Как да напиша политика за AI в курса и да я съобщя на студентите?

Автоматичен машинен превод на тази английска страница, който още не е проверен от носител на езика.

Три седмици преди началото на семестъра шаблонът за учебна програма има ред за „политика за AI“ и в момента там пише: виж правилата за академична почтеност на университета. Или курсът на колега се е върнал с поредица предадени работи, за които никой не смята, че са писани в стаята, и заседанието в четвъртък завършва с искане всеки курс да заяви позицията си писмено. Или политиката вече е написана и периодът на оценяване ти показва кои от изреченията ѝ наистина можеш да приложиш.

Накратко: назови задачите, които оценяваш, кажи какво може да прави AI при всяка от тях, сложи декларацията на едно място и прилагай с доказателства, които можеш да видиш. Пет конкретни разрешения издържат по-добре от страница забрани. Политика, която обяснява себе си, върши работа по дизайна на оценяването и по комуникацията едновременно, поради което струва един следобед и спестява семестър спорове.

Всичко по-долу е документ на ниво курс за един модул, курс или направление на програма. Допускането е, че си решил какво оценяваш; работата тук е да го кажеш и да го направиш да издържи.

Накратко

1. Направи опис на оценяваните задачи и за всяка попитай какво точно оценяваш. Границата следва този отговор.

2. Напиши правилото на ниво стъпка: генериране на идеи е разрешено, формулиране на цели не е. Подбор на изображения е разрешен, дизайн на посланието на ниво слайд не е.

3. Сложи резюмето в учебната програма, оперативната формулировка в листа на заданието и кажи правилото на глас веднъж в момента, в който то за пръв път се прилага.

4. Назови едно стандартно място и форма за деклариране и дръж цената на декларирането по-ниска от цената на скриването.

5. Прилагай с работа, която можеш да наблюдаваш: дневник на подканите, упражнение в час, устно обяснение. Оценките от детектори остават извън пътя на прилагането.

Започни от задачите, които оценяваш

Най-ясният разработен метод е McCorkle (2025), който заменял цялостна забрана, в която студентите не вярвали, че се отнася за тях. Прочети този провал правилно: ставало е дума за разминаване, а не за неподчинение, и студентите не са се виждали като хора, които се държат нечестно. С правило, за което вече са решили, че не е за тях, не можеш да спориш, можеш само да бъдеш игнориран.

Методът на McCorkle минава през четири стъпки. Направи опис на всяка задача в семестриалния проект, попитай за всяка „какво точно оценявам?“, свържи всяка задача с правдоподобно професионално използване на генеративен AI и после реши задача по задача. Всяко решение претегля нуждата да оцениш една способност срещу стойността да изградиш компетентност, която студентът ще използва в работата си.

Резултатът е умишлено неравномерен. Генерирането на идеи е разрешено; формулирането на конкретни и измерими учебни цели не е. Подборът на изображения е разрешен; дизайнът на посланието на ниво слайд не е. Сценарии и озвучаване са разрешени, с изискуема оценка на резултата от AI. Изписан, този списък изглежда произволен, докато не прочетеш причината до всеки ред, поради което причините пътуват заедно с правилата.

Реши колко строг да бъдеш, знаейки какво правят всички останали

Две данни ти казват как изглежда нормална политика тази година и двете си струва да ги носиш на заседанието, на което някой предлага забрана.

Анализ на съдържанието на 116 институционални политики за генеративен AI от 131 американски университета от групата R1 и 98 учебни програми по компютърни науки от 54 от тях намира, че институциите като цяло са за използване: 63% насърчават използването на генеративен AI, 41% предлагат подробни насоки за класната стая, 27% го обезкуражават. Половината от учебните програми (50%) го забраняват напълно, 41% разрешават частично използване за определени дейности, а 7% съобщават насърчаване. Ganguly и др. (2026) наричат това разрив между подхода отгоре надолу и отдолу нагоре. 92% от учебните програми дават изрични насоки, а въпреки това местните правила се отдалечават от институционалните, и само при 47 институции са били откриваеми и двете нива. Цитирането е единственото изискване, по което двете нива съвпадат, при 83% от учебните програми.

