Hvordan skriver jeg en AI-politik for et kursus og kommunikerer den til studerende?

Automatisk maskinoversættelse af denne engelske side, der endnu ikke er blevet gennemgået af en modersmålstalere.

Tre uger før semesterstart har skabelonen til studieordningen en linje til »AI-politik«, og den lyder i øjeblikket: se universitetets regler for akademisk integritet. Eller en kollegas kursus kom tilbage med en række afleveringer, som ingen tror blev skrevet i lokalet, og torsdagens uddannelsesmøde ender med et ønske om, at hvert kursus skriver sin holdning ned. Eller politikken er allerede skrevet, og bedømmelsesperioden viser dig, hvilke af dens sætninger du faktisk kan anvende.

Bundlinjen: navngiv de opgaver, du bedømmer, sig hvad AI må gøre ved hver af dem, sæt deklarationen på ét sted, og håndhæv med belæg, du kan se. Fem specifikke tilladelser holder bedre end en side med forbud. En politik, der forklarer sig selv, udfører bedømmelsesdesign og kommunikation på samme tid, og derfor koster den en eftermiddag og sparer et semester med diskussioner.

Alt nedenfor er dokumentet på kursusniveau for et enkelt modul, et kursus eller en faglig linje. Forudsætningen er, at du har besluttet, hvad du bedømmer; arbejdet her består i at sige det og få det til at holde.

Den korte version

1. Lav en fortegnelse over de bedømte opgaver, og spørg for hver af dem, hvad du specifikt bedømmer. Grænsen følger det svar.

2. Skriv reglen på trinniveau: brainstorming tilladt, formulering af læringsmål ikke. Udvælgelse af billeder tilladt, design af budskabet på slide-niveau ikke.

3. Sæt oversigten i studieordningen, den operationelle ordlyd i opgavebeskrivelsen, og sig reglen højt én gang på det tidspunkt, hvor den første gang gælder.

4. Navngiv ét standardsted og én form for deklaration, og hold prisen for at deklarere lavere end prisen for at skjule.

5. Håndhæv med arbejde, du kan observere: en promptlog, en øvelse i timen, en mundtlig redegørelse. Detektorscorer holdes uden for håndhævelsesvejen.

Begynd med de opgaver, du bedømmer

Den klareste gennemarbejdede metode er McCorkle (2025), som erstattede et generelt forbud, som de studerende ikke mente gjaldt for dem. Læs den fiasko korrekt: det var manglende sammenhæng frem for trods, og de studerende så sig ikke som uærlige. En regel, de allerede har besluttet ikke handler om dem, kan man ikke argumentere imod, kun ignorere.

McCorkles metode kører i fire gennemløb. Lav en fortegnelse over hver opgave i semestersprojektet, spørg for hver: »hvad bedømmer jeg specifikt?«, par hver opgave med en plausibel faglig brug af generativ AI, og beslut derefter opgave for opgave. Hver beslutning vejer behovet for at bedømme en færdighed mod værdien af at opbygge en kompetence, den studerende får brug for på arbejdet.

Outputtet er bevidst ujævnt. Brainstorming er tilladt; formulering af specifikke og målbare læringsmål er ikke. Udvælgelse af billeder er tilladt; design af budskabet på slide-niveau er ikke. Manuskripter og oplæsning er tilladt, med krav om evaluering af AI-outputtet. Skrevet ned ser listen vilkårlig ud, indtil man læser begrundelsen ved siden af hver linje, og derfor følger begrundelserne med reglerne.

Beslut, hvor streng du vil være, vel vidende hvad alle andre gør

To datapunkter fortæller, hvordan en normal politik ser ud i år, og begge er værd at tage med til det møde, hvor nogen foreslår et forbud.

En indholdsanalyse af 116 institutionelle GenAI-politikker fra 131 amerikanske R1-universiteter og 98 datalogi-studyordninger fra 54 af dem fandt, at institutionerne overvejende er for brug: 63 % tilskynder til GenAI-brug, 41 % tilbyder detaljeret vejledning til undervisningen, 27 % fraråder den. Halvdelen af studyordningerne (50 %) forbyder den direkte, 41 % tillader delvis brug til bestemte aktiviteter, og 7 % kommunikerer tilskyndelse. Ganguly et al. (2026) kalder dette gabet mellem top-down og bottom-up. 92 % af studyordningerne giver eksplicitte retningslinjer, men lokale regler driver væk fra den institutionelle vejledning, og kun 47 institutioner havde begge niveauer synlige. Kildeangivelse er det ene krav, begge niveauer er enige om, i 83 % af studyordningerne.

