Moeten we AI-detectoren gebruiken?

Automatische machinale vertaling van deze Engelse pagina, nog niet nagekeken door een moedertaalspreker.

Er komt een gemarkeerde detectiescore terug op een inzending die u al twee keer hebt gelezen, of een collega wil de tool aanzetten voor de volgende essaydeadline, of een integriteitscommissie vraagt u een bevinding te verdedigen die op een percentage rust. Iemand in de zaal zal zeggen dat de score maar één stuk bewijs is. Wat u feitelijk beslist, is smaller dan het debat dat erop volgt: of dit getal überhaupt gewicht kan dragen in een procedure wegens wangedrag, en wat u ervoor in de plaats zet als dat niet kan.

Het korte antwoord dat u in de vergadering kunt herhalen: een detectiescore kan geen bevinding dragen, omdat ze niet tegen de grondwaarheid kan worden gevalideerd, niet kan worden ondervraagd en niet aan het waarschijnlijkheidsoverwicht voldoet. Haar fouten herhalen zich in patronen, en ze treffen het hardst eerlijke bewerkers en studenten die in een tweede taal schrijven. Vraag in plaats daarvan of een student begrip kan tonen van wat hij of zij heeft ingeleverd, en financier dat vermogen.

De korte versie

1. Schrijf in het beleid dat detectoroutput nooit een consequentie in gang zet, nooit op zichzelf staat en nooit een bevinding draagt. Zet het in het beleidsdocument zelf, waar een commissie het kan vinden nadat de memo verdwenen is.

2. Vervang “hebt u AI gebruikt?” door “kunt u me laten zien dat u dit begrijpt?” Gebruik een kort gesprek, een vroege versie of een opgenomen uitleg.

3. Bouw één geauthenticeerde of hulpmiddelvrije stap in elke taak met hoge inzet, afgestemd op de nakijkcapaciteit die u werkelijk hebt.

4. Vraag de leverancier om foutpercentages op papier en probeer ze vervolgens te reproduceren op uw eigen inzendingen. Vanderbilt probeerde dat en schakelde de tool uit.

5. Verplaats het geld van een detectielicentie naar verificatiecapaciteit en begeleiding. Daar wijst de gedocumenteerde klacht van docenten naartoe.

Bepaal of u een bevinding hebt of een vraag

Dit zijn twee verschillende taken die op verschillend bewijs draaien. Een bevinding vereist bewijs dat het waarschijnlijkheidsoverwicht haalt, en een detectiescore komt daar op eigen kracht niet. Ze kan niet tegen de grondwaarheid worden gevalideerd, omdat bij echte inzendingen niemand weet hoe de tekst tot stand is gekomen, waardoor validatie circulair wordt en de fout-positieve en fout-negatieve percentages alleen betekenis hebben binnen een gecontroleerde test. De tool publiceert geen drempels en geen trainingsgegevens en staat geen onafhankelijke replicatie toe, wat een gemarkeerde student niets laat om te antwoorden en u niets om uit te leggen (Heads We Win, Tails You Lose: AI Detectors in Education, Detecting the Undetectable? Reassessing Academic Misconduct Procedures in the Era of Generative AI).

De score combineren met andere signalen repareert dit niet. Linguïstische markers, stijlvergelijkingen, oordelen van een LLM en het zwijgen van een student komen nog steeds onder de norm uit. Het zwijgen is het punt om op te letten: studenten behouden het recht om te weigeren, en weigeren kantelt de weegschaal niet. Wat u wel legitiem kunt vragen, is of de student het leren kan aantonen dat de toetsing beoogt te meten, en een mondeling antwoord beantwoordt dat op een manier die een gelijkenisscore nooit zal doen (Heads We Win, Tails You Lose: AI Detectors in Education).

