Академічна доброчесність

На сайті Times Higher Education опубліковано статтю Бенджаміна Люка Мурхaуса та Джеймса Міана Цзя «Університети мають припинити діяльність нелегальної економіки навколо детекторів штучного інтелекту».

У ній розглядається питання широкого упровадження систем виявлення текстів, створених за допомогою генеративного штучного інтелекту та формування неофіційного ринку відповідних послуг із перевірки студентських робіт на «ймовірність використання ШІ», а також обговорюються наслідки для академічної доброчесності та освітнього процесу в цілому. Після появи ChatGPT постачальники антиплагіатних систем швидко інтегрували до своїх продуктів функції визначення ймовірності використання штучного інтелекту. У багатьох університетах отримані показники вже використовуються під час розгляду справ про можливі порушення академічної доброчесності, а окремі заклади навіть визначають порогові значення, перевищення яких може стати підставою для дисциплінарних процедур. Водночас студентам не завжди достатньо чітко пояснюють, як саме інтерпретуються такі результати та яке місце вони займають у процедурі оцінювання. Невизначеність породжує тривожність, а вона стає підґрунтям для появи нового ринку. На популярних електронних платформах з’явилися продавці, які за невелику плату пропонують здійснити детекцію ШІ у студентських роботах, причому здобувачі освіти можуть багаторазово надсилати свої тексти, редагувати їх відповідно до отриманого показника й лише після цього подавати остаточну версію через офіційну систему навчального закладу для перевірки.  Постачальники подібних послуг запевняють клієнтів, що завантажені тексти не зберігатимуться в базах даних антиплагіатних систем, проте жодних гарантій цьому немаєВідомі ситуації, коли після використання таких сервісів роботи здобувачів освіти зберігались в цих системах і були доступні при перевірці університетами на плагіат та ШІ. Процес доопрацювання академічного тексту традиційно допомагає студентам уточнювати аргументацію, критично переосмислювати власні висновки та вдосконалювати стиль академічного письма. Проте дедалі частіше редагування перетворюється на спробу будь-якою ціною знизити показник «ШI-ймовірності». У соціальних мережах активно поширюються поради, націлені не на покращення змісту роботи, а на те, як зробити текст менш схожим на створений штучним інтелектом, іноді – навіть шляхом навмисного внесення граматичних помилок. Звісно, університети не мали наміру створювати «економіку детекторів ШІ», однак їхня практика використання таких інструментів стала одним із чинників появи цього ринку послуг. Водночас є і позитивні приклади: ряд університетів вже відмовився від використання функції розпізнавання текстів, створених штучним інтелектом, або суттєво обмежив їх застосування. Переосмислення ролі інструменту детекції ШІ, відкритий діалог зі студентами та зрозумілі правила використання генеративного штучного інтелекту мають в комплексі підтримувати академічну доброчесноість. Упровадження нових цифрових інструментів здатне породжувати не лише нові можливості, а й неочікувані економічні, соціальні та освітні наслідки. У сфері академічної доброчесності задіяння технологічних рішень має бути прозорим, побудованим на довірі та чітких правилах.

Детальніше: https://www.timeshighereducation.com/opinion/universities-must-help-shut-down-illicit-ai-detection-economy

Фото: pixabay.com

#НРАТ_Усі_новини #НРАТ_ШтучнийІнтелект #НРАТ_АкадемДоброчесність #НРАТ_Науковцям_новини #НРАТ_Освітянам_новини  #НРАТ_TimesHigherEducation 

На сайті Times Higher Education опубліковано статтю Ніколь Браунлі «Невеликі зміни в дизайні оцінювання можуть зробити мислