Pernyataan Penggunaan dan Pengungkapan AI

Di halaman ini

Terjemahan mesin otomatis halaman berbahasa Inggris ini, yang belum ditinjau oleh penutur asli.

Pernyataan penggunaan dan pengungkapan AI — kebijakan, deklarasi, dan praktik yang melaluinya pembelajar diminta (atau memilih) mengungkapkan penggunaan AI generatif mereka dalam karya akademik. Juga dikenal sebagai deklarasi penggunaan AI, pernyataan pengungkapan AI, atau pernyataan transparansi, mekanisme ini berada di persimpangan Integritas Akademik, Etika, Kepercayaan, dan Penilaian di era AI. Riset basis pengetahuan menunjukkan bahwa pengungkapan jauh dari formalitas administratif yang netral: ia dibentuk oleh rasa takut akan sanksi, kebijakan yang ambigu, penegakan yang tidak konsisten, norma sejawat, stigma, dan biaya psikologis dari memberatkan diri sendiri — dan ia sangat terjerat dengan Regulasi Diri dalam Belajar dan Pencarian Bantuan.

Pertanyaan yang Perlu Dipertimbangkan

Jika Anda seorang siswa yang memakai AI generatif untuk sebuah tugas, apakah Anda akan memberi tahu instruktur Anda? Halaman ini menyarankan bahwa jawaban jujurnya sangat dibentuk oleh rasa takut — riset menemukan pengungkapan jarang terjadi, didorong oleh 'kecemasan akan sanksi' dan kekhawatiran memberatkan diri sendiri. Asumsi apa tentang perilaku pengungkapan Anda sendiri yang mungkin perlu Anda pertanyakan?
Pertanyaan desain sentralnya adalah apakah pengungkapan berfungsi sebagai pengawasan atau sebagai perancah bagi keterlibatan etis. Sebelum membaca, menurut Anda formulir pengungkapan hendak melakukan yang mana — dan dapatkah Anda memikirkan cara formulir yang sama melayani tujuan sebaliknya?
Satu temuan mencolok adalah bahwa siswa yang selalu mengungkapkan memiliki peluang lebih dari tiga kali lipat dituduh menyontek — transparansi mengundang kecurigaan. Jika kejujuran dapat menaikkan kecurigaan, apa artinya itu bagi cara kita merancang kepercayaan antara siswa dan instruktur?
Halaman ini membedakan mekanisme kepatuhan wajib dari praktik pengungkapan formatif yang membangun literasi AI dan regulasi diri. Menurut Anda, pendekatan institusi Anda sendiri lebih menyerupai yang mana, dan apa yang harus berubah agar ia menjadi yang lain?
Riset menghubungkan penyembunyian dengan regulasi diri maladaptif, dan pengungkapan dengan pencarian bantuan adaptif — membuat penggunaan AI Anda terlihat dapat mengundang kalibrasi yang berguna dari instruktur. Kapan Anda (sebagai pembelajar atau guru) merasa bermanfaat membuat ketidakpastian atau penggunaan bantuan Anda terlihat, alih-alih menyembunyikannya?
Norma pengungkapan bervariasi menurut disiplin, latar belakang bahasa, dan konteks — dengan implikasi keadilan ketika sebagian siswa lebih mungkin dihukum karena menyembunyikan daripada yang lain. Jika Anda merancang kebijakan pengungkapan, bagaimana Anda mencegahnya menempatkan beban yang tidak merata pada pembelajar yang sudah terpinggirkan?

Pendahuluan

Pernyataan penggunaan dan pengungkapan AI adalah deklarasi yang melaluinya siswa melaporkan apakah dan bagaimana mereka menggunakan AI generatif dalam sebuah tugas — dari kotak centang pada lembar sampul hingga format terstruktur yang mencatat model, masukan, tujuan, dan bagaimana keluarannya dievaluasi. Sistemnya berbeda dalam jenis maupun rincian: sebagian berfungsi sebagai mekanisme kepatuhan wajib dengan sanksi bagi yang tidak mengungkapkan, sebagian lain sebagai praktik formatif yang memperlakukan pengungkapan sebagai instrumen untuk mengembangkan Literasi AI, transparansi, dan pertimbangan etis. Pertanyaan desain yang menentukan menjadi yang mana adalah apakah pengungkapan dipakai untuk menangkap atau untuk mengajar, yang menempatkan konsep ini tepat di dalam Integritas Akademik dan Kebijakan AI Pendidikan.

