Bagaimana Saya Menulis Kebijakan AI Mata Kuliah dan Mengomunikasikannya kepada Mahasiswa?

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

Tiga pekan sebelum semester dimulai, templat silabus memiliki satu baris untuk “kebijakan AI”, dan isinya saat ini: lihat aturan integritas akademik universitas. Atau mata kuliah seorang kolega mengembalikan sederet tugas yang tidak ada yang percaya ditulis di ruangan itu, dan rapat program hari Kamis berakhir dengan permintaan agar setiap mata kuliah menyatakan posisinya secara tertulis. Atau kebijakannya sudah tertulis dan masa penilaian sedang menunjukkan kalimat mana yang benar-benar dapat Anda terapkan.

Intinya: sebutkan tugas yang Anda nilai, nyatakan apa yang boleh dilakukan AI pada masing-masing, letakkan deklarasi di satu tempat, dan tegakkan dengan bukti yang dapat Anda lihat. Lima izin yang spesifik lebih bertahan daripada satu halaman larangan. Kebijakan yang menjelaskan dirinya sendiri sekaligus mengerjakan desain penilaian dan kerja komunikasi, dan itulah sebabnya kebijakan itu menghabiskan satu sore tetapi menghemat satu semester perdebatan.

Semua yang berikut adalah dokumen tingkat mata kuliah untuk satu modul, mata kuliah, atau untaian program. Asumsinya, Anda sudah memutuskan apa yang Anda nilai; pekerjaan di sini adalah menyatakannya dan membuatnya bertahan.

Versi singkat

1. Daftar tugas yang dinilai dan tanyakan pada masing-masing: apa, secara spesifik, yang Anda nilai. Batasnya mengikuti jawaban itu.

2. Tulis aturan pada tingkat langkah: curah gagasan diperbolehkan, menyusun tujuan tidak. Kurasi gambar diperbolehkan, merancang pesan pada tingkat slide tidak.

3. Letakkan ringkasannya di silabus, rumusan yang berlaku di lembar tugas, dan ucapkan aturannya sekali secara lisan pada saat pertama kali berlaku.

4. Tetapkan satu tempat dan satu format baku untuk deklarasi, dan jaga agar biaya menyatakan lebih rendah daripada biaya menyembunyikan.

5. Tegakkan dengan pekerjaan yang dapat Anda amati: catatan prompt, latihan di kelas, penjelasan lisan. Skor detektor tetap di luar jalur penegakan.

Mulailah dari tugas yang Anda nilai

Metode terperinci yang paling jelas adalah McCorkle (2025), yang menggantikan larangan menyeluruh yang menurut mahasiswa tidak berlaku bagi mereka. Bacalah kegagalan itu dengan benar: itu ketidakselarasan, bukan pembangkangan, dan mahasiswa tidak melihat diri mereka berperilaku tidak jujur. Aturan yang sudah mereka putuskan bukan tentang mereka tidak dapat dibantah, hanya diabaikan.

Metode McCorkle berjalan dalam empat langkah. Daftar setiap tugas dalam proyek semester, tanyakan pada masing-masing “apa, secara spesifik, yang saya nilai?”, pasangkan setiap tugas dengan penggunaan profesional AI generatif yang masuk akal, lalu putuskan tugas demi tugas. Setiap keputusan menimbang kebutuhan menilai suatu kemampuan melawan nilai membangun kompetensi yang akan dipakai mahasiswa di dunia kerja.

Keluarannya sengaja tidak rata. Curah gagasan diperbolehkan; menyusun tujuan pembelajaran yang spesifik dan terukur tidak. Kurasi gambar diperbolehkan; merancang pesan pada tingkat slide tidak. Naskah dan narasi diperbolehkan, dengan keharusan mengevaluasi keluaran AI. Jika dituliskan, daftar itu tampak sewenang-wenang sampai Anda membaca alasan di samping setiap barisnya, dan itulah sebabnya alasannya ikut berjalan bersama aturannya.

