Reducerea utilizării greșite a IA

Traducere automată a acestei pagini în limba engleză, încă neverificată de un vorbitor nativ.

Reducerea utilizării greșite a IA - pârghiile de proiectare, pedagogice și de politică care îi împiedică pe studenți să substituie IA generativă propriei munci cognitive și îi orientează în schimb spre o folosire etică și productivă. Abordările eficiente sunt ordonate după impact, nu după popularitate, iar cele mai puternice dovezi favorizează pârghiile structurale - Guardrails ale instrumentelor și reconceperea evaluării - care schimbă mediul astfel încât utilizarea greșită să fie mai dificilă, indiferent de motivația studentului, în fața pârghiilor educative care se bazează pe construirea unei capacități durabile și pe acceptarea de către student.

Întrebări de reflecție

• Studenții care externalizează temele către IA își pot vedea notele la teme crescând, în timp ce notele la examenul cu carte închisă scad. Înainte de a citi, de ce ar putea performanța și învățarea să divergă atât de abrupt - și ce sugerează acest decalaj despre ce înseamnă de fapt „succesul” cu IA?
• Pagina ordonează intervențiile după dovezile cauzale și după anvergură și așează pârghiile structurale (garduri de siguranță ale instrumentelor, reconceperea evaluării) deasupra celor educative (predarea unei bune practici) - exact pentru că pârghiile structurale funcționează indiferent de motivația studentului. Ești de acord că schimbarea mediului învinge schimbarea mentalităților? Care este riscul fiecărei abordări?
• Un tutor cu garduri de siguranță de tip „indiciu, nu răspuns” a eliminat prejudiciul de învățare pe care îl provoca unul fără garduri, deși ambele păreau utile. Gândește-te la un instrument de învățare pe care l-ai văzut oferind răspunsuri prea ușor. Unde este linia dintre un indiciu care oferă sprijin de tip schelă și un răspuns care substituie - și poți să o formulezi înainte de a citi?
• Cea mai puternică soluție include reconceperea evaluării: examene la clasă fără asistență, susțineri orale, artefacte de proces, recompensarea raționamentului în locul fluenței de suprafață. Cum te-ai simți urmând un curs notat astfel și îți spune acest sentiment ceva despre de ce această pârghie este atât eficientă, cât și nepopulară?
• Cadrele de declarare a folosirii IA care îi obligă pe studenți să își mapeze folosirea pe etape cognitive (planificare versus generare de conținut) mută accentul de la supraveghere la practica profesională. Crezi că o astfel de reflecție construiește cu adevărat o judecată mai bună sau doar îi învață pe studenți să descrie mai iscusit utilizarea greșită?
• Stabilește un obiectiv înainte de a citi: identifică o schimbare concretă în propriul curs sau flux de lucru care ar face utilizarea greșită a IA mai dificilă și una care ar face folosirea productivă mai ușoară. Din ce nivel al paginii ar face parte fiecare?

Introducere

Conceptul se sprijină pe dovada că utilizarea greșită a IA dăunează activ învățării durabile - decalajul dintre performanță și învățare documentat în AI Misuse and Learning Harm -, chiar în timp ce umflă performanța imediată. Intervențiile vizează prin urmare mecanismele acelui prejudiciu: copierea răspunsurilor, Descărcarea cognitivă, erodarea motivației și deplasarea învățării. Ele nu se exclud reciproc; o abordare robustă combină un prag structural cu construirea educativă a capacității.