Apa itu pernyataan pengungkapan penggunaan AI

Deklarasi penggunaan AI mewajibkan atau mengundang siswa untuk menyatakan apakah dan bagaimana mereka menggunakan AI generatif dalam sebuah tugas — biasanya pada lembar sampul tugas, formulir pengumpulan, atau prompt refleksi. Kerangkanya sangat beragam, dari deklarasi kotak centang sederhana hingga format terstruktur yang mendokumentasikan model, masukan, tujuan, dan bagaimana keluarannya dievaluasi (misalnya kerangka Model-Input-Evaluation/MInE). Rentangnya dari mekanisme kepatuhan wajib (dengan sanksi bagi yang tidak mengungkapkan) hingga praktik formatif yang memperlakukan pengungkapan sebagai instrumen pedagogis untuk mengembangkan Literasi AI, transparansi, dan regulasi diri. Pertanyaan desain sentralnya adalah apakah pengungkapan berfungsi sebagai pengawasan atau sebagai perancah bagi keterlibatan etis.

Mengapa pengungkapan penting bagi AI dalam pendidikan

Pengungkapan adalah mekanisme yang membuat kerja berbantuan AI terlihat dan karenanya dapat ditata kelola — pasangan dari Integritas Akademik dan prasyarat bagi Kepercayaan antara siswa dan instruktur. Tanpa transparansi tentang penggunaan AI, pendidik tidak dapat membedakan dukungan yang sah dari pelanggaran, mengalibrasi Umpan Balik, atau mendeteksi kesenjangan keadilan. Namun riset menunjukkan bahwa pengungkapan juga merupakan proses afektif dan sosial, bukan sekadar proses kebijakan.

Apa yang ditunjukkan riset

Pengungkapan jarang dan didorong kecemasan. Di berbagai studi, sebagian besar siswa tidak mengungkapkan penggunaan AI kepada instruktur. Kirsanov et al. (2026) menemukan hanya ~34% mahasiswa ekonomi mengakui penggunaan AI dan pengungkapannya lebih jarang lagi, didorong "kecemasan akan sanksi." Vetter et al. (2026) menemukan 66% siswa tidak pernah atau jarang mengungkapkan, dengan takut akan sanksi akademik sebagai alasan utama. Gonsalves (2025) mendokumentasikan 74% ketidakpatuhan terhadap deklarasi wajib di King's Business School.
Kebijakan yang ambigu dan punitif mendorong penyembunyian. Ketika kebijakan penggunaan AI tidak jelas, tidak ditegakkan, atau berupa larangan, siswa menyembunyikan penggunaan alih-alih terlibat. Kebijakan "penggunaan terbatas dalam situasi tertentu" paling baik memprediksi pengungkapan; kebijakan "tidak diizinkan" atau "tidak mengetahui" memprediksi penyembunyian. Kebijakan yang jelas, konsisten, dan kolaboratif berulang kali diserukan.
Pengungkapan memiliki biaya psikologis — dan biaya tersembunyi. Siswa memandang deklarasi sebagai memberatkan diri sendiri, dan sebagian percaya penggunaan AI bersifat pribadi seperti memakai kalkulator. Vetter et al. (2026) menemukan siswa yang "selalu" mengungkapkan memiliki peluang lebih dari 3× dituduh — transparansi dapat mengundang kecurigaan. Chang et al. (2026) menemukan kekhawatiran mengalihkan pengungkapan ke sejawat alih-alih menekannya, sehingga memutus siswa dari umpan balik instruktur.
Pengungkapan terjerat dengan pembelajaran teregulasi diri. Chang et al. (2026) menafsirkan pengungkapan yang diarahkan guru sebagai pencarian bantuan adaptif — membuat bantuan terlihat dan mengundang kalibrasi eksternal — sementara penyembunyian (terutama di antara pengguna AI berat) menyerupai regulasi maladaptif. Pengungkapan terstruktur dan formatif dapat mendorong refleksi metakognitif dan penalaran etis yang menandai regulasi diri yang efektif.
Norma pengungkapan bervariasi menurut disiplin, bahasa, dan konteks. Mahasiswa pendidikan, ilmu sosial, dan STEM/Kesehatan lebih banyak mengungkapkan daripada mahasiswa Bisnis; siswa monolingual mungkin lebih sedikit mengungkapkan daripada siswa multibahasa. Mahasiswa internasional dalam satu studi lebih sedikit mengungkapkan, menimbulkan kekhawatiran keadilan. Norma pengungkapan tidak berkembang otomatis seiring kemajuan akademik.
Norma pengungkapan belum mapan di program profesional. Gutowski dan Hurley (2025) melaporkan bahwa sekolah hukum Amerika yang disetujui ABA tidak sepakat apakah penggunaan AI apa pun harus diungkapkan, menguraikan formulir pengungkapan siswa yang diserahkan kepada instruktur, dan tidak menemukan konsensus tentang bagaimana karya ilmiah atau tulisan kelas seharusnya mengutip AI — Bluebook sendiri tetap bungkam. Mereka juga memprediksi bahwa pengungkapan pada akhirnya akan tampak sama tidak bergunanya dengan mencatat bahwa seorang siswa memakai mesin pencari, sebuah peringatan tentang masa berlaku aturan yang kini sedang ditulis, dan mereka mendasarkan pertanyaan norma itu pada Pendidikan Hukum.

