AI उपयोग और प्रकटीकरण विवरण

इस पृष्ठ पर

यह अंग्रेज़ी पेज का ऑटोमैटिक अनुवाद है और इसकी अभी तक किसी मूल भाषी ने समीक्षा नहीं की है।

AI उपयोग और प्रकटीकरण विवरण — वे नीतियाँ, घोषणाएँ और प्रथाएँ जिनके माध्यम से शिक्षार्थियों से शैक्षणिक कार्य में जेनेरेटिव AI के उपयोग की सूचना देने के लिए कहा जाता है (या वे स्वयं ऐसा चुनते हैं)। इन्हें AI उपयोग घोषणाएँ, AI प्रकटीकरण विवरण, या पारदर्शिता विवरण भी कहा जाता है; ये तंत्र शैक्षणिक इमानदारी, नैतिकता, भरोसा और AI युग के मूल्यांकन के प्रतिच्छेदन में स्थित हैं। ज्ञान आधार का अनुसंधान दिखाता है कि प्रकटीकरण किसी भी तरह से तटस्थ प्रशासनिक औपचारिकता नहीं है: इसे दंड के भय, अस्पष्ट नीतियों, असंगत प्रवर्तन, साथियों के मानदंडों, कलंक और स्व-अभियोग की मनोवैज्ञानिक लागतों द्वारा आकार दिया जाता है — और यह स्व-नियंत्रित अधिगम और सहायता खोजना के साथ गहराई से जुड़ा हुआ है।

विचार के लिए प्रश्न

यदि आप एक ऐसे छात्र हों जिसने किसी असाइनमेंट के लिए जेनेरेटिव AI का उपयोग किया हो, तो क्या आप अपने शिक्षक को बताएँगे? यह पेज बताता है कि ईमानदार उत्तर गहराई से भय से प्रभावित है — अनुसंधान पाता है कि प्रकटीकरण दुर्लभ है, जो 'दंड-चिंता' और स्व-अभियोग की चिंता से प्रेरित है। आपके अपने प्रकटीकरण व्यवहार के बारे में किन धारणाओं को आपको सवाल में उठाना पड़ सकता है?
यहाँ का केंद्रीय डिज़ाइन प्रश्न यह है कि प्रकटीकरण निगरानी का काम करता है या नैतिक सहभागिता का एक सहारा। पढ़ने से पहले, आपने किस धारणा से यह निर्धारित किया कि कोई प्रकटीकरण प्रपत्र क्या करने का प्रयास कर रहा है — और क्या आप कोई तरीका सोच सकते हैं जिसमें वही प्रपत्र इसके विपरीत उद्देश्य की पूर्ति कर सकता है?
एक उल्लेखनीय निष्कर्ष यह है कि जिन छात्रों ने हमेशा प्रकटीकरण किया, उनके खिलाफ नकल के आरोप लगने की संभावना तीन गुना से अधिक थी — पारदर्शिता ने संदेह को आमंत्रित किया। यदि ईमानदारी संदेह बढ़ा सकती है, तो यह इस बारे में क्या कहता है कि हमें छात्रों और शिक्षकों के बीच विश्वास कैसे तैयार करना चाहिए?
यह पेज अनिवार्य अनुपालन तंत्रों को उन रचनात्मक प्रकटीकरण प्रथाओं से अलग करता है जो AI साक्षरता और स्व-नियंत्रण का निर्माण करती हैं। आपके अनुसार आपके संस्थान के दृष्टिकोण में इनमें से कौन-सी सबसे अधिक मौजूद है, और वह दूसरे में बदलने के लिए क्या बदलाव आवश्यक होगा?
अनुसंधान छिपाने को अनुकूल नहीं (मलअडेप्टिव) स्व-नियंत्रण से जोड़ता है, और प्रकटीकरण को अनुकूल सहायता-मांग से — आपका AI उपयोग दृश्यमान बनाना शिक्षक से उपयोगी संरेखण (कैलिब्रेशन) आमंत्रित कर सकता है। आपने (शिक्षार्थी या शिक्षक के रूप में) कब लाभदायक पाया कि अपनी अनिश्चितता या सहायता के उपयोग को छिपाने के बजाय दिखाना उचित था?
प्रकटीकरण के मानदंड विषय, भाषा पृष्ठभूमि और संदर्भ के अनुसार भिन्न होते हैं — जिसमें समानता निहितार्थ तब होते हैं जब कुछ छात्रों को दूसरों की तुलना में छिपाने के लिए अधिक दंडित होने की संभावना होती है। यदि आप कोई प्रकटीकरण नीति डिज़ाइन कर रहे हों, तो आप इसे पहले से ही हाशिए पर खड़े शिक्षार्थियों पर असमान बोभ डालने से कैसे रोकेंगे?

भूमिका

AI उपयोग और प्रकटीकरण विवरण वे घोषणाएँ हैं जिनके माध्यम से छात्र यह बताते हैं कि उन्होंने किसी असाइनमेंट में जेनेरेटिव AI का उपयोग किया या नहीं और किस प्रकार किया — कवरशीट पर एक चेकबॉक्स से लेकर मॉडल, इनपुट, उद्देश्य और आउटपुट का मूल्यांकन कैसे किया गया, इन्हें दर्ज करने वाली संरचित प्रारूपों तक। प्रणालियाँ विवरण के साथ-साथ प्रकार में भी भिन्न होती हैं: कुछ दंड के साथ अनिवार्य अनुपालन तंत्रों के रूप में काम करती हैं, अन्य रचनात्मक प्रथाओं के रूप में जो प्रकटीकरण को AI साक्षरता, पारदर्शिता और नैतिक निर्णय के विकास के लिए एक साधन के रूप में देखती हैं। वह डिज़ाइन प्रश्न जो यह निर्णय करता है कि वे कौन बनती हैं, यह है कि प्रकटीकरण का उपयोग पकड़ने के लिए किया जाता है या सिखाने के लिए, जो इस अवधारणा को सीधे तौर पर शैक्षणिक इमानदारी और शैक्षिक AI नीति के भीतर रखता है।

AI उपयोग प्रकटीकरण विवरण क्या हैं

AI उपयोग घोषणाएँ छात्रों से यह बताने की अपेक्षा या निमंत्रण करती हैं कि उन्होंने किसी असाइनमेंट में जेनेरेटिव AI का उपयोग किया या नहीं और किस प्रकार किया — आमतौर पर कोर्सवर्क कवरशीट, सबमिशन प्रपत्र या प्रतिबिंब प्रॉम्प्ट पर। ढांचे व्यापक रूप से भिन्न होते हैं, सरल चेकबॉक्स घोषणाओं से लेकर संरचित प्रारूपों तक जो मॉडल, इनपुट, उद्देश्य और आउटपुट के मूल्यांकन को दर्ज करते हैं (जैसे, Model-Input-Evaluation/MInE ढांचा)। ये अनिवार्य अनुपालन तंत्रों (प्रकटीकरण न करने पर दंड के साथ) से लेकर रचनात्मक प्रथाओं तक फैली हैं जो प्रकटीकरण को एक शैक्षणिक साधन के रूप में देखती हैं — AI साक्षरता, पारदर्शिता और स्व-शिक्षा में AI विनियमन के विकास के लिए। केंद्रीय डिज़ाइन प्रश्न यह है कि प्रकटीकरण निगरानी के रूप में कार्य करता है या नैतिक सहभागिता के लिए एक सहारा के रूप में।

AI शिक्षा के लिए प्रकटीकरण क्यों महत्वपूर्ण है

प्रकटीकरण वह तंत्र है जो AI-सहायित कार्य को दृश्यमान और इसलिए शासनीय बनाता है — शैक्षणिक इमानदारी का समकक्ष और छात्रों एवं शिक्षकों के बीच भरोसा की पूर्वशर्त। AI उपयोग के बारे में पारदर्शिता के बिना, शिक्षक वैध सहायता और दुराचार में अंतर नहीं कर सकते, प्रतिपुष्टि को संरेखित नहीं कर सकते, या समानता अंतरालों का पता नहीं लगा सकते। लेकिन अनुसंधान बताता है कि प्रकटीकरण एक भावनात्मक और सामाजिक प्रक्रिया भी है, केवल कोई नीति नहीं।

अनुसंधान क्या दिखाता है

प्रकटीकरण दुर्लभ और चिंता-प्रेरित है। अध्ययनों में, अधिकांश छात्र शिक्षकों को AI उपयोग की सूचना नहीं देते। Kirsanov et al. (2026) ने पाया कि अर्थशास्त्र के केवल ~34% छात्रों ने AI उपयोग स्वीकार किया और प्रकटीकरण और भी दुर्लभ था, जो "दंड-चिंता" से प्रेरित था। Vetter et al. (2026) ने पाया कि 66% छात्रों ने कभी या शायद ही कभी प्रकटीकरण नहीं किया, जिसमें शैक्षणिक दंड का भय सबसे बड़ा कारण था। Gonsalves (2025) ने किंग के बिज़नेस स्कूल में अनिवार्य घोषणा के साथ 74% ग़ैर-अनुपालन दर्ज किया।
अस्पष्ट और दंडात्मक नीतियाँ छिपाने को बढ़ावा देती हैं। जब AI-उपयोग नीतियाँ अस्पष्ट, अप्रवर्तित या प्रतिबंधात्मक होती हैं, तो छात्र सहभागिता के बजाय उपयोग छिपाते हैं। "कुछ स्थितियों में सीमित उपयोग" नीतियाँ प्रकटीकरण का सर्वोत्तम पूर्वानुमान लगाती हैं; "अनुमत नहीं" या "अवगत नहीं" नीतियाँ छिपाने का पूर्वानुमान लगाती हैं। स्पष्ट, संगत, सहयोगपूर्ण नीतियों की बार-बार मांग की जाती है।
प्रकटीकरण में मनोवैज्ञानिक लागतें हैं — और छिपी लागतें। छात्र घोषणाओं को स्व-अभियोग के रूप में देखते हैं, और कुछ मानते हैं कि AI उपयोग कैलकुलेटर के उपयोग की तरह निजी है। Vetter et al. (2026) ने पाया कि जिन छात्रों ने "हमेशा" प्रकटीकरण किया, उनके आरोप लगने की संभावना 3× से अधिक थी — पारदर्शिता संदेह को आमंत्रित कर सकती है। Chang et al. (2026) ने पाया कि चिंता प्रकटीकरण को दबाने के बजाय साथियों की ओर मोड़ती है, जिससे छात्र शिक्षक की प्रतिक्रिया से कट जाते हैं।
प्रकटीकरण स्व-नियंत्रित शिक्षा से जुड़ा हुआ है। Chang et al. (2026) शिक्षक-निर्देशित प्रकटीकरण की व्याख्या अनुकूल सहायता-मांग के रूप में करते हैं — सहायता को दृश्यमान बनाना और बाह्य संरेखण को आमंत्रित करना — जबकि छिपाना (विशेष रूप से AI के भारी उपयोगकर्ताओं में) अनुकूल नहीं (मलअडेप्टिव) नियंत्रण जैसा है। संरचित, रचनात्मक प्रकटीकरण उस अंतर्ज्ञानात्मक प्रतिबिंब और नैतिक तर्क को बढ़ावा दे सकता है जो प्रभावी स्व-नियंत्रण की विशेषता है।
प्रकटीकरण के मानदंड विषय, भाषा और संदर्भ के अनुसार भिन्न होते हैं। शिक्षा, सामाजिक विज्ञान और STEM/स्वास्थ्य के छात्र बिज़नेस के छात्रों से अधिक प्रकटीकरण करते हैं; एकभाषी छात्र बहुभाषी छात्रों से कम प्रकटीकरण कर सकते हैं। एक अध्ययन में अंतरराष्ट्रीय छात्रों ने कम प्रकटीकरण किया, जिससे समानता चिंताएँ उठती हैं। प्रकटीकरण के मानदंड शैक्षणिक प्रगति के साथ स्वतः विकसित नहीं होते।
प्रकटीकरण के मानदंड व्यावसायिक कार्यक्रमों में अस्थिर हैं। Gutowski और Hurley (2025) बताते हैं कि ABA-अनुमोदित अमेरिकी विधि विद्यालय इस बात पर असहमत हैं कि AI के किसी भी उपयोग की सूचना देना आवश्यक है या नहीं, शिक्षकों के पास जमा की गई छात्र प्रकटीकरण प्रपत्रों का वर्णन करते हैं, और यह पाते हैं कि विद्वतापूर्ण या कक्षा लेखन में AI का उद्धरण कैसे देना चाहिए, इस पर कोई सहमति नहीं है — ब्लूबुक स्वयं मौन है। वे यह भी भविष्यवाणी करते हैं कि प्रकटीकरण अंततः इस हद तक व्यर्थ लगेगा जितना कि यह नोट करना कि किसी छात्र ने सर्च इंजन का उपयोग किया, जो अभी लिखे जा रहे नियमों के आयुष्य के बारे में एक चेतावनी है, और वे मानदंडों के प्रश्न को विधि शिक्षा में स्थापित करते हैं।

