Skal vi bruge AI-detektorer?

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

En detektorscore kommer tilbage markeret på en besvarelse, du allerede har læst to gange, eller en kollega vil have værktøjet slået til inden næste essayfrist, eller et integritetsudvalg beder dig forsvare en afgørelse, der hviler på en procentdel. Nogen i lokalet vil sige, at scoren kun er ét stykke bevis. Det, du beslutter, er snævrere end den argumentation, der følger den: om dette tal overhovedet kan bære vægt i en sag om uredelighed, og hvad du sætter i stedet, hvis det ikke kan.

Det korte svar, du kan gentage på mødet: en detektorscore kan ikke bære en afgørelse, fordi den ikke kan valideres mod en grundsandhed, ikke kan underkastes krydsforhør, og ikke opfylder kravet om overvejende sandsynlighed. Dens fejl gentager sig i mønstre, og de rammer hårdest de ærlige skribenter, der redigerer let, og de studerende, der skriver på et andet sprog. Spørg i stedet, om en studerende kan demonstrere forståelse af det, vedkommende har afleveret, og finansier den kapacitet.

Den korte version

1. Skriv ind i politikken, at detektoroutput aldrig udløser en konsekvens, aldrig står alene og aldrig bærer en afgørelse. Skriv det i selve politikdokumentet, hvor et udvalg kan finde det, når notatet er væk.

2. Erstat »brugte du AI?« med »kan du vise mig, at du forstår det her?« Brug en kort samtale, et tidligt udkast eller en optaget forklaring.

3. Læg et autentificeret eller uhjulpet trin ind i hver opgave med høje indsatser, dimensioneret efter den rettekapacitet, du faktisk har.

4. Bed leverandøren om fejlrater på skrift, og forsøg derefter at reproducere dem på dine egne besvarelser. Vanderbilt forsøgte det og slukkede for værktøjet.

5. Flyt pengene fra en detektionslicens til verifikationskapacitet og vejledning. Det er dertil, den dokumenterede klage fra underviserne peger.

Afgør, om du har en afgørelse eller et spørgsmål

Det er to forskellige opgaver, og de hviler på forskellige beviser. En afgørelse kræver beviser, der opfylder kravet om overvejende sandsynlighed, og en detektorscore når ikke dertil på egen hånd. Den kan ikke valideres mod en grundsandhed, fordi ingen i virkelige besvarelser ved, hvordan teksten er blevet til, så valideringen bliver cirkulær, og raterne for falske positive og falske negative betyder kun noget inde i en kontrolleret test. Værktøjet offentliggør ingen tærskler og ingen træningsdata og tillader ingen uafhængig replikation, hvilket efterlader en markeret studerende uden noget at svare og dig uden noget at forklare (Heads We Win, Tails You Lose: AI Detectors in Education, Detecting the Undetectable? Reassessing Academic Misconduct Procedures in the Era of Generative AI).

At kombinere scoren med andre signaler reparerer ikke dette. Sproglige markører, stilistiske sammenligninger, LLM-vurderinger og en studerendes tavshed giver stadig tilsammen mindre end standarden. Tavsheden er den, man skal holde øje med: studerende har ret til at afvise at svare, og en afvisning tipper ikke vægten. Det, du med rette kan spørge om, er, hvorvidt den studerende kan demonstrere den læring, som vurderingen hævder at måle, og et mundtligt svar besvarer det på en måde, som en lighedsscore aldrig vil (Heads We Win, Tails You Lose: AI Detectors in Education).

Det binære er også det forkerte spørgsmål. Studerendes arbejde bliver ofte til med AI, hen over et hybridt kontinuum, og politikker, der siger »i vurderingen«, definerer sjældent, hvornår en vurdering begynder, hvilket overlader vurderingen til den, der først læser filen (Heads We Win, Tails You Lose: AI Detectors in Education).

Under det hele ligger et problem med referencedata. Detektorer trænes og testes på menneskelig tekst fra før generativ AI, og Turnitins egen validering brugte 700.000 opgaver fra før 2019. Det korpus antages at repræsentere nutidig studenterprosa, en antagelse som ingen har verificeret, og som forskubber sig ved hver modeludgivelse (Heads We Win, Tails You Lose: AI Detectors in Education).

Se på nøjagtighedstallene, før du citerer ét

Den stærkeste kontrollerede test i vidensbasen undersøgte 642 offentliggjorte engelske abstracts fordelt på fire domæner og to tidsperioder. Ved en tærskel på 0,50 markerede to kommercielle detektorer retningslinjekonform let AI-redigering med 38-80 %, markerede uændrede originaler fra 2023-25 med 9-15 % (ikke-STEM langt over STEM, p<0,001), og når teksten først var kørt gennem en humaniseringstjeneste, fangede de under 4 % af AI-mærkede omskrivninger, en falsk-negativ-rate over 96 %. Forfatterne kalder det et integritets-catch-22: de studerende, der oplyser og redigerer let, er dem, værktøjet fanger, og de studerende, der går efter at omgå det, er det ikke. Deres anbefaling er eksplicit: detektorscorer bør aldrig tjene som selvstændigt bevis for uredelighed (Why AI Detection Fails for Academic Integrity).

Et uafhængigt Benchmark når samme sted fra en anden retning. Ingen af 14 værktøjer nåede 80 % nøjagtighed, og simpel parafrasering, mindre redigering eller en humaniseringstjeneste halverer omtrent endda den ydeevne. Ved realistiske basisrater overstiger falske positive de sande positive (Detecting the Undetectable? Reassessing Academic Misconduct Procedures in the Era of Generative AI).

Fangstrater ved fuld generering er værre, end overskriftstallene for fejl antyder. I et skjult feltstudie injicerede forskere fuldt AI-genererede besvarelser i et levende online eksamenssystem på tværs af fem psykologimoduler: 94 % gik uopdaget, og AI-arbejdet scorede i gennemsnit højere end de rigtige studerende. Kontraktfusk havde allerede vist det samme strukturelle problem, da det ikke efterlader noget pålideligt spor at finde (Detecting the Undetectable? Reassessing Academic Misconduct Procedures in the Era of Generative AI).

Nøjagtigheden flytter sig også med opgaven. Da forskere testede, om generativ AI kan genkende sit eget output, var resultaterne pålidelige for programmering og længere reflekterende skrivning og dårlige for korte svar, hvor modellen ofte vurderede sin egen tekst som mere menneskelig end autentisk studenterarbejde. Mindre variationer i prompten reducerede nøjagtigheden markant (Distinguishing Artificial from Authentic: Evaluating LLMs for Detecting LLM-Generated Content). En tærskel, der holder for én opgave, vil fejle på en anden, og du ved ikke hvilken, før klagesagen kommer.

Så er der udløbsdatoen. Et studie fra 2026 omformulerer detektion som et adaptationsproblem: et black-box-omskrivningsangreb bragte den kommercielle detektor Pangram ned på en balanceret nøjagtighed på 63,5 % og en AI-recall på 27,0 %, og en detektor trænet på Llama 3.3 70B Instruct nåede kun 55 % recall på abstracts fra en nyere model. Test-tids-adaptation genvandt 94,4 % balanceret nøjagtighed og 99 % recall på den samme tekst, hvilket er den opmuntrende halvdel. Samme artikel viser, hvad rettelsen koster: i takt med at simuleret LLM-udbredelse spreder sig, forfalder en fast superviseret detektors recall på menneskelig tekst fra 85,9 % til 73,4 % hen over årtiet. Dens udløbsbetingelse er formuleret direkte: balanceret nøjagtighed kan ikke overstige halvdelen af én plus totalvariationsafstanden mellem menneske- og AI-fordelingerne, så en konvergens af de to ville besejre enhver læringsbaseret detektor. En valideret score holder, indtil modellerne flytter sig, og de flytter sig hver få måneder (Hitting a Moving Target: Test-Time Adaptation for AI Text Detection under Continual Distribution Shift).

Og maskinen har aldrig tydeligt slået en omhyggelig læser. Leaton Gray, Edsall og Parapadakis (2025) rapporterer maskindetektion af AI-tekst eller parafraseret tekst på omkring 80 % mod 78,4 % for menneskelige bedømmere og citerer evidens for, at AI-genereret tekst er passeret som menneskeskrevet i op til 80 % af tilfældene. Den margen forsvinder ind i det fejlbånd, mennesket allerede bringer, og den er for tynd til at bære en afgørelse (AI-based digital cheating at university, and the case for new ethical pedagogies).

