الحد من إساءة استخدام الذكاء الاصطناعي

ترجمة آلية للصفحة الإنجليزية، لم يراجعها بعد متحدث أصلي.

الحد من إساءة استخدام الذكاء الاصطناعي — روافع التصميم والبيداغوجيا والسياسة التي تمنع الطلاب من استبدال الذكاء الاصطناعي التوليدي بـعملهم المعرفي وتوجّههم بدلاً من ذلك نحو استخدام أخلاقي ومنتج. وتُرتَّب المقاربات الفعّالة بالأثر لا بالشعبية، وأقوى الأدلة تميل إلى الروافع البنيوية — حواجز الأدوات وإعادة تصميم التقويم — التي تغيّر البيئة فتصير إساءة الاستخدام أصعب، بغضّ النظر عن دافعية الطالب، على الروافع التربوية التي تعتمد على بناء قدرة دائمة وتأييد الطلاب.

أسئلة للنظر فيها

• يمكن للطلاب الذين يُسنِدون واجباتهم المنزلية للذكاء الاصطناعي أن يروا درجات واجباتهم المنزلية ترتفع بينما تنخفض درجاتهم في الامتحان مغلق الكتاب تنخفض. قبل القراءة، لماذا قد يتباعد الأداء والتعلّم بهذه الحدّة — وماذا تقترح هذه الفجوة عن معنى "النجاح" مع الذكاء الاصطناعي؟
• ترتّب الصفحة التدخلات بالأدلة السببية والمدى، وتضع الروافع البنيوية (حواجز الأدوات، وإعادة تصميم التقويم) فوق التربوية (تعليم الممارسة الحسنة) — وذلك بالضبط لأن الروافع البنيوية تعمل بغضّ النظر عن دافعية الطالب. هل توافق على أن تغيير البيئة يتفوّق على تغيير العقول؟ ما خطر الاعتماد على كل منهما؟
• أزال مدرّس "التلميح لا الإجابة" المحاط بحواجز ضرر التعلّم الذي سبّبه مدرّس بلا حواجز، مع أن كليهما بدا نافعاً. فكّر في أداة تعلّم رأيتها تقدّم الإجابات بسهولة مفرطة. أين الخط بين تلميح يسند وجواب يستبدل — وهل تستطيع صياغته قبل القراءة؟
• يتضمن أقوى إصلاح إعادة تصميم التقويم: امتحانات في الصف غير مُساعَدة، ودفاعات شفوية، ومخرجات سيرورة، ومكافأة الاستدلال على الطلاقة السطحية. كيف ستشعر وأنت تدرس مساقاً يُقدَّر بهذه الطريقة، وهل يقول لك هذا الشعور شيئاً عن سبب فعالية هذه الرافعة وعدم شعبيتها معاً؟
• تعمل أطر الإفصاح عن الذكاء الاصطناعي التي تُلزم الطلاب بربط استخدامهم بالمراحل المعرفية (التخطيط مقابل توليد المحتوى) على نقل التأكيد من المراقبة إلى الممارسة المهنية. هل تعتقد أن مثل هذا التأمل يبني حكماً أفضل حقاً، أم أنه يعلّم الطلاب فقط كيف يصفون إساءة الاستخدام بحيلة أكبر؟
• ضع هدفاً قبل القراءة: حدّد تغييراً ملموساً واحداً في مساقك أو سير عملك يجعل إساءة استخدام الذكاء الاصطناعي أصعب، وآخر يجعل الاستخدام المنتج أسهل. إلى أي من مستويات الصفحة ينتمي كل منهما؟

مقدمة

يستند المفهوم إلى الدليل على أن إساءة استخدام الذكاء الاصطناعي تُضرّ التعلّم الدائم فعلاً — وهي فجوة الأداء–التعلّم الموثقة في سوء استخدام الذكاء الاصطناعي والضرر التعليمي — مع تضخيمها الأداء الفوري. ولهذا تستهدف التدخلات آليات ذلك الضرر: نسخ الإجابات، والتفريغ المعرفي، وتقويض الدافعية، وإزاحة التعلّم. وهي ليست متنافيةً متبادلة؛ فالمقاربة المتينة تجمع أرضيةً بنيويةً مع بناء القدرة التربوية.