प्रकटीकरण पहचान का तंत्र नहीं है

एक आवर्ती संस्थागत त्रुटि घोषणाओं को प्रतिबंधित उपयोग को पकड़ने के तरीके के रूप में देखना है। वे यह कार्य नहीं कर सकतीं: वे स्पष्टवादी (कैंडर) व्यवहार पर निर्भर करती हैं, और उन्हें प्रवर्तित करना उसी अपहचान (अंडिटेक्टिबिलिटी) में फंस जाता है, क्योंकि कोई संस्थान आमतौर पर यह सिद्ध नहीं कर सकता कि कोई घोषित न किया गया उपयोग हुआ था। Teichmann (2026) उनका वास्तविक मूल्य कहीं और रखता है — भरोसा के एक संस्कृति में निहित दृश्यमान सत्यनिष्ठा प्रतिबद्धताओं में, और पारदर्शिता, साझा अपेक्षाओं और छात्र प्रतिबिंब में प्रवर्तन के बजाय। शैक्षणिक तंत्र मानदंड-आधारित है, न कि फोरेंसिक।

पैमाना दस्तावेज़ित है: एक अमेरिकी सार्वजनिक नीति स्नातक कार्यक्रम में 7,462 आवेदनों में, एक हस्ताक्षरित कोई-AI-नहीं प्रमाणपत्र ने 2025 के 56.1% आवेदकों को एक व्यावसायिक डिटेक्टर द्वारा मुख्यतः AI-लिखित वर्गीकृत निबंध जमा करने से नहीं रोका, और प्रत्येक चिह्नित निबंध 1.5 से 2.6 प्रतिशत अंक कम प्रवेश संभावना से जुड़ा था (Isley, Gaebler और Goel (2026)).

Mohamed और Temimi (2026) का मॉडलिंग कार्य वह शर्त प्रदान करता है जिसमें प्रकटीकरण कार्य करता है, जिसे एक आशा के बजाय डिज़ाइन सीमा के रूप में व्यक्त किया गया है: प्रकटीकृत उपयोग छिपे उपयोग से तब ही बेहतर है जब ईमानदारी की लागत उसके द्वारा प्राप्त निवारक से नीचे रहे। चूँकि वह सीमा पहचान की विश्वसनीयता के साथ बढ़ती है, पहचान और प्रकटीकरण सुरक्षा एक-दूसरे को सुदृढ़ करती हैं — लेकिन केवल तब जब चिह्नित होने का झूठी-सकारात्मक जोखिम ईमानदार और बेईमान दोनों प्रतिक्रियाओं पर समान रूप से पड़ता है, जिसमें ईमानदारी अपनी तुलनात्मक सुरक्षा बनाए रखती है। उनका डिज़ाइन निहितार्थ सीधा है: घोषित AI उपयोग को स्वीकारोक्ति के बजाय संदर्भ के रूप में मानें, जो ईमानदारी की लागत को ठीक उन्हीं सेटिंग्स में कम रखता है जहाँ निगरानी सबसे मज़बूत है, और प्रकटीकरण को स्वीकारोक्ति के बजाय मूल्यांकनात्मक निर्णय के प्रदर्शन के रूप में पढ़ें। अनुमति और प्रकटीकरण अलग-अलग लीवर हैं — अनुमति स्वीकार्य उपयोग की औपचारिक सीमा बदलती है, प्रकटीकरण दृश्यमानता बदलता है — और एक में सफलता दूसरे के बारे में कुछ नहीं बताती।