Chirikov (2026) проследява над 31 000 учебни програми в голям държавен изследователски университет в Тексас от 2021 до 2025. Регулацията се покачва от почти нула преди ChatGPT до 55% от курсовете към есента на 2025, докато напълно ограничителните политики падат с около 5 процентни пункта годишно. Към есента на 2025 преподавателите най-често ограничават писането и редактирането (79%) и разсъждението и решаването на проблеми (65%). Най-често разрешават редактиране и коректура (83%), подкрепа за учене и синтез (80%) и програмиране (75%). Генерирането на идеи е най-оспорваното използване: 46% разрешават и 54% ограничават.

Формулировките се променят заедно с числата. Споменаванията на академичната почтеност падат от 63% на 49%, препратките към ефекта на AI върху ученето растат от 1% на 29%, а изискванията за атрибуция растат от 16% на 43%. Полето се измества от „не мами“ към „ето защо тази граница защитава твоето учене“, а втората версия е тази, с която студентът може да действа.

Две последствия за твоя документ. Да си по-строг от институцията си е нормално и е ангажимент, който поемаш сам, защото цената на прилагането пада върху теб. Изискването за цитиране е почти безплатно, тъй като четири пети от полето вече го иска, а никой студент не трябва да гадае какво имаш предвид.

Постави всяко правило там, където студентът ще го срещне

Три документа, три задачи.

Учебната програма носи краткото резюме: задачите, разрешеното използване при всяка, как работи декларирането и последствието от прекрачена граница. Един екран, без философия.

Листът на заданието носи извикването. Едно общо резюме е твърде грубо за сложен проект и точно тук формулировката на McCorkle свърши своята работа, в обосновка, обърната към студентите във второ лице, която назоваваше оценяваното зад всяко ограничение.

Стаята носи първото устно изказване. Кажи правилото веднъж, в момента, в който то за пръв път се прилага, свързано с работата пред тях. Правило, което студентът среща сам, е правило, което той тълкува сам.

Механиката на декларирането се нуждае от собствен абзац и той трябва да е най-конкретният на страницата. Студенти, които съвместно проектираха политика на курс чрез водено изследване, поставиха на първо място обучението за студенти и преподаватели, стандартизираните процедури за деклариране, по-силната институционална подкрепа и по-голямото участие в решенията за AI (Hingle и Johri (2026)). Кажи как, къде и в каква форма студентът декларира използване, и го кажи веднъж.

Pisan (2026) намира по-силна версия на същия ход: направи дневника на подканите оценявания артефакт. Когато моделът върши производството, подканата и записът на взаимодействието са онова, което си струва да се версионира, така че декларацията престава да бъде документация и става доказателство, което студентът изгражда.

Пиши само правила, които можеш да приложиш в един цикъл на оценяване

Правило, което изисква наблюдение задача по задача или преценка кога една оценка „започва“, ще бъде прилагано непоследователно в един клас и между двама оценяващи. Непоследователността е проблем на справедливостта, преди да е административен проблем. Режим, изграден върху детектори, добавя цена на наблюдението, която пада неравномерно, заедно с въпросите за дистанционното наблюдение на изпити и запазването на данни, на които може да не можеш да отговориш на ниво курс.

Nash и Burriss (2026) анализират 27 политики за AI в класната стая, написани от бъдещи учители по английски език. 26 от 27 разрешаваха някакво използване на AI, почти винаги при условия, времена и места, определени от преподавателя; една го забраняваше напълно. Генерирането на идеи беше най-широко разрешеното използване (22 от 27) и най-двусмисленото. 22 забраняваха или оставяха неизяснено съставянето на изречения, абзаци или работи с AI. 16 разрешаваха проверка на граматиката и коректура, докато 16 забраняваха производството на голям текст, генериран от AI. А 22 от 27 изобщо не адресираха четенето.

Повтарящият се провал беше операционализацията. Една политика разрешаваше на AI „да стартира мисленето ти“ и заявяваше „тук трябва да се тегли линията“, без да казва къде е линията. Тази двусмисленост оставя студентите неспособни да се съобразят, а теб неспособен да приложиш последователен стандарт. Това е дефект, а не компромис.