Find ud af, hvis arbejde fejlen lander på

De træk, detektorer læser som signaler om AI, altså tæthed af lange tokens, frekvens af akademiske ord og ensartet stil, er også træk ved kompetent andetsprogsskrivning. Fejlklassificering følger derfor sproglig baggrund snarere end adfærd, hvilket gør dette til et spørgsmål om lighed, før det er et teknisk (Detecting the Undetectable? Reassessing Academic Misconduct Procedures in the Era of Generative AI).

Den skævhed viser sig også uden for engelsk. En benchmark med 3.811 passager, hvis forfatterskab før ChatGPT kan bevises fandt, at fem offentligt tilgængelige detektorer trænet på engelsk, kørt som udgivet, markerer 81,4 % af menneskelige kasakhiske passager (TMR RoBERTa) og 79,6 % af offentliggjorte kasakhiske studenteropgaver (Desklib DeBERTa), med 25,5 % for Fakespot, og at omkalibrering til en falsk-positiv-rate på 1 % til gengæld fanger højst 1,3 % af maskintekst. Studiet eget forbehold betyder noget, når du citerer det: de menneskelige passager er offentlig tekst fra før ChatGPT, som den blev fundet, og ikke studenteropgaver, så dets uddannelsesrater er de mindst sikre tal, det rapporterer (Unchecked or Falsely Accused? Evaluating AI-Generated Text Detectors on Kazakh).

Faglighed tilføjer en anden akse. Ikke-STEM-abstracts blev markeret langt over STEM-abstracts i studiet med 642 abstracts, hvilket afspejler disse fags skrivekonventioner og ikke deres forfatteres adfærd (Why AI Detection Fails for Academic Integrity). To meget brugte kommercielle værktøjer målte 0,69 og 0,61 i nøjagtighed i én sammenligning, og begge fejlede på hybrid menneske-AI-tekst (Evaluating the accuracy and reliability of AI content detectors in academic contexts, Who wrote this? Evaluating the reliability of AI detection tools in higher education). En detektor er en stiltest, og den stil, den straffer, følger sproglig baggrund, faglighed og register. Ingen af disse er et faktum om, hvorvidt en studerende brugte AI, og alle er de et faktum om den studerende. Det bredere mønster er dokumenteret i Forskellige effekter på tværs af lærergrupper.

Noget af omkostningen viser sig før enhver høring. Fordi formelle processer kræver detektionskvalificeret bevis, som funktionelt ikke findes, ender underviserne med det, én praktikerberetning kalder »mistanke uden adgang til at handle«, mens studerende rationaliserer deres egen brug, og sagsmapperne går i stå (The Best Response to Student AI Use Is Not Detection, It Is Dialog). Omkostningen ved tillid lander på den relation, processen afhænger af.

Skift det spørgsmål, du stiller den studerende

Grand Canyon University gik fra »Brugte denne studerende AI?« til »Kan denne studerende demonstrere forståelse af det, vedkommende har afleveret?« ved hjælp af korte samtaler, tidlige udkast og optagede forklaringer, implementeret på hele institutionen i efteråret 2025. Argumentet er praktisk: undervisere er allerede kvalificerede til at vurdere forståelse, og skiftet giver dem deres autoritet tilbage i stedet for at lade dem vente på bevis, der aldrig kommer (The Best Response to Student AI Use Is Not Detection, It Is Dialog).

Det ændrer også, hvad en studerende kan stille op med beskyldningen. Bliver vedkommende vist bekymringen og bedt om at forklare den, kan den studerende løse den. Bliver vedkommende vist en procentdel, kan den studerende kun benægte den.

Kør samtalen, så den holder ved en gennemgang

Behandl en verifikationssamtale som et trin i processen, med underretning og et referat, så holder den, når nogen læser mappen et semester senere.

Begynd med underretningen. Fortæl den studerende med klare ord, hvad der gav anledning til bekymringen, og sig, hvad samtalen skal bruges til. Kom bekymringen fra en detektorscore, så sig det, og sig, at scoren ikke er en afgørelse. Fortæller du en studerende kun, at vedkommende er anklaget for snyd, bliver mødet et forsvar for karakteren snarere end en redegørelse for arbejdet.

