Kako napisati pravilo o umjetnoj inteligenciji na kolegiju i priopćiti ga studentima?

Automatski strojni prijevod ove engleske stranice, koji još nije pregledao izvorni govornik.

Tri tjedna prije početka semestra predložak silabusa ima redak za „pravilo o umjetnoj inteligenciji“, a u njemu trenutačno stoji: vidi pravila sveučilišta o akademskoj čestitosti. Ili se s kolegijeva kolegija vratila serija radova za koje nitko ne misli da su napisani u sobi, pa sastanak katedre u četvrtak završava zahtjevom da svaki kolegij svoje stajalište izloži napismeno. Ili je pravilo već napisano, a razdoblje ocjenjivanja pokazuje koje njegove rečenice doista možete primijeniti.

Sažetak: imenujte zadatke koje ocjenjujete, recite što umjetna inteligencija smije činiti pri svakome, stavite izjavu na jedno mjesto i provodite pravilo dokazima koje možete vidjeti. Pet konkretnih dopuštenja drži bolje od stranice zabrana. Pravilo koje objašnjava samo sebe istodobno obavlja posao dizajna ocjenjivanja i komunikacije, zato košta jedno poslijepodne, a štedi semestar rasprava.

Sve u nastavku dokument je na razini kolegija za jedan modul, kolegij ili programsku granu. Pretpostavka je da ste odlučili što ocjenjujete; posao je ovdje to izreći i učiniti da se održi.

Kratka verzija

1. Popišite zadatke koji se ocjenjuju i za svaki pitajte što točno ocjenjujete. Granica slijedi taj odgovor.

2. Napišite pravilo na razini koraka: osmišljavanje ideja dopušteno, sastavljanje ciljeva nije. Odabir slika dopušten, oblikovanje poruke na razini slajda nije.

3. Stavite sažetak u syllabus, operativni tekst u uputu za zadatak i izgovorite pravilo naglas jednom, u trenutku kad se prvi put primjenjuje.

4. Imenujte jedno standardno mjesto i oblik za izjavu i držite cijenu prijave nižom od cijene skrivanja.

5. Provodite pravilo radom koji možete promatrati: zapisom upita, vježbom na nastavi, usmenim izlaganjem. Rezultati detektora ostaju izvan puta provedbe.

Pođite od zadataka koje ocjenjujete

Najjasniji razrađen postupak jest McCorkle (2025), koji je zamjenjivao opću zabranu za koju studenti nisu vjerovali da se na njih odnosi. Pročitajte taj neuspjeh ispravno: radilo se o neusklađenosti, a ne o prkosu, i studenti se nisu doživljavali nepoštenima. S pravilom za koje su već odlučili da se ne odnosi na njih ne može se raspravljati, može ga se samo ignorirati.

McCorkleova metoda ide u četiri prolaza. Popišite svaki zadatak u semestralnom projektu, pitajte za svaki „što točno ocjenjujem?“, spojite svaki zadatak s vjerojatnom profesionalnom upotrebom generativne umjetne inteligencije, a zatim odlučite zadatak po zadatak. Svaka odluka odvaja potrebu da se ocijeni sposobnost od vrijednosti izgradnje kompetencije koju će student rabiti na poslu.

Rezultat je namjerno neujednačen. Osmišljavanje ideja je dopušteno; sastavljanje konkretnih i mjerljivih ishoda učenja nije. Odabir slika je dopušten; oblikovanje poruke na razini slajda nije. Scenariji i naracija dopušteni su, uz obveznu procjenu izlaza umjetne inteligencije. Na papiru taj popis izgleda proizvoljno dok ne pročitate razlog uz svaki redak, zato razlozi putuju zajedno s pravilima.

Odlučite koliko strogi biti, znajući što čine svi ostali

Dvije podatkovne točke pokazuju kako ove godine izgleda uobičajeno pravilo, i obje vrijedi ponijeti na sastanak na kojem netko predlaže zabranu.