Putuskan seberapa ketat, dengan mengetahui apa yang dilakukan orang lain

Dua titik data memberi tahu Anda seperti apa kebijakan yang normal tahun ini, dan keduanya layak dibawa ke rapat ketika seseorang mengusulkan larangan.

Analisis isi atas 116 kebijakan GenAI institusional dari 131 universitas R1 Amerika Serikat dan 98 silabus ilmu komputer dari 54 di antaranya menemukan bahwa institusi secara luas mendukung penggunaan: 63% mendorong penggunaan GenAI, 41% menawarkan panduan kelas yang terperinci, 27% mendorong agar tidak digunakan. Separuh silabus (50%) melarangnya secara tegas, 41% mengizinkan penggunaan sebagian untuk kegiatan tertentu, dan 7% menyampaikan dorongan. Ganguly et al. (2026) menyebutnya kesenjangan antara kebijakan dari atas dan praktik dari bawah. 92% silabus memberikan pedoman eksplisit, namun aturan lokal menyimpang dari panduan institusi, dan hanya 47 institusi yang kedua tingkatnya dapat terdeteksi. Sitasi adalah satu-satunya persyaratan yang disepakati kedua tingkat, pada 83% silabus.

Chirikov (2026) melacak lebih dari 31.000 silabus di sebuah universitas riset publik besar di Texas dari 2021 hingga 2025. Regulasi naik dari hampir nol sebelum ChatGPT menjadi 55% mata kuliah pada Musim Gugur 2025, sementara kebijakan yang sepenuhnya restriktif turun sekitar 5 poin persentase per tahun. Pada Musim Gugur 2025, pengajar paling sering membatasi penyusunan dan revisi (79%) serta penalaran dan pemecahan masalah (65%). Mereka paling sering mengizinkan penyuntingan dan pemeriksaan ejaan (83%), dukungan belajar dan sintesis (80%), serta pengodean (75%). Ideasi adalah penggunaan yang paling diperdebatkan, dengan 46% mengizinkan dan 54% membatasi.

Rumusannya bergerak bersama angkanya. Penyebutan integritas akademik turun dari 63% menjadi 49%, rujukan pada efek AI terhadap pembelajaran naik dari 1% menjadi 29%, dan persyaratan atribusi naik dari 16% menjadi 43%. Bidang ini bergeser dari “jangan curang” menuju “inilah alasan batas ini melindungi pembelajaran Anda”, dan versi kedua itulah yang dapat ditindaklanjuti mahasiswa.

Dua konsekuensi bagi dokumen Anda. Lebih ketat daripada institusi Anda adalah hal normal, dan itu komitmen yang Anda tanggung sendiri, karena biaya penegakannya jatuh pada Anda. Persyaratan sitasi hampir tanpa biaya, karena empat perlima bidang ini sudah memintanya dan tidak ada mahasiswa yang harus menebak maksud Anda.

Letakkan setiap aturan di tempat mahasiswa akan menemukannya

Tiga dokumen, tiga pekerjaan.

Silabus membawa ringkasan singkat: tugas-tugasnya, penggunaan yang diizinkan pada masing-masing, cara kerja deklarasi, dan konsekuensi bila batas dilanggar. Satu layar, tanpa filsafat.

Lembar tugas membawa penjabaran. Satu ringkasan terlalu kasar untuk proyek yang kompleks, dan di sinilah rumusan McCorkle bekerja, dalam rasional yang ditujukan kepada mahasiswa dengan kata ganti orang kedua yang menyebut penilaian di balik setiap batasan.

Ruangan kelas membawa pernyataan lisan pertama. Ucapkan aturan itu sekali, pada saat pertama kali berlaku, terikat pada pekerjaan yang ada di hadapan mereka. Aturan yang ditemui mahasiswa sendirian adalah aturan yang ia tafsirkan sendirian.