Pengungkapan bukan mekanisme deteksi

Kesalahan institusional yang berulang adalah memperlakukan deklarasi sebagai cara menangkap penggunaan yang dilarang. Deklarasi tidak dapat menjalankan fungsi itu: ia bergantung pada kejujuran, dan menegakkannya kembali ke ketakterdeteksian yang sama, karena institusi umumnya tidak dapat membuktikan bahwa penggunaan yang tidak dideklarasikan terjadi. Teichmann (2026) menempatkan nilai sebenarnya di tempat lain — pada komitmen integritas yang terlihat dan tertanam dalam budaya Kepercayaan, serta pada transparansi, ekspektasi bersama, dan refleksi siswa alih-alih penegakan. Mekanisme pendidikannya bersifat normatif, bukan forensik.

Skalanya terdokumentasi: di antara 7,462 lamaran ke program magister kebijakan publik Amerika, atestasi tanpa-AI yang ditandatangani tidak mencegah 56.1% pelamar 2025 mengirimkan satu esai yang diklasifikasikan detektor komersial sebagai terutama tulisan AI, dan setiap esai yang ditandai berkaitan dengan probabilitas penerimaan 1.5 hingga 2.6 poin persentase lebih rendah (Isley, Gaebler dan Goel (2026)).

Karya pemodelan Mohamed dan Temimi (2026) memasok syarat agar pengungkapan berhasil, dinyatakan sebagai ambang desain alih-alih harapan: penggunaan yang diungkapkan mengalahkan penggunaan yang disembunyikan hanya ketika biaya kejujuran tetap di bawah daya cegah yang dibelinya. Karena batas itu naik seiring kredibilitas deteksi, deteksi dan keamanan pengungkapan saling memperkuat — tetapi hanya jika risiko positif palsu karena ditandai jatuh pada respons jujur dan tidak jujur secara sama, sehingga kejujuran mempertahankan perlindungan komparatifnya. Implikasi desainnya langsung: perlakukan penggunaan AI yang dideklarasikan sebagai konteks alih-alih sebagai pengakuan, yang menjaga biaya kejujuran tetap rendah justru dalam pengaturan yang pengawasannya paling kuat, dan baca pengungkapan sebagai demonstrasi pertimbangan evaluatif alih-alih sebagai pengakuan dosa. Izin dan pengungkapan adalah tuas yang terpisah — izin mengubah batas formal penggunaan yang dapat diterima, pengungkapan mengubah visibilitas — dan keberhasilan pada satu hal tidak menyatakan apa pun tentang yang lain.

AlGhamdi (2026) menawarkan uji sugestif atas efek pengungkapan itu sendiri. Mata kuliah yang sama menjalankan studi tersamar (AlGhamdi 2024) dan studi transparan, dan hanya kohort transparan yang secara eksplisit membatasi peran AI dan mempertanyakan otoritas evaluatif. Karena kohort dan tahunnya berbeda, penulisnya menyebut kontras itu sugestif alih-alih kausal, tetapi berargumen bahwa pengungkapan berfungsi sebagai prompt instruksional alih-alih sebagai penyangkalan — mengubah umpan balik dari tindakan yang diterima begitu saja menjadi objek refleksi, tanpa tanda ketidakterlibatan atau penolakan.