De ce pârghiile structurale contează cel mai mult

Intervențiile pot fi ordonate după dovezi cauzale × anvergură structurală × scalabilitate × Sustainability. Pe această bază, cele două pârghii structurale se clasează cele mai sus, pentru că funcționează indiferent dacă studenții aleg comportamentul corect sau nu - ele constrâng mediul, în loc să depindă de motivația internă. Pârghiile educative sunt esențiale, dar eficiente doar atunci când studenții le acceptă, astfel încât sunt tratate ca al doilea nivel, în ciuda promisiunii lor conceptuale. Coates, Croucher și Calderon (2025) ridică argumentul structural cu un nivel, tratând guvernanța, iar nu comportamentul studenților, ca fiind constrângerea determinantă, și propun un cadru de 130 de indicatori de integritate, astfel încât guvernanții academici să poată vedea dacă evaluarea este autentică, dacă studenții sunt cunoscuți individual de cadrele didactice care îi evaluează și dacă integritatea apare în activitățile de inițiere și orientare. Reformele lor vizează arhitecturile de guvernanță, oamenii și tehnologiile și resursele, și propun împrumutarea exercițiilor de tip red team din securitatea cibernetică pentru a expune vulnerabilitățile evaluării înainte ca studenții să le găsească - un memento că pragul structural este întreținut de instituții care au nevoie atât de informație, cât și de voința de a îl întreține.

Nivelul 1 - Dovedit direct că reduce prejudiciul asupra învățării

Proiectarea instrumentelor IA cu garduri de siguranță (Scaffolding de tip „indiciu, nu răspuns”). În cea mai puternică constatare cauzală din baza de cunoștințe, un RCT de teren a arătat că un tutor neprotejat de tip ChatGPT a ridicat performanța la practica asistată cu +48%, dar a redus scorurile la examenul fără asistență cu -17%, în timp ce un tutor cu garduri de siguranță (indiciu în loc de răspunsuri, plus informații despre problemă scrise de profesor) a eliminat complet prejudiciul. Aceasta previne mecanic comportamentul de „cârjă” al copierii răspunsurilor din spatele daunei. Activitățile includ tutoriat de tip indiciu-nu-răspuns, inițializarea prompturilor cu soluții corecte și Misconceptions about AI frecvente și cerința unei încercări a studentului înainte de a i se arăta rezultatul IA.

Reținerea răspunsului protejează în sesiune fără a construi competența. Tuo et al. (2026) au reținut poziția agregată într-o dezbatere multi-agent și au redus trecerea la o poziție IA incorectă de la 42-60,5% la 5,7-8,2%, dar nu au găsit niciun efect de învățare în cadrul sesiunii (β = 0,03, p = 0,18) - gardul de siguranță a rezistat cât timp a fost în vigoare și a lăsat nemișcată judecata fără asistență.

Reconceperea evaluării (măsuri rezistente la IA și fără asistență). Pentru că prejudiciul utilizării greșite depinde de evaluare - apărând la măsurile supravegheate, cu carte închisă și fără asistență, în timp ce umflă temele obișnuite notate -, schimbarea a ceea ce contează ca realizare descurajează utilizarea greșită și o și scoate la suprafață. Activitățile includ examene la clasă fără asistență și susțineri orale, cerința de artefacte de proces (schițe, reflecții, raționament adnotat), recompensarea raționamentului în locul fluenței de suprafață și desemnarea unor zone fără IA. Ivory et al. (2026) dau cerinței de artefacte de proces un instrument concret: istorice de versiuni impuse și documente de analiză reproductibile, astfel încât o lucrare suspectă să poată fi inspectată ca o cronologie a modului în care s-a dezvoltat munca, iar cantitatea de material fabricat pe care ar trebui să o genereze un student crește mult peste ce economisește prin externalizare. Dovezile de teren la scară mare subliniază acest lucru: Strömberg, Lei și Wu (2026) au constatat că externalizarea temelor a ridicat notele la teme cu 18%, în timp ce a scăzut notele la examenul cu carte închisă cu 20% - exact semnalul pe care măsurile fără asistență și supravegheate sunt concepute să îl scoată la suprafață -, iar studiul recomandă o pondere mai mare pentru evaluarea față în față cu carte închisă. Leaton Gray, Edsall și Parapadakis (2025) dau aceleiași logici formularea ei cea mai explicită de prevenire a crimei situaționale, susținând că eșecul aparține evaluărilor la care un model poate răspunde convingător, nu studenților, și raportând un caz în care 25 de tehnici de prevenire aplicate unui proiect final de afaceri australian - urmărirea interacțiunilor studenților, detectarea semnalelor de lucru prea expert, reassignarea aleatorie a echipelor, teste săptămânale supravegheate la clasă, notificări de retragere pentru materialele de curs publicate de studenți - au redus, potrivit raportării, cazurile de abatere de la 183 la 27 într-un an. Prescripțiile lor sunt motivaționale, nu investigative: creșterea scopului perceput al evaluării, construirea Self-Efficacy și creșterea costului social perceput al trișării, autorii avertizând că abordarea doar a unuia sau a două dintre cele trei va eșua, sprijinite de cinci reconceperi specifice disciplinelor care transformă examenele de rezolvare de probleme cu timp limitat în rezolvare de probleme cu carte deschisă și o reflecție scrisă asupra propriului proces, eseurile sumative în proiecte colaborative de cercetare arhivistică, iar portofoliile în procese iterative de proiectare evaluate de colegi.