Het binaire onderscheid is ook de verkeerde vraag. Werk van studenten komt vaak met AI tot stand, op een hybride continuüm, en beleid dat “bij toetsing” zegt, definieert zelden wanneer een toetsing begint, waardoor het oordeel terechtkomt bij wie het bestand het eerst leest (Heads We Win, Tails You Lose: AI Detectors in Education).

Daaronder zit een probleem met referentiegegevens. Detectoren worden getraind en getest op menselijk schrijfwerk van vóór generatieve AI, en de eigen validatie van Turnitin gebruikte 700.000 papers van voor 2019. Dat corpus wordt verondersteld het huidige studentenproza te representeren, een aanname die niemand heeft geverifieerd en die verschuift bij elke modelrelease (Heads We Win, Tails You Lose: AI Detectors in Education).

Kijk naar de nauwkeurigheidscijfers voordat u er een citeert

De sterkste gecontroleerde test in de kennisbank onderzocht 642 gepubliceerde Engelse abstracts uit vier domeinen en twee periodes. Bij een drempel van 0,50 markeerden twee commerciële detectoren richtlijnconform licht AI-bewerken in 38-80% van de gevallen, markeerden ze ongewijzigde originelen uit 2023-25 in 9-15% van de gevallen (niet-STEM ver boven STEM, p<0,001), en vingen ze, zodra tekst door een humaniseringsdienst was gehaald, minder dan 4% van de als AI-gelabelde herschrijvingen, een fout-negatief percentage boven 96%. De auteurs noemen dit een integriteitscatch-22: de studenten die het melden en licht bewerken, zijn degenen die de tool vangt, en de studenten die erop uit zijn om haar te omzeilen niet. Hun aanbeveling is expliciet: detectiescores mogen nooit als op zichzelf staand bewijs van wangedrag dienen (Why AI Detection Fails for Academic Integrity).

Een onafhankelijke Benchmark komt vanaf een andere kant op dezelfde plek uit. Geen van de 14 tools haalde 80% nauwkeurigheid, en simpel parafraseren, licht bewerken of een humaniseringsdienst halveert zelfs die prestatie ruwweg. Bij realistische basispercentages zijn fout-positieven talrijker dan terecht-positieven (Detecting the Undetectable? Reassessing Academic Misconduct Procedures in the Era of Generative AI).

De vangkans bij volledig gegenereerde tekst is slechter dan de kop boven de foutpercentages suggereert. In een heimelijke veldstudie injecteerden onderzoekers volledig door AI gegenereerde inzendingen in een levend online examensysteem over vijf psychologiemodules: 94% bleef onopgemerkt, en het AI-werk scoorde gemiddeld hoger dan de echte studenten. Contractfraude had al hetzelfde structurele probleem laten zien, omdat die geen betrouwbaar spoor achterlaat (Detecting the Undetectable? Reassessing Academic Misconduct Procedures in the Era of Generative AI).

De nauwkeurigheid beweegt ook mee met de taak. Toen onderzoekers testten of generatieve AI de eigen output kan detecteren, waren de resultaten betrouwbaar voor programmeren en langere reflectieve teksten en slecht voor korte antwoorden, waar het model de eigen tekst vaak menselijker beoordeelde dan authentiek studentenwerk. Kleine variaties in de prompt verlaagden de nauwkeurigheid sterk (Distinguishing Artificial from Authentic: Evaluating LLMs for Detecting LLM-Generated Content). Een drempel die voor de ene opdracht standhoudt, faalt bij de andere, en u weet pas welke bij het beroep.