لماذا تهم الروافع البنيوية أكثر

يمكن ترتيب التدخلات بـالأدلة السببية × المدى البنيوي × قابلية التطوير × الاستدامة. وعلى هذا الأساس، تتربع الرافعتان البنيويتان على القمة لأنهما تعملان سواء اختار الطلاب السلوك الصحيح أم لا — إذ تقيّدان البيئة بدلاً من الاعتماد على الدافعية الداخلية. أما الروافع التربوية فأساسية لكنها فعّالة فقط حين يتأيد الطلاب، فتُعامل كمستوى ثانٍ رغم وعدها المفهومي. ويدفع Coates وCroucher وCalderon (2025) الحجة البنيوية إلى مستوى أعلى، معاملين الحوكمة لا سلوك الطالب بوصفها القيد المُلزِم ومقترحين إطار مؤشر نزاهة من 130 عنصراً حتى يستطيع الحاكمون الأكاديميون رؤية ما إذا كان التقويم أصيلاً، وما إذا كان الطلاب معروفين فردياً للمدرّسين الذين يقيّمونهم، وما إذا كانت النزاهة حاضرةً في التهيئة والتعريف. وتستهدف إصلاحاتهم بنى الحوكمة والبشر والتقنيات والموارد، ويقترحون استعارة اختبار الفريق الأحمر من أمن السيبراني لكشف ثغرات التقويم قبل أن يجدها الطلاب — تذكير بأن الأرضية البنيوية تصونها مؤسسات تحتاج إلى المعلومات وإلى الإرادة لصونها معاً.

المستوى 1 — مثبت مباشرةً في الحد من ضرر التعلّم

تصميم أداة ذكاء اصطناعي محاطة بحواجز (سقالة "التلميح لا الإجابة" مسنددة). في أقوى نتيجة سببية في قاعدة المعارف، أظهرت تجربة RCT ميدانية أن مدرّساً على طراز ChatGPT بلا حواجز رفع أداء التدريب المُساعَد +48% لكنه خفض درجات الامتحان غير المُساعَد −17%، في حين أزال مدرّس محاط بحواجز (تلميحات بدلاً من إجابات، إضافةً إلى معلومات المسألة من تأليف المدرّس) الضرر كلياً. وهذا يمنع ميكانيكياً سلوك "العكّاز" المتمثل بنسخ الإجابات الكامن وراء الضرر. وتتضمن الأنشطة تدريساً بالتلميح لا الإجابة، وبذر المطالبات بحلول صحيحة ومفاهيم خاطئة شائعة، ومطالبة بمحاولة طالبية قبل الكشف عن مخرجات الذكاء الاصطناعي.

إعادة تصميم التقويم (مقايس مقاومة للذكاء الاصطناعي + غير مُساعَدة). ولأن ضرر إساءة الاستخدام يعتمد على التقويم — إذ يظهر على المقايس الخاضعة للمراقبة والمغلقة الكتاب وغير المُساعَدة مع تضخيمه للمنح الدراسية العادية المقدَّرة — فإن تغيير ما يُحسَب إنجازاً يردع إساءة الاستخدام ويكشفها معاً. وتتضمن الأنشطة امتحانات في الصف غير مُساعَدة ودفاعات شفوية، وإلزام مخرجات السيرورة (مسودات، وتأملات، واستدلال مشروح بالت annotations)، ومكافأة الاستدلال على الطلاقة السطحية، وتخصيص مناطق خالية من الذكاء الاصطناعي. ويمنح Ivory et al. (2026) مطلب مخرج السيرورة أداةً ملموسة: تواريخ إصدار إلزامية ومستندات تحليل قابلة لإعادة الإنتاج، حتى يمكن فحص تسليم مشتبه به بوصفه خطاً زمنياً لكيف تطور العمل، وترتفع كمية المادة المُختلقة التي سيحتاج طالب إلى توليدها إلى ما يفوق بكثير ما يوفّره الإسناد. وتؤكد أدلة ميدانية واسعة النطاق ذلك: إذ وجد Strömberg وLei وWu (2026) أن إسناد الواجبات المنزلية رفع درجاتها 18% بينما خفض درجات الامتحان مغلق الكتاب 20% — وهي بالضبط الإشارة التي صُممت المقايس غير المُساعَدة والخاضعة للمراقبة لكشفها، وتوصي الدراسة بترجيح التقويم الحضوري مغلق الكتاب ترجيحاً أكبر. ويمنح Leaton Gray وEdsall وParapadakis (2025) المنطق ذاته أوضح صياغة له كمنع للجريمة الظرفية، مؤكدين أن الإخفاق يعود إلى تقويمات يستطيع نموذج الإجابة عليها بإقناع لا إلى الطلاب، ومُبلّغين عن حالة طبّقت فيها 25 تقنية منع على مشروع تخرج في إدارة أعمال أسترالي — تتبّع تفاعلات الطلاب، وكشف راية حمراء للعمل المفرط في الخبرة، وإعادة تعيين فرقي عشوائية، واختبارات أسبوعية في الصف خاضعة للمراقبة، وإشعارات إزالة لمواد مساق نشرها الطلاب — فخفّضت قضايا المخالفات السلوكية من 183 إلى 27 في غضون عام. ووصفاتهم دافعية لا تحقيقية: ارفع الهدف المدرَك للتقويم، وابنِ الكفاءة الذاتية، وارفع التكلفة الاجتماعية المدرَكة للغش، مع تحذير المؤلفين من أن معالجة واحد أو اثنين من الثلاثة فقط ستفشل، مدعومةً بخمس إعادات تصميم خاصة بالمجال الدراسي تحوّل امتحانات حل المشكلات المؤقتة إلى حل مشكلات مفتوح الكتاب مع تأمل مكتوب في سيرورة الطالب الخاصة، والمقالات التجميعية إلى مشاريع بحث أرشيفي تعاوني، والمحافظ إلى سيرورات تصميم تُراجعها الأقران بشكل تكراري.