Spørg derefter ind til selve arbejdet. Hvilken påstand forsøgte du at fremføre i dette afsnit. Hvor kom dette belæg fra. Hvorfor organiserede du det på denne måde. Hvad valgte du fra. En studerende, der skrev stykket, kan svare på beslutningsniveau. Den studerende, der ikke skrev det, vil svare på emneniveau, og forskellen viser sig hurtigt, uden at nogen behøver at bevise hensigt.

Hold retten til tavshed intakt. At afstå fra at svare indrømmer intet, og en procedure, der behandler afvisning som en tilståelse, holder ikke ved en klage. Skriv ned, hvad der blev spurgt om, hvad der blev svaret, og hvad der blev afvist.

Slut med en afgørelse, du kan formulere uden scoren. Enten demonstrerede den studerende den forståelse, som vurderingen måler, eller der er en separat, indholdsmæssig bekymring om arbejdet, som du kan beskrive med dine egne ord. Er ingen af delene tilfældet, slutter mappen der. Det udfald er et normalt udfald og bør skrives ned som sådant, fordi en proces, der kun nogensinde registrerer skyld, lærer det næste udvalg, at mistanke er det samme som en afgørelse.

Læg et trin ind i opgaven, som værktøjet ikke kan udføre

Asynkrone mundtlige vurderinger, bygget som just-in-time-prompts med korte, tidsbegrænsede optagede svar bedømt mod indlejrede rubrikker, klarede sig sammenligneligt med fysiske multiple-choice-eksamener i ét studie og signifikant bedre i et andet, hvor studerende rapporterede mere aktiv forberedelse og højere oplevet faglig relevans. For en Administrators er den egenskab, der betyder noget, at dette skalerer uden eksamensvagt (Asynchronous Oral Assessments: Enhancing Integrity, Engagement, and Communication in the AI Era).

At redesigne opgaven gør mere arbejde end at hærde kontrollen. Et casestudie af bachelorstuderende i økonomi fandt, at kun omkring en tredjedel rapporterede nogen AI-brug, med åbenhed endnu sjældnere, og læste manglende åbenhed som rationel forsigtighed under en tvetydig politik snarere end som uærlighed. De samme studerende foretrak virkelighedsnære, databaserede opgaver som løsningen (Beyond Detection: How Students Use—and Hide—AI in Online Assessments and What Authentic Tasks Can Do About It). At forvente, erklære og granske AI-brug slår at føre kontrol med det, fordi autenticitet skal designes og ikke håndhæves (Beyond Detection: Redesigning Authentic Assessment in an AI-Mediated World).

To beslutninger følger. Størrelsen kommer først. Et kort mundtligt tjek på hver større aflevering er overkommeligt på et seminar. I et foredrag med tre hundrede er etaperede udkast og et stikprøvetjek af afvigende arbejde det, der overlever uge ti. Vælg den version, du stadig kan gennemføre i den sidste uge af semesteret med de rettetimer, du har, fordi et autentificeret trin, der bryder sammen under belastning, efterlader dig tilbage med artefaktet.

Pointene kommer derefter. Hvis en begrundelse, en udkastshistorik eller en refleksion over et forkastet AI-forslag ikke giver point, bliver den produceret på fem minutter og læst af ingen, og studerende vil optimere mod den del, der bedømmes. Giv det nok vægt til, at det koster mere at springe trinnet over end at gøre det.

Gør åbenhed til det billige valg

Vage eller straffende politikker driver hemmeligholdelse. Konkrete deklarationsrammer knyttet til kognitive stadier, parret med en forsikring om, at sandfærdig åbenhed ikke straffes, får mere information ud af studerende end overvågning gør (Addressing student non-compliance in AI use declarations: implications for academic integrity and assessment in higher, "Should I Tell My Teacher?" Student AI Disclosure Practices, Stigma, and Self-Regulated Learning in Higher Education). Designspørgsmålet er, hvilken reaktion dine regler gør lettest for den studerende, der friskes til at skjule noget, og en regel, der behandler en deklaration som en tilståelse, har svaret dårligt.