Mekanika deklarasi memerlukan paragrafnya sendiri, dan paragraf itu semestinya yang paling konkret di halaman ini. Mahasiswa yang bersama-sama merancang kebijakan mata kuliah melalui inkuiri terbimbing memprioritaskan pelatihan bagi mahasiswa dan pengajar, prosedur deklarasi yang terstandar, dukungan institusional yang lebih kuat, dan keterlibatan yang lebih besar dalam keputusan tentang AI (Hingle dan Johri (2026)). Nyatakan bagaimana, di mana, dan dalam bentuk apa seorang mahasiswa mendeklarasikan penggunaan, dan nyatakan sekali saja.

Pisan (2026) menemukan versi yang lebih kuat dari langkah yang sama: jadikan catatan prompt sebagai artefak yang dinilai. Ketika sebuah model yang mengerjakan produksinya, prompt dan rekaman interaksi adalah hal yang layak diberi versi, sehingga deklarasi berhenti menjadi administrasi dan menjadi bukti yang sedang dibangun mahasiswa.

Tulis hanya aturan yang dapat Anda terapkan dalam satu siklus penilaian

Aturan yang memerlukan pemantauan per tugas, atau penilaian tentang kapan sebuah asesmen “dimulai”, akan diterapkan secara tidak konsisten di seluruh kelas dan di antara dua penilai. Ketidakkonsistenan adalah masalah kesetaraan sebelum menjadi masalah administratif. Rezim yang dibangun di atas detektor menambah biaya pengawasan yang jatuh secara tidak merata, bersama pertanyaan tentang pengawasan ujian dan penyimpanan data yang mungkin tidak dapat Anda jawab pada tingkat mata kuliah.

Nash dan Burriss (2026) menganalisis 27 kebijakan AI kelas yang ditulis oleh calon guru bahasa Inggris. 26 dari 27 mengizinkan sebagian penggunaan AI, hampir selalu dengan syarat, waktu, dan tempat yang ditentukan guru; satu melarangnya sepenuhnya. Ideasi adalah penggunaan yang paling luas diizinkan (22 dari 27) dan yang paling ambigu. 22 tidak mengizinkan atau tidak memperjelas penyusunan kalimat, paragraf, atau makalah oleh AI. 16 mengizinkan pemeriksaan tata bahasa dan penyuntingan, sementara 16 melarang menghasilkan teks besar yang dibuat AI. Dan 22 dari 27 tidak membahas membaca sama sekali.

Kegagalan yang berulang adalah operasionalisasi. Satu kebijakan mengizinkan AI “untuk memulai pemikiran Anda” dan menyatakan “di sinilah batasnya seharusnya ditarik” tanpa mengatakan di mana batas itu. Ambiguitas semacam itu membuat mahasiswa tidak dapat mematuhi dan Anda tidak dapat menerapkan standar yang konsisten. Itu cacat, bukan kompromi.

Temuan Chirikov tentang variasi disipliner dan variasi tugas yang besar mendukung kerangka yang memberi pengajar otonomi di dalam domainnya sendiri alih-alih satu mandat untuk semua orang, dan itu juga deskripsi jujur tentang apa itu kebijakan mata kuliah: penilaian lokal di dalam aturan yang lebih luas.

Ada dimensi kesetaraan di sini. Kebijakan yang tidak transparan mengandaikan pengetahuan latar yang sama tentang kepengarangan, atribusi, dan norma kerja akademik, sehingga paling membebani mahasiswa yang datang tanpa itu. Argumen McCorkle adalah bahwa transparansi membongkar sebagian kurikulum tersembunyi itu dan menurunkan kemungkinan kegagalan kebijakan menjadi perkara disipliner.

Versi termurah dari semua ini adalah sedikit dan spesifik: tugas yang Anda nilai, penggunaan yang diizinkan pada masing-masing, mekanika deklarasi, dan konsekuensi bila batas dilanggar, masing-masing dengan alasannya menyertai.