Откритието на Chirikov за съществена вариация между дисциплини и задачи говори за рамки, които дават на преподавателите автономия в собствената им област, вместо един мандат за всички, което е и честното описание на това какво е политиката на един курс: местна преценка в по-широко правило.

Тук има измерение на справедливостта. Непрозрачните политики предполагат споделени фонови знания за авторството, атрибуцията и нормите на академичната работа, така че падат най-тежко върху студентите, които идват без тях. Случаят на McCorkle е, че прозрачността разглобява част от тази скрита учебна програма и понижава вероятността провал на политиката да стане дисциплинарно дело.

Най-евтината версия на всичко това е малко и конкретно: задачите, които оценяваш, разрешените използвания при всяка, механиката на декларирането и последствието от прекрачена граница, всяко с прикачена причина.

Кажи го на глас и наблюдавай какво моделираш

Правилата за деклариране не работят като механизми за съответствие сами по себе си и да се отнасяш с тях като че ли работят, е най-честата дизайнерска грешка. В изследване със смесени методи върху 409 студенти Qu и Wang (2026) намират, че недекларирането е стратегическо приспособяване към възприеманите норми на колегите и ниското интерпретативно доверие към преподавателите, а не морална небрежност. Възприеманото деклариране от колегите и комфортът с преподавателя бяха най-силните предиктори за собственото деклариране на студентите; моралното откъсване имаше по-слаби ефекти.

Това ти оставя два лоста, които наистина контролираш: какво студентите вярват, че правят колегите им, и дали ти вярват, че ще прочетат една декларация справедливо. И двете реагират на това как говориш за правилото през първата седмица. Нито едното не реагира на строгостта на формулировката.

Kim и др. (2026) намират пет отделни места, където живее истинската политика на един курс: намерението на преподавателя, формалната политика, тълкуването на студента, собствената политика на студента и практиката на студента. Празнините между тях са системни. Те също каталогизират 23 рационализации в шест класа, с които студентите оправдават използването на AI в академичното писане, от „няма човешка жертва“ до „безразличието на преподавателя“. Тези рационализации бяха ad hoc и post hoc: студентите обясняваха поведение, което вече се беше случило, вместо да разсъждават предварително, поради което по-ясната формулировка и по-строгият контрол не затварят празнината сами.

Един участник, който искаше да се подчинява на строго правило без AI, продължаваше да използва AI и каза, че забраната „създава конфликт за мен, защото нарушавам правилата“. Забраната засили моралния конфликт, без да предотврати използването. Правило, което произвежда вина без съответствие, ерозира връзката, която ти е нужна за деклариране.

Наблюдавай и какво моделираш. Повечето задания в курса на Pisan декларираха подканата, използвана за генерирането им, и един студент прочете тази прозрачност като разрешение: „зависимостта на преподавателя от AI за оценяване и създаване на задания също правеше трудно да не използваш AI за задания по същия начин“. Моделирането на норма е част от политиката така, както студентите я изживяват, независимо какво казва учебната програма.

Твърдение, което можеш да адаптираш:

Използване на AI в този курс. Искам да излезеш от този курс способен сам да правиш X, затова оценявам X директно. Можеш да използваш AI за [разрешени използвания] при [списък със задачи]; не можеш да го използваш за [ограничени използвания], защото точно тях оценявам. Ако използваш AI някъде в работата си, кажи ми в [едно названо място, например ред за декларация при всяко предаване] за какво си го използвал и постави подканите. Да го декларираш никога няма да понижи оценката ти. Недекларираното използване е онова, което носи последствие. Ако не си сигурен дали едно използване е разрешено, питай ме преди да предадеш, не след това.

Последното изречение мести точката на решението преди работата, което е единствената точка, в която въпросът е евтин за отговор.

Планирай четирите разговора, преди да се случат

Студентът, който е използвал AI и не е казал. Третирай това като въпрос за процеса, а не за характера. Mohamed и Temimi (2026) моделират оценяването като проблем на несъвършена информация: студентът знае как е произведена работата, а институцията вижда артефакта плюс частични следи. Техният модел на реакциите сравнява три реакции, без използване на AI, декларирано използване и скрито използване, и пита коя от тях всеки механизъм прави най-привлекателна. Забраната поставя формалната граница и оставя скритото използване привлекателно, когато студентите виждат контрола като слаб. Наблюдението покачва очакваната цена на скритото използване, без да покачва декларирането, така че студентите стават предпазливи, без да стават прозрачни. Разрешението с деклариране прави честното отчитане жизнеспособно само докато цената на честността остава ниска.