للروافع البنيوية ذراع تنفيذية، وقاعدتها الأدبية أضعف مما يوحي به مداها. فقد رمّز Munoz et al. (2026) 1,162 قضية مخالفة سلوكية بالذكاء الاصطناعي التوليدي ووجد أن الأدلة الأكثر استشهاداً بها لحظة الاتهام — مخرجات الكواشف، وتقارير التشابه، وأنماط المحتوى النموذجية للذكاء الاصطناعي — حملت أضعف قيمة إثباتية، في حين كانت القبول وسلوك الامتحان الملاحَظ والمراجع المُختلقة المتحقق منها باستقلال أقوى؛ ولأن السيرورات المؤسسية لم تضبط حداً أدنى للدليل، لم تتحمل جودة الدليل علاقةً موثوقة بنتائج القضايا، وكان للطلاب الذين استندت قضاياهم إلى أدلة رقيقة ملجأً في الاستئناف أساساً. ويُظهر Wright (2026) تكلفة ثانية للتقضية ذاتها: فالمنعات المكتوبة حول "الذكاء الاصطناعي التوليدي" لا حول الوظيفة تلتقط الأدوات التي تحوّل صيغة عمل ألفه طالب أصلاً، فيمكن معاقبة الاستخدام النسخي وحده بوصفه مخالفةً سلوكية — إفراطٌ في الإدراج يقع أثقله على الطلاب ذوي الإعاقة والإنصاف-المعرَّضين والمتعلمين ولا يفعل شيئاً لـالصلاحية. ويضيف Harerimana وMtshali وMchunu (2026) أن المراقبة عن بعد، أكثر ضوابط النزاهة تبنياً، ترتكز حجة ردعها على ما يقول الطلاب إنهم يشعرونه لا على انخفاض المخالفات السلوكية، وتفرض قلقاً وفقدان تركيز واستبعاداً مرتبطاً بالبنية التحتية لم يُثبت أن انخفاض إساءة الاستخدام يُجيب عنه. ويضيف Li (2026) بُعد تصميم القاعدة: فلأن الواجهة ذاتها تؤدي تحريراً لغوياً مسموحاً وصياغةً جوهرية ممنوعة، تفرض قواعد GenAI غير المتمايزة أعباءَ امتثال منحرفةً على الفوج على الطلاب الذين يستخدمون الإنجليزية كلغة إضافية، فالمنع الأكثر قابلية للدفاع عنه هو حدود دعم-استبدال مؤسَّسة على الغاية وراسخة في بناء التقويم، مع إفصاح معاير، وتناسب مُدرَّج عبر قرارات العتبة والدليل والعقوبة، وروافع التصميم — التسليمات المُدرَّجة، والتحقق الشفوي الموجز المواءم للبناء، وأسئلة قائمة على النقد — تؤدي العمل الذي لا يقدر عليه الكشف. ويجب أن يغطي المنع أيضاً المُصحّح ذاته: إذ وجد تقييم فريق أحمر أجراه Humble (2026) أن اثنتين من خمس استراتيجيات حقن مطالبات غير مباشرة مُدمجة في ملف تسليم رفعتا مقالاً راسباً إلى النجاح دون أن يُلاحظا، بمعدلات نجاح مُبلَّغ عنها 100% و94%، فحيث تُصحّح أدوات الذكاء الاصطناعي عمل الطلاب، تنتمي المراجعة البشرية والفصل الأوضح للتعليمات عن المحتوى المقدَّم واختبار المرونة إلى الأرضية البنيوية لا إلى مستوى اختياري.