Ucapkan secara lisan, dan perhatikan apa yang Anda contohkan

Aturan deklarasi tidak bekerja sebagai mekanisme kepatuhan dengan sendirinya, dan memperlakukannya seolah-olah begitu adalah kesalahan desain yang paling umum. Dalam studi metode campuran terhadap 409 mahasiswa sarjana, Qu dan Wang (2026) menemukan bahwa tidak menyatakan penggunaan adalah adaptasi strategis terhadap norma rekan yang dipersepsi dan rendahnya kepercayaan interpretatif pada pengajar alih-alih kelalaian moral. Persepsi tentang pengungkapan rekan dan kenyamanan dengan pengajar adalah prediktor terkuat bagi pengungkapan mahasiswa sendiri; pelepasan moral memiliki efek yang lebih lemah.

Itu menyisakan dua tuas yang benar-benar Anda kendalikan: apa yang diyakini mahasiswa tentang perilaku rekan mereka, dan apakah mereka percaya Anda membaca deklarasi secara adil. Keduanya merespons cara Anda membicarakan aturan itu pada pekan pertama. Tidak satu pun merespons kerasnya rumusan.

Kim et al. (2026) menemukan lima lokasi berbeda tempat kebijakan sebenarnya sebuah mata kuliah berada: niat pengajar, kebijakan formal, tafsiran mahasiswa, kebijakan diri mahasiswa, dan praktik mahasiswa. Celah di antaranya bersifat sistemik. Mereka juga mengkatalogkan 23 rasionalisasi dalam enam kelas yang dipakai mahasiswa untuk membenarkan penggunaan AI dalam penulisan akademik, dari “tidak ada korban manusia” hingga “ketidakpedulian pengajar”. Rasionalisasi itu bersifat ad hoc dan post hoc: mahasiswa menjelaskan perilaku yang sudah terjadi alih-alih bernalar sebelumnya, dan itulah sebabnya rumusan yang lebih jelas serta deteksi yang lebih keras tidak menutup celah itu dengan sendirinya.

Seorang partisipan yang ingin mematuhi aturan ketat tanpa AI tetap memakai AI dan mengatakan bahwa larangan itu “menciptakan konflik bagi saya, karena saya melanggar aturannya”. Larangan itu memperkuat konflik moral tanpa mencegah penggunaan. Aturan yang menghasilkan rasa bersalah tanpa kepatuhan sedang menggerus hubungan yang Anda butuhkan untuk deklarasi.

Perhatikan juga apa yang Anda contohkan. Sebagian besar tugas dalam mata kuliah Pisan mencantumkan prompt yang dipakai untuk menghasilkannya, dan seorang mahasiswa membaca transparansi itu sebagai izin: “ketergantungan pada ai dari pengajar untuk menilai dan membuat tugas juga membuat sulit untuk tidak memakai ai bagi tugas dengan cara yang sama.” Mencerminkan sebuah norma adalah bagian dari kebijakan sebagaimana dialami mahasiswa, apa pun yang tertulis di silabus.

Pernyataan yang dapat Anda adaptasi:

Penggunaan AI dalam mata kuliah ini. Saya ingin Anda meninggalkan mata kuliah ini dengan kemampuan melakukan X sendiri, jadi saya menilai X secara langsung. Anda boleh memakai AI untuk [penggunaan yang diizinkan] pada [daftar tugas]; Anda tidak boleh memakainya untuk [penggunaan yang dibatasi], karena itulah yang saya nilai. Jika Anda memakai AI di mana pun dalam pekerjaan Anda, beri tahu saya di [satu tempat yang disebutkan namanya, misalnya baris deklarasi pada setiap pengumpulan] untuk apa Anda memakainya dan tempelkan prompt-nya. Menyatakan penggunaan tidak akan pernah menurunkan nilai Anda. Tidak menyatakan penggunaan adalah hal yang membawa konsekuensi. Jika Anda tidak yakin apakah suatu penggunaan diizinkan, tanyakan kepada saya sebelum mengumpulkan, bukan sesudahnya.