В стаята това означава да попиташ какво е трябвало да оцени работата, да помолиш студента да обясни процеса си и да прочетеш късна декларация като информация, а не като признание.

Студентът, който цитира AI за всичко. Това обикновено е празнина в уменията в костюм за съответствие. Изискванията за атрибуция се покачиха от 16% на 43% от учебните програми, докато споменаванията на академичната почтеност паднаха от 63% на 49%, така че полето иска цитиране, а не признание. Определи формата веднъж, в листа на заданието, а не в бележка под линия в учебната програма. Кажи как изглежда адекватната атрибуция в твоята дисциплина и дай един разработен пример. Когато истинският проблем е, че студентът още не може да свърши основната работа без модела, отговорът е в дизайна на задачата.

Групова работа. Пет студенти могат да държат пет тълкувания на едно изречение, а се оценява едно предаване. За всеки групов продукт реши и публикувай дали използването на AI е разрешено, кой го декларира и какво се случва, когато един член излезе извън правилото. Направи го преди началото на проекта, докато е въпрос на планиране. Ако не можеш да заявиш индивидуалния принос, за който членът отговаря, оценявай задачата като чисто групова работа, вместо да отсъждаш авторство след факта.

Декларация, която не можеш да провериш. Някои декларации ще са непълни, а някои пропуски неопровержими. Bassett и др. (2026) твърдят, че откриването на AI не трябва да се използва в образованието изобщо, по три причини, които засягат формулировките. Резултатът на детектора е вероятностна оценка, която не може да бъде независимо проверена, защото реалният произход на текста е неизвестен, така че валидирането работи с кръгово разсъждение. Оценките на детекторите не достигат стандарта на баланс на вероятностите, който изисква разследване на академичната почтеност. А дихотомията човек срещу AI е безсмислена за работа, създадена с AI, а не от AI. Заключението им е, че откриването „не защитава академичната почтеност; то я подкопава“.

Те посочват проблем във формулировката, който си струва да копираш в кръга си за преработка. Правилата, ограничаващи използването на AI „при оценяване“, не уточняват кога започва една оценка, така че изследване, планиране или редактиране с помощта на AI може да е или да не е нарушение, в зависимост от това кой чете. Назови вместо това доказателства от процеса, които можеш да наблюдаваш: предадена подкана и запис на взаимодействието, упражнение, създадено в стаята, устно обяснение. Когато институцията ти все пак използва детектор, предупрежденията им за съхранение на данни, запазване и комерсиално използване на работата на студентите важат, а възражението за поверителността, което повдигнаха двама бъдещи учители, е възражението, което твоите студенти ще повдигнат.

Какво преподавателите разбират погрешно тук

По-строгата политика е по-безопасна политика. Да си по-строг от институцията си е често и защитимо, но цената на прилагането е твоя, а правило, което не можеш да приложиш последователно в един цикъл на оценяване, е проблем на справедливостта. Отрежи правилата, които не можеш да изпълняваш.

Забраната е най-краткото послание, което имаш. В 27-те политики на бъдещи учители двусмислието седеше предимно в разрешителните, а 22 от 27 изобщо не адресираха четенето, така че студентите бяха оставени да го изведат сами. Участникът на Kim и др. се подчини на забрана, като я наруши и се почувства зле от това.

Декларирането е механизъм за съответствие. То е сигнал, а сигналите зависят от доверие. Qu и Wang намират, че нормите на колегите и комфортът с преподавателя предсказват декларирането по-добре от моралното разсъждение.

Оценката от детектор решава спорен случай. Тя не достига стандарта, който разследване на почтеността трябва да покрие, и не може да различи работа, направена с AI, от работа, направена от AI. Изграждай случая върху работа, която си наблюдавал.