Chirikov (2026) fulgte over 31.000 studyordninger på et stort offentligt forskningsuniversitet i Texas fra 2021 til 2025. Reguleringen steg fra næsten nul før ChatGPT til 55 % af kurserne i efteråret 2025, mens fuldt restriktive politikker faldt med omkring 5 procentpoint om året. I efteråret 2025 begrænsede underviserne oftest udarbejdelse og revision (79 %) og ræsonnement og problemløsning (65 %). De tillod oftest redigering og korrekturlæsning (83 %), støtte til studiet og syntese (80 %) og kodning (75 %). Idéudvikling var den mest omstridte brug, med 46 % tilladelse og 54 % begrænsning.

Ordlyden flyttede sig med tallene. Omtaler af akademisk integritet faldt fra 63 % til 49 %, referencer til AI's effekt på læring steg fra 1 % til 29 %, og krav om kildeangivelse steg fra 16 % til 43 %. Feltet bevæger sig fra »snyd ikke« mod »her er hvorfor denne grænse beskytter din læring«, og den anden version er den, en studerende kan handle på.

To konsekvenser for dit dokument. At være strengere end din institution er normalt, og det er en forpligtelse, du påtager dig alene, fordi håndhævelsesomkostningen lander på dig. Et krav om kildeangivelse er næsten gratis, da fire femtedele af feltet allerede beder om det, og ingen studerende behøver gætte, hvad du mener.

Sæt hver regel, hvor den studerende møder den

Tre dokumenter, tre opgaver.

Studieordningen bærer den korte oversigt: opgaverne, den tilladte brug ved hver, hvordan deklarationen fungerer, og konsekvensen af en overskredet grænse. Én skærm, ingen filosofi.

Opgavebeskrivelsen bærer uddybningen. En enkelt oversigt er for grov til et komplekst projekt, og det er her, McCorkles ordlyd gjorde sit arbejde, i en begrundelse stilet til studerende i du-form, som navngav den bedømmelse, der lå bag hver begrænsning.

Lokalet bærer den første mundtlige udmelding. Sig reglen én gang, på det tidspunkt hvor den første gang gælder, knyttet til det arbejde, der ligger foran dem. En regel, en studerende møder alene, er en regel, de fortolker alene.

Deklarationsmekanikken har brug for sit eget afsnit, og det bør være det mest konkrete på siden. Studerende, der var med til at designe en kursuspolitik gennem vejledt udforskning, prioriterede oplæring af studerende og undervisere, standardiserede deklarationsprocedurer, stærkere institutionel støtte og større indflydelse på beslutninger om AI (Hingle og Johri (2026)). Sig hvordan, hvor og i hvilken form en studerende deklarerer brug, og sig det én gang.

Pisan (2026) fandt en stærkere version af samme greb: gør promptloggen til den bedømte artefakt. Når en model står for produktionen, er prompten og interaktionsloggen det, der er værd at versionere, så deklarationen holder op med at være papirarbejde og bliver belæg, den studerende opbygger.

Skriv kun regler, du kan anvende i én bedømmelsesrunde

En regel, der kræver overvågning per opgave, eller en vurdering af, hvornår en bedømmelse »begynder«, vil blive anvendt inkonsistent på tværs af et hold og på tværs af to bedømmere. Inkonsistens er et lighedsproblem, før det er et administrativt problem. Et regime bygget på detektorer tilføjer en overvågningsomkostning, der lander ujævnt, sammen med spørgsmål om fjernovervågning og dataopbevaring, som du måske ikke kan svare på på kursusniveau.

Nash og Burriss (2026) analyserede 27 klassrums-AI-politikker skrevet af lærerstuderende i engelsk. 26 af 27 tillod en vis AI-brug, næsten altid på lærerbestemte vilkår, tidspunkter og steder; én forbød den helt. Idéudvikling var den bredest tilladte brug (22 af 27) og den mest tvetydige. 22 forbød eller efterlod det uklart, om AI måtte sammensætte sætninger, afsnit eller opgaver. 16 tillod grammatikkontrol og korrekturlæsning, mens 16 forbød at producere store AI-genererede tekstmængder. Og 22 af 27 behandlede slet ikke læsning.

Det tilbagevendende problem var operationalisering. Én politik tillod AI »til at få din tænkning i gang« og erklærede »her skal grænsen trækkes« uden at sige, hvor grænsen var. Den tvetydighed gør studerende ude af stand til at efterleve reglen og dig ude af stand til at anvende en konsistent standard. Det er en mangel, ikke et kompromis.