Dan is er de houdbaarheid. Een studie uit 2026 herformuleert detectie als een adaptatieprobleem: een black-box herschriftaanval bracht de commerciële detector Pangram terug tot een gebalanceerde nauwkeurigheid van 63,5% en een AI-recall van 27,0%, en een detector die op Llama 3.3 70B Instruct was getraind, haalde slechts 55% recall op abstracts van een nieuwer model. Test-time-adaptatie herstelde tot 94,4% gebalanceerde nauwkeurigheid en 99% recall op diezelfde tekst, en dat is de bemoedigende helft. Hetzelfde artikel laat zien wat de oplossing kost: naarmate gesimuleerde LLM-adoptie zich verspreidt, vervalt de recall van een vaste gesuperviseerde detector op menselijke tekst van 85,9% naar 73,4% over het decennium. De houdbaarheidsvoorwaarde wordt ronduit gesteld: gebalanceerde nauwkeurigheid kan niet meer dan de helft van één plus de total-variation distance tussen de menselijke en de AI-verdeling bedragen, dus convergentie van de twee zou elke lerende detector verslaan. Een gevalideerde score houdt stand tot de modellen bewegen, en ze bewegen elke paar maanden (Hitting a Moving Target: Test-Time Adaptation for AI Text Detection under Continual Distribution Shift).

En de machine heeft nog nooit duidelijk een aandachtige lezer verslagen. Leaton Gray, Edsall en Parapadakis (2025) rapporteren machinale detectie van AI- of geparafraseerde tekst op ongeveer 80% tegen 78,4% voor menselijke beoordelaars, en citeren bewijs dat door AI gegenereerde tekst in tot 80% van de gevallen als door mensen geschreven is gepasseerd. Die marge verdwijnt in de foutmarge die de mens al meebrengt, en die is te dun om een bevinding te dragen (AI-based digital cheating at university, and the case for new ethical pedagogies).

Bepaal op wiens werk de fout terechtkomt

De kenmerken die detectoren als signalen van AI lezen, namelijk hoge dichtheid van lange tokens, frequentie van academische woorden en uniforme stijl, zijn ook kenmerken van bekwaam schrijven in een tweede taal. Misclassificatie volgt daardoor de taalachtergrond in plaats van het gedrag, wat dit tot een billijkheidsvraag maakt voordat het een technische vraag is (Detecting the Undetectable? Reassessing Academic Misconduct Procedures in the Era of Generative AI).

Die scheefheid komt ook buiten het Engels voor. Een benchmark van 3.811 passages waarvan het auteurschap vóór ChatGPT aantoonbaar is vond dat vijf op Engels getrainde publieke detectoren, zoals ze zijn uitgebracht, 81,4% van menselijke Kazachse passages markeren (TMR RoBERTa) en 79,6% van gepubliceerde Kazachse studentenessays (Desklib DeBERTa), met 25,5% voor Fakespot, en dat herkalibratie naar een fout-positiefpercentage van 1% hoogstens 1,3% van de machinetekst vangt in ruil daarvoor. De eigen waarschuwing van de studie doet ertoe wanneer u haar citeert: de menselijke passages zijn openbare teksten van vóór ChatGPT zoals gevonden, geen studentenessays, dus de onderwijspercentages zijn de minst zekere cijfers die ze rapporteert (Unchecked or Falsely Accused? Evaluating AI-Generated Text Detectors on Kazakh).

Discipline voegt een tweede as toe. Niet-STEM-abstracts werden in de studie met 642 abstracts ver boven STEM-abstracts gemarkeerd, wat de schrijfconventies van die vakgebieden weerspiegelt en niet het gedrag van hun auteurs (Why AI Detection Fails for Academic Integrity). Twee veelgebruikte commerciële tools maten 0,69 en 0,61 nauwkeurigheid in één vergelijking, en beide faalden op hybride mens-AI-tekst (Evaluating the accuracy and reliability of AI content detectors in academic contexts, Who wrote this? Evaluating the reliability of AI detection tools in higher education). Een detector is een stijltest, en de stijl die hij bestraft volgt taalachtergrond, discipline en register. Geen daarvan is een feit over de vraag of een student AI gebruikte, en elk daarvan is een feit over de student. Het bredere patroon is gedocumenteerd in Differentiële effecten tussen groepen lerenden.