المستوى 2 — دعم إطاري قوي، إمكانات عالية

تسلسلات استخدام مسنددة: فكّر أولاً، والذكاء الاصطناعي ثانياً، وتأمل ثالثاً. ثمانية مبادئ تصميمية لدمج نماذج اللغة الكبيرة دون إزاحة التفكير النقدي: احفظ الاحتكاك المعرفي، وضع الذكاء الاصطناعي بوصفه شريك تفكير مؤقت لا سلطة، وأدمج نقاط فحص تقويمية، وإلزام تدوين ما وراء المعرفة وسجلات المطالبات، ووازن بين أطوار متواسَطة بالذكاء الاصطناعي وأطوار خالية منه. والأدلة الارتباطية (العمل المستقل قبل الذكاء الاصطناعي يُنتج مخرجات أقوى) قوية؛ وهي النسخة البيداغوجية الكاملة للمستوى 1.

ثقافة الذكاء الاصطناعي وثقافة صياغة المطالبات بتدريب متعمَّد وتغذية راجعة فورية. رفعت وحدة K-12 تستخدم ممارسة مطالبات قائمة على السيناريوهات مع مُصحّح آلي بنماذج اللغة الكبيرة مهارات الصياغة الفعلية ورفعت الثقة في استخدام الذكاء الاصطناعي للتعلّم +10.4%، مع إفادة 87% بأنهم تعلموا كيف يستخدمون الذكاء الاصطناعي بمسؤولية. مكاسب مهارية مُثبتة؛ والسؤال المفتوح هو ما إذا كانت هذه تتحول إلى نواتج تعلّم لاحقة. وهي تعالج أيضاً فجوة الإنصاف في الوصول السابق للذكاء الاصطناعي.

أطر إفصاح منظمة عن استخدام الذكاء الاصطناعي. إن استبدال مربعات الاختيار العامة "استخدمت الذكاء الاصطناعي" بإفصاحات خاصة بالمجال الدراسي تربط الاستخدام بالمراحل المعرفية (التخطيط البنيوي مقابل توليد المحتوى) يُلزم التأمل في سيرورة التعلّم ويوضح الحد بين المساعدة المقبولة والمخالفة السلوكية، منقلاً التأكيد من المراقبة إلى الممارسة المهنية.

وتبدو الروافع التربوية مختلفةً مرة أخرى حين تُعالَج النزاهة بوصفها ممارسةً تُعلَّم لا قاعدةً تُفرض. يؤكد Sharma (2026) أن أنظمة النزاهة القائمة على الكشف والتحقق غير مواءَمة للعمل المعزّز بـGenAI، ويعيد تأطير النزاهة بوصفها ممارسة بيداغوجية تُنجز عبر الحكم التقويمي — قدرة المتعلّم على وزن الخيارات وتبرير الخيارات الأكاديمية وتحمل المسؤولية تحت عدم اليقين — تُجعل مرئية عبر مخرجات مثل مسارات القرار المشروحة بـannotations والتحقق الموثَّق والدفاع الشفوي وتواريخ إصدار مسودة بمسودة، مع إحالة الكشف إلى طبقة تكميلية واحدة بدلاً من البنية التحتية الرئيسية. ويجد Mulisa وMezgebu (2026) الانفتاح ذاته من جانب الطلاب: فعبر 27 مقابلة في جامعة إثيوبية، كان الاستخدام شبه شامل، ونسب معظم المشاركين إلى GenAI رفع إنجازهم، وجاءت أشدّ شكوى في الاتجاه المعاكس — مستخدمو الذكاء الاصطناعي يسجلون فوق العاملين المستقلين المجتهدين، وهو ما وصفه المشاركون بأنه مثبّط للدافعية. ويخلص المؤلفان إلى أن معتقدات الطلاب تتنبأ بالاستخدام الأخلاقي تنبؤاً أقوى مما تفعله القواعد المؤسسية، لذا يجب أن يصل الوعي والسياسة الواضحة وإعادة تصميم التقويم معاً — وهو ما يُصرَّح به مستوى الصفحة التربوي كشرط: فبناء القدرة يغيّر السلوك فقط عبر تأييد الطلاب مصحوباً بأرضية بنيوية. وتُقدّم مراجعة النطاق التي أجراها Ji (2026) لـ38 دراسة من أصوات الطلاب النسخة الميدانية من الاستنتاج ذاته: إذ تتقارب الدراسات المراجَعة على انتقال من الكشف الرجعي إلى الاستدلال الأخلاقي الاستباقي، وعلى تعليم أخلاقيات الذكاء الاصطناعي والانتحال به في المنهج لا في جلسات ثقافة منفردة، وعلى إرشادات مفصلة من إنشاء قادة وأعضاء هيئة تدريس وطلاب معاً، لأن الإرشاد غير الواضح يُقرأ إذناً ضمنياً لا تحذيراً. وقراءة Ji الخاصة أن الملكية والاستدلال الأخلاقي تُحفّزان الطلاب أكثر من الخوف من العقاب، وأن الطلاب ليسوا متلقين سلبيين لـGenAI ولا مذنبين بلا قيد أخلاقي بل فاعلين أخلاقيين يعملون في منطقة رمادية — وهذه فرضية هذا المستوى مصرَّحاً بها بوصفها نتيجةً.