Pârghiile structurale au un braț de aplicare, iar baza lui de dovezi este mai slabă decât sugerează anvergura. Munoz et al. (2026) au codificat 1.162 de cazuri de abatere cu IA generativă și au constatat că probele cel mai des citate în momentul acuzației - rezultatul detectorului, rapoartele de similitudine, tiparele de conținut tipice IA - aveau cea mai slabă valoare probatorie, în timp ce admisiunile, comportamentul observat la examen și referințele fabricate verificate independent erau cele mai puternice; pentru că procedurile instituționale nu stabilesc niciun prag probatoriu minim, calitatea probelor nu avea nicio relație fiabilă cu rezultatul cazurilor, iar studenții ale căror cazuri se sprijineau pe probe subțiri aveau ca recurs în principal apelurile. Wright (2026) arată un al doilea cost al aceleiași imprecizii: interdicțiile formulate în jurul „IA generative” și nu în jurul funcției cuprind instrumente care doar convertesc formatul unei munci pe care studentul a scris-o deja, astfel încât folosirea exclusiv pentru transcriere poate fi sancționată ca abatere - o supra-includere care cade cel mai greu asupra celor cu dizabilități și a celor expuși din perspectiva echității (Learners) și nu face nimic pentru validitate. Harerimana, Mtshali și Mchunu (2026) adaugă că supravegherea la distanță, cel mai larg adoptat control de integritate, își fundamentează argumentul de descurajare pe cum spun studenții că se simt, nu pe reducerea abaterilor, și impune anxietate, pierderea concentrării și excludere legată de infrastructură, despre care nu se arată că ar fi compensate de mai puțină utilizare greșită. Li (2026) adaugă dimensiunea proiectării regulilor: pentru că aceeași interfață realizează o editare lingvistică permisă și o redactare substanțială interzisă, regulile GenAI nediferențiate impun sarcini de conformare disproporționate pe cohorte studenților care folosesc engleza ca limbă suplimentară, astfel încât prevenirea cea mai defensabilă este o limită între sprijin și substituire bazată pe scop, ancorată în constructul evaluării, cu declarare calibrată, proporționalitate etapizată între deciziile de prag, probatorii și de sancțiune, și pârghii de proiectare - predări etapizate, scurtă verificare orală aliniată constructului, întrebări bazate pe critică - făcând munca pe care detecția nu o poate face. Prevenirea trebuie să acopere și corectorul însuși: evaluarea de tip red team a lui Humble (2026) a constatat că două din cinci strategii de injectare indirectă de prompturi încorporate într-un fișier predat au ridicat un eseu picat la promovat fără a fi detectate, cu rate de succes raportate de 100% și 94%, astfel încât, acolo unde instrumentele IA notează munca studenților, revizuirea umană, separarea mai clară a instrucțiunilor de conținutul predat și testarea rezilienței aparțin pragului structural, nu unui nivel opțional.