Een deel van de kosten komt boven water voordat er een zitting is. Omdat formele procedures bewijs van detectiekwaliteit eisen dat functioneel niet beschikbaar is, blijven docenten zitten met wat één praktijkverslag “verdenking zonder verhaal” noemt, terwijl studenten hun eigen gebruik rationaliseren en dossiers blijven liggen (The Best Response to Student AI Use Is Not Detection, It Is Dialog). De kosten voor vertrouwen landen op de relatie waarop de procedure steunt.

Verander de vraag die u de student stelt

Grand Canyon University stapte over van “Heeft deze student AI gebruikt?” naar “Kan deze student aantonen dat die begrijpt wat die heeft ingeleverd?”, met korte gesprekken, vroege versies en opgenomen uitleg, instellingsbreed ingevoerd in het najaar van 2025. Het argument ervoor is praktisch: docenten zijn al gekwalificeerd om begrip te beoordelen, en de verschuiving geeft hun autoriteit terug in plaats van hen te laten wachten op bewijs dat nooit komt (The Best Response to Student AI Use Is Not Detection, It Is Dialog).

Dat verandert ook wat een student met de beschuldiging kan doen. Wie de zorg te horen krijgt en om uitleg wordt gevraagd, kan haar oplossen. Wie een percentage te zien krijgt, kan het alleen ontkennen.

Voer het gesprek zo dat het een toets doorstaat

Behandel een verificatiegesprek als een stap in de procedure, met kennisgeving en een verslag, en het houdt stand wanneer iemand het dossier een semester later leest.

Begin met de kennisgeving. Vertel de student in gewone taal wat de zorg heeft gewekt, en zeg waarvoor het gesprek dient. Kwam de zorg uit een detectiescore, zeg dat, en zeg dat de score geen bevinding is. Vertel een student alleen dat die van fraude wordt beschuldigd, en de bijeenkomst wordt een verdediging van karakter in plaats van een verslag van het werk.

Vraag daarna naar het werk zelf. Welke bewering probeerde u in deze sectie te maken. Waar kwam dit bewijs vandaan. Waarom hebt u het zo geordend. Wat hebt u weggegooid. Een student die het stuk heeft geschreven, kan deze vragen beantwoorden op het niveau van beslissingen. De student die het niet heeft geschreven, antwoordt op het niveau van het onderwerp, en het verschil wordt snel zichtbaar zonder dat iemand opzet hoeft te bewijzen.

Houd het recht om te zwijgen intact. Weigeren te antwoorden geeft niets toe, en een procedure die weigering als een bekentenis behandelt, overleeft geen beroep. Leg vast wat er is gevraagd, wat er is geantwoord en wat er is geweigerd.

Sluit af met een beslissing die u kunt verwoorden zonder de score. Ofwel de student heeft het begrip aangetoond dat de toetsing meet, ofwel er is een aparte, inhoudelijke zorg over het werk die u in uw eigen woorden kunt beschrijven. Is geen van beide waar, dan eindigt het dossier daar. Die uitkomst is een normale en zou als zodanig moeten worden opgeschreven, want een procedure die alleen ooit schuld vastlegt, leert de volgende commissie dat verdenking hetzelfde is als een bevinding.

Bouw één stap in de opdracht waar de tool niet in past

Asynchrone mondelinge toetsen, opgezet als prompts op het juiste moment met korte, tijdsgebonden opgenomen antwoorden die tegen ingebedde rubrics worden beoordeeld, presteerden in één studie vergelijkbaar met fysieke meerkeuzetentamens en in een andere significant beter, waarbij studenten meer actieve voorbereiding en een hogere ervaren professionele relevantie rapporteerden. Voor een bestuurder is de eigenschap die ertoe doet dat dit schaalt zonder proctoring (Asynchronous Oral Assessments: Enhancing Integrity, Engagement, and Communication in the AI Era).