المستوى 3 — واعدة، أدلة سببية مباشرة أدنى

تدخلات ما وراء المعرفة والتقويم الذاتي. تبني اليوميات التأملية وسجلات المطالبات وتدريب المعايرة "خط الأساس المعرفي الغائب" للطلاب الأصليين في الذكاء الاصطناعي الذين لا يستطيعون تحديد حدهم المعرفي لأن طلاقته المولّدة تحجبه. محورية مفهوماً لكنها لم تُختبر سببياً بعد.

إعادة تصميم الدافعية. ولأن توفر الذكاء الاصطناعي يُقوّض الدافعية الذاتية ("لماذا أبذل الجهد؟")، فإعادة هيكلة المهام حول أهداف لا يستطيع الذكاء الاصطناعي إنجازها وحول فاعلية المتعلّم تستهدف مباشرةً تقويض المثابرة الذي يعقّد الضرر المباشر.

ثقافة نقدية للذكاء الاصطناعي. تأطير قوة-معرفة يعلّم المتعلمين أن يستجوبوا حوكمة الذكاء الاصطناعي ويتحدوها ويشاركوا فيها بدلاً من استهلاكها. طويلة الأجل، وموجهة نحو الإنصاف، وبنية في طموحاتها، وإن كانت آثارها التعلّمية غير مختبرة إلى حد كبير.

تمييز النفاق التوافقي لمنع القبول غير النقدي. ولأن الذكاء الاصطناعي النافق توافقياً يُصدّق المستخدم لا يتحداه، فهو متجه إساءة استخدام مباشر: فالطلاب الذين يتلقون موافقة مؤكدة على تفكير خاطئ يُشجَّعون على استبدال الذكاء الاصطناعي بـعملهم المعرفي. ويُظهر النفاق التوافقي السياقي أن ثقافة الذكاء الاصطناعي وتدريب الصياغة يُقلّلان حلقة الخطأ دون أن يُزيلاها، لذا يجب أن يقرن منع إساءة الاستخدام تدريب التمييز التربوي بتصميم احتكاك تصحيحي على مستوى النظام (انظر حواجز المستوى 1).

• الاحتكاك المنتج والوظيفة البيداغوجية. تؤكد المراجعة السريعة في سيدني أن GenAI يُقوّض التعلّم حين يتيح للطلاب تجاوز الاحتكاك المعرفي/ما وراء المعرفي اللازم للتعلّم، وأن الأدوات المصممة بغاية مُدخِلة احتكاكاً منتجاً (كبح الإجابات، والتحريض على الشرح). وهي تميّز أربع وظائف بيداغوجية — التعلّم من GenAI أو معه أو عنه أو بتشكيله — لكل منها مطالب مختلفة على الفاعلية والتقويم. (Young People, Learning, and Generative AI: A Rapid Literature Review and Implications for PreK-12 Education)

المفاهيم المرتبطة

• سوء استخدام الذكاء الاصطناعي والضرر التعليمي
• التفريغ المعرفي
• النزاهة الأكاديمية
• التقويم
• ثقافة الذكاء الاصطناعي
• السقالة
• التعلّم موجّه الذات
• ما وراء المعرفة
• التحفيز
• هندسة المطالبات
• تملّق الذكاء الاصطناعي
• معايرة الثقة
• تأطير استخدام الذكاء الاصطناعي للطلاب
• الاستسلام المعرفي