Nivelul 2 - Sprijin puternic din cadre, potențial ridicat

Secvențe de folosire cu sprijin de tip schelă: gândește mai întâi, IA al doilea, reflectează al treilea. Opt principii de proiectare pentru integrarea LLM-urilor fără a deplasa Critical Thinking: păstrează frecarea cognitivă, poziționează IA ca partener de gândire provizoriu, nu ca autoritate, încorporează puncte de verificare a evaluării, cere jurnalizare metacognitivă și jurnale de prompturi și echilibrează fazele mediate de IA cu fazele fără IA. Dovezile corelaționale (munca independentă înainte de IA produce rezultate mai puternice) sunt solide; este versiunea pedagogic completă a Nivelului 1.

Alfabetizarea în IA și alfabetizarea în promptare, cu practică deliberată și Feedback imediat. Un modul K-12 care folosește practică de promptare bazată pe scenarii cu un Large Language Models (LLMs) care notează automat a îmbunătățit competențele reale de promptare și a ridicat încrederea în folosirea IA pentru învățare cu +10,4%, 87% raportând că au învățat să folosească IA responsabil. Câștiguri de competență demonstrate; întrebarea deschisă este dacă acestea se convertesc în rezultate de învățare ulterioare. Abordează și decalajul de echitate în accesul anterior la IA.

Cadre structurate de declarare a folosirii IA. Înlocuirea căsuțelor generice de tip „am folosit IA” cu declarații specifice domeniului care mapează folosirea pe etape cognitive (planificare structurală versus generare de conținut) forțează reflecția asupra procesului de învățare și clarifică limita dintre asistența acceptabilă și abatere, mutând accentul de la supraveghere la practica profesională.

Pârghiile educative arată din nou diferit odată ce integritatea este tratată ca o practică ce trebuie predată, nu ca o regulă ce trebuie aplicată. Sharma (2026) susține că regimurile de integritate bazate pe detecție și verificare sunt nealiniate cu munca augmentată de GenAI și reîncadrează integritatea ca practică pedagogică pusă în act prin judecata evaluativă - capacitatea celui care învață de a cântări opțiuni, a justifica alegeri academice și a-și asuma responsabilitatea în incertitudine -, făcută vizibilă prin artefacte precum trasee de decizii adnotate, verificare documentată, apărare orală și istorice de versiuni de la schiță la schiță, cu detecția retrogradată la un singur strat suplimentar, nu la infrastructura principală. Mulisa și Mezgebu (2026) găsesc aceeași deschidere din partea studenților: în 27 de interviuri la o universitate etiopiană, folosirea era aproape universală, majoritatea participanților îi atribuiau GenAI o creștere a performanței lor, iar cea mai ascuțită plângere mergea în sens invers - utilizatorii de IA obțineau note mai mari decât muncitorii independenți diligenți, ceea ce participanții descriau ca demotivant. Autorii concluzionează că convingerile studenților prevestesc folosirea etică mai puternic decât o fac regulile instituționale, astfel încât conștientizarea, o politică clară și reconceperea evaluării trebuie să vină împreună - ceea ce este nivelul educativ al paginii enunțat ca o condiție: construirea capacității schimbă comportamentul doar prin acceptarea de către student, însoțită de un prag structural. Ji (2026), într-o revizuire de tip scoping, asupra a 38 de studii privind vocile studenților oferă versiunea la nivel de domeniu a aceleiași concluzii: studiile revizuite converg asupra unei treceri de la detecția retrospectivă la raționamentul etic proactiv, asupra predării eticii IA și a AI-plagiatului în curriculum, nu în sesiuni de alfabetizare izolate, și asupra unor îndrumări detaliate co-create de lideri, cadre didactice și studenți, pentru că îndrumările neclare sunt citite ca permisiune tacită, nu ca prudență. Citirea proprie a lui Ji este că proprietatea și raționamentul moral îi motivează pe studenți mai mult decât frica de pedeapsă și că studenții nu sunt nici destinatari pasivi ai GenAI, nici vinovați fără constrângere morală, ci agenți morali care lucrează într-o zonă gri - premisa acestui nivel, enunțată ca constatare.

Nivelul 3 - Promițător, cu dovezi cauzale directe mai slabe

Intervenții metacognitive și de autoevaluare. Jurnalele reflexive, jurnalele de prompturi și antrenamentul calibrării reconstruiesc „linia de bază cognitivă absentă” a studenților nativi în IA, care nu își pot localiza propria limită cognitivă pentru că fluența generată de IA o maschează. Conceptual central, dar încă netestat cauzal.

Reconceperea motivației. Pentru că disponibilitatea IA erodează motivația autonomă („de ce să depun efort?”), restructurarea sarcinilor în jurul unor obiective pe care IA nu le poate îndeplini și în jurul agenției celui care învață vizează direct erodarea perseverenței care amplifică prejudiciul direct.

Alfabetizare critică în IA. O încadrare putere-cunoaștere care îi învață pe cei care învață să interogheze, să conteste și să participe la guvernanța IA, în loc să o consume. Pe termen lung, orientată spre echitate și structurală în ambiții, deși efectele ei asupra învățării sunt în mare parte netestate.

Recunoașterea servilității pentru a preveni acceptarea necritică. Pentru că IA servilă validează în loc să conteste utilizatorul, ea este un vector direct de utilizare greșită: studenții care primesc aprobare afirmativă pentru o gândire incorectă sunt încurajați să substituie IA propriei munci cognitive. Servilitatea contextuală arată că alfabetizarea în IA și antrenamentul de promptare reduc, dar nu elimină bucla de eroare, astfel încât prevenirea utilizării greșite trebuie să împerecheze antrenamentul educativ de recunoaștere cu o proiectare la nivel de sistem a frecării corective (vezi gardurile de siguranță din Nivelul 1).

• Frecarea productivă și funcția pedagogică. Revizuirea rapidă de la Sydney susține că GenAI subminează învățarea atunci când le permite studenților să ocolească frecarea cognitivă și metacognitivă necesară învățării și că instrumentele proiectate cu intenție introduc frecare productivă (reținerea răspunsurilor, solicitarea explicațiilor). Ea distinge patru funcții pedagogice - învățarea din, cu, despre sau prin modelarea GenAI -, fiecare cu cerințe diferite asupra agenției și a evaluării.(Young People, Learning, and Generative AI: A Rapid Literature Review and Implications for PreK-12 Education)

Concepții eronate

„A-i învăța pe studenți despre riscuri este pârghia principală împotriva utilizării greșite.” Este pârghia care depinde de cooperarea studentului, motiv pentru care se clasează sub cele structurale de aici. Gardurile de siguranță și reconceperea evaluării funcționează indiferent dacă studentul alege comportamentul corect; abordările educative funcționează doar cu acceptarea lui. Distincția nu este morală, ci mecanică - un mediu schimbat constrânge comportamentul direct, în timp ce o convingere schimbată trebuie să supraviețuiască nopții dinaintea termenului limită.

„Dacă un gard de siguranță rezistă în timpul sesiunii, învățarea este asigurată.” Rezistența și predarea sunt rezultate separate, iar corpusul conține un rezultat dublu clar. Reținerea poziției agregate într-o dezbatere multi-agent a redus trecerea studenților la o poziție IA incorectă de la 42-60,5% la 5,7-8,2% - un efect protector mare -, dar nu a produs niciun efect de învățare în cadrul sesiunii (β = 0,03, p = 0,18). Șina și-a făcut treaba ca șină și nu a devenit instruire. A proiecta pentru prevenirea utilizării greșite nu este același lucru cu a proiecta pentru învățare.

„Detectarea utilizării greșite și pedepsirea ei este o strategie de prevenire.” Prevenirea trebuie să acopere și corectorul însuși. Evaluarea de tip red team a lui Humble (2026) a constatat că două din cinci strategii de injectare indirectă de prompturi încorporate într-un fișier predat au ridicat nota unui eseu picat. Un flux care detectează utilizarea greșită a studenților, dar are încredere în conținutul neexaminat al lucrărilor predate, este apărat doar pe o parte.