Formuleringerne gør det meste af arbejdet her. En deklaration, der beder studerende sætte et kryds og derefter ligger ulæst i et afleveringssystem, lærer dem, at åbenhed er teater, og det næste hold lærer det hurtigere. En deklaration knyttet til et trin i arbejdet, som spørger, hvad værktøjet blev brugt til på det trin, og hvad den studerende gjorde med outputtet, giver dig noget, du faktisk kan læse, og giver den studerende en grund til at være præcis.

Skriv de klausuler, der holder dig ude af en høring

Eksponering begynder sjældent som en retssag. Den dukker først op som en intern klage eller en klage til tilsynsmyndigheden, og det første, der testes, er proceduren. Retfærdig sagsbehandling kræver, at den studerende får besked om anklagen og får mulighed for at svare, før der træffes nogen afgørelse, og den mulighed er typisk et undersøgelsesmøde eller et udvalgsinterview, hvis referat bliver bevis. Afgørelser, der nås uden dette trin, er sårbare, selv hvor den underliggende mistanke var rimelig (How strong is the evidence in generative AI-related academic misconduct allegations? A mixed-methods analysis).

Bevisstandarder kommer derefter. Afgørelser om uredelighed kræver beviser, der opfylder kravet om overvejende sandsynlighed, og hvis din sag ikke kan formuleres uden detektorscoren, er sagen svag på sin egen overflade (Heads We Win, Tails You Lose: AI Detectors in Education). Hvor sagen hviler alene på stil, hører en mundtlig verifikationsvej hjemme i proceduren og ikke i udvalgsformandens velvilje.

Rækkevidden er det tredje. Generelle AI-forbud, der ikke skelner transskription og OCR fra generativ udformning, kan fjerne et hjælpemiddel, som studerende med tilstande, der påvirker motorisk kontrol, håndskriftens læsbarhed eller præcision i tastning, er afhængige af, og flere af disse er blevet udfaset, mens AI-transskription har fyldt hullet. Det er juridisk eksponering såvel som upræcision (Transcription is not generation: Distinguishing non-generative AI tool use from academic misconduct in higher education assessment). Nævn hjælpemidler og transskriptionsværktøjer i politikteksten.

Indkøb er det fjerde. Detektorer lagrer studerendes arbejde på tredjepartsservere, nogle gange i udlandet under svagere databeskyttelse, hvilket sætter brud, opbevaring og videre kommerciel brug på din institutions risikoregister snarere end på leverandørens markedsføringsside. Vilkårene bør dække opbevaring, brug til modeltræning, lagerplacering, underretning ved brud og klagerettigheder (Heads We Win, Tails You Lose: AI Detectors in Education). Vidensbasens redegørelse for den juridiske eksponering findes i juridiske spørgsmål og risici, og den er ærlig om sine grænser: den dokumenterer procedurer, bevistyper og instrumentets reliabilitet, ikke afgjorte retssager.

Det, der sænker risikoen, er proceduremæssigt. Behandl aldrig output som selvstændigt bevis eller som automatisk udløser. Dokumentér den standard, din proces anvender. Giv underretning og en reel mulighed for at svare til protokols. Tilbyd verifikation, når sagen hviler på stil. Behold revisionssporet, der viser, at det hele skete.

Test formuleringerne mod fire tilfælde

Politiksprog fejler på de tilfælde, ingen forestillede sig, da det blev skrevet. Kør disse fire gennem dit udkast, før det går til udvalget, og notér, hvor teksten ikke har et svar.

En studerende, der kørte et udkast gennem et oversættelsesværktøj. Politikken skal sige, om oversættelse tæller som AI-brug, og om det tæller ens for en studerende, der skriver på et andet sprog, som for en, der skriver på sit første. Er den tavs, vil udvalget improvisere, og improvisation er, hvor lighedsargumentet begynder.

En, der brugte AI til at lave en disposition og selv skrev hvert afsnit. Under en regel, der spørger, om AI rørte ved arbejdet, er denne studerende i samme kategori som en, der genererede hele besvarelsen. Under en regel knyttet til trin er vedkommende det ikke, og du kan sige hvorfor. Den forskel er konstruktet, og politikken skal navngive det.