Chirikovs fund om betydelig faglig og opgavemæssig variation taler for rammer, der giver undervisere autonomi inden for deres eget domæne frem for ét påbud til alle, hvilket også er den ærlige beskrivelse af, hvad en kursuspolitik er: en lokal vurdering inde i en bredere regel.

Der er en lighedsdimension her. Uigennemsigtige politikker forudsætter fælles baggrundsviden om forfatterskab, kildeangivelse og normerne for akademisk arbejde, så de rammer hårdest på studerende, der ankommer uden den. McCorkles case er, at gennemsigtighed demonterer en del af dette skjulte pensum og mindsker chancen for, at en politikfejl bliver en disciplinærsag.

Den billigste version af alt dette er få og specifikke: de opgaver, du bedømmer, den tilladte brug ved hver, deklarationsmekanikken og konsekvensen af en overskredet grænse, hver med sin begrundelse vedhæftet.

Sig det højt, og hold øje med, hvad du selv modelerer

Deklarationsregler virker ikke som compliance-mekanismer i sig selv, og at behandle dem, som om de gør, er den mest almindelige designfejl. I et mixed methods-studium af 409 bachelorstuderende fandt Qu og Wang (2026), at manglende deklaration var strategisk tilpasning til oplevede normer blandt medstuderende og lav fortolkende tillid til undervisere frem for moralsk forsømmelse. Oplevet deklaration blandt medstuderende og tryghed ved underviseren var de stærkeste prædiktorer for de studerendes egen deklaration; moralsk frigørelse havde svagere effekter.

Det efterlader dig to løftestænger, du faktisk kontrollerer: hvad studerende tror, deres medstuderende gør, og om de stoler på, at du læser en deklaration retfærdigt. Begge reagerer på, hvordan du taler om reglen i den første uge. Ingen af dem reagerer på, hvor streng ordlyden er.

Kim et al. (2026) fandt fem forskellige steder, hvor et kursus' reelle politik lever: underviserens intention, den formelle politik, de studerendes fortolkning, de studerendes egen politik og de studerendes praksis. Gabene mellem dem er systemiske. De katalogiserede også 23 rationaliseringer i seks klasser, som studerende brugte til at retfærdiggøre AI-brug i akademisk skrivning, fra »intet menneskeligt offer« til »underviserens ligegyldighed«. Rationaliseringerne var ad hoc og post hoc: studerende forklarede adfærd, der allerede var sket, frem for at ræsonnere på forhånd, og derfor lukker klarere ordlyd og hårdere detektion ikke gabet alene.

Én deltager, der gerne ville efterleve en streng nej-til-AI-regel, blev ved med at bruge AI og sagde, at forbuddet »skaber konflikt for mig, fordi jeg bryder reglerne«. Forbuddet intensiverede den moralske konflikt uden at forhindre brug. En regel, der producerer skyld uden compliance, nedbryder det forhold, du har brug for til deklarationen.

Hold også øje med, hvad du selv modelerer. De fleste opgaver i Pisans kursus deklarerede den prompt, der blev brugt til at generere dem, og én studerende læste den gennemsigtighed som tilladelse: »afhængigheden af ai fra læreren til bedømmelse og til at lave opgaver gjorde det også svært ikke at bruge ai til opgaver på samme måde.« At modelere en norm er en del af politikken, som studerende oplever den, uanset hvad studieordningen siger.

En erklæring, du kan tilpasse:

AI-brug i dette kursus. Jeg vil have, at du forlader dette kursus i stand til at gøre X selv, så jeg bedømmer X direkte. Du må bruge AI til [tilladte anvendelser] på [opgaveliste]; du må ikke bruge den til [begrænsede anvendelser], fordi det er dem, jeg bedømmer. Hvis du bruger AI nogen steder i dit arbejde, så fortæl mig i [enkelt navngivet sted, fx en deklarationslinje på hver aflevering], hvad du brugte den til, og indsæt prompterne. Det at deklarere det vil aldrig sænke din karakter. Det er undladelsen af at deklarere en brug, der får en konsekvens. Hvis du er i tvivl om, hvorvidt en anvendelse er tilladt, så spørg mig, før du afleverer, ikke efter.

Den sidste sætning flytter beslutningspunktet til før arbejdet, og det er det eneste punkt, hvor spørgsmålet er billigt at svare på.