Analiza sadržaja 116 institucionalnih politika generativne umjetne inteligencije sa 131 američkog R1 sveučilišta i 98 silabusa računarstva s njih 54 pokazala je da su ustanove uglavnom za upotrebu: 63% potiče upotrebu generativne umjetne inteligencije, 41% nudi detaljne smjernice za nastavu, 27% odvraća od nje. Polovica silabusa (50%) izričito ju zabranjuje, 41% dopušta djelomičnu upotrebu u navedenim aktivnostima, a 7% prenosi poticaj. Ganguly i suradnici (2026) to nazivaju jazom između pristupa odozgo prema dolje i odozdo prema gore. 92% silabusa daje izričite smjernice, no lokalna pravila odmiču od institucionalnih smjernica, a samo su na 47 ustanova obje razine bile uočljive. Atribucija je jedini zahtjev oko kojeg se obje razine slažu, u 83% silabusa.

Chirikov (2026) pratio je više od 31.000 silabusa na velikom javnom istraživačkom sveučilištu u Teksasu od 2021. do 2025. Regulacija je porasla s gotovo nule prije ChatGPT-a na 55% kolegija do jeseni 2025., dok su potpuno restriktivne politike padale za oko 5 postotnih bodova godišnje. Do jeseni 2025. nastavnici su najčešće ograničavali sastavljanje i revidiranje (79%) te zaključivanje i rješavanje problema (65%). Najčešće su dopuštali uređivanje i lekturu (83%), potporu učenju i sintezu (80%) i programiranje (75%). Osmišljavanje ideja bilo je najspornija upotreba, s 46% dopuštanja i 54% ograničavanja.

Formulacije su se mijenjale s brojevima. Spominjanje akademske čestitosti palo je sa 63% na 49%, reference na učinak umjetne inteligencije na učenje porasle su s 1% na 29%, a zahtjevi za atribuciju s 16% na 43%. Područje se pomiče s „ne varaj“ prema „evo zašto ova granica štiti tvoje učenje“, a druga je inačica ona po kojoj student može postupiti.

Dvije posljedice za vaš dokument. Biti stroži od svoje ustanove uobičajeno je i to je obveza koju preuzimate sami, jer trošak provedbe pada na vas. Zahtjev za atribuciju gotovo je besplatan, jer četiri petine područja već ga traži i nijedan student ne mora nagađati što mislite.

Stavite svako pravilo ondje gdje će ga student susresti

Tri dokumenta, tri zadaće.

Syllabus nosi kratki sažetak: zadatke, dopuštenu upotrebu pri svakome, kako funkcionira prijava i posljedicu prijeđene granice. Jedan ekran, bez filozofije.

Uputa za zadatak nosi izdvojeno upozorenje. Jedan je sažetak pregrub za složen projekt, i tu je McCorkleova formulacija odradila svoje, u obrazloženju upućenom studentima u drugom licu koje je imenovalo ono što se ocjenjuje iza svakog ograničenja.

Soba nosi prvu usmenu izjavu. Recite pravilo jednom, u trenutku kad se prvi put primjenjuje, vezano uz rad koji je pred njima. Pravilo s kojim se student susretne sam jest pravilo koje tumači sam.

Mehanika prijave traži svoj odlomak i on treba biti najkonkretniji na stranici. Studenti koji su zajedno s nastavnicima osmislili pravilo kolegija kroz vođeno istraživanje dali su prednost osposobljavanju studenata i nastavnika, standardiziranim postupcima prijave, jačoj institucionalnoj potpori i većem sudjelovanju u odlukama o umjetnoj inteligenciji (Hingle i Johri (2026)). Recite kako, gdje i u kojem obliku student prijavljuje upotrebu, i recite to jednom.

Pisan (2026) našao je jaču inačicu istog poteza: učinite zapis upita ocjenjivanim artefaktom. Kad model obavlja proizvodnju, upit i zapis interakcije ono je što vrijedi verzionirati, pa izjava prestaje biti papirologija i postaje dokaz koji student gradi.

Pišite samo pravila koja možete primijeniti u jednom ciklusu ocjenjivanja

Pravilo koje traži praćenje po zadatku ili prosudbu o tome kada ocjenjivanje „počinje“ primjenjivat će se nedosljedno u cijeloj grupi i kod dvaju ocjenjivača. Nedosljednost je prije svega pitanje pravednosti, a zatim administrativno pitanje. Režim izgrađen na detektorima dodaje trošak nadzora koji pada neravnomjerno, uz nadgledanje ispita na daljinu i pitanja o čuvanju podataka na koja na razini kolegija možda ne možete odgovoriti.