Kalimat terakhir itu memindahkan titik keputusan ke sebelum pekerjaan dimulai, yang merupakan satu-satunya titik ketika pertanyaannya murah untuk dijawab.

Rencanakan keempat percakapan itu sebelum terjadi

Mahasiswa yang memakai AI dan tidak menyatakannya. Tangani ini sebagai pertanyaan proses, bukan pertanyaan karakter. Mohamed dan Temimi (2026) memodelkan asesmen sebagai masalah informasi tidak sempurna: mahasiswa tahu bagaimana karya itu dihasilkan, dan institusi melihat artefaknya ditambah jejak sebagian. Model wilayah respons mereka membandingkan tiga respons, tanpa penggunaan AI, penggunaan yang dinyatakan, dan penggunaan tersembunyi, lalu menanyakan mana yang dibuat paling menarik oleh setiap mekanisme. Larangan menetapkan batas formal dan membiarkan penggunaan tersembunyi tetap menarik ketika mahasiswa memandang deteksi lemah. Pemantauan menaikkan biaya yang diharapkan dari penggunaan tersembunyi tanpa menaikkan deklarasi, sehingga mahasiswa menjadi berhati-hati tanpa menjadi transparan. Izin dengan deklarasi membuat pelaporan jujur layak hanya selama biaya kejujuran tetap rendah.

Di ruangan kelas, itu berarti menanyakan apa yang seharusnya dinilai oleh karya tersebut, meminta mahasiswa mempertanggungjawabkan prosesnya, dan membaca deklarasi yang terlambat sebagai informasi alih-alih pengakuan dosa.

Mahasiswa yang menyitasi AI untuk segala hal. Ini biasanya celah keterampilan yang berkostum kepatuhan. Persyaratan atribusi naik dari 16% menjadi 43% silabus sementara penyebutan integritas akademik turun dari 63% menjadi 49%, sehingga bidang ini meminta sitasi alih-alih pengakuan. Tetapkan formatnya sekali, di lembar tugas, bukan di catatan kaki silabus. Nyatakan seperti apa atribusi yang memadai di disiplin Anda dan berikan satu contoh terperinci. Bila masalah sebenarnya adalah mahasiswa belum mampu mengerjakan pekerjaan dasarnya tanpa model, jawabannya adalah desain tugas.

Kerja kelompok. Lima mahasiswa dapat memegang lima tafsiran atas satu kalimat, dan hanya satu pengumpulan yang dinilai. Untuk setiap keluaran kelompok, putuskan dan umumkan apakah penggunaan AI diizinkan, siapa yang mendeklarasikannya, dan apa yang terjadi bila satu anggota keluar dari aturan. Lakukan itu sebelum proyek dimulai, selagi masih menjadi pertanyaan perencanaan. Jika Anda tidak dapat menyatakan kontribusi individual yang menjadi tanggung jawab seorang anggota, nilai tugas itu sebagai kerja kelompok semata alih-alih memutus kepengarangan setelah kejadian.

Deklarasi yang tidak dapat Anda verifikasi. Sebagian deklarasi akan tidak lengkap dan sebagian kelalaian tidak dapat dibantah. Bassett et al. (2026) berargumen bahwa deteksi AI seharusnya tidak dipakai dalam pendidikan sama sekali, dengan tiga alasan yang berimplikasi pada rumusan. Keluaran detektor adalah estimasi probabilistik yang tidak dapat diverifikasi secara independen, karena asal teks di dunia nyata tidak diketahui, sehingga validasinya berjalan di atas penalaran sirkular. Skor detektor tidak memenuhi standar keseimbangan probabilitas yang dituntut penyelidikan integritas. Dan dikotomi manusia-versus-AI tidak bermakna bagi karya yang dibuat bersama AI, bukan oleh AI. Kesimpulan mereka adalah deteksi “tidak melindungi integritas akademik; deteksi merusaknya”.