De taak herontwerpen doet meer werk dan de controle verzwaren. Een casestudie onder bachelorstudenten economie vond dat slechts ongeveer een derde enig AI-gebruik rapporteerde, met openbaarmaking nog zeldzamer, en las niet-openbaarmaking als rationele voorzichtigheid onder dubbelzinnig beleid in plaats van oneerlijkheid. Diezelfde studenten gaven de voorkeur aan levensechte, datagebaseerde taken als oplossing (Beyond Detection: How Students Use—and Hide—AI in Online Assessments and What Authentic Tasks Can Do About It). AI-gebruik verwachten, verklaren en onderzoeken werkt beter dan het politiewerk, omdat authenticiteit ontworpen moet worden in plaats van afgedwongen (Beyond Detection: Redesigning Authentic Assessment in an AI-Mediated World).

Daaruit volgen twee beslissingen. De omvang komt eerst. Een korte mondelinge controle bij elke grote inzending is betaalbaar in een werkgroep. In een hoorcollege van driehonderd zijn gefaseerde versies en een steekproef op afwijkend werk wat week tien overleeft. Kies de versie die u in de laatste week van het semester nog kunt uitvoeren met de nakijkuren die u hebt, want een geauthenticeerde stap die onder druk instort, laat u weer met het artefact achter.

De punten komen op de tweede plaats. Als een onderbouwing, een versiegeschiedenis of een reflectie op een verworpen AI-suggestie niets oplevert, wordt ze in vijf minuten geproduceerd en door niemand gelezen, en studenten optimaliseren voor het deel dat meetelt. Geef het genoeg gewicht dat het overslaan van de stap meer kost dan hem uitvoeren.

Maak openbaarmaking de goedkope keuze

Vage of bestraffende beleidsregels drijven verberging. Specifieke verklaringskaders gekoppeld aan cognitieve fasen, gecombineerd met de verzekering dat waarheidsgetrouwe openbaarmaking niet wordt bestraft, leveren meer informatie van studenten op dan toezicht (Addressing student non-compliance in AI use declarations: implications for academic integrity and assessment in higher, "Should I Tell My Teacher?" Student AI Disclosure Practices, Stigma, and Self-Regulated Learning in Higher Education). De ontwerpvraag is welke reactie uw regels voor de student die in de verleiding komt om te verbergen het gemakkelijkst maken, en een regel die een verklaring als bekentenis behandelt, heeft die vraag slecht beantwoord.

De formulering doet hier het meeste werk. Een verklaring waarbij studenten een vakje aankruisen en die vervolgens ongelezen in een inzendsysteem blijft liggen, leert hen dat openbaarmaking theater is, en het volgende cohort leert dat sneller. Een verklaring die aan een fase van het werk hangt en vraagt waarvoor de tool in die fase is gebruikt en wat de student met de output heeft gedaan, geeft u iets dat u werkelijk kunt lezen, en geeft de student een reden om nauwkeurig te zijn.

Schrijf de clausules die u buiten een zitting houden

Blootstelling begint zelden als een rechtszaak. Ze duikt eerst op als een intern beroep of een klacht bij een toezichthouder, en het eerste dat wordt getoetst is de procedure. Natuurlijke rechtvaardigheid vereist dat een student de beschuldiging te horen krijgt en de kans krijgt om te reageren voordat er enige vaststelling volgt, en die kans is doorgaans een onderzoeksgesprek of een commissiegesprek waarvan het verslag bewijs wordt. Bevindingen die zonder die stap tot stand komen, zijn kwetsbaar, zelfs waar de onderliggende verdenking redelijk was (How strong is the evidence in generative AI-related academic misconduct allegations? A mixed-methods analysis).

De bewijsstandaard komt op de tweede plaats. Bevindingen van wangedrag vereisen bewijs dat het waarschijnlijkheidsoverwicht haalt, en als uw zaak niet kan worden verwoord zonder de detectiescore, is de zaak op het eerste gezicht zwak (Heads We Win, Tails You Lose: AI Detectors in Education). Waar de zaak alleen op stijl rust, hoort een mondelinge verificatieroute in de procedure, niet in het welwillende oordeel van de commissievoorzitter.

