Universitäten, die das Problem als Offenlegungsproblem behandeln, verbringen ihre Energie auf neue Bewertungsformate und klare Anweisungen. Universitäten, die es als Erkennungsproblem behandeln, verbringen ihre Energie, um einen Punkt zu verteidigen.
Was der nächste politische Zyklus eigentlich sein wird
Wenn der erste politische Zyklus über Erkennung ging, dreht sich der zweite um Beweise. Leitungspläne benötigen einen Beweisstandard, der sich nicht auf einen proprietären Algorithmus stützt, den niemand überprüfen kann. Fakultät benötigt Bewertungsdesigns, die Arbeit belohnen, die eine KI nicht allein tun kann, und sie brauchen Zeit, um sie neu zu gestalten.
Das Problem war nie der Detektor. Es ist die fünfzehn Minuten pro gekennzeichneten Aufsatz, für den niemand budgetiert. Eine Punktzahl kommt, ein Student antwortet mit ihrer Bearbeitungsgeschichte, und ein Lehrer, der bereits vier Kurse unterrichtet, wird gebeten, eine proprietäre Zahl gegen eine menschliche Erklärung zu wiegen.
Für Wissenschaftler, die an Universitäten suchen, die einstellen, ist der praktische Test einfach. Fragen Sie, was passiert, wenn ein Detektor den Essay eines Studenten markiert. Eine gute Antwort beschreibt ein Gespräch und einen zweiten Leser. Eine schlechte Antwort beschreibt eine Schwelle. Die Stanford-geführten Autoren der Detektorbias-Studie setzen die Warnung klar: falsche Positiven riskieren, die Schriftsteller selbst zu bestrafen, die Werkzeuge sollen geschützt werden.
