Ako napísať politiku používania AI v predmete a komunikovať ju študentom?

Automatický strojový preklad tejto anglickej stránky, ktorý ešte nebol skontrolovaný rodeným hovorcom.

Tri týždne pred semestrom má šablóna sylabu riadok pre „politiku AI“ a ten momentálne znie: pozri pravidlá akademickej integrity univerzity. Alebo sa z predmetu kolegu vrátila séria odovzdaní, o ktorých si nikto nemyslí, že vznikli v miestnosti, a štvrtková programová porada sa končí požiadavkou, aby každý predmet svoj postoj písomne vyjadril. Alebo je politika už napísaná a obdobie známkovania vám ukazuje, ktoré jej vety dokážete skutočne uplatniť.

Podstata: pomenujte úlohy, ktoré hodnotíte, povedzte, čo pri každej smie AI robiť, vyhlásenie umiestnite na jedno miesto a vymáhajte ho dôkazmi, ktoré vidíte. Päť konkrétnych povolení drží lepšie než strana zákazov. Politika, ktorá sa vysvetľuje, robí prácu dizajnu hodnotenia a komunikácie zároveň, a práve preto stojí jedno popoludnie a ušetrí semester hádok.

Všetko nižšie je dokument na úrovni predmetu pre jeden modul, kurz alebo programovú vetvu. Predpokladom je, že ste sa už rozhodli, čo hodnotíte; prácou tu je to povedať a presadiť.

Stručne

1. Urobte inventúru hodnotených úloh a pri každej sa spýtajte, čo konkrétne hodnotíte. Hranica sleduje túto odpoveď.

2. Pravidlo píšte na úrovni kroku: brainstorming povolený, skladanie cieľov nie. Výber obrázkov povolený, dizajn posolstva na úrovni slajdu nie.

3. Zhrnutie dajte do sylabu, záväznú formuláciu do zadania a pravidlo raz vyslovte nahlas v momente, keď sa prvýkrát uplatní.

4. Pomenujte jedno štandardné miesto a formu zverejnenia a držte cenu vyhlásenia nižšiu než cenu zatajenia.

5. Vymáhajte prácou, ktorú môžete pozorovať: záznam promptov, cvičenie v triede, ústne podanie. Skóre detektorov zostáva mimo cesty vymáhania.

Začnite úlohami, ktoré hodnotíte

Najjasnejšou spracovanou metódou je McCorkle (2025), ktorý nahrádzal plošný zákaz, o ktorom študenti neverili, že sa ich týka. Prečítajte to zlyhanie správne: išlo o nesúlad, nie o vzdor, a študenti sa nevideli ako tí, čo sa správajú nečestne. S pravidlom, o ktorom už rozhodli, že nie je o nich, sa nedá diskutovať, dá sa len ignorovať.

McCorkleho metóda má štyri priechody. Urobte inventúru každej úlohy v semestrálnom projekte, pri každej sa spýtajte „čo konkrétne hodnotím?“, priraďte ku každej úlohe vierohodné profesijné použitie generatívnej AI a potom rozhodujte úlohu po úlohe. Každé rozhodnutie váži potrebu hodnotiť spôsobilosť proti hodnote budovania kompetencie, ktorú študent využije v práci.

Výsledok je zámerne nerovnomerný. Brainstorming je povolený; skladanie konkrétnych a merateľných vzdelávacích cieľov nie. Výber obrázkov je povolený; dizajn posolstva na úrovni slajdu nie. Scenáre a komentár sú povolené, s povinným hodnotením výstupu AI. Takto vypísaný zoznam vyzerá svojvoľne, kým si neprečítate dôvod vedľa každého riadku, a práve preto dôvody cestujú spolu s pravidlami.

Rozhodnite, akí prísni byť, s vedomím, čo robia ostatní

Dva údaje vám povedia, ako tento rok vyzerá bežná politika, a oba stoja za to vziať na stretnutie, kde niekto navrhne zákaz.