Meninjau panduan GenAI dari 50 universitas Amerika yang diperingkat paling inovatif, Qian (2026) menempatkan pengungkapan pada batas antara bantuan dan misrepresentasi: ketika AI diizinkan, institusi menginstruksikan siswa untuk mengakui, mengutip, atau mendokumentasikan bantuan AI dengan cara lain alih-alih menyajikan keluarannya sebagai sepenuhnya milik mereka, dengan perpustakaan — bukan kantor integritas — memegang otoritas atas standar sitasi dan provenans. Pembingkaian MIT Libraries bahwa AI bukan penulis, sehingga penulis tetap bertanggung jawab mendokumentasikan bagaimana alat berkontribusi, mencontohkan pola itu, dan Qian membaca pengungkapan sekaligus sebagai norma integritas, prinsip desain yang mengurangi ambiguitas sebelum pengumpulan, dan salah satu dari empat pilar integritas bersama akuntabilitas, keadilan, dan Privasi. Ini adalah penggunaan non-forensik yang sama dengan yang diuraikan bagian ini, dan itulah sebabnya Qian merekomendasikan pelembagaan perpustakaan sebagai otoritas sitasi alih-alih memperluas deteksi.

Pengungkapan membawa penalti kepercayaan, dan legitimasi adalah mekanisme yang diargumentasikan. Dalam tiga belas eksperimen, sebagian besar dengan panelis daring Amerika Serikat dan digabungkan pada 4,093 observasi (θ = 0.81, z = 10.52, 95% CI [0.66, 0.96]), seorang aktor yang mengungkapkan penggunaan AI kurang dipercaya daripada yang tetap bungkam (Schilke dan Reimann (2025)). Efeknya bertahan pada enam pembingkaian pengungkapan, pada evaluator yang sudah tahu AI telah dipakai, dan pada rezim wajib maupun sukarela. Ini adalah padanan eksperimental dari temuan survei di atas bahwa siswa yang selalu mengungkapkan menghadapi peluang tuduhan lebih dari tiga kali lipat: transparansi itu sendiri dapat merugikan pengungkapnya. Satu-satunya hasil yang ditujukan kepada siswa dalam makalah itu adalah bahwa siswa kurang memercayai seorang profesor ketika ia mengungkapkan bahwa ia menilai dengan AI.
Label konten mengubah deskripsi, bukan putusannya. Dengan 617 orang dewasa yang dirandomisasi untuk melihat atau tidak melihat label "AI-Generated Content/Synthetic Video", label itu menurunkan persepsi keaslian (rata-rata 4.92 tanpa label dan 4.21 dengan label) tetapi membiarkan kepercayaan (B = -0.130, p = 0.216), risiko, adopsi, dan pembagian tidak berubah (Fu, Zhang dan Zhang (2026)).

Merancang pengungkapan yang efektif

Kejelasan dan konsistensi mengalahkan daya cegah. Susun kebijakan AI yang jelas, konsisten, dan dibangun bersama, dengan contoh konkret penggunaan yang dapat diterima dan cara mendeklarasikannya; hindari kerangka punitif atau kabur yang memotivasi penyembunyian.
Tangani hambatan afektif. Kebijakan pengungkapan yang hanya menyasar perilaku tidak memadai — normalkan penggunaan AI, kurangi persepsi penghakiman dan stigma, dan yakinkan siswa bahwa pengungkapan yang jujur tidak akan dihukum.
Jadikan pengungkapan formatif, bukan hanya kepatuhan. Gunakan prompt refleksi dan deklarasi terstruktur (model/masukan/evaluasi) agar pengungkapan membangun Literasi AI dan regulasi diri alih-alih berfungsi sebagai pengawasan.
Latih dosen untuk membangun kepercayaan, bukan bersandar pada deteksi. Pengungkapan tidak boleh pernah diikuti tuduhan; dosen sebaiknya mempelajari percakapan yang membangun kepercayaan alih-alih bersandar pada detektor AI yang tidak andal.
Rancang untuk keadilan. Perhatikan perbedaan pengungkapan antar disiplin, status bahasa, dan latar belakang siswa, dan hindari mekanisme yang menempatkan beban tidak merata pada pembelajar yang sudah terpinggirkan.
Pengungkapan juga berjalan sebaliknya. Setiap halaman di sini memperlakukan pengungkapan sebagai kewajiban siswa, dan para profesor penulisan yang diwawancarai Wu dan Lam (2026) meminta cerminnya: siswa harus diberi tahu kapan dan bagaimana sebuah alat dipakai untuk menilai karya mereka, dan persetujuan mereka diminta sebelum karya itu diunggah. Transparansi yang sama yang membuat penggunaan siswa terbaca adalah yang membuat praktik penilaian institusi terbaca bagi siswa.

Koneksi

Pernyataan penggunaan dan pengungkapan AI berada di persimpangan Integritas Akademik (kekhawatiran induknya), Etika, Kepercayaan dan Kalibrasi Kepercayaan (pengungkapan sebagai tindakan kerentanan), Tata Kelola AI dan Kebijakan AI Pendidikan (kerangka kebijakan institusional), serta Penilaian (tempat pengungkapan dioperasionalkan). Ia terhubung ke Literasi AI (siswa perlu memahami apa dan bagaimana mengungkapkan), Regulasi Diri dalam Belajar dan Pencarian Bantuan (pengungkapan sebagai pencarian bantuan yang terlihat), serta Keadilan (pengungkapan yang berbeda-beda). Ia berbeda dari, tetapi terkait dengan, Penyalahgunaan AI dan Kerugian Pembelajaran (kerugian yang hendak disingkapkan pengungkapan) dan Deteksi AI (alternatif berbasis deteksi yang makin sering digantikan kerangka pengungkapan).

Miskonsepsi Umum

"Kebijakan deklarasi wajib menghasilkan pengungkapan." Gonsalves (2025) mendokumentasikan 74% ketidakpatuhan terhadap deklarasi wajib di sebuah sekolah bisnis. Persyaratan itu tidak menghasilkan perilaku yang diwajibkannya.
"Siswa menyembunyikan penggunaan AI karena mereka tidak jujur." Pendorongnya terdokumentasi dan spesifik: hanya sekitar 34% mahasiswa ekonomi mengakui penggunaan AI dengan pengungkapan yang lebih jarang, didorong kecemasan akan sanksi, sementara studi lain menemukan 66% tidak pernah atau jarang mengungkapkan dengan takut akan sanksi akademik sebagai alasan utama. Desain kebijakan, bukan karakter, adalah yang disalahkan data.
"Persyaratan pengungkapan adalah kontrol berbiaya rendah." **Tingkat ketidakpatuhan 74% membuat catatan yang dihasilkan lebih buruk daripada tanpa catatan: itu adalah kumpulan data yang tampak lengkap tetapi tidak, sehingga institusi mengambil keputusan atas sampel yang tidak dapat dipercayainya.
"Mengungkapkan bagaimana model dipakai sudah cukup." Mirończuk (2026) berargumen bahwa pengungkapan mendokumentasikan penggunaan model sementara penggunaan yang bertanggung jawab menuntut jaminan kepengarangan pada tingkat klaim — kapasitas kontributor untuk memahami, membenarkan, dan mempertahankan klaim itu — yang memisahkan delegasi kognitif, ketika keluaran membentuk pilihan substantif, dari delegasi rutin, yang tidak.

Konsep terkait

Integritas Akademik
Etika
Kepercayaan
Kalibrasi Kepercayaan
Tata Kelola AI
Kebijakan AI Pendidikan
Penilaian
Penilaian Autentik
Literasi AI
Regulasi Diri dalam Belajar
Pencarian Bantuan
Keadilan
AI Generatif
Pendidikan Tinggi
Penyalahgunaan AI dan Kerugian Pembelajaran — kerugian yang hendak disingkapkan pengungkapan
Deteksi AI
Orang Tua dan Keluarga
Norma Sosial Penggunaan AI — mengapa pembelajar memilih menyembunyikan alih-alih mengungkapkan

FAQ terkait

Metadata

Tingkat	Higher Ed
Teknologi dan teknik	AI Generatif
Asesmen dan pengukuran	Penilaian
Institusi dan kebijakan	Kebijakan AI Pendidikan
Kesetaraan, etika, dan penggunaan yang bertanggung jawab	Pernyataan Penggunaan dan Pengungkapan AI, Etika, Kepercayaan
Dasar-dasar AI dalam pendidikan	Integritas Akademik

Sumber Riwayat Sunting Obrolan