En, der genererede teksten og ikke kan forklare den. Det er det tilfælde, din proces er bygget til, og det er det, der løses uden en detektorscore.

En studerende, der bruger transskription, fordi tastning er upålidelig. Nævn hjælpemidler som en separat kategori med sin egen vej, så en tilpasning ikke bliver en anklage.

Hvad administratorer tager fejl af ved detektorer

En leverandørs offentliggjorte falsk-positiv-rate er et risikotal, du kan budgettere efter. Vanderbilt licenserede en detektor, der annoncerede en falsk-positiv-rate på 1 %, og forsøgte derefter at validere tallet og kunne ikke. Ved 75.000 årlige afleveringer indebar 1 % omkring 750 fejlmærkede studerende. Universitetet slukkede for værktøjet (Detecting the Undetectable? Reassessing Academic Misconduct Procedures in the Era of Generative AI). En rate, du ikke kan reproducere på dit eget korpus, er et markedsføringstal, og de fejlmærkede studerende er stadig dine at håndtere.

Detektion afskrækker de studerende, der ellers ville snyde. Afskrækkelse går gennem detektorens evne til at skelne skjult brug fra legitimt arbejde, ikke gennem dens rå fangstrate. Når øget følsomhed producerer flere nye falske positive end nye sande positive, gør stærkere overvågning det relativt mere attraktivt at skjule sig, så du bruger troværdighed på studerende, der ikke gjorde noget forkert, hurtigere, end du identificerer dem, der gjorde (Assessment Design Under Imperfect Information: Generative AI, Disclosure, and Student Response in Higher Education). Krou m.fl.s metaanalyse, citeret i samme review, finder, at self-efficacy korrelerer negativt med snyd, mens faktisk evne slet ikke korrelerer omvendt med det, så dygtige studerende kan snyde, når de vurderer, at bedømmelsen er uretfærdig. Detektion er hverken et pålideligt instrument eller en indlysende afskrækkelse (AI-based digital cheating at university, and the case for new ethical pedagogies).

En score plus et par indikatorer giver tilsammen en sag. Det gør de ikke. Standarden er beviser, der opfylder kravet om overvejende sandsynlighed, og scorer kombineret med markører, stilistiske sammenligninger, LLM-vurderinger eller tavshed når stadig ikke dertil. En test værd at anvende er, om du ville sige ræsonnementet højt i en høring (Heads We Win, Tails You Lose: AI Detectors in Education).

En detektorlicens koster mindre end at redesigne bedømmelsen. Licensen er den mindste post, og den bærer databeskyttelseseksponering, indkøbsarbejde og en permanent strøm af klager bygget på et instrument, hvis fejl er mønstret efter sproglig baggrund. Undervisere beskriver oplevelsen som »mistanke uden adgang til at handle«, så den budgetpost, der ændrer udfald, er verifikationskapacitet og vejledning (The Best Response to Student AI Use Is Not Detection, It Is Dialog).

Et generelt forbud beskytter institutionen. Regler, der favner for bredt, kan fjerne en tilpasning og indbyde det diskriminationsargument, du forsøgte at undgå, fordi fejlen, de producerer, er koncentreret på identificerbare grupper i stedet for jævnt fordelt (Transcription is not generation: Distinguishing non-generative AI tool use from academic misconduct in higher education assessment, Evaluating the accuracy and reliability of AI content detectors in academic contexts).

Hvad du vil få tilbage

»Vores leverandør annoncerer en falsk-positiv-rate på 1 %.« Vanderbilts licenserede detektor hævdede præcis det, og påstanden overlevede ikke universitetets forsøg på at validere den. Uafhængige benchmarks placerer intet værktøj over 80 % nøjagtighed (Detecting the Undetectable? Reassessing Academic Misconduct Procedures in the Era of Generative AI). Bed om valideringsstudiet og det korpus, det kørte på, og bed derefter om at køre det selv.

»Vi bruger det kun som ét stykke bevis.« Standarden er beviser, der opfylder kravet om overvejende sandsynlighed, og en score kombineret med markører, stilistiske sammenligninger, LLM-vurderinger eller tavshed opfylder den stadig ikke (Heads We Win, Tails You Lose: AI Detectors in Education). Ville udvalget ikke acceptere ræsonnementet sagt højt, bør mappen ikke indeholde det.