Obsahová analýza 116 inštitucionálnych politík generatívnej AI zo 131 univerzít R1 v USA a 98 sylabov informatiky z 54 z nich zistila, že inštitúcie sú vo všeobecnosti za používanie: 63 % používanie generatívnej AI podporuje, 41 % ponúka podrobné usmernenie pre výučbu, 27 % ho odrádza. Polovica sylabov (50 %) ho priamo zakazuje, 41 % povoľuje čiastočné používanie pri určených činnostiach a 7 % komunikuje podporu. Ganguly a kolegovia (2026) nazývajú tento rozdiel priepasťou medzi prístupom zhora a zdola. 92 % sylabov uvádza výslovné usmernenie, no miestne pravidlá sa od inštitucionálneho usmernenia odchyľujú a len 47 inštitúcií malo rozpoznateľnú obe úrovne. Citovanie je jediná požiadavka, na ktorej sa obe úrovne zhodujú, v 83 % sylabov.

Chirikov (2026) sledoval vyše 31 000 sylabov na veľkej texaskej verejnej výskumnej univerzite od roku 2021 do roku 2025. Regulácia vzrástla z takmer nuly pred ChatGPT na 55 % predmetov do jesene 2025, kým plne reštriktívne politiky klesali asi o 5 percentuálnych bodov ročne. Do jesene 2025 inštruktori najčastejšie obmedzovali písanie a revíziu (79 %) a uvažovanie a riešenie problémov (65 %). Najčastejšie povoľovali úpravy a korektúry (83 %), podporu štúdia a syntézu (80 %) a programovanie (75 %). Najorozpornejším použitím bola tvorba nápadov, so 46 % povolení a 54 % obmedzení.

Formulácie sa hýbali spolu s číslami. Zmienky o akademickej integrite klesli zo 63 % na 49 %, odkazy na vplyv AI na učenie stúpli z 1 % na 29 % a požiadavky na uvedenie zdroja stúpli zo 16 % na 43 %. Obor sa posúva od „nepodvádzaj“ k „tu je dôvod, prečo táto hranica chráni tvoje učenie“, a druhá verzia je tá, podľa ktorej študent môže konať.

Pre váš dokument z toho plynú dva dôsledky. Byť prísnejší než vaša inštitúcia je bežné a je to záväzok, ktorý beriete sami, lebo náklady na vymáhanie padajú na vás. Požiadavka na citovanie je takmer zadarmo, keďže štyri pätiny oboru ju už žiadajú a žiadny študent nemusí hádať, čo tým myslíte.

Každé pravidlo umiestnite tam, kde sa s ním študent stretne

Tri dokumenty, tri úlohy.

Sylabus nesie krátke zhrnutie: úlohy, povolené používanie pri každej, ako funguje zverejnenie a dôsledok prekročenej hranice. Jedna obrazovka, žiadna filozofia.

Zadanie nesie konkrétne upozornenie. Jedno zhrnutie je pre komplexný projekt príliš hrubé, a práve tu zabrala McCorkleho formulácia, v odôvodnení adresovanom študentom v druhej osobe, ktoré pri každom obmedzení pomenovalo hodnotenie, ktoré za ním stojí.

Miestnosť nesie prvé ústne vyslovenie. Pravidlo povedzte raz, v momente, keď sa prvýkrát uplatní, previazané s prácou, ktorú majú pred sebou. Pravidlo, s ktorým sa študent stretne sám, je pravidlo, ktoré si sám vyloží.

Mechanika zverejnenia potrebuje vlastný odsek a mal by byť najkonkrétnejším na stránke. Študenti, ktorí spoludizajnovali politiku predmetu riadeným skúmaním, uprednostnili školenie pre študentov a inštruktorov, štandardizované postupy zverejnenia, silnejšiu inštitucionálnu podporu a väčšie zapojenie do rozhodnutí o AI (Hingle a Johri (2026)). Povedzte, ako, kde a v akej forme študent používanie vyhlasuje, a povedzte to raz.

Pisan (2026) našiel silnejšiu verziu toho istého kroku: urobiť zo záznamu promptov hodnotený artefakt. Keď produkciu robí model, prompt a záznam interakcie sú tou vecou, ktorú stojí za to verzovať, takže vyhlásenie prestáva byť papierovaním a stáva sa dôkazom, ktorý študent buduje.