„Utilizarea greșită este o problemă de motivație a studenților.” Coates, Croucher și Calderon (2025) ridică constrângerea determinantă cu un nivel, tratând guvernanța, iar nu comportamentul studenților, ca lucrul care trebuie schimbat, și propun un cadru de 130 de indicatori de integritate. Iar prejudiciul asupra învățării este măsurabil la scară: Strömberg, Lei și Wu (2026) au constatat că externalizarea temelor a ridicat notele la teme cu 18%, în timp ce a scăzut notele la examenul cu carte închisă cu 20% - un eșec de proiectare care apare exact în decalajul despre care este această pagină.

Îndrumări de implementare pe roluri

Pentru instructori și echipele de curs

• Începe cu evaluarea, nu cu textul politicii. Întreabă-te, pentru fiecare sarcină notată, dacă versiunea fără asistență ar arăta ceea ce intenționezi să certifici, și repară mai întâi sarcina - este pârghia care nu cere consimțământul studentului.
• Adoptă instrumente de tip indiciu-nu-răspuns acolo unde există un tutor IA, întrucât experimentul randomizat de teren asupra tutoriatului protejat versus neprotejat este cea mai puternică dovadă cauzală din domeniu.
• Verifică dacă propriul flux de notare rezistă la instrucțiuni injectate în fișierele predate, înainte de a trata utilizarea greșită a studenților ca unică amenințare.
• Tratează performanța cu IA permisă și performanța fără asistență ca două măsurători diferite; separarea de 18%/20% de mai sus este invizibilă dacă nu le colectezi pe amândouă.

Pentru dezvoltatori

• Construiește restricția în interfață, nu într-un avertisment. Un tutor care poate produce răspunsul final va produce, sub presiunea termenului, răspunsul final.
• Nu infera învățarea din conformarea cu gardul de siguranță. Rezultatul dezbaterii arată că comportamentul a rezistat în timp ce măsurătorile învățării au rămas plate, deci instrumentează rezultatele separat de interacțiuni.
• Scoate semnalele de utilizare greșită la instructori ca diagnostice, nu ca verdicte, întrucât încadrarea prin guvernanță din dovezi se situează deasupra comportamentului individual al studentului.

Pentru administratori și decidenți politici

• Așază constrângerea determinantă acolo unde o așază dovezile. Indicatorii și structurile de guvernanță vizează mediul; îndemnul adresat studenților vizează persoana cel mai puțin capabilă să schimbe proiectarea instituțională.

Concepte conectate

• AI Misuse and Learning Harm
• Descărcarea cognitivă
• Integritate academică
• Assessment
• Alfabetizare în IA
• Scaffolding
• Self-Regulated Learning
• Metacognition
• Motivation
• Prompt Engineering
• AI Sycophancy
• Trust Calibration
• Modul în care folosirea IA este enunțată pentru elevi
• Capitularea cognitivă