De reikwijdte is het derde punt. Algemene AI-verboden die transcriptie en OCR niet scheiden van generatief schrijven, kunnen een ondersteunend hulpmiddel wegnemen waarop studenten met aandoeningen die de motoriek, de leesbaarheid van handschrift of de typnauwkeurigheid beïnvloeden, aangewezen zijn, waarvan er verschillende zijn stopgezet terwijl AI-transcriptie het gat vulde. Dat is juridische blootstelling én onnauwkeurigheid (Transcription is not generation: Distinguishing non-generative AI tool use from academic misconduct in higher education assessment). Noem ondersteunende en transcriptietools bij naam in de beleidstekst.

Inkoop is het vierde punt. Detectoren bewaren studentenwerk op servers van derden, soms in het buitenland onder zwakkere privacybescherming, wat datalekken, bewaring en verder commercieel gebruik op de risicokaart van uw instelling zet in plaats van op de marketingpagina van de leverancier. De voorwaarden moeten bewaring, gebruik voor modeltraining, opslaglocatie, melding van datalekken en beroepsrechten dekken (Heads We Win, Tails You Lose: AI Detectors in Education). Het overzicht van de juridische blootstelling in de kennisbank staat in Juridische kwesties en risico's, en het is eerlijk over de grenzen ervan: het documenteert procedures, bewijscategorieën en de betrouwbaarheid van instrumenten, geen uitgeprocedeerde uitkomsten.

Wat het risico verlaagt, is procedureel. Behandel output nooit als op zichzelf staand bewijs of als automatische trigger. Documenteer de standaard die uw procedure toepast. Geef kennisgeving en een echte kans om op het verslag te reageren. Bied verificatie aan wanneer de zaak op stijl rust. Houd het auditspoor bij dat laat zien dat dit allemaal is gebeurd.

Toets de formulering aan vier gevallen

Beleidstaal faalt op de gevallen die niemand voor ogen had toen het werd geschreven. Laat deze vier door uw concept gaan voordat het naar de commissie gaat, en noteer waar de tekst geen antwoord heeft.

Een student die een versie door een vertaaltool heeft gehaald. Het beleid moet zeggen of vertaling als AI-gebruik telt, en of dat hetzelfde telt voor een student die in een tweede taal schrijft als voor een die in een eerste taal schrijft. Zwijgt het, dan improviseert de commissie, en improvisatie is waar het billijkheidsargument begint.

Iemand die AI gebruikte om een schema te maken en elke alinea zelf schreef. Onder een regel die vraagt of AI het werk heeft aangeraakt, valt deze student in dezelfde categorie als iemand die de hele inzending heeft gegenereerd. Onder een regel die aan stappen is gekoppeld, is dat niet zo, en kunt u zeggen waarom. Dat verschil is het construct, en het beleid moet het benoemen.

Iemand die de tekst genereerde en hem niet kan uitleggen. Dit is het geval waarvoor uw procedure is gebouwd, en het is het geval dat zonder detectiescore wordt opgelost.

Een student die transcriptie gebruikt omdat typen onbetrouwbaar is. Noem ondersteunende tools als een aparte categorie met een eigen route, zodat een voorziening geen beschuldiging wordt.

Wat bestuurders verkeerd zien aan detectoren

Een gepubliceerd fout-positiefpercentage van een leverancier is een risicocijfer waarop u kunt begroten. Vanderbilt nam een licentie op een detector die een fout-positiefpercentage van 1% adverteerde, probeerde dat cijfer vervolgens te valideren en kon dat niet. Bij 75.000 jaarlijkse inzendingen impliceerde 1% ruwweg 750 verkeerd gelabelde studenten. De universiteit schakelde de tool uit (Detecting the Undetectable? Reassessing Academic Misconduct Procedures in the Era of Generative AI). Een percentage dat u op uw eigen corpus niet kunt reproduceren, is een marketingcijfer, en de verkeerd gelabelde studenten moet u nog steeds verwerken.

