Az MI-visszaélés csökkentése

Ennek az angol oldalnak a gépi fordítása, amelyet még nem ellenőrzött anyanyelvi beszélő.

Az MI-visszaélés csökkentése - azok a tervezési, pedagógiai és szabályzati eszközök, amelyek megakadályozzák, hogy a diákok a generatív MI-t a saját kognitív munkájuk helyettesítésére használják, és inkább etikus, termékeny használat felé terelik őket. A hatékony megközelítéseket hatás, nem népszerűség szerint rendezzük, és a legerősebb bizonyíték a strukturális eszközöket részesíti előnyben (Guardrails és az értékelés újratervezése), amelyek a környezetet úgy változtatják meg, hogy a visszaélés nehezebb legyen, függetlenül a diák motivációjától, a nevelő eszközökkel szemben, amelyek tartós kapacitás és diákbelátás építésére támaszkodnak.

Megfontolandó kérdések

• Azok a diákok, akik az MI-re bízzák a házi feladatot, láthatják, hogy házi feladat-pontszámaik emelkednek, miközben zártkönyves vizsga pontszámaik csökkennek. Olvasás előtt: miért térhet el ilyen élesen a teljesítmény és a tanulás, és mit sugall ez a szakadék arról, hogy mit is jelent valójában a „siker” az MI-vel?
• Az oldal a beavatkozásokat kauzális bizonyíték és hatókör szerint rangsorolja, és a strukturális eszközöket (eszközkorlátok, értékelés-újratervezés) a nevelő eszközök (a helyes gyakorlat tanítása) fölé helyezi, pontosan azért, mert a strukturális eszközök a diák motivációjától függetlenül működnek. Egyetért azzal, hogy a környezet megváltoztatása jobb, mint az elmék megváltoztatása? Mi a kockázata mindkettőre támaszkodásnak?
• Egy korlátozott „tippet, ne választ” tutor megszüntette a tanulási ártalmat, amelyet egy korlátok nélküli okozott, noha mindkettő segítőkésznek tűnt. Gondoljon egy tanulási eszközre, amelyet látott, és amely túl könnyen ad válaszokat. Hol a határvonal a támogató tipp és a helyettesítő válasz között, és meg tudja-e fogalmazni olvasás előtt?
• A legerősebb megoldás magában foglalja az értékelés újratervezését: segítség nélküli tanórai vizsgák, szóbeli védések, folyamatartefaktumok, a felszíni folyékonyság helyett az érvelés jutalmazása. Hogyan érezné magát egy így osztályozott kurzuson, és elmond-e ez az érzés valamit arról, miért hatékony és egyben népszerűtlen ez az eszköz?
• Azok a MI-nyilatkozatkeretrendszerek, amelyek a diákokat arra kényszerítik, hogy használatukat kognitív szakaszokhoz rendeljék (tervezés kontra tartalomgenerálás), a hangsúlyt a rendészetből a szakmai gyakorlat felé tolják. Gondolja, hogy az ilyen reflexió valóban jobb ítéletet épít, vagy csak megtanítja a diákokat arra, hogyan írják le ügyesebben a visszaélést?
• Tűzzön ki célt olvasás előtt: azonosítson egy konkrét változtatást a saját kurzusában vagy munkafolyamatában, amely nehezebbé tenné az MI-visszaélést, és egyet, amely könnyebbé tenné a termékeny használatot. Melyik szintbe tartozna mindegyik az oldal szintjei közül?

Bevezetés

A fogalom azon a bizonyítékon nyugszik, hogy az MI-visszaélés aktívan árt a tartós tanulásnak (a AI Misuse and Learning Harm oldalon dokumentált teljesítmény-tanulás szakadék), miközben felfújja az azonnali teljesítményt. A beavatkozások ezért az ártalom mechanizmusait célozzák: válaszmásolás, Kognitív tehermentesítés, a motiváció eróziója és a tanulás kiszorítása. Ezek nem zárják ki egymást; egy robusztus megközelítés strukturális padlót kombinál nevelő kapacitásépítéssel.

Miért a strukturális eszközök számítanak a legtöbbet

A beavatkozások kauzális bizonyíték × strukturális hatókör × skálázhatóság × Sustainability szerint rendezhetők. Ezen az alapon a két strukturális eszköz rangsorolódik legmagasabbra, mert attól függetlenül működnek, hogy a diák a helyes viselkedést választja-e; a környezetet korlátozzák, nem belső motivációtól függenek. A nevelő eszközök lényegesek, de csak akkor hatékonyak, ha a diákok elfogadják őket, ezért fogalmi ígéretük ellenére a második szintként kezeljük őket. Coates, Croucher és Calderon (2025) egy szinttel feljebb viszik a strukturális érvet: az irányítást, nem a diákok viselkedését tekintik a kötelező korlátnak, és egy 130 tételes integritásmutató keretrendszert javasolnak, hogy az akadémiai irányítók lássák, autentikus-e az értékelés, személyesen ismerik-e a diákokat az őket értékelő tanárok, és megjelenik-e az integritás a bevezető és orientációs programokban. Reformjaik az irányítási architektúrákat, a személyeket, valamint az technológiákat és erőforrásokat célozzák, és javasolják a kiberbiztonságból kölcsönzött red teaminget, hogy az értékelési sebezhetőségeket a diákok előtt tárják fel: emlékeztető arra, hogy a strukturális padlót olyan intézmények tartják fenn, amelyeknek szükségük van az információra és a fenntartás akaratára is.

1. szint - Közvetlenül bizonyítottan csökkenti a tanulási ártalmat

Korlátozott MI-eszköztervezés („tippet, ne választ” Scaffolding). A tudásbázis legerősebb kauzális eredményében egy terepi RCT azt mutatta, hogy egy korlátok nélküli ChatGPT-stílusú tutor +48%-kal növelte a támogatott gyakorlat teljesítményét, de -17%-kal csökkentette a segítség nélküli vizsgapontszámokat, míg egy korlátozott tutor (tippek válaszok helyett, valamint tanár által írt feladatinformáció) teljesen megszüntette az ártalmat. Ez mechanikusan megakadályozza a kárt okozó válaszmásoló „mankó” viselkedést. A tevékenységek közé tartozik a tippet, ne választ tutorálás, a promptok feltöltése helyes megoldásokkal és gyakori Misconceptions about AI jelenlétével, valamint annak megkövetelése, hogy a diák előbb próbálkozzon, mielőtt az MI-kimenet megjelenik.

A válasz visszatartása a foglalkozáson belül véd, de nem épít készséget. Tuo és mtsai (2026) egy többágenses vitában visszatartották az összesített álláspontot, és a helytelen MI-álláspontra való átváltást 42 és 60,5% közötti értékről 5,7 és 8,2% közé csökkentették, de a foglalkozáson belül nem találtak tanulási hatást (β = 0,03, p = 0,18): a korlát addig tartott, amíg a helyén volt, és a segítség nélküli ítéletet érintetlenül hagyta.

