Ang ChatGPT ay nasa bawat klase. Narito ang isang praktikal, researcher-informed na workflow para sa mga guro — paano matukoy ang AI-generated na gawa, paano makipag-usap sa mga estudyante tungkol dito, at paano bumuo ng patakaran na gumagana nang walang panganib ng maling paratang.
Noong 2025, ang karamihan sa mga estudyante ay gumamit ng LLM para sa ilang bahagi ng kanilang academic na pagsulat. Ang mga survey ng mga estudyante sa unibersidad ay patuloy na naglalagay ng numerong iyon sa pagitan ng 60% at 90% depende sa disiplina at bansa. Ang tanong ay hindi na kung gumagamit ba ang mga estudyante ng AI kundi kung gaano karami, para sa anong mga gawain, at may anong mga kahihinatnan.
Ang tanong ng academic integrity ay nahahati sa dalawang sub-tanong. Ang Ang ibinigay na submission ba ay AI-generated? — isang detection problem. Ang Ang paggamit ng AI ba ay lumalagpas sa mga patakaran ng assignment? — isang policy problem. Ang mga guro ay nangangailangan ng mga sagot sa dalawa, at mahalaga ang pagkakasunod: nauuna ang patakaran, kumpirmahin ng detection.
Ang pagpapatakbo ng detection nang walang malinaw na patakaran ay lumilikha ng panganib ng maling paratang. Ang pagpapatakbo ng patakaran nang walang detection ay lumilikha ng cheating ng honour system. Ang praktikal na sagot ay isang magkasamang workflow kung saan sinusuportahan ng parehong layer ang isa't isa.
Ang magandang AI patakaran ay malinaw sa apat na dimensyon. Ang Pinahihintulutan: brainstorming, outlining, grammar checking, reference hunting — karaniwang pinahihintulutan kahit ng mahigpit na mga patakaran. Ang Ipinagbabawal: buong-pangungusap o buong-paragrapeong generation na isinumite bilang sariling gawa ng estudyante. Ang Dapat Ilahad: anumang AI-assisted na gawain, naka-log sa isang disclosure statement sa submission. Ang Ang Kahihinatnan: academic integrity tribunal, grade penalty, resubmission, o escalation — sabihin ito nang maaga.
Ilathala ang patakaran bago magpatakbo ng anumang AI-detector scan sa isang submission. Ang mga estudyanteng sinabihan ng 'nade-detect namin ang AI' pagkatapos ng submission ay may lehitimong reklamo; ang mga estudyanteng sinabihan ng 'narito ang patakaran, at narito kung paano namin ini-verify' sa simula ng termino ay hindi maaaring magreklamo. Ituring ang detection bilang pagpapatupad ng isang nailathala na patakaran, hindi isang sorpresa.
Mag-align sa iyong institusyon. Kung ang iyong unibersidad ay may model na patakaran, gamitin ito. Kung wala, manghiram mula sa MLA, IEEE, o sa iyong pambansang regulator. Ang inconsistency sa mga guro sa parehong institusyon ay lumilikha ng reklamo ng estudyante at legal na panganib — mag-align sa faculty bago ilunsad ang detection.
Ang AI-detection score ay isang signal, hindi isang hatol. Ang isang 92% na AI probabilidad sa isang submission ay isang matibay na dahilan upang siyasatin pa — hindi ito patunay. Ang aming accuracy benchmark ay tapat tungkol dito: sa 50% threshold, layunin namin ang 0 false positive sa aming validation set, ngunit ang pagsulat ng iyong mga estudyante ay hindi ang aming validation set.
Pagsamahin ang score sa tatlong iba pang signal bago ang anumang desisyon. Ang Kasaysayan ng pagsulat: naaayon ba ito sa mga naunang submission ng estudyante? Ang Mga in-class na signal: mga in-class na sanaysay, oral na talakayan, mga short-answer quiz — naaayon ba sila sa antas ng submission? Ang Teknikal na konteksto: submission timestamp, edit history (kung inilalantad ng platform), anumang hindi karaniwan na metadata.
Ang isang score kasama ang kahit isang corroborating signal ay isang kaso na karapat-dapat siyasatin. Ang isang score lamang ay isang flag, hindi isang natuklasan. Ang panuntunang ito — orihinal na dokumentado sa academic integrity literature bago pa ang AI — ay nagpoprotekta sa parehong mga estudyante at guro at ang pinaka-epektibong lever laban sa mga alitan ng maling paratang.
Kung ang isang submission ay nag-score bilang malamang na AI, makipagkita sa estudyante. Huwag buksan nang may akusasyon. Buksan nang may trabaho. Hilingin sa estudyante na ipaliwanag ang kanilang proseso: kung ano ang kanilang natuklasan, kung ano ang hitsura ng kanilang draft, kung ano ang kanilang binago. Ang mga estudyanteng sumulat ng gawa ay maaaring sumagot nang maayos sa mga tanong na ito. Ang mga estudyanteng gumamit ng AI ay madalas na hindi — hindi dahil sila ay hindi tapat, kundi dahil hindi sila nakisali sa materyal.