Detectie schrikt de studenten af die anders zouden frauderen. Afschrikking loopt via het onderscheidingsvermogen van een detector tussen verborgen gebruik en legitiem werk, niet via de ruwe vangkans. Wanneer toegevoegde sensitiviteit meer nieuwe fout-positieven oplevert dan nieuwe terecht-positieven, maakt sterker toezicht verberging relatief aantrekkelijker, dus u verspilt geloofwaardigheid aan studenten die niets verkeerd deden sneller dan u degenen identificeert die het wel deden (Assessment Design Under Imperfect Information: Generative AI, Disclosure, and Student Response in Higher Education). De meta-analyse van Krou et al., aangehaald in dezelfde review, vindt dat zelfeffectiviteit negatief correleert met frauderen terwijl werkelijke bekwaamheid er helemaal niet omgekeerd mee correleert, dus bekwame studenten kunnen frauderen wanneer ze de toetsing onrechtvaardig vinden. Detectie is noch een betrouwbaar instrument noch een voor de hand liggende afschrikker (AI-based digital cheating at university, and the case for new ethical pedagogies).

Een score plus een paar indicatoren telt op tot een zaak. Dat doet het niet. De norm is bewijs dat het waarschijnlijkheidsoverwicht haalt, en scores gecombineerd met markers, stijlvergelijkingen, LLM-oordelen of zwijgen blijven daaronder. Een toets die de moeite waard is: zou u de redenering hardop durven uitspreken in een zitting (Heads We Win, Tails You Lose: AI Detectors in Education).

Een detectielicentie kost minder dan de toetsing herontwerpen. De licentie is de kleinste post, en ze brengt blootstelling op het gebied van gegevensbescherming mee, inkoopwerk en een permanente stroom beroepen gebouwd op een instrument waarvan de fout door taalachtergrond wordt bepaald. Docenten beschrijven de ervaring als “verdenking zonder verhaal”, dus de begrotingspost die uitkomsten verandert is verificatiecapaciteit en begeleiding (The Best Response to Student AI Use Is Not Detection, It Is Dialog).

Een algemeen verbod beschermt de instelling. Te ruime regels kunnen een voorziening wegnemen en het discriminatieargument uitlokken dat u wilde vermijden, omdat de fout die ze opleveren zich concentreert bij identificeerbare groepen in plaats van gelijkmatig te zijn verdeeld (Transcription is not generation: Distinguishing non-generative AI tool use from academic misconduct in higher education assessment, Evaluating the accuracy and reliability of AI content detectors in academic contexts).

Wat er op u afkomt

“Onze leverancier adverteert met een fout-positiefpercentage van 1%.” De gelicentieerde detector van Vanderbilt claimde precies dat, en de claim overleefde de validatiepoging van de universiteit niet. Onafhankelijke benchmarks plaatsen geen enkele tool boven 80% nauwkeurigheid (Detecting the Undetectable? Reassessing Academic Misconduct Procedures in the Era of Generative AI). Vraag om de validatiestudie en het corpus waarop die liep, en vraag dan om het zelf te mogen draaien.

“We gebruiken het alleen als één stuk bewijs.” De norm is bewijs dat het waarschijnlijkheidsoverwicht haalt, en een score gecombineerd met markers, stijlvergelijkingen, LLM-oordelen of zwijgen voldoet daar nog steeds niet aan (Heads We Win, Tails You Lose: AI Detectors in Education). Als de commissie de redenering niet hardop zou accepteren, hoort ze niet in het dossier.

“Als we stoppen met detecteren, wint fraude.” Fraude komt al langs deze tools. 94% van de geïnjecteerde AI-inzendingen passeerde ongemerkt een levend online examen, een humaniseringsdienst verslaat detectie in meer dan 96% van de gevallen, en contractfraude liet al geen betrouwbaar spoor achter. Wat detectoren met meetbare betrouwbaarheid wel vangen, is eerlijk licht bewerken en niet-moedertaalproza (Detecting the Undetectable? Reassessing Academic Misconduct Procedures in the Era of Generative AI, Why AI Detection Fails for Academic Integrity).