»Hvis vi holder op med at detektere, vinder snyd.« Snyd kommer allerede forbi disse værktøjer. 94 % af injicerede AI-besvarelser passerede en levende onlineeksamen uopdaget, humanisering besejrer detektion mere end 96 % af tiden, og kontraktfusk efterlod allerede intet pålideligt spor. Det, detektorer faktisk fanger, med målt pålidelighed, er ærlig let redigering og ikke-modersmålsprosa (Detecting the Undetectable? Reassessing Academic Misconduct Procedures in the Era of Generative AI, Why AI Detection Fails for Academic Integrity).

»Vi bruger det kun internt, til at starte en samtale.« Det er den mindst skadelige brug, og den koster stadig noget, fordi de studerende, der er mest tilbøjelige til at blive markeret, er dem, der er mindst tilbøjelige til at misbruge AI. Mistanken lander altså på de forkerte mennesker, før nogen samtale begynder (Detecting the Undetectable? Reassessing Academic Misconduct Procedures in the Era of Generative AI). Grand Canyons svar var at holde helt op med at begynde fra mistanke (The Best Response to Student AI Use Is Not Detection, It Is Dialog).

»En studerende med rent mel i posen har intet at frygte.« Studiet med 642 abstracts fandt konform let redigering markeret med 38-80 % ved en tærskel på 0,50, og den kasakhiske benchmark fandt 81,4 % og 79,6 % af beviseligt menneskelige passager markeret af udgivne detektorer (Why AI Detection Fails for Academic Integrity, Unchecked or Falsely Accused? Evaluating AI-Generated Text Detectors on Kazakh). En ren historik giver ingen beskyttelse, når signalet er stil. Det er også grunden til, at de kasakhiske forfattere selv flagger deres uddannelsesrater som det svageste tal i studiet, og til at du ikke bør citere dem som en studenteropgave-rate.

»Kan vi ikke bare kræve en deklaration og behandle en manglende som skyld?« En manglende deklaration er ikke bevis for skjult brug, og behandler man den som det, bliver hemmeligholdelse rationelt. Konkrete rammer knyttet til kognitive stadier, med sandfærdig åbenhed beskyttet mod straf, udtrækker mere information end overvågning gør (Addressing student non-compliance in AI use declarations: implications for academic integrity and assessment in higher, "Should I Tell My Teacher?" Student AI Disclosure Practices, Stigma, and Self-Regulated Learning in Higher Education). Evidensen på denne side handler om, hvad der frembringer åbenhed. Den siger intet om, hvor meget snyd en deklarationsordning forhindrer.

Hvad du kan gøre i denne uge

1. Åbn din procedure for uredelighed og find hvert sted, hvor en detektorscore kan udløse et trin. Skriv én sætning, der fjerner udløseren, og tag den med til den, der ejer dokumentet.

2. Skriv til leverandøren og bed om det valideringsstudie, der ligger bag den annoncerede fejlrate, og spørg, hvilket korpus det brugte.

3. Vælg din opgave med de højeste indsatser, og tilføj et autentificeret trin, du kan rette på den tid, du har.

4. Skriv de tre spørgsmål, du vil stille en markeret studerende, og begynd med, hvad vedkommende forsøgte at argumentere for, og hvordan vedkommende tjekkede det.

5. Send indkøbs- og tilgængelighedsklausulerne til det kontor, der underskriver kontrakter, med vilkårene om opbevaring, træningsbrug og brud skrevet ud.

Hvor du kan gå videre

Følgesiden til designsiden er Hvordan kan jeg reducere AI-snyd på mit kursus?, og at redesigne bedømmelsen i AI-tiden fører bedømmelsesargumentet videre. Kurspolitik for AI dækker, hvordan man formulerer og kommunikerer en kurspolitik, og AI-kompetence dækker, hvad studerende skal vide for at arbejde med disse værktøjer uden at miste selve arbejdet. Begrebsiderne bag argumentet er akademisk integritet, lighed i AI-uddannelse og juridiske spørgsmål og risici; de detektionsspecifikke klausuler ovenfor er det institutionelle lag af uddannelsespolitik for AI.