Mereka menandai masalah perumusan yang layak disalin ke dalam putaran revisi Anda. Aturan yang membatasi penggunaan AI “dalam asesmen” gagal menyebutkan kapan sebuah asesmen dimulai, sehingga riset, perencanaan, atau penyuntingan berbantuan AI bisa jadi pelanggaran atau bukan, tergantung siapa yang membacanya. Sebutkan bukti proses yang dapat Anda amati sebagai gantinya: prompt dan catatan interaksi yang dikumpulkan, latihan yang dibuat di kelas, penjelasan lisan. Bila institusi Anda tetap menjalankan detektor, peringatan mereka tentang penyimpanan data, retensi, dan penggunaan komersial karya mahasiswa tetap berlaku, dan keberatan privasi yang diajukan dua calon guru adalah keberatan yang akan diajukan mahasiswa Anda.

Apa yang salah dipahami pengajar tentang hal ini

Kebijakan yang lebih ketat adalah kebijakan yang lebih aman. Lebih ketat daripada institusi Anda itu umum dan dapat dipertahankan, tetapi biaya penegakannya milik Anda, dan aturan yang tidak dapat Anda terapkan secara konsisten dalam satu siklus penilaian adalah masalah kesetaraan. Pangkas aturan yang tidak dapat Anda jalankan.

Larangan adalah pesan terpendek yang tersedia. Dalam 27 kebijakan calon guru itu, ambiguitasnya sebagian besar ada pada kebijakan yang mengizinkan, dan 22 dari 27 tidak pernah membahas membaca, sehingga mahasiswa dibiarkan menyimpulkan sendiri. Partisipan Kim et al. mematuhi larangan dengan melanggarnya dan merasa bersalah karenanya.

Deklarasi adalah mekanisme kepatuhan. Deklarasi adalah sinyal, dan sinyal bergantung pada kepercayaan. Qu dan Wang menemukan norma rekan dan kenyamanan dengan pengajar memprediksi deklarasi lebih baik daripada penalaran moral.

Skor detektor menyelesaikan kasus yang diperdebatkan. Skor itu tidak mencapai standar yang harus dipenuhi penyelidikan integritas, dan tidak dapat membedakan karya yang dibuat bersama AI dari karya yang dibuat oleh AI. Bangun kasusnya di atas pekerjaan yang Anda amati.

Menulis kebijakan adalah komunikasinya. Kim et al. menemukan lima lokasi tempat kebijakan sebenarnya berada, dan dokumen Anda adalah salah satunya. Versi yang dijalankan mahasiswa disusun dari apa yang Anda ucapkan di kelas dan apa yang Anda lakukan dengan materi Anda sendiri.

Apa yang akan kembali kepada Anda

“Mahasiswa akan menyembunyikannya saja.” Sebagian akan begitu, dan pertanyaan desainnya adalah mahasiswa mana yang digoda oleh aturan Anda. Pencegahan berjalan melalui daya diskriminasi detektor antara penggunaan tersembunyi dan karya yang sah, bukan melalui tingkat tangkap mentahnya. Ketika sensitivitas tambahan menghasilkan lebih banyak positif palsu baru daripada positif benar baru, pemantauan yang lebih kuat dapat membuat penyembunyian secara relatif lebih menarik, karena mahasiswa jujur dihukum lebih cepat daripada pengguna tersembunyi teridentifikasi. Izin dan deklarasi adalah tuas yang terpisah: izin menggeser batas penggunaan yang dapat diterima, deklarasi mengubah visibilitas. Diagnosis di mana tugas Anda paling menarik bagi mahasiswa yang tergoda menyembunyikan, dan rancanglah untuk mahasiswa itu.

“Saya tidak ingin melarang alat yang tidak dapat saya deteksi.” Anda tidak harus melakukannya. Larangan adalah satu dari empat respons desain, bersama pemantauan, penggunaan yang diizinkan dengan deklarasi, dan desain ulang. Desain ulang mengubah apa yang dihargai tugas, dan tetap kosmetik bila rubriknya masih menilai produk akhir terutama. Pisan (2026) menunjukkan tingkatannya secara eksplisit: AI dilarang di mata kuliah pemrograman pengantar, karena mengalihdayakan perulangan pertama menghapus hal yang sedang diajarkan; didorong pada proyek di struktur data (Copilot diizinkan) dan dilarang pada ujian pena dan kertas; menjadi bantuan belajar dan tinjauan di mata kuliah sistem tingkat lanjut; dan diwajibkan di mata kuliah AI itu sendiri, ketika satu batas memikul sebagian besar bobotnya. Model boleh menulis kode, dan refleksinya harus dalam suara mahasiswa sendiri. Ujian dihapus sepenuhnya, dan asesmen dipindahkan ke pekerjaan yang tidak dapat dituliskan model secara diam-diam.

“Kebijakan institusi saya sudah mencakup ini.” Tidak sejauh yang Anda kira. Celahnya berjalan dua arah: 92% silabus memberikan pedoman eksplisit, aturan lokal menyimpang dari panduan institusi, dan hanya 47 institusi yang kedua tingkatnya dapat terdeteksi. Pengadaan, data, dan siklus tinjauan menjadi bahasan Bagaimana Kami Menulis dan Menerapkan Kebijakan AI Institusional?, tetapi penerjemahannya ke ruang kelas adalah milik Anda. Nash dan Burriss menyimpulkan bahwa institusi harus membekali guru untuk menolak sekaligus mengadopsi, dengan panduan dan pengembangan profesional yang memungkinkan seorang pengajar menolak penggunaan AI tertentu tanpa dibingkai sebagai ketinggalan zaman. Teknodeterminisme partisipan mereka bertentangan dengan komitmen pedagogis mereka sendiri. Kebijakan institusional bukan tameng bagi penilaian Anda.

“Saya tidak punya waktu menulis ulang silabus bulan ini.” Jalankan pendataannya sekali, pada tugas yang mengkhawatirkan Anda, dan bawa keluarannya langsung ke lembar tugas. Kalimat silabus bisa menunggu siklus revisi berikutnya. Bagaimanapun, mahasiswa bertindak berdasarkan lembar tugas.

Yang perlu dilakukan pekan ini

1. Daftar tugas yang dinilai dan tuliskan “apa, secara spesifik, yang saya nilai?” di samping masing-masing, sebelum Anda memutuskan apa pun tentang AI.

2. Putuskan tugas demi tugas, dan periksa respons mana yang paling dibuat menarik oleh setiap keputusan bagi mahasiswa yang paling tergoda menyembunyikan.

3. Tulis kalimat deklarasinya: satu tempat, satu format, satu contoh terperinci atribusi yang memadai.

4. Sebutkan bukti yang akan Anda terima dalam sengketa (catatan prompt, pekerjaan di kelas, penjelasan lisan), dan buang aturan apa pun yang tidak dapat Anda uji terhadapnya.

5. Ucapkan aturan itu secara lisan di kelas berikutnya, pada saat pertama kali berlaku, dengan rasional di samping setiap batasan.

Ke mana selanjutnya

Tata kelola, kebijakan data, pengadaan, dan siklus tinjauan menjadi bahasan Bagaimana Kami Menulis dan Menerapkan Kebijakan AI Institusional?; aturan institusional dan distrik yang bersifat mandat ada pada kebijakan pendidikan AI dan tata kelola. Membangun ulang tugas agar nilai tetap mendukung inferensi yang dapat dipertahankan menjadi bahasan desain ulang asesmen di era AI, argumen penegakannya ada di mengurangi kecurangan AI, keputusan detektornya di haruskah kita memakai detektor AI, dan skema pelabelannya di reformasi skala asesmen AI.