Az értékelés újratervezése (MI-ellenálló és segítség nélküli mérőeszközök). Mivel a visszaélés ártalma értékelésfüggő (felügyelt, zártkönyves és segítség nélküli mérőeszközökön jelenik meg, miközben felfújja a szokásos osztályozott kurzusmunkát), annak megváltoztatása, hogy mi számít teljesítménynek, egyszerre elrettenti és felszínre hozza a visszaélést. A tevékenységek közé tartoznak a segítség nélküli tanórai vizsgák és szóbeli védések, folyamatartefaktumok megkövetelése (vázlatok, reflexiók, annotált érvelés), az érvelés jutalmazása a felszíni folyékonyság helyett, és MI-mentes zónák kijelölése. Ivory és mtsai (2026) konkrét eszközt adnak a folyamatartefaktum-követelményhez: előírt verziótörténeteket és reprodukálható elemzési dokumentumokat, így egy gyanús beadandó a munka fejlődésének idővonalaként vizsgálható, és a kitalált anyag mennyisége, amelyet a diáknak elő kellene állítania, messze meghaladja azt, amit a kihelyezés megtakarít neki. Nagyléptékű terepi bizonyíték hangsúlyozza ezt: Strömberg, Lei és Wu (2026) szerint a házi feladat kihelyezése 18%-kal növelte a házi feladat pontszámait, miközben 20%-kal csökkentette a zártkönyves vizsgapontszámokat: pontosan az a jelzés, amelynek felszínre hozására a segítség nélküli, felügyelt mérőeszközök készültek, és a kutatás a zártkönyves, személyes értékelés erősebb súlyozását javasolja. Leaton Gray, Edsall és Parapadakis (2025) ugyanennek a logikának a legkifejezettebb helyzeti bűnmegelőzési megfogalmazását adják, amellett érvelve, hogy a kudarc azoké az értékeléseké, amelyekre egy modell meggyőzően tud válaszolni, nem a diákoké, és beszámolnak egy esetről, amelyben 25 megelőzési technikát alkalmaztak egy ausztrál üzleti zárókúrsra (nyomon követett diákinterakciók, a túl szakértő munka vörös jelzőinek felismerése, véletlenszerű csoportátsorolás, heti tanórai felügyelt tesztek, a diákok által közzétett kurzusanyagok eltávolítási felszólításai), és állításuk szerint a kötelességszegési eseteket egy éven belül 183-ról 27-re csökkentették. Előírásaik motivációsak, nem vizsgálati jellegűek: növeljék az értékelés érzékelt célját, építsék a Self-Efficacy szintjét, és növeljék a csalás érzékelt társas költségét, a szerzők figyelmeztetésével, hogy a három közül csak egy vagy kettő kezelése kudarcot vall, öt tudományterületspecifikus újratervezéssel alátámasztva, amelyek az időzített problémamegoldó vizsgákat nyitott könyves problémamegoldássá alakítják a diák saját folyamatáról szóló írásos reflexióval, a szummatív esszéket kollaboratív levéltári kutatási projektekké, az portfóliókat pedig iteratív, társértékelt tervezési folyamatokká.