“We gebruiken het alleen intern, om een gesprek te beginnen.” Dat is het minst schadelijke gebruik, en het kost nog steeds iets, omdat de studenten die het vaakst worden gemarkeerd het minst vaak AI misbruiken. De verdenking landt dan bij de verkeerde mensen voordat er een gesprek begint (Detecting the Undetectable? Reassessing Academic Misconduct Procedures in the Era of Generative AI). Het antwoord van Grand Canyon was om helemaal niet meer bij verdenking te beginnen (The Best Response to Student AI Use Is Not Detection, It Is Dialog).

“Een student met niets te verbergen heeft niets te vrezen.” De studie met 642 abstracts vond dat conform licht bewerken bij een drempel van 0,50 in 38-80% van de gevallen werd gemarkeerd, en de Kazachse benchmark vond dat 81,4% en 79,6% van aantoonbaar menselijke passages door uitgebrachte detectoren werden gemarkeerd (Why AI Detection Fails for Academic Integrity, Unchecked or Falsely Accused? Evaluating AI-Generated Text Detectors on Kazakh). Een schoon dossier biedt geen bescherming wanneer het signaal stijl is. Dat is ook waarom de Kazachse auteurs hun eigen onderwijspercentages aanmerken als het zwakste cijfer in de studie, en waarom u ze niet als percentage voor studentenessays moet citeren.

“Kunnen we niet gewoon een verklaring eisen en een ontbrekende als schuld behandelen?” Een ontbrekende verklaring is geen bewijs van verborgen gebruik, en haar als zodanig behandelen maakt verberging rationeel. Specifieke kaders gekoppeld aan cognitieve fasen, met bescherming van waarheidsgetrouwe openbaarmaking tegen straf, halen meer informatie boven dan toezicht (Addressing student non-compliance in AI use declarations: implications for academic integrity and assessment in higher, "Should I Tell My Teacher?" Student AI Disclosure Practices, Stigma, and Self-Regulated Learning in Higher Education). Het bewijs op deze pagina gaat over wat openbaarmaking oplevert. Het zegt niets over hoeveel fraude een verklaringsregime voorkomt.

Wat u deze week kunt doen

1. Open uw procedure voor wangedrag en zoek elke plek waar een detectiescore een stap in gang kan zetten. Schrijf één zin die de trigger wegneemt, en breng die naar wie het document beheert.

2. Mail de leverancier om de validatiestudie achter het geadverteerde foutpercentage, en vraag welk corpus die gebruikte.

3. Pak uw opdracht met de hoogste inzet en voeg één geauthenticeerde stap toe die u in de tijd die u hebt kunt nakijken.

4. Schrijf de drie vragen op die u een gemarkeerde student zult stellen, te beginnen met wat die probeerde te betogen en hoe die dat controleerde.

5. Stuur de inkoop- en toegankelijkheidsclausules naar het bureau dat contracten ondertekent, met de voorwaarden voor bewaring, gebruik voor training en datalekken uitgeschreven.

Waar u verder kunt gaan

De tegenhanger aan de ontwerpkant is Hoe kan ik AI-fraude in mijn vak verminderen?, en Beoordeling herontwerpen in het AI-tijdperk voert het toetsingsargument verder. Vakbeleid over AI behandelt hoe u een vakbeleid formuleert en communiceert, en AI-geletterdheid behandelt wat studenten moeten weten om met deze tools te werken zonder het werk zelf kwijt te raken. De conceptpagina's achter het argument zijn Academische integriteit, Billijkheid in AI-onderwijs en Juridische kwesties en risico's; de detectiespecifieke clausules hierboven zijn de institutionele laag van Onderwijsbeleid en AI.