Píšte len pravidlá, ktoré dokážete uplatniť v jednom cykle známkovania

Pravidlo, ktoré potrebuje monitoring pri každej úlohe alebo úsudok o tom, kedy hodnotenie „začína“, sa bude v triede a medzi dvoma hodnotiteľmi uplatňovať nekonzistentne. Nekonzistentnosť je problémom rovnosti skôr, než je problémom administratívnym. Režim postavený na detektoroch pridáva náklad na dohľad, ktorý dopadá nerovnomerne, spolu s otázkami dohľadu na diaľku a uchovávania údajov, na ktoré na úrovni predmetu možno nebudete vedieť odpovedať.

Nash a Burriss (2026) analyzovali 27 politík AI pre výučbu, ktoré napísali budúci učitelia anglického jazyka a literatúry. 26 z 27 povoľovalo určité používanie AI, takmer vždy za učiteľom určených podmienok, časov a miest; jedna ho zakazovala úplne. Tvorba nápadov bola najširšie povoleným použitím (22 z 27) a zároveň najnejednoznačnejším. 22 zakazovalo alebo nechávalo nejasné skladanie viet, odsekov alebo prác pomocou AI. 16 povoľovalo kontrolu gramatiky a korektúry, kým 16 zakazovalo tvorbu rozsiahleho textu generovaného AI. A 22 z 27 sa vôbec nevenovalo čítaniu.

Opakujúcim sa zlyhaním bola operaacionalizácia. Jedna politika povoľovala AI „aby sa naštartovalo tvoje myslenie“ a vyhlásila „tu by mala byť hranica“, bez toho, aby povedala, kde hranica je. Táto nejednoznačnosť necháva študentov neschopných vyhovieť a vás neschopných uplatniť konzistentný štandard. Je to chyba, nie kompromis.

Chirikovovo zistenie podstatnej variácie medzi disciplínami a úlohami hovorí za rámce, ktoré dávajú inštruktorom autonómiu v ich vlastnej doméne, a nie jeden mandát pre všetkých, čo je zároveň úprimný opis toho, čo politika predmetu je: miestny úsudok vnútri širšieho pravidla.

Je tu aj dimenzia rovnosti. Neprehľadné politiky predpokladajú zdieľané znalosti o autorstve, uvádzaní zdrojov a normách akademickej práce, takže dopadajú najtvrdšie na študentov, ktorí s nimi prichádzajú bez nich. McCorkleho prípad je, že transparentnosť rozoberá časť tohto skrytého kurikula a znižuje šancu, že zlyhanie politiky sa stane disciplinárnou vecou.

Najlacnejšia verzia toho všetkého je krátka a konkrétna: úlohy, ktoré hodnotíte, povolené použitia pri každej, mechanika zverejnenia a dôsledok prekročenej hranice, každé s pripojeným dôvodom.

Vyslovte to nahlas a sledujte, čo sami predvádzate

Pravidlá zverejnenia nefungujú ako mechanizmy súladu samy osebe a zaobchádzať s nimi, akoby fungovali, je najčastejšou dizajnovou chybou. V zmiešanej štúdii so 409 bakalármi Qu a Wang (2026) zistili, že nezverejnenie bolo strategickou adaptáciou na vnímané rovesnícke normy a nízku interpretačnú dôveru v inštruktorov, nie morálnou nedbanlivosťou. Vnímané zverejňovanie rovesníkmi a komfort s inštruktorom boli najsilnejšími prediktormi vlastného zverejnenia študentov; morálne odpojenie malo slabšie účinky.

Zostávajú vám dve páky, ktoré skutočne ovládate: čomu študenti veria, že robia ich rovesníci, a či vám dôverujú, že vyhlásenie prečítate spravodlivo. Obe reagujú na to, ako o pravidle hovoríte v prvom týždni. Ani jedna nereaguje na prísnosť formulácie.

Kim a kolegovia (2026) našli päť odlišných miest, kde žije skutočná politika predmetu: zámer vyučujúceho, formálna politika, interpretácia študenta, vlastná politika študenta a prax študenta. Medzery medzi nimi sú systémové. Zaznamenali aj 23 racionalizácií v šiestich triedach, ktorými študenti odôvodňovali používanie AI v akademickom písaní, od „žiadna ľudská obeť“ po „ľahostajnosť inštruktora“. Tie racionalizácie boli ad hoc a post hoc: študenti vysvetľovali správanie, ktoré sa už stalo, namiesto uvažovania vopred, a práve preto jasnejšia formulácia a tvrdšia detekcia samy medzeru nezatvoria.