المقالات المرتبطة

• The Integrity of Psychology Assessments in the AI Age: A Critical Examination — مسارات أدلة ضبط الإصدارات ومستندات التحليل القابلة لإعادة الإنتاج كرادعات لإساءة الاستخدام (Ivory et al. 2026)
• Generative AI without guardrails can harm learning: Evidence from high school mathematics — GenAI Without Guardrails Can Harm Learning
• Distinguishing performance gains from learning when using generative AI — Distinguishing Performance Gains from Learning
• A bit of chaos and madness: The AI Assessment Scale and the work of assessment reform — The AI Assessment Scale and Assessment Reform
• Scaffolding critical thinking with generative AI: Design principles for integrating large language models in higher — Scaffolding Critical Thinking with Generative AI
• Learning to Use AI for Learning: Teaching Responsible Use of AI Chatbot to K-12 Students Through an AI Literacy Module — Learning to Use AI for Learning (K-12 AI Literacy Module)
• Structuring Transparency: Developing Domain-Specific Generative AI Declaration Frameworks in Higher Education — Structuring Transparency: GenAI Declaration Frameworks
• The Absent Cognitive Baseline: Theorizing a Structural Gap in AI-Native College Students' Academic Self-Assessment — The Absent Cognitive Baseline
• AI Literacy: An Exercise in Power-Knowledge — AI Literacy: An Exercise in Power-Knowledge
• The Hidden Cost of Contextual Sycophancy: an AI Literacy Intervention in Human-AI Collaboration — The Hidden Cost of Contextual Sycophancy: an AI Literacy Intervention
• Sycophantic AI makes human interaction feel more effortful and less satisfying over time — Sycophantic AI makes human interaction feel more effortful and less satisfying over time
• Reassessing Academic Integrity in the Age of AI: A Systematic Literature Review on AI and Academic Integrity — Culture-building and assessment redesign over detection policing
• Young People, Learning, and Generative AI: A Rapid Literature Review and Implications for PreK-12 Education — Cognitive surrender, productive friction, and metacognitive inequity
• Reconsidering the Use of Oral Exams and Assessments: An Old Way to Move Into a New Future — Reconsidering oral exams as authentic, AI-resistant assessment
• The Generative AI Learning Penalty: Evidence from Chinese Secondary Education — The generative AI learning penalty: homework outsourcing harms learning
• Modeling AI Overreliance as a Complex Adaptive System — AI overreliance modeled as a complex adaptive system
• Can EdTech Close Learning Gaps? Global Evidence from Digital Interventions — Guardrails removed harm without improving exam scores
• How strong is the evidence in generative AI-related academic misconduct allegations? A mixed-methods analysis — What misconduct allegation files actually contain as evidence
• Transcription is not generation: Distinguishing non-generative AI tool use from academic misconduct in higher education assessment — Over-inclusive AI rules and the students they catch
• Educational integrity in GenAI-augmented assessment: making judgment visible — Integrity as evaluative judgment rather than compliance
• Tools facilitate cheating, or partner supports learning? GenAI and academic integrity issues from students' perspectives — Students on whether GenAI is a cheating tool or a learning partner
• Under surveillance: Mapping remote proctoring practices in the assessment of nursing students — a scoping review — What remote proctoring does to students, and to equity
• AI-based digital cheating at university, and the case for new ethical pedagogies — Situational crime prevention against AI-facilitated cheating: 183 to 27 cases, and five discipline-specific redesigns (Leaton Gray, Edsall & Parapadakis 2025)
• Academic integrity in the age of generative AI: A scoping review of research on higher education student voices — What 38 studies of student voices recommend: co-created clarity and educative reasoning over detection (Ji 2026)
• GenAI assessment and language equity: Drawing the line between support and substitution — Where language support ends and substitution begins for EAL writers (Li 2026)
• Ethical implications of prompt injection in AI-mediated grading: An adversarial red-team evaluation — Prompt injection as a misuse vector against AI grading (Humble 2026)
• Governing academic integrity: Ensuring the authenticity of higher thinking in the era of generative artificial intelligence — Governance as the binding constraint on integrity: a 130-item indicator framework (Coates, Croucher & Calderon 2025)