AlGhamdi (2026) प्रकटीकरण प्रभाव की एक संकेतात्मक जाँच प्रस्तुत करता है। उसी कोर्स ने एक अंधा (ब्लाइंडेड) अध्ययन (AlGhamdi 2024) और एक पारदर्शी अध्ययन चलाया, और केवल पारदर्शी समूह ने स्पष्ट रूप से AI की भूमिका की सीमा निर्धारित की और मूल्यांकन अधिकार को सवाल में उठाया। चूँकि समूह और वर्ष भिन्न हैं, लेखक इस विरोधाभास को संकेतात्मक बताता है, कारणात्मक नहीं, लेकिन तर्क देता है कि प्रकटीकरण एक शैक्षणिक संकेत के रूप में कार्य किया, अस्वीकृति के रूप में नहीं — प्रतिक्रिया को स्वयं-सिद्ध कार्य से प्रतिबिंब की वस्तु में बदलते हुए, बिना किसी अनिच्छा या प्रतिरोध के संकेत के।

सबसे अधिक नवाचारपूर्ण वर्गीकृत 50 अमेरिकी विश्वविद्यालयों के GenAI मार्गदर्शन का सर्वेक्षण करते हुए, Qian (2026) प्रकटीकरण को सहायता और भ्रामक प्रतिनिधित्व के बीच सीमा पर रखता है: जहाँ AI अनुमत है, संस्थान छात्रों को AI सहायता को स्वीकार करने, उद्धृत करने या अन्यथा दस्तावेज़ करने का निर्देश देते हैं, न कि आउटपुट को पूर्णतः अपना बताने का, जिसमें पुस्तकालय — सत्यनिष्ठा कार्यालयों के बजाय — उद्धरण और उत्पत्ति मानकों पर अधिकार रखते हैं। MIT पुस्तकालयों का वह संदर्भ कि AI कोई लेखक नहीं है, जो लेखकों को उपकरणों के योगदान को दस्तावेज़ करने के लिए ज़िम्मेदार छोड़ता है, इस पैटर्न का उदाहरण है, और Qian प्रकटीकरण को एक साथ सत्यनिष्ठा मानदंड, एक डिज़ाइन सिद्धांत जो सबमिशन से पहले अस्पष्टता कम करता है, और उत्तरदायित्व, समानता और निजता के साथ चार सत्यनिष्ठा स्तंभों में से एक के रूप में पढ़ता है। यह वही ग़ैर-फोरेंसिक उपयोग है जिसका वर्णन यह अनुभाग करता है, और यही कारण है कि Qian पहचान का विस्तार करने के बजाय पुस्तकालयों को उद्धरण प्राधिकारी के रूप में संस्थागत बनाने की सिफ़ारिश करता है।

प्रकटीकरण में एक विश्वास दंड होता है, और वैधता तर्कित तंत्र है। तेरह प्रयोगों में, मुख्यतः संयुक्त राज्य अमेरिका के ऑनलाइन पैनलिस्टों के साथ और 4,093 प्रेक्षणों पर एकत्रित (θ = 0.81, z = 10.52, 95% CI [0.66, 0.96]), जिस अभिनेता ने AI उपयोग की सूचना दी, उस पर चुप रहने वाले की तुलना में कम विश्वास किया गया (Schilke और Reimann (2025)। प्रभाव छह प्रकटीकरण फ्रेमिंग, एक मूल्यांकनकर्ता जो पहले से जानता था कि AI का उपयोग हुआ था, और अनिवार्य एवं स्वैच्छिक दोनों शासनों में बचा रहा। यह ऊपर के उस सर्वेक्षण निष्कर्ष का प्रयोगात्मक समकक्ष है कि हमेशा-प्रकटीकरण करने वाले छात्रों पर आरोप लगने की संभावना तीन गुना से अधिक थी: पारदर्शिता स्वयं प्रकटीकरणकर्ता की कीमत पर हो सकती है। पेपर का एकमात्र छात्र-संबंधी निष्कर्ष यह है कि जब उसने AI ग्रेडिंग की सूचना दी तो छात्रों ने एक प्रोफ़ेसर पर कम विश्वास किया।