Jeden účastník, ktorý chcel dodržať prísne pravidlo žiadnej AI, AI ďalej používal a povedal, že zákaz „mi vytvára konflikt, lebo porušujem pravidlá“. Zákaz zintenzívnil morálny konflikt bez toho, aby používanie zabránil. Pravidlo, ktoré vytvára vinu bez súladu, eroduje vzťah, ktorý na zverejnenie potrebujete.

Sledujte aj to, čo sami predvádzate. Väčšina zadaní v Pisanovom predmete zverejňovala prompt použitý na ich vytvorenie a jeden študent si túto transparentnosť vyložil ako povolenie: „závislosť učiteľa na AI pri známkovaní a tvorbe zadaní tiež sťažovala nepoužívať AI pri zadaniach rovnakým spôsobom.“ Predvádzanie normy je súčasťou politiky tak, ako ju študenti zažívajú, nech sylabus hovorí čokoľvek.

Vyhlásenie, ktoré môžete prispôsobiť:

Používanie AI v tomto predmete. Chcem, aby ste z tohto predmetu odišli schopní urobiť X sami, preto hodnotím X priamo. AI môžete použiť na [povolené použitia] pri [zoznam úloh]; nesmiete ju použiť na [obmedzené použitia], lebo práve tie hodnotím. Ak AI použijete kdekoľvek vo svojej práci, povedzte mi na [jedno určené miesto, napríklad riadok o zverejnení pri každom odovzdaní], na čo ste ju použili, a vložte prompty. Zverejnenie nikdy nezníži vašu známku. Dôsledok nesie to, že používanie nezverejníte. Ak si nie ste istí, či je použitie povolené, spýtajte sa ma pred odovzdaním, nie po ňom.

Tá posledná veta presúva rozhodovací bod pred prácu, čo je jediný bod, v ktorom je otázka lacná na zodpovedanie.

Naplánujte štyri rozhovory skôr, než nastanú

Študent, ktorý AI použil a nepovedal to. Berte to ako otázku procesu, nie charakteru. Mohamed a Temimi (2026) modelujú hodnotenie ako problém nedokonalých informácií: študent vie, ako práca vznikla, a inštitúcia vidí artefakt plus čiastočné stopy. Ich model reakčných oblastí porovnáva tri reakcie, žiadne používanie AI, zverejnené používanie a skryté používanie, a pýta sa, ktorú z nich každý mechanizmus robí najpríťažlivejšou. Zákaz nastavuje formálnu hranicu a necháva skryté používanie príťažlivým, keď študenti vidia detekciu ako slabú. Monitoring zvyšuje očakávaný náklad skrytého používania bez toho, aby zvyšoval zverejnenie, takže študenti sa stanú opatrnejšími, ale nie transparentnejšími. Povolenie so zverejnením robí čestné hlásenie životaschopným len dovtedy, kým cena čestnosti zostáva nízka.

V miestnosti to znamená spýtať sa, čo mala práca hodnotiť, požiadať študenta, aby vysvetlil svoj postup, a čítať neskoré vyhlásenie ako informáciu, nie ako priznanie.

Študent, ktorý cituje AI na všetko. Zvyčajne je to medzera v zručnostiach v kostýme súladu. Požiadavky na uvedenie zdroja stúpli zo 16 % na 43 % sylabov, kým zmienky o akademickej integrite klesli zo 63 % na 49 %, takže obor žiada citovanie, nie priznanie. Určte formát raz, v zadaní, nie v poznámke pod čiarou v sylabe. Povedzte, ako vyzerá primerané uvedenie zdroja vo vašom odbore, a dajte jeden spracovaný príklad. Tam, kde je skutočným problémom, že študent ešte nevie urobiť základnú prácu bez modelu, je odpoveďou dizajn úlohy.