Planlæg de fire samtaler, før de sker

Den studerende, der brugte AI og ikke sagde det. Håndter det som et proces-spørgsmål, ikke et karakterspørgsmål. Mohamed og Temimi (2026) modellerer bedømmelse som et problem med ufuldstændig information: den studerende ved, hvordan arbejdet blev produceret, og institutionen ser artefakten plus delvise spor. Deres svarregionmodel sammenligner tre svar, ingen AI-brug, deklareret brug og skjult brug, og spørger, hvilken hver mekanisme gør mest attraktiv. Forbud sætter den formelle grænse og efterlader skjult brug attraktiv, når studerende ser detektion som svag. Overvågning hæver den forventede pris for skjult brug uden at hæve deklarationen, så studerende bliver forsigtige uden at blive gennemsigtige. Tilladelse med deklaration gør ærlig rapportering levedygtig, men kun så længe prisen for ærlighed holdes lav.

I lokalet betyder det at spørge, hvad arbejdet skulle bedømme, bede den studerende redegøre for sin proces og læse en sen deklaration som information frem for en tilståelse.

Den studerende, der citerer AI for alt. Det er som regel et færdighedsgab i compliance-kostume. Krav om kildeangivelse steg fra 16 % til 43 % af studyordningerne, mens omtaler af akademisk integritet faldt fra 63 % til 49 %, så feltet beder om kildeangivelse frem for tilståelse. Specificér formatet én gang, i opgavebeskrivelsen frem for i en fodnote i studieordningen. Sig, hvordan tilstrækkelig kildeangivelse ser ud i dit fag, og giv ét gennemarbejdet eksempel. Hvor det egentlige problem er, at den studerende endnu ikke kan udføre det underliggende arbejde uden modellen, er svaret opgavedesignet.

Gruppearbejde. Fem studerende kan have fem fortolkninger af én sætning, og én aflevering bliver bedømt. For hver gruppeaflevering skal du beslutte og offentliggøre, om AI-brug er tilladt, hvem der deklarerer det, og hvad der sker, når et medlem går ud over reglen. Gør det, før projektet starter, mens det er et planlægningsspørgsmål. Hvis du ikke kan angive det individuelle bidrag, et medlem er ansvarlig for, så bedøm opgaven som rent gruppearbejde frem for at afgøre forfatterskab bagefter.

Deklaration, du ikke kan verificere. Nogle deklarationer vil være ufuldstændige, og nogle udeladelser kan ikke modbevises. Bassett et al. (2026) argumenterer for, at AI-detektion slet ikke bør bruges i uddannelse, ud fra tre grunde, der har betydning for ordlyden. Detektoroutput er et probabilistisk estimat, der ikke kan verificeres uafhængigt, fordi den reelle teksts oprindelse er ukendt, så validering hviler på cirkelslutning. Detektorscorer opfylder ikke det krav om sandsynlighedsovervægt, en integritetsundersøgelse skal opfylde. Og dikotomien menneske versus AI er meningsløs for arbejde skabt med AI frem for af AI. Deres konklusion er, at detektion »ikke beskytter akademisk integritet; den underminerer den«.

De peger på et formuleringsproblem, der er værd at kopiere ind i din revisionsrunde. Regler, der begrænser AI-brug »i bedømmelsen«, specificerer ikke, hvornår en bedømmelse begynder, så AI-assisteret research, planlægning eller redigering kan være eller ikke være en overtrædelse afhængigt af, hvem der læser. Navngiv procesbevis, du kan observere, i stedet: en indsendt prompt og interaktionslog, en øvelse produceret i lokalet, en mundtlig forklaring. Hvor din institution alligevel kører en detektor, gælder deres advarsler om datalagring, opbevaring og kommerciel brug af studerendes arbejde, og den privatlivsindvending, to lærerstuderende rejste, er den indvending, dine studerende vil rejse.

Hvad undervisere gør forkert her

En strengere politik er en sikrere politik. At være strengere end sin institution er almindeligt og forsvarligt, men håndhævelsesomkostningen er din, og en regel, du ikke kan anvende konsistent gennem en bedømmelsesrunde, er et lighedsproblem. Skær de regler væk, du ikke kan køre.

Et forbud er den korteste besked, der findes. I de 27 lærerstuderendes politikker sad tvetydigheden mest i de tilladende, og 22 af 27 behandlede aldrig læsning, så de studerende måtte gætte. Kim et al.s deltager efterlevede et forbud ved at bryde det og have det dårligt med det.

Deklaration er en compliance-mekanisme. Det er et signal, og signaler afhænger af tillid. Qu og Wang fandt, at normer blandt medstuderende og tryghed ved underviseren forudsagde deklaration bedre end moralsk ræsonnement.

En detektorscore afgør en omstridt sag. Den når ikke det krav, en integritetsundersøgelse skal opfylde, og den kan ikke skelne arbejde lavet med AI fra arbejde lavet af AI. Byg sagen på arbejde, du har observeret.