प्रभावी प्रकटीकरण का डिज़ाइन

स्पष्टता और संगतता निवारण से बेहतर है। स्वीकार्य उपयोग और उसकी घोषणा करने के तरीके के ठोस उदाहरणों के साथ स्पष्ट, संगत, सहयोगपूर्ण रूप से निर्मित AI नीतियाँ विकसित करें; उन दंडात्मक या अस्पष्ट ढांचों से बचें जो छिपाने को प्रेरित करते हैं।
भावनात्मक बाधा को संबोधित करें। केवल व्यवहार को लक्षित करने वाली प्रकटीकरण नीतियाँ अपर्याप्त हैं — AI उपयोग को सामान्य बनाएँ, कल्पित निर्णय और कलंक को कम करें, और छात्रों को आश्वस्त करें कि ईमानदार प्रकटीकरण के लिए दंड नहीं दिया जाएगा।
प्रकटीकरण को रचनात्मक बनाएँ, केवल अनुपालन नहीं। प्रतिबिंब प्रॉम्प्ट और संरचित घोषणाओं (मॉडल/इनपुट/मूल्यांकन) का उपयोग करें ताकि प्रकटीकरण निगरानी के बजाय AI साक्षरता और स्व-नियंत्रण का निर्माण करे।
शिक्षकों को पहचान पर निर्भर नहीं, विश्वास निर्माण के लिए प्रशिक्षित करें। प्रकटीकरण के बाद कभी भी आरोप नहीं लगाया जाना चाहिए; शिक्षकों को अविश्वसनीय AI डिटेक्टरों पर झुकने के बजाय विश्वास-निर्माण वार्तालाप सीखने चाहिए।
समानता के लिए डिज़ाइन करें। विषयों, भाषा स्थिति और छात्र पृष्ठभूमि के अनुसार भिन्न प्रकटीकरण पर ध्यान दें, और उन तंत्रों से बचें जो पहले से ही हाशिए पर खड़े शिक्षार्थियों पर असमान बोझ डालते हैं।

संबंध

AI उपयोग और प्रकटीकरण शैक्षणिक इमानदारी (इसका मूल चिंता-विषय), नैतिकता, भरोसा और विश्वास कैलिब्रेशन (भेद्यता के एक कार्य के रूप में प्रकटीकरण), AI शासन और शैक्षिक AI नीति (संस्थागत नीति ढांचे), और मूल्यांकन (जहाँ प्रकटीकरण को परिचालित किया जाता है) के प्रतिच्छेदन में स्थित है। यह AI साक्षरता (छात्रों को यह समझना आवश्यक है कि क्या और कैसे प्रकट करना है), स्व-नियंत्रित अधिगम और सहायता खोजना (दृश्यमान सहायता-मांग के रूप में प्रकटीकरण), और समानता (भिन्न प्रकटीकरण) से जुड़ा है। यह AI का दुरुपयोग और सीखने की हानि (वह हानि जिसे प्रकटीकरण दृश्यमान बनाने का उद्देश्य रखता है) और एआई डिटेक्शन (पहचान-आधारित विकल्प जिन्हें प्रकटीकरण ढांचे बढ़ते हुए बदल रहे हैं) से भिन्न है, लेकिन उनसे संबंधित है।

मेटाडेटा

स्तर	Higher Ed
प्रौद्योगिकियाँ और तकनीकें	जनरेटिव-AI
मूल्यांकन और मापन	मूल्यांकन
संस्थाएँ और नीति	शैक्षिक AI नीति
समानता, नैतिकता और जिम्मेदार उपयोग	AI उपयोग और प्रकटीकरण विवरण, नैतिकता, भरोसा
शिक्षा में AI की नींव	शैक्षणिक इमानदारी

Source History Edit Chat