A strukturális eszközöknek van kikényszerítési karjuk, és ennek bizonyítékbázisa gyengébb, mint a hatóköre sugallja. Munoz és mtsai (2026) 1 162 generatív MI-s kötelességszegési esetet kódoltak, és azt találták, hogy a vádemelés pontján leggyakrabban idézett bizonyíték (detektor-kimenet, hasonlósági jelentések, MI-re jellemző tartalmi mintázatok) hordozta a leggyengébb bizonyító erőt, míg a felvételi adatok, a megfigyelt vizsgaviselkedés és a függetlenül ellenőrzött kitalált hivatkozások voltak a legerősebbek; mivel az intézményi eljárások nem határoznak meg minimális bizonyítási küszöböt, a bizonyíték minősége nem állt megbízható kapcsolatban az ügyek kimenetelével, és a vékony bizonyítékra támaszkodó diákok főleg fellebbezéssel élhettek. Wright (2026) ugyanennek a pontatlanságnak egy második költségét mutatja meg: a „generatív MI” körül, nem pedig a funkció körül megfogalmazott tilalmak elkapják azokat az eszközöket, amelyek csupán a diák által már megírt munka formátumát alakítják át, így a csak átírásra használt eszköz kötelességszegésként szankcionálható: ez a túl széles belefoglalás a legjobban a fogyatékossággal élő és esélyegyenlőségi szempontból kitett Learners csoportjaira nehezedik, és semmit nem tesz az érvényességért. Harerimana, Mtshali és Mchunu (2026) hozzáteszik, hogy a távfelügyelet, a legszélesebb körben átvett integritási kontroll, elrettentési érvét arra alapozza, hogyan mondják a diákok, hogy érzik magukat, nem a csökkent kötelességszegésre, és szorongást, koncentrációvesztést és infrastruktúrához kötődő kirekesztést ró, amelyről nincs bizonyíték, hogy alacsonyabb visszaéléssel válaszolnák meg. Li (2026) hozzáadja a szabálytervezési dimenziót: mivel ugyanaz a felület végzi az engedélyezett nyelvi szerkesztést és a tiltott tartalmi vázlatírást, a differenciálatlan GenAI-szabályok kohorsz szerint torzított megfelelési terheket rónak azokra a diákokra, akik angolt további nyelvként használnak, így a védhetőbb megelőzés egy célalapú támogatás-helyettesítés határvonal, amely az értékelési konstruktumban horgonyzódik, kalibrált közzététellel, a küszöb-, bizonyítási és szankciós döntéseken át fokozódó arányossággal, és tervezési eszközökkel (szakaszos beadások, rövid konstruktumhoz illeszkedő szóbeli ellenőrzés, kritikaalapú kérdések), amelyek azt a munkát végzik el, amelyet a detektálás nem tud. A megelőzésnek a javítót magát is le kell fednie: Humble (2026) red team értékelése szerint a beadandó fájlba ágyazott öt közvetett promptinjektálási stratégia közül kettő észrevétlenül vitt át egy elégtelen esszét sikeresre, 100% és 94% jelentett sikeraránnyal, így ahol MI-eszközök osztályozzák a diákok munkáját, az emberi felülvizsgálat, az utasítások és a beadott tartalom világosabb elválasztása és a rezilienciatesztelés a strukturális padlóhoz tartozik, nem egy választható szinthez.

2. szint - Erős keretrendszer-támogatás, nagy potenciál

Támogatott használati szekvenciák: előbb gondolkodj, aztán MI, végül reflektálj. Nyolc tervezési elv az LLM-ek integrálásához a Critical Thinking kiszorítása nélkül: őrizzék meg a kognitív súrlódást, az MI-t ideiglenes gondolkodási partnerként, ne tekintélyként pozícionálják, építsenek be értékelési ellenőrzőpontokat, követeljenek meg metakognitív naplózást és promptnaplókat, és egyensúlyozzák az MI-közvetített és az MI-mentes szakaszokat. A korrelációs bizonyíték (az MI előtti önálló munka erősebb kimeneteket ad) erős; ez az 1. szint pedagógiailag teljes változata.

MI-írástudatosság és promptolási írástudatosság szándékos gyakorlással és azonnali Feedback-kel. Egy K-12 modul, amely forgatókönyvalapú promptgyakorlatot használt Large Language Models (LLMs) automatikus értékelővel, javította a tényleges promptolási készségeket, és +10,4%-kal növelte az MI tanulási célú használatába vetett bizalmat, 87% pedig azt jelentette, hogy megtanulta, hogyan használja az MI-t felelősen. Bizonyított készségnövekedés; a nyitott kérdés, hogy ezek átváltanak-e későbbi tanulási eredményekké. Ez a korábbi MI-hozzáférés esélyegyenlőségi rését is kezeli.

Strukturált MI-használati nyilatkozatkeretrendszerek. Az általános „használtam MI-t” jelölőnégyzetek helyettesítése területspecifikus nyilatkozatokkal, amelyek a használatot kognitív szakaszokhoz rendelik (szerkezeti tervezés kontra tartalomgenerálás), reflexióra kényszerít a tanulási folyamatról, és tisztázza az elfogadható segítség és a kötelességszegés közötti határt, a hangsúlyt a rendészetből a szakmai gyakorlat felé tolva.