At skrive politikken er kommunikationen. Kim et al. fandt fem steder, hvor den reelle politik lever, og dit dokument er ét af dem. Den version, studerende handler på, er sammensat af det, du siger i timen, og det, du gør med dine egne materialer.

Hvad du bliver mødt med

»Studerende skjuler det bare.« Nogle gør, og designspørgsmålet er, hvilke studerende din regel frister. Afskrækkelse går gennem en detektors diskrimination mellem skjult brug og legitimt arbejde frem for dens rå fangstrate. Når øget følsomhed producerer flere nye falske positiver end nye sande positiver, kan stærkere overvågning gøre fortielse relativt mere attraktiv, fordi ærlige studerende straffes hurtigere, end skjulte brugere identificeres. Tilladelse og deklaration er separate løftestænger: tilladelse flytter grænsen for acceptabel brug, deklaration ændrer synlighed. Diagnostisér, hvor din opgave trækker den studerende, der er mest fristet til at fortie, og design for den studerende.

»Jeg vil ikke forbyde værktøjer, jeg ikke kan detektere.« Det behøver du ikke. Forbud er ét af fire designsvar, side om side med overvågning, tilladt brug med deklaration og redesign. Redesign ændrer, hvad opgaven belønner, og forbliver kosmetisk, hvis rubrikken stadig mest bedømmer slutproduktet. Pisan (2026) viser niveauerne gjort eksplicitte: AI er udelukket i det indledende programmeringskursus, fordi udlicitering af de første løkker fjerner det, der undervises i; tilskyndet i projekter i datastrukturer (Copilot tilladt) og udelukket fra eksamener på papir; et studie- og repetitionsværktøj i det videregående systemkursus; og påkrævet i selve AI-kurset, hvor én grænse bar det meste af vægten. Modellen må skrive kode, og refleksioner skal være i den studerendes egen stemme. Eksamener blev fjernet helt, og bedømmelsen flyttede til arbejde, en model ikke stille kan spøgelsesskrive.

»Min institutions politik dækker allerede dette.« Mindre, end du tror. Gabet går begge veje: 92 % af studyordningerne giver eksplicitte retningslinjer, lokale regler driver væk fra den institutionelle vejledning, og kun 47 institutioner havde begge niveauer synlige. Indkøb, data og revisionscyklusser hører til Hvordan skriver og implementerer vi en institutionel AI-politik?, men oversættelsen til klasseværelset er din. Nash og Burriss konkluderer, at institutioner skal ruste lærere til at modsætte sig såvel som at adoptere, med den vejledning og faglige udvikling, der lader en underviser afvise en bestemt AI-brug uden at blive fremstillet som bagud. Deres deltageres teknodeterminisme modsagde deres egne pædagogiske forpligtelser. En institutionel politik er ikke dækning for din egen vurdering.

»Jeg har ikke tid til at skrive studieordningen om i denne måned.« Kør fortegnelsen én gang på den opgave, der bekymrer dig, og tag outputtet direkte ind i opgavebeskrivelsen. Sætningen i studieordningen kan vente til næste revisionscyklus. Studerende handler alligevel på opgavebeskrivelsen.

Det kan du gøre i denne uge

1. Lav en fortegnelse over de bedømte opgaver, og skriv »hvad bedømmer jeg specifikt?« ved siden af hver af dem, før du beslutter noget om AI.

2. Beslut opgave for opgave, og tjek, hvilket svar hver beslutning gør mest attraktiv for den studerende, der er mest fristet til at fortie.

3. Skriv deklarationssætningen: ét sted, ét format, ét gennemarbejdet eksempel på tilstrækkelig kildeangivelse.

4. Navngiv det belæg, du vil acceptere i en tvist (promptlog, arbejde i timen, en mundtlig redegørelse), og drop enhver regel, du ikke kan teste imod det.

5. Sig reglen højt i næste time, på det tidspunkt hvor den første gang gælder, med en begrundelse ved hver begrænsning.

Videre herfra

Styring, datapolitik, indkøb og revisionscyklusser hører til Hvordan skriver og implementerer vi en institutionel AI-politik?; påbudte institutionelle og kommunale regler ligger hos Educational AI Policy og AI Governance. At genopbygge opgaven, så en karakter stadig understøtter en forsvarlig slutning, hører til Hvordan redesigner jeg bedømmelsen, så en karakter stadig siger noget forsvarligt om, hvad den studerende ved eller kan?, håndhævelsesargumentet står i Hvordan kan jeg reducere AI-snyd i mit kursus?, detektorbeslutningen i Skal vi bruge AI-detektorer?, og etiketskemaet i A bit of chaos and madness: The AI Assessment Scale and the work of assessment reform.