Nash i Burriss (2026) analizirali su 27 pravila o umjetnoj inteligenciji u nastavi koja su napisali budući nastavnici engleskog jezika i književnosti. Njih 26 od 27 dopuštalo je neku upotrebu umjetne inteligencije, gotovo uvijek pod uvjetima, u vremenima i na mjestima koje odredi nastavnik; jedno ju je potpuno zabranjivalo. Osmišljavanje ideja bilo je najšire dopuštena upotreba (22 od 27) i najdvosmislenija. Njih 22 nije dopuštalo ili nije razjasnilo sastavljanje rečenica, odlomaka ili radova pomoću umjetne inteligencije. Njih 16 dopuštalo je provjeru gramatike i lekturu, dok je 16 zabranjivalo stvaranje velikih tekstova pomoću umjetne inteligencije. I 22 od 27 nije se uopće bavilo čitanjem.

Ponavljajući neuspjeh bio je operacionalizacija. Jedno je pravilo dopuštalo umjetnoj inteligenciji da „pokrene vaše razmišljanje“ i izjavljivalo „ovdje treba povući granicu“, a nije reklo gdje je granica. Ta dvosmislenost ostavlja studente nesposobnima da postupe, a vas nesposobnim da primijenite dosljedan standard. To je nedostatak, a ne kompromis.

Chirikovljev nalaz o znatnim razlikama među disciplinama i zadacima govori u prilog okvirima koji nastavnicima daju autonomiju unutar njihove domene, a ne jednom mandatu za sve, što je ujedno iskren opis pravila na razini kolegija: lokalna prosudba unutar šireg pravila.

Ovdje postoji dimenzija pravednosti. Neprozirna pravila pretpostavljaju zajedničko predznanje o autorstvu, atribuciji i normama akademskog rada, pa najteže pogađaju studente koji dolaze bez njega. McCorkleov je slučaj da transparentnost razgrađuje dio tog skrivenog kurikula i smanjuje vjerojatnost da neuspjeh pravila postane disciplinski predmet.

Najjeftinija inačica svega toga je kratka i konkretna: zadaci koje ocjenjujete, upotrebe dopuštene pri svakome, mehanika prijave i posljedica prijeđene granice, svaki s pridruženim razlogom.

Izgovorite to naglas i pazite što sami pokazujete

Pravila o prijavi ne djeluju sama po sebi kao mehanizmi usklađenosti, a postupati kao da djeluju najčešća je pogreška u dizajnu. U mješovitom istraživanju sa 409 preddiplomskih studenata, Qu i Wang (2026) našli su da je neprijavljivanje strateška prilagodba na percipirane norme vršnjaka i nisko interpretativno povjerenje u nastavnike, a ne moralni nemar. Percipirana prijava vršnjaka i ugoda s nastavnikom bili su najsnažniji prediktori vlastite prijave studenata; moralno distanciranje imalo je slabije učinke.

To vam ostavlja dvije poluge koje doista kontrolirate: što studenti vjeruju da njihovi vršnjaci čine i vjeruju li da ćete izjavu pročitati pošteno. Obje reagiraju na to kako o pravilu govorite prvog tjedna. Nijedna ne reagira na strogost formulacije.

Kim i suradnici (2026) našli su pet različitih mjesta na kojima živi stvarno pravilo kolegija: namjera nastavnika, formalno pravilo, studentsko tumačenje, studentska osobna politika i studentska praksa. Praznine među njima sustavne su. Katalogizirali su i 23 racionalizacije u šest razreda kojima su studenti opravdavali upotrebu umjetne inteligencije u akademskom pisanju, od „nema ljudske žrtve“ do „nastavniku je svejedno“. Te su racionalizacije bile ad hoc i naknadne: studenti su objašnjavali ponašanje koje se već dogodilo, a ne zaključivali unaprijed, zato jasnija formulacija i stroži detektori sami po sebi ne zatvaraju prazninu.