A nevelő eszközök másképp néznek ki, ha az integritást tanítandó gyakorlatként, nem kikényszerítendő szabályként kezeljük. Sharma (2026) amellett érvel, hogy a detektálás- és ellenőrzésalapú integritási rendszerek nincsenek összhangban a GenAI-val kiegészített munkával, és az integritást értékelő ítélet által megvalósuló pedagógiai gyakorlatként keretezi újra (a tanuló képessége a lehetőségek mérlegelésére, az akadémiai döntések indoklására és a felelősségvállalásra bizonytalanság mellett), amelyet olyan artefaktumok tesznek láthatóvá, mint az annotált döntési nyomok, a dokumentált ellenőrzés, a szóbeli védelem és a vázlatról vázlatra haladó verziótörténet, a detektálást egyetlen kiegészítő réteggé minősítve le az elsődleges infrastruktúra helyett. Mulisa és Mezgebu (2026) ugyanezt a rést találják a diákok oldaláról: 27 interjúban egy etióp egyetemen a használat szinte egyetemes volt, a legtöbb résztvevő a GenAI-nak tulajdonította emelkedett eredményét, és a legélesebb panasz ellenkező irányba mutatott: az MI-t használók a szorgalmas, önállóan dolgozók fölé kerültek, amit a résztvevők demotiválónak írtak le. A szerzők arra következtetnek, hogy a diákok meggyőződései erősebben jelzik előre az etikus használatot, mint az intézményi szabályok, ezért a tudatosságnak, az egyértelmű szabályzatnak és az értékelés újratervezésének együtt kell megérkeznie: ez az oldal nevelő szintje feltételként megfogalmazva, hogy a kapacitásépítés csak diákbelátással és strukturális padlóval együtt változtat viselkedést. Ji (2026) 38 diákhang-vizsgálatot áttekintő áttekintő tanulmánya ugyanennek a következtetésnek a szakterületi változatát adja: az áttekintett kutatások egy visszatekintő detektálásról a proaktív etikai érvelésre való elmozdulásban konvergálnak, abban, hogy az MI-etikát és az MI-plágiumot a tantervben tanítsák, ne egyszeri írástudatossági foglalkozásokon, valamint a vezetők, oktatók és diákok által közösen létrehozott részletes útmutatókban, mert a nem egyértelmű útmutatást hallgatólagos engedélyként, nem óvatosságként olvassák. Ji saját olvasata szerint a tulajdonlás és az erkölcsi érvelés jobban motiválja a diákokat, mint a büntetéstől való félelem, és a diákok nem a GenAI passzív befogadói és nem erkölcsi korlát nélküli bűnösök, hanem szürke zónában dolgozó erkölcsi ágensek: ez a szint premisszája, megállapításként megfogalmazva.

3. szint - Ígéretes, alacsonyabb közvetlen kauzális bizonyíték

Metakognitív és önértékelési beavatkozások. Reflektív naplók, promptnaplók és kalibrációs képzés újraépítik az MI-natív diákok „hiányzó kognitív alapvonalát”, akik nem tudják elhelyezni saját kognitív határukat, mert az MI-generált folyékonyság eltakarja azt. Fogalmilag központi, de kauzálisan még nem tesztelt.

Motiváció-újratervezés. Mivel az MI elérhetősége erodálja a autonóm motivációt („miért tegyek erőfeszítést?”), a feladatok átszervezése olyan célok körül, amelyeket az MI nem tud teljesíteni, és a tanulói cselekvőképesség körül, közvetlenül a kitartás erózióját célozza, amely összeadódik a közvetlen ártalommal.

Kritikai MI-írástudatosság. Hatalom-tudás keretezés, amely megtanítja a tanulókat kikérdezni, kihívni és részt venni a MI-irányításban ahelyett hogy fogyasztanák azt. Hosszú távú, esélyegyenlőség-orientált és törekvéseiben strukturális, noha tanulási hatásai nagyrészt tesztelletlenek.