Ang layunin ng pag-uusap na ito ay mangalap ng katibayan, hindi hulihin. Kumuha ng tala tungkol sa sinabi ng estudyante. Kung nalulutas ng pag-uusap ang flag — ang kanilang proseso ay malinaw at ang kanilang kasaysayan ng draft ay tumutugma — ang flag ay binaretira. Kung ang pag-uusap ay nagbubunyag ng mga inconsistency, mayroon ka na ngayong corroborating na katibayan upang magpatuloy nang pormal.
Iwasan ang mga karaniwang pagkakamali. Huwag magsimula sa detector score — ang mga estudyante ay mararamdamang binasorpresa. Huwag tratuhin ang score bilang karapat-dapat ng pag-amin — ang ilang estudyante ay mag-aamin sa ilalim ng presyon kahit na inosente. Gawin ang pag-document ng bawat pag-uusap — ang due-process ng iyong institusyon ay nangangailangan ng mga nakasulat na rekord.
Ang AI detection ay naghahanap ng generated na teksto. Ang Plagiarism detection ay naghahanap ng kopyadong teksto. Ang mga estudyante ay nagsusumite ng halo ng dalawa — ilang LLM-drafted na talata, ilang copy-pasted mula sa ibang mga pinagkukunan, ilang tunay na orihinal na pagsulat. Ang isang workflow na nag-scan lamang para sa AI ay napalampas ang copy-paste; ang isang workflow na nag-scan lamang para sa plagiarism ay napalampas ang ganap na generated na nilalaman.
Ang aming desktop na Plagiarism Detector ay nagpapatakbo ng pareho sa isang scan: isang pass para sa mga tugma laban sa 4 bilyong naka-index na pahina ng web, mga academic database, at ang institutional PDAS corpus, kasama ang parehong AI-detection engine na nagpapalakas ng aming online na tool. Pinagsama-samang hatol bawat dokumento sa loob ng wala pang isang minuto.
Para sa mga institusyon na mas gusto ang mga workflow batay sa browser, ang aming libreng online na tool ay sumasaklaw sa AI detection at ang libreng demo desktop download ay nagdaragdag ng mga buong source-matching pass. Karamihan sa mga unibersidad ay nagpapatakbo ng ilang halo ng dalawa depende sa workflow ng faculty.
I-paste ang isang sample na submission at tingnan ang per-sentence verdict. Handa para sa klase. Walang signup, walang cloud storage.
Ang Disclosure-first: ang anumang paggamit ng AI ay nangangailangan ng maikling pahayag sa submission — 'Gumamit ako ng GPT-4 upang i-outline ang seksyon 2 at i-edit ang seksyon 3 para sa grammar.' Walang detection penalty kung inilahad; buong penalty kung ang hindi inilahad na AI ay natukoy. Mababa ang friction para sa mga estudyante, mataas ang accountability.
Ang mga AI-free na assignment: malinaw na minarkahang mga submission na dapat isulat nang ganap nang walang AI. Sa klase, oral, o proctored. Ginagamit para sa mga final exam, diagnostic na pagsulat, at anumang gawain kung saan ang AI ay nasa labas ng layunin ng pag-aaral.
Ang mga AI-permitted na assignment: tahasan na nagpapahintulot ng AI bilang isang research o editing tool; pinagbibigyan ng marka ang panghuling gawa ng estudyante batay sa kalidad anuman ang paraan ng produksyon. Natututo ang mga estudyante na gamitin ang tool; pinagbibigyan ng marka ng mga guro ang resulta. Ang pamamaraang ito ay may pinakamataas na adoption ng faculty at pinakamababang detection workload.
Mapalampas mo ang ilang AI-generated na submission. Ang mga humaniser tool, maikling assignment, at hybrid human-AI na pagsulat ay lahat ay tinutalunan ang text-based detection sa kasalukuyang antas ng generator. Tanggapin na ang layunin ay hindi ang 100% detection kundi makabuluhang deterrence at patas na paghawak ng mga flagged na kaso.
Mag-flag ka ng ilang human na submission bilang AI. Ang hindi katutubong English na pagsulat, lubos na na-edit na academic prose, at ilang tunay na kakaibang estilo ng estudyante ay lahat ay nag-score nang mas mataas kaysa inaasahan. Ang 0-false-positive na numero sa aming benchmark ay nasa validation set; ang iyong mga estudyante ay hindi ang set na iyon. Pagsamahin sa mga corroborating signal bago ang anumang aksyon.
Ang workflow na gumagana nang maayos: maglathala ng patakaran, magpatakbo ng detection sa submission, mag-flag ng mataas na score para sa pagsisiyasat, siyasatin kasama ang estudyante, i-document ang lahat, i-escalate lamang kapag na-corroborate. Ang mga gurong sumusunod sa pagkakasunod na ito ay nag-uulat ng parehong nabawasang paggamit ng AI at nabawasang alitan ng maling paratang sa loob ng isang semestre.
Ang artikulong ito ay pang-edukasyonal na gabay, hindi legal na payo. Ang mga patakaran ng academic integrity at ang legalidad ng automated detection ay nag-iiba ayon sa hurisdiksyon at institusyon. Kumonsulta sa data-protection officer ng iyong institusyon bago mag-deploy ng anumang detection workflow.
Tumayo kasama ang Ukraine!