Jedan sudionik koji je htio poštovati strogo pravilo bez umjetne inteligencije nastavio je rabiti umjetnu inteligenciju i rekao da mu zabrana „stvara sukob jer kršim pravila“. Zabrana je pojačala moralni sukob, a nije spriječila upotrebu. Pravilo koje proizvodi grižnju savjesti bez usklađenosti nagriza odnos koji trebate za prijavu.

Pazite i na ono što sami pokazujete. Većina zadataka u Pisanovu kolegiju navodila je upit upotrijebljen za njihovo stvaranje, a jedan je student tu transparentnost pročitao kao dopuštenje: „oslanjanje nastavnika na umjetnu inteligenciju pri ocjenjivanju i stvaranju zadataka također je otežavalo ne rabiti umjetnu inteligenciju za zadatke na isti način“. Pokazivati normu dio je pravila onako kako ga studenti doživljavaju, što god syllabus govorio.

Izjava koju možete prilagoditi:

Upotreba umjetne inteligencije na ovom kolegiju. Želim da s ovog kolegija izađete sposobni sami učiniti X, zato X ocjenjujem izravno. Umjetnu inteligenciju smijete rabiti za [dopuštene upotrebe] na [popis zadataka]; ne smijete ju rabiti za [ograničene upotrebe], jer upravo to ocjenjujem. Ako umjetnu inteligenciju rabite bilo gdje u svojem radu, recite mi na [jedno imenovano mjesto, poput retka za izjavu uz svaki predani rad] za što ste ju rabili i zalijepite upite. Prijava nikada neće sniziti vašu ocjenu. Neprijavljivanje upotrebe ono je što nosi posljedicu. Ako niste sigurni je li neka upotreba dopuštena, pitajte me prije predaje, a ne poslije.

Ta posljednja rečenica pomiče točku odluke prije rada, a to je jedina točka na kojoj je na pitanje jeftino odgovoriti.

Ispišite četiri razgovora prije nego se dogode

Student koji je rabio umjetnu inteligenciju i nije to rekao. Tome pristupite kao pitanju postupka, a ne pitanju karaktera. Mohamed i Temimi (2026) modeliraju ocjenjivanje kao problem nesavršene informacije: student zna kako je rad nastao, a ustanova vidi artefakt i djelomične tragove. Njihov model područja odgovora uspoređuje tri odgovora, upotrebu bez umjetne inteligencije, prijavljenu upotrebu i skrivenu upotrebu, i pita koji svaki mehanizam čini najprivlačnijim. Zabrana postavlja formalnu granicu i ostavlja skrivenu upotrebu privlačnom kad studenti vide da je otkrivanje slabo. Nadzor podiže očekivani trošak skrivene upotrebe, ali ne podiže prijavu, pa studenti postaju oprezni, a ne transparentni. Dopuštenje uz prijavu čini iskreno izvješćivanje održivim samo dok je cijena iskrenosti niska.

U sobi to znači pitati što je rad trebao ocijeniti, zamoliti studenta da objasni svoj postupak i pročitati naknadnu izjavu kao informaciju, a ne kao priznanje.

Student koji umjetnu inteligenciju navodi za sve. To je obično manjak vještine u odijelu usklađenosti. Zahtjevi za atribuciju porasli su sa 16% na 43% silabusa, dok je spominjanje akademske čestitosti palo sa 63% na 49%, pa područje traži atribuciju, a ne priznanje. Odredite format jednom, u uputi za zadatak, a ne u fusnoti silabusa. Recite kako primjerena atribucija izgleda u vašoj disciplini i dajte jedan razrađen primjer. Gdje je stvarni problem to što student još ne može obaviti temeljni rad bez modela, odgovor je u dizajnu zadatka.

Grupni rad. Pet studenata može imati pet tumačenja jedne rečenice, a ocjenjuje se jedan predani rad. Za svaki grupni rezultat odlučite i objavite je li upotreba umjetne inteligencije dopuštena, ko ju prijavljuje i što se događa kad jedan član izađe iz pravila. Učinite to prije početka projekta, dok je to pitanje planiranja. Ako ne možete navesti pojedinačni doprinos za koji član odgovara, ocijenite zadatak kao isključivo grupni rad umjesto da naknadno presuđujete o autorstvu.