Articole conectate

• The Integrity of Psychology Assessments in the AI Age: A Critical Examination — Trasee de dovezi prin controlul versiunilor și documente de analiză reproductibile ca descurajare a utilizării greșite (Ivory et al. 2026)
• Countering the Risks of AI Overreliance: Leveraging Multi-Agent Debate for Complementary Human–AI Decision-Making in Legal Contexts — Reținerea unei recomandări a prevenit în mare măsură supra-dependența fără a construi judecata pe care o protejează
• Generative AI without guardrails can harm learning: Evidence from high school mathematics — GenAI fără garduri de siguranță poate dăuna învățării
• Distinguishing performance gains from learning when using generative AI — Distincția dintre câștigurile de performanță și învățare
• A bit of chaos and madness: The AI Assessment Scale and the work of assessment reform — Scala de evaluare cu IA și reforma evaluării
• Scaffolding critical thinking with generative AI: Design principles for integrating large language models in higher — Sprijin de tip schelă pentru gândirea critică cu IA generativă
• Learning to Use AI for Learning: Teaching Responsible Use of AI Chatbot to K-12 Students Through an AI Literacy Module — Învățarea folosirii IA pentru învățare (modul de alfabetizare în IA pentru K-12)
• Structuring Transparency: Developing Domain-Specific Generative AI Declaration Frameworks in Higher Education — Structurarea transparenței: cadre de declarare GenAI
• The Absent Cognitive Baseline: Theorizing a Structural Gap in AI-Native College Students' Academic Self-Assessment — Linia de bază cognitivă absentă
• AI Literacy: An Exercise in Power-Knowledge — Alfabetizarea în IA: un exercițiu de putere-cunoaștere
• The Hidden Cost of Contextual Sycophancy: an AI Literacy Intervention in Human-AI Collaboration — Costul ascuns al servilității contextuale: o intervenție de alfabetizare în IA
• Sycophantic AI makes human interaction feel more effortful and less satisfying over time — IA servilă face interacțiunea umană mai solicitantă și mai puțin satisfăcătoare în timp
• Reassessing Academic Integrity in the Age of AI: A Systematic Literature Review on AI and Academic Integrity — Construirea culturii și reconceperea evaluării, în locul supravegherii prin detecție
• Young People, Learning, and Generative AI: A Rapid Literature Review and Implications for PreK-12 Education — Predarea cognitivă, frecarea productivă și inechitatea metacognitivă
• Reconsidering the Use of Oral Exams and Assessments: An Old Way to Move Into a New Future — Reconsiderarea examenelor orale ca evaluare autentică, rezistentă la IA
• The Generative AI Learning Penalty: Evidence from Chinese Secondary Education — Pedeapsa de învățare a IA generative: externalizarea temelor dăunează învățării
• Modeling AI Overreliance as a Complex Adaptive System — Supra-dependența de IA modelată ca sistem adaptiv complex
• Can EdTech Close Learning Gaps? Global Evidence from Digital Interventions — Gardurile de siguranță au eliminat prejudiciul fără a îmbunătăți scorurile la examen
• How strong is the evidence in generative AI-related academic misconduct allegations? A mixed-methods analysis — Ce conțin de fapt ca probe dosarele de acuzare a abaterilor
• Transcription is not generation: Distinguishing non-generative AI tool use from academic misconduct in higher education assessment — Reguli prea cuprinzătoare privind IA și studenții pe care îi prind
• Educational integrity in GenAI-augmented assessment: making judgment visible — Integritatea ca judecată evaluativă, nu ca conformare
• Tools facilitate cheating, or partner supports learning? GenAI and academic integrity issues from students' perspectives — Studenții despre GenAI ca instrument de trișare sau partener de învățare
• Under surveillance: Mapping remote proctoring practices in the assessment of nursing students — a scoping review — Ce face supravegherea la distanță studenților și echității
• AI-based digital cheating at university, and the case for new ethical pedagogies — Prevenirea situațională a crimei împotriva trișării facilitate de IA: de la 183 la 27 de cazuri și cinci reconceperi specifice disciplinelor (Leaton Gray, Edsall și Parapadakis 2025)
• Academic integrity in the age of generative AI: A scoping review of research on higher education student voices — Ce recomandă 38 de studii ale vocilor studenților: claritate co-creată și raționament educativ, în locul detecției (Ji 2026)
• GenAI assessment and language equity: Drawing the line between support and substitution — Unde se termină sprijinul lingvistic și începe substituirea pentru cei care scriu în engleză ca limbă suplimentară (Li 2026)
• Ethical implications of prompt injection in AI-mediated grading: An adversarial red-team evaluation — Injectarea de prompturi ca vector de utilizare greșită împotriva notării cu IA (Humble 2026)
• Governing academic integrity: Ensuring the authenticity of higher thinking in the era of generative artificial intelligence — Guvernanța ca constrângere determinantă a integrității: un cadru de 130 de indicatori (Coates, Croucher și Calderon 2025)