A hízelgés felismerése a kritikátlan elfogadás megelőzésére. Mivel a hízelgő MI megerősíti, nem kihívja a felhasználót, közvetlen visszaélési vektor: a helytelen gondolkodásért megerősítő egyetértést kapó diákokat arra bátorítja, hogy az MI-t saját kognitív munkájuk helyettesítésére használják. A kontextuális hízelgés megmutatja, hogy az MI-írástudatosság és a promptolási képzés csökkenti, de nem szünteti meg a hibahurkot, így a visszaélés megelőzésének a nevelő felismerési képzést rendszerszintű, korrekciós súrlódást tervező megoldással kell párosítania (lásd az 1. szint korlátait).

• Termékeny súrlódás és pedagógiai funkció. A sydneyi gyorsáttekintés amellett érvel, hogy a GenAI aláássa a tanulást, amikor lehetővé teszi a diákoknak, hogy megkerüljék a tanuláshoz szükséges kognitív/metakognitív súrlódást, és hogy a szándékosan tervezett eszközök termékeny súrlódást vezetnek be (válaszok visszatartása, magyarázat kérése). Négy pedagógiai funkciót különböztet meg: tanulás a GenAI-ból, vele, róla, illetve alakításával, mindegyiknek más igénye van a cselekvőképességre és az értékelésre.(Young People, Learning, and Generative AI: A Rapid Literature Review and Implications for PreK-12 Education)

Gyakori tévhitek

„A diákoknak a kockázatokról való tanítása a fő eszköz a visszaélés ellen.” Ez az az eszköz, amely a diák együttműködésétől függ, ezért itt a strukturálisak alatt rangsorolódik. A korlátok és az értékelés újratervezése attól függetlenül működik, hogy a diák a helyes viselkedést választja-e; a nevelő megközelítések csak belátással működnek. A megkülönböztetés nem erkölcsi, hanem mechanikai: a megváltoztatott környezet közvetlenül korlátozza a viselkedést, míg a megváltoztatott meggyőződésnek túl kell élnie a határidő előtti éjszakát.

„Ha egy korlát tart a foglalkozás alatt, a tanulás biztosított.” A tartás és a tanítás külön kimenetek, és a korpusz egy tiszta kettős eredményt tartalmaz. Az összesített álláspont visszatartása egy többágenses vitában a diákok helytelen MI-álláspontra való átváltását 42 és 60,5% közötti értékről 5,7 és 8,2% közé csökkentette (nagy védő hatás), mégis nem hozott létre tanulási hatást a foglalkozáson belül (β = 0,03, p = 0,18). A korlát ellátta a korlát feladatát, és nem vált tanítássá. A visszaélés megelőzésére tervezni nem ugyanaz, mint a tanulásra tervezni.

„A visszaélés felismerése és megbüntetése megelőzési stratégia.” A megelőzésnek magára a javítóra is ki kell terjednie. Humble (2026) red team értékelése szerint a beadandó fájlba ágyazott öt közvetett promptinjektálási stratégia közül kettő megemelte egy elégtelen esszé pontszámát. Az a folyamat, amely felismeri a diák visszaélését, miközben megvizsgálatlan beadott tartalomban bízik, csak az egyik oldalon védett.

„A visszaélés a diák motivációjának problémája.” Coates, Croucher és Calderon (2025) egy szinttel feljebb tolják a kötelező korlátot, az irányítást, nem a diák viselkedését tekintve a megváltoztatandó dolognak, és egy 130 tételes integritásmutató keretrendszert javasolnak. És a tanulási ártalom nagy léptékben mérhető: Strömberg, Lei és Wu (2026) szerint a házi feladat kihelyezése 18%-kal növelte a házi feladat pontszámait, miközben 20%-kal csökkentette a zártkönyves vizsgapontszámokat: tervezési kudarc, amely pontosan abban a szakadékban jelenik meg, amelyről ez az oldal szól.