Skupinová práca. Päť študentov môže mať päť výkladov jednej vety a hodnotí sa jedno odovzdanie. Pri každom skupinovom výstupe rozhodnite a zverejnite, či je používanie AI povolené, kto ho vyhlasuje a čo sa stane, keď jeden člen vybočí z pravidla. Urobte to pred začiatkom projektu, kým je to plánovacia otázka. Ak nedokážete uviesť individuálny príspevok, za ktorý člen zodpovedá, hodnotte úlohu ako čisto skupinovú prácu namiesto rozhodovania o autorstve dodatočne.

Zverejnenie, ktoré nedokážete overiť. Niektoré vyhlásenia budú neúplné a niektoré opomenutia nevyvrátiteľné. Bassett a kolegovia (2026) argumentujú, že detekcia AI by sa vo vzdelávaní nemala používať vôbec, z troch dôvodov, ktoré sa dotýkajú formulácií. Výstup detektora je pravdepodobnostný odhad, ktorý nemožno nezávisle overiť, lebo pôvod textu v reálnom svete nie je známy, takže validácia beží na kruhovom uvažovaní. Skóre detektora nespĺňa štandard prevahy pravdepodobností, ktorý vyšetrovanie integrity vyžaduje. A dichotómia človek verzus AI je pre prácu vytvorenú s AI, a nie AI, nezmyselná. Ich záver je, že detekcia „nechráni akademickú integritu; podkopáva ju“.

Upozorňujú na formulačný problém, ktorý stojí za to prekopírovať do vašej revízie. Pravidlá obmedzujúce používanie AI „pri hodnotení“ nešpecifikujú, kedy hodnotenie začína, takže výskum, plánovanie alebo úprava s pomocou AI môžu a nemusia byť porušením podľa toho, kto to číta. Pomenujte namiesto toho procesné dôkazy, ktoré môžete pozorovať: odovzdaný prompt a záznam interakcie, cvičenie vytvorené v miestnosti, ústne vysvetlenie. Tam, kde vaša inštitúcia detektor napriek tomu prevádzkuje, platia ich varovania pred ukladaním údajov, ich uchovávaním a komerčným využitím študentskej práce, a námietka súkromia, ktorú vzniesli dvaja budúci učitelia, je námietka, ktorú vynesú vaši študenti.

V čom sa inštruktori mýlia

Prísnejšia politika je bezpečnejšia politika. Byť prísnejší než vaša inštitúcia je bežné a obhájiteľné, ale náklad na vymáhanie je váš a pravidlo, ktoré nedokážete uplatniť konzistentne v jednom cykle známkovania, je problémom rovnosti. Vyškrtnite pravidlá, ktoré nedokážete prevádzkovať.

Zákaz je najkratšia dostupná správa. V 27 politikách budúcich učiteľov spočívala nejednoznačnosť väčšinou v tých povoľujúcich a 22 z 27 sa nikdy nevenovalo čítaniu, takže študenti boli ponechaní na domýšľanie. Účastník u Kim a kolegov zákaz „dodržal“ tým, že ho porušoval, a cítil sa pri tom zle.

Zverejnenie je mechanizmus súladu. Je to signál a signály závisia od dôvery. Qu a Wang zistili, že rovesnícke normy a komfort s inštruktorom predpovedajú zverejnenie lepšie než morálne uvažovanie.

Skóre detektora uzatvára sporný prípad. Nedosahuje štandard, ktorý musí vyšetrovanie integrity splniť, a nedokáže odlíšiť prácu vytvorenú s AI od práce vytvorenej AI. Stavajte prípad na práci, ktorú ste pozorovali.

Napísanie politiky je komunikácia. Kim a kolegovia našli päť miest, kde žije skutočná politika, a váš dokument je jedno z nich. Verziu, podľa ktorej študenti konajú, skladajú z toho, čo hovoríte v triede, a z toho, čo robíte s vlastnými materiálmi.

S čím sa na vás vrátia

„Študenti to len skryjú.“ Niektorí áno, a dizajnová otázka je, ktorých študentov vaše pravidlo pokúša. Odstrašenie prechádza cez rozlišovaciu schopnosť detektora medzi skrytým používaním a legitímnou prácou, nie cez jeho hrubú mieru záchytu. Keď zvýšená citlivosť prináša viac nových falošne pozitívnych než nových skutočne pozitívnych výsledkov, silnejší monitoring môže urobiť zatajovanie relatívne príťažlivejším, lebo čestní študenti sú trestaní rýchlejšie, než sú skrytí používatelia identifikovaní. Povolenie a zverejnenie sú oddelené páky: povolenie posúva hranicu prijateľného používania, zverejnenie mení viditeľnosť. Diagnostikujte, kde vaše zadanie ťahá študenta s najväčším pokušením zatajiť, a dizajnujte pre toho študenta.