Написването на политиката е комуникацията. Kim и др. намират пет места, където живее истинската политика, и твоят документ е едно от тях. Версията, с която студентите действат, се сглобява от онова, което казваш в час, и онова, което правиш със собствените си материали.

Какво ще ти се върне

„Студентите просто ще го скрият.“ Някои ще го направят, а дизайнерският въпрос е кои студенти изкушава твоето правило. Възпирането минава през различителната способност на един детектор между скрито използване и законна работа, а не през суровия му процент на улавяне. Когато допълнителната чувствителност произвежда повече нови фалшиви положителни резултати, отколкото нови истински положителни, по-силното наблюдение може да направи укриването относително по-привлекателно, защото честните студенти биват наказвани по-бързо, отколкото скритите потребители биват разкривани. Разрешението и декларирането са отделни лостове: разрешението мести границата на приемливото използване, декларирането променя видимостта. Диагностицирай къде твоята задача дърпа най-изкушения да се укрие студент и проектирай за този студент.

„Не искам да забранявам инструменти, които не мога да открия.“ Не е нужно. Забраната е една от четири дизайнерски реакции, редом с наблюдението, разрешеното използване с деклариране и препроектирането. Препроектирането променя какво награждава задачата и остава козметично, ако рубриката все още оценява главно крайния продукт. Pisan (2026) показва нивата изрично: AI е забранен във вводния курс по програмиране, защото възлагането на първите цикли отнема точно това, което се преподава; насърчаван е в проекти по структури от данни (Copilot е разрешен) и е забранен за изпити с хартия и химикал; служи като помощ за учене и преговор в курса по системи за горните курсове; и е задължителен в самия курс за AI, където една граница носеше по-голямата част от тежестта. Моделът може да пише код, а рефлексиите трябва да са в собствения глас на студента. Изпитите бяха премахнати напълно и оценяването се премести върху работа, която моделът не може тихо да напише вместо студента.

„Политиката на институцията ми вече покрива това.“ По-малко, отколкото мислиш. Празнината върви в двете посоки: 92% от учебните програми дават изрични насоки, местните правила се отдалечават от институционалните, и само при 47 институции двете нива бяха откриваеми. Доставките, данните и циклите на преглед принадлежат на Как да напишем и внедрим институционална политика за AI?, но преводът за класната стая е твой. Nash и Burriss заключават, че институциите трябва да подготвят учителите да устояват, както и да приемат, с насоките и професионалното развитие, които позволяват на преподавателя да откаже конкретно използване на AI, без да бъде представен като изостанал. Технодетерминизмът на техните участници противоречеше на собствените им педагогически убеждения. Институционалната политика не е прикритие за твоята преценка.

„Нямам време да пренапиша учебната програма този месец.“ Направи описа веднъж, върху заданието, което те притеснява, и занеси резултата направо в листа на заданието. Изречението в учебната програма може да почака следващия цикъл на преработка. Студентите така или иначе действат по листа на заданието.

Какво да направиш тази седмица

1. Направи опис на оценяваните задачи и напиши „какво точно оценявам?“ до всяка от тях, преди да решиш каквото и да е за AI.

2. Реши задача по задача и провери коя реакция всяко решение прави най-привлекателна за студента, най-изкушен да се укрие.

3. Напиши изречението за деклариране: едно място, един формат, един разработен пример за адекватна атрибуция.

4. Назови доказателството, което ще приемеш при спор (дневник на подканите, работа в час, устно обяснение), и отпадни всяко правило, което не можеш да провериш срещу него.

5. Кажи правилото на глас в следващия час, в момента, в който то за пръв път се прилага, с обосновка до всяко ограничение.

Накъде след това

Управлението, политиката за данни, доставките и циклите на преглед принадлежат на Как да напишем и внедрим институционална политика за AI?; наложените институционални и районни правила стоят при Educational AI Policy и AI Governance. Преизграждането на задачата, така че една оценка да подкрепя защитимо заключение, е при Как да препроектирам оценяването, така че оценката да ми казва нещо защитимо за това какво знае или може студентът?, аргументът за прилагането е в Как да намаля измамите с AI в моя курс?, решението за детекторите в Да използваме ли AI детектори?, а схемата за обозначаване в A bit of chaos and madness: The AI Assessment Scale and the work of assessment reform.