Végrehajtási útmutatás szerepenként

Oktatók és kurzuscsapatok számára

• Az értékeléssel kezdjenek, nem a szabályzat szövegével. Minden osztályozott feladatnál kérdezzék meg, hogy a segítség nélküli változat megmutatná-e azt, amit tanúsítani szeretnének, és először a feladatot javítsák: ez az az eszköz, amelyhez nem kell a diák beleegyezése.
• Vezessenek be tippet, ne választ eszközöket ott, ahol MI-tutor elérhető, mivel a korlátozott és korlátlan tutorálás terepi RCT-je a terület legerősebb kauzális bizonyítéka.
• A diák visszaélés egyetlen fenyegetésként való kezelése előtt ellenőrizzék, hogy a saját osztályozási folyamatuk ellenáll-e a beadott fájlokba injektált utasításoknak.
• Kezeljék az MI-t engedélyező és a segítség nélküli teljesítményt két külön mérésként; a fenti 18%/20% osztás láthatatlan, ha nem gyűjtik mindkettőt.

Fejlesztők számára

• Építsék a korlátozást a felületbe, ne figyelmeztetésbe. Egy tutor, amely elő tudja állítani a kész választ, határidőnyomás alatt elő fogja állítani a kész választ.
• Ne következtessenek a tanulásra a korlátnak való megfelelésből. A vita eredménye azt mutatja, hogy a viselkedés tartott, míg a tanulási mérőszámok laposak maradtak, ezért az eredményeket az interakcióktól külön mérjék.
• A visszaélési jelzéseket diagnosztikaként, ne ítéletként mutassák az oktatóknak, mivel a bizonyítékokban az irányítási keretezés az egyéni diákviselkedés felett helyezkedik el.

Adminisztrátorok és döntéshozók számára

• A kötelező korlátot oda helyezzék, ahova a bizonyítékok teszik. A mutatók és irányítási struktúrák a környezetet célozzák; a diákokhoz intézett buzdítás azt a személyt célozza, aki a legkevésbé tudja megváltoztatni az intézményi tervezést.

Kapcsolódó fogalmak

• AI Misuse and Learning Harm
• Kognitív tehermentesítés
• Akadémiai integritás
• Assessment
• MI-írástudás
• Scaffolding
• Self-Regulated Learning
• Metacognition
• Motivation
• Prompt Engineering
• AI Sycophancy
• Trust Calibration
• Az MI-használat keretezése a diákok számára
• Kognitív megadás