„Nechcem zakazovať nástroje, ktoré nedokážem odhaliť.“ Nemusíte. Zákaz je jedna zo štyroch dizajnových reakcií, vedľa monitoringu, povoleného používania so zverejnením a redizajnu. Redizajn mení to, čo úloha odmeňuje, a zostáva kozmetický, ak rubrika stále hodnotí hlavne finálny produkt. Pisan (2026) ukazuje úrovne spravené výslovnými: v úvodnom kurze programovania je AI zakázaná, lebo outsourcing prvých cyklov odstraňuje to, čo sa učí; na projektoch v dátových štruktúrach je podporovaná (Copilot povolený) a zo skúšok na papieri zakázaná; v nadstavbovom kurze systémov je pomôckou na štúdium a opakovanie; a v samotnom kurze o AI je vyžadovaná, kde jedna hranica niesla väčšinu váhy. Model môže písať kód a reflexie musia byť vlastným hlasom študenta. Skúšky boli úplne zrušené a hodnotenie sa presunulo na prácu, ktorú model nemôže potichu napísať za študenta.

„Politika mojej inštitúcie to už pokrýva.“ Menej, než si myslíte. Medzera ide oboma smermi: 92 % sylabov uvádza výslovné usmernenie, miestne pravidlá sa od inštitucionálneho usmernenia odchyľujú a len 47 inštitúcií malo rozpoznateľné obe úrovne. Nákup, údaje a cykly revízie patria k téme Ako napísať a zaviesť inštitucionálnu politiku AI?, ale preklad do triedy je váš. Nash a Burriss uzatvárajú, že inštitúcie musia vybaviť učiteľov rovnako dobre odmietnuť ako prijať, s usmernením a profesijným rozvojom, ktoré inštruktorovi umožnia odmietnuť konkrétne použitie AI bez toho, aby bol označený za toho, kto zaostáva. Technodeterminizmus ich účastníkov odporoval ich vlastným pedagogickým záväzkom. Inštitucionálna politika nie je krytie pre váš úsudok.

„Nemám čas tento mesiac prepisovať sylabus.“ Urobte inventúru raz, pri zadaní, ktoré vás znepokojuje, a výstup vezmite priamo do zadania. Veta v sylabe môže počkať na ďalší cyklus revízie. Študenti sa tak či tak riadia zadaním.

Čo urobiť tento týždeň

1. Urobte inventúru hodnotených úloh a vedľa každej napíšte „čo konkrétne hodnotím?“, skôr než o AI rozhodnete čokoľvek.

2. Rozhodujte úlohu po úlohe a overte, ktorú reakciu každé rozhodnutie robí najpríťažlivejšou pre študenta s najväčším pokušením zatajiť.

3. Napíšte vetu o zverejnení: jedno miesto, jeden formát, jeden spracovaný príklad primeraného uvedenia zdroja.

4. Pomenujte dôkaz, ktorý prijmete v spore (záznam promptov, práca v triede, ústne podanie), a vyškrtnite každé pravidlo, ktoré proti nemu nedokážete otestovať.

5. Vyslovte pravidlo nahlas na najbližšej hodine, v momente, keď sa prvýkrát uplatní, s odôvodnením vedľa každého obmedzenia.

Kam ďalej

Správa, dátová politika, nákup a cykly revízie patria k téme Ako napísať a zaviesť inštitucionálnu politiku AI?; nariadené inštitucionálne a okresné pravidlá sedia pri vzdelávacej politike AI a správe. Prestavba úlohy tak, aby známka stále podopierala obhájiteľnú inferenciu, patrí k redizajnu hodnotenia v ére AI, argument o vymáhaní je v znižovaní podvádzania s AI, rozhodnutie o detektore v tom, či používať detektory AI, a schéma označení v reforme škály hodnotenia AI.