Prijava koju ne možete provjeriti. Neke će izjave biti nepotpune, a neke propuste nemoguće opovrgnuti. Bassett i suradnici (2026) tvrde da se otkrivanje umjetne inteligencije u obrazovanju ne bi smjelo rabiti nimalo, iz tri razloga koji se tiču formulacije. Rezultat detektora vjerojatnosna je procjena koja se ne može neovisno provjeriti, jer je stvarno podrijetlo teksta u svijetu nepoznato, pa se validacija vrti u kružnom zaključivanju. Rezultati detektora ne zadovoljavaju standard ravnoteže vjerojatnosti koji traži istraga zbog povrede akademske čestitosti. A dihotomija čovjeka i umjetne inteligencije besmislena je za rad nastao s umjetnom inteligencijom, a ne njome. Njihov je zaključak da otkrivanje „ne štiti akademsku čestitost; ono je potkopava“.

Upozoravaju na problem formulacije koji vrijedi prepisati u svoj prolaz revizije. Pravila koja ograničavaju upotrebu umjetne inteligencije „u ocjenjivanju“ ne određuju kada ocjenjivanje počinje, pa istraživanje, planiranje ili uređivanje uz pomoć umjetne inteligencije može ili ne mora biti kršenje, ovisno o tome ko čita. Imenujte procesne dokaze koje možete promatrati: predani zapis upita i interakcije, vježbu izrađenu u sobi, usmeno objašnjenje. Gdje vaša ustanova ipak rabi detektor, vrijede njihova upozorenja o pohrani podataka, čuvanju i komercijalnoj upotrebi studentskih radova, a prigovor na privatnost koji su iznijeli dva buduća nastavnika prigovor je koji će iznijeti i vaši studenti.

U čemu nastavnici ovdje griješe

Strože pravilo sigurnije je pravilo. Biti stroži od svoje ustanove uobičajeno je i obranjivo, ali trošak provedbe je vaš, a pravilo koje ne možete dosljedno primijeniti u jednom ciklusu ocjenjivanja pitanje je pravednosti. Odrežite pravila koja ne možete provesti.

Zabrana je najkraća dostupna poruka. U 27 pravila budućih nastavnika dvosmislenost je uglavnom bila u dopuštajućima, a 22 od 27 nije se uopće bavilo čitanjem, pa je studentima ostavljeno da zaključuju. Sudionik Kim i suradnika poštovao je zabranu tako što ju je kršio i zbog toga se osjećao loše.

Prijava je mehanizam usklađenosti. Ona je signal, a signali ovise o povjerenju. Qu i Wang našli su da norme vršnjaka i ugoda s nastavnikom bolje predviđaju prijavu nego moralno zaključivanje.

Rezultat detektora rješava sporan slučaj. On ne doseže standard koji istraga zbog povrede čestitosti mora zadovoljiti i ne može razlikovati rad nastao s umjetnom inteligencijom od rada koji je ona stvorila. Gradite slučaj na radu koji ste promatrali.

Pisanje pravila jest komunikacija. Kim i suradnici našli su pet mjesta na kojima živi stvarno pravilo, a vaš je dokument jedno od njih. Inačicu po kojoj studenti postupaju sastavljaju od onoga što kažete na nastavi i što činite s vlastitim materijalima.

Što će vam se vratiti kao prigovor

„Studenti će to samo skriti.“ Neki hoće, a pitanje dizajna je koje studente vaše pravilo iskušava. Odvraćanje djeluje preko razlučivosti detektora između skrivene upotrebe i legitimnog rada, a ne preko njegove sirove stope ulova. Kad dodatna osjetljivost proizvede više novih lažno pozitivnih nego novih istinito pozitivnih rezultata, jači nadzor može skrivanje učiniti relativno privlačnijim, jer se pošteni studenti kažnjavaju brže nego što se skriveni korisnici otkrivaju. Dopuštenje i prijava odvojene su poluge: dopuštenje pomiče granicu prihvatljive upotrebe, prijava mijenja vidljivost. Dijagnosticirajte gdje vaš zadatak najviše vuče studenta u iskušenje skrivanja i dizajnirajte za tog studenta.