Kapcsolódó cikkek

• The Integrity of Psychology Assessments in the AI Age: A Critical Examination — Verziókövetési bizonyítéknyomok és reprodukálható elemzési dokumentumok mint visszaélés-elrettentő eszközök (Ivory és mtsai 2026)
• Countering the Risks of AI Overreliance: Leveraging Multi-Agent Debate for Complementary Human–AI Decision-Making in Legal Contexts — Egy ajánlás visszatartása nagyrészt megakadályozta a túlzott támaszkodást, anélkül hogy felépítette volna a védett ítéletet
• Generative AI without guardrails can harm learning: Evidence from high school mathematics — A korlátok nélküli GenAI árthat a tanulásnak
• Distinguishing performance gains from learning when using generative AI — A teljesítménynövekedés megkülönböztetése a tanulástól
• A bit of chaos and madness: The AI Assessment Scale and the work of assessment reform — Az MI-értékelési skála és az értékelési reform
• Scaffolding critical thinking with generative AI: Design principles for integrating large language models in higher — A kritikai gondolkodás támogatása generatív MI-vel
• Learning to Use AI for Learning: Teaching Responsible Use of AI Chatbot to K-12 Students Through an AI Literacy Module — Megtanulni MI-t használni a tanuláshoz (K-12 MI-írástudatossági modul)
• Structuring Transparency: Developing Domain-Specific Generative AI Declaration Frameworks in Higher Education — Az átláthatóság strukturálása: GenAI-nyilatkozatkeretrendszerek
• The Absent Cognitive Baseline: Theorizing a Structural Gap in AI-Native College Students' Academic Self-Assessment — A hiányzó kognitív alapvonal
• AI Literacy: An Exercise in Power-Knowledge — MI-írástudatosság: gyakorlat a hatalom-tudásban
• The Hidden Cost of Contextual Sycophancy: an AI Literacy Intervention in Human-AI Collaboration — A kontextuális hízelgés rejtett költsége: egy MI-írástudatossági beavatkozás
• Sycophantic AI makes human interaction feel more effortful and less satisfying over time — A hízelgő MI idővel fáradságosabbá és kevésbé kielégítővé teszi az emberi interakciót
• Reassessing Academic Integrity in the Age of AI: A Systematic Literature Review on AI and Academic Integrity — Kultúraépítés és értékelés-újratervezés a detektáló rendészet helyett
• Young People, Learning, and Generative AI: A Rapid Literature Review and Implications for PreK-12 Education — Kognitív megadás, termékeny súrlódás és metakognitív egyenlőtlenség
• Reconsidering the Use of Oral Exams and Assessments: An Old Way to Move Into a New Future — A szóbeli vizsgák újragondolása mint autentikus, MI-ellenálló értékelés
• The Generative AI Learning Penalty: Evidence from Chinese Secondary Education — A generatív MI tanulási büntetése: a házi feladat kihelyezése árt a tanulásnak
• Modeling AI Overreliance as a Complex Adaptive System — Az MI-re való túlzott támaszkodás mint komplex adaptív rendszer
• Can EdTech Close Learning Gaps? Global Evidence from Digital Interventions — A korlátok eltávolítása megszüntette az ártalmat anélkül, hogy javította volna a vizsgapontszámokat
• How strong is the evidence in generative AI-related academic misconduct allegations? A mixed-methods analysis — Mit tartalmaznak valójában bizonyítékként a kötelességszegési vádak iratai
• Transcription is not generation: Distinguishing non-generative AI tool use from academic misconduct in higher education assessment — Túl széles MI-szabályok és a diákok, akiket elkapnak
• Educational integrity in GenAI-augmented assessment: making judgment visible — Az integritás mint értékelő ítélet, nem megfelelés
• Tools facilitate cheating, or partner supports learning? GenAI and academic integrity issues from students' perspectives — Diákok arról, hogy a GenAI csalóeszköz vagy tanulási partner
• Under surveillance: Mapping remote proctoring practices in the assessment of nursing students — a scoping review — Mit tesz a távfelügyelet a diákokkal és az esélyegyenlőséggel
• AI-based digital cheating at university, and the case for new ethical pedagogies — Helyzeti bűnmegelőzés az MI-közvetített csalás ellen: 183-ról 27 esetre, és öt tudományterületspecifikus újratervezés (Leaton Gray, Edsall és Parapadakis 2025)
• Academic integrity in the age of generative AI: A scoping review of research on higher education student voices — Mit javasol 38 diákhang-vizsgálat: közösen létrehozott tisztaság és nevelő érvelés a detektálás helyett (Ji 2026)
• GenAI assessment and language equity: Drawing the line between support and substitution — Hol végződik a nyelvi támogatás és hol kezdődik a helyettesítés az EAL-írók számára (Li 2026)
• Ethical implications of prompt injection in AI-mediated grading: An adversarial red-team evaluation — Promptinjektálás mint visszaélési vektor az MI-osztályozás ellen (Humble 2026)
• Governing academic integrity: Ensuring the authenticity of higher thinking in the era of generative artificial intelligence — Az irányítás mint az integritás kötelező korlátja: 130 tételes mutatókeretrendszer (Coates, Croucher és Calderon 2025)