„Ne želim zabranjivati alate koje ne mogu otkriti.“ Ne morate. Zabrana je jedan od četiri odgovora u dizajnu, uz nadzor, dopuštenu upotrebu uz prijavu i redizajn. Redizajn mijenja što zadatak nagrađuje i ostaje kozmetički ako rubrika i dalje ocjenjuje uglavnom konačni proizvod. Pisan (2026) pokazuje razine izričito: umjetna inteligencija zabranjena je na uvodnom kolegiju programiranja, jer prepuštanje prvih petlji uklanja ono što se poučava; potiče se na projektima iz struktura podataka (Copilot dopušten) i zabranjuje na papirnatim ispitima; pomoć je za učenje i ponavljanje na višem kolegiju sistemskog programiranja; a obvezna je na samom kolegiju o umjetnoj inteligenciji, gdje je jedna granica nosila najveći dio tereta. Model smije pisati kod, a refleksije moraju biti u studentovu vlastitom glasu. Ispiti su potpuno uklonjeni, a ocjenjivanje se preselilo na rad koji model ne može tiho napisati umjesto studenta.

„Pravilo moje ustanove to već pokriva.“ Manje nego što mislite. Praznina ide u oba smjera: 92% silabusa daje izričite smjernice, lokalna pravila odmiču od institucionalnih smjernica, a samo su na 47 ustanova obje razine bile uočljive. Nabava, podaci i ciklusi revizije pripadaju temi Kako napisati i provesti institucionalno pravilo o umjetnoj inteligenciji?, ali prijevod na razinu učionice vaš je. Nash i Burriss zaključuju da ustanove moraju osposobiti nastavnike da se odupru kao i da usvoje, uz smjernice i stručno usavršavanje koji nastavniku omogućuju da odbije određenu upotrebu umjetne inteligencije, a da ne bude prikazan kao zaostao. Tehnodeterminizam njihovih sudionika proturječio je njihovim vlastitim pedagoškim opredjeljenjima. Institucionalno pravilo nije pokriće za vašu prosudbu.

„Nemam vremena ovaj mjesec prepisati syllabus.“ Provedite popis jednom, na zadatku koji vas brine, i rezultat odmah unesite u uputu za zadatak. Rečenica u silabusu može čekati sljedeći ciklus revizije. Studenti ionako postupaju po uputi za zadatak.

Što učiniti ovog tjedna

1. Popišite zadatke koji se ocjenjuju i napišite „što točno ocjenjujem?“ uz svaki, prije nego što odlučite bilo što o umjetnoj inteligenciji.

2. Odlučujte zadatak po zadatak i provjerite koji odgovor svaka odluka čini najprivlačnijim studentu koji je najviše u iskušenju da skriva.

3. Napišite rečenicu o prijavi: jedno mjesto, jedan format, jedan razrađen primjer primjerene atribucije.

4. Imenujte dokaze koje ćete prihvatiti u sporu (zapis upita, rad na nastavi, usmeno izlaganje) i odbacite svako pravilo koje ne možete provjeriti prema njima.

5. Izgovorite pravilo naglas na sljedećem satu, u trenutku kad se prvi put primjenjuje, s obrazloženjem uz svako ograničenje.

Kamo dalje

Upravljanje, podatkovna politika, nabava i ciklusi revizije pripadaju temi Kako napisati i provesti institucionalno pravilo o umjetnoj inteligenciji?; propisana institucionalna i okružna pravila nalaze se u temama obrazovna politika i umjetna inteligencija i upravljanje. Obnova zadatka tako da ocjena i dalje podupire obranjiv zaključak pripada temi redizajn ocjenjivanja u eri umjetne inteligencije, argument o provedbi nalazi se u temi smanjenje varanja uz umjetnu inteligenciju, odluka o detektorima u temi trebamo li rabiti detektore umjetne inteligencije, a shema označavanja u temi reforma ljestvice ocjenjivanja uz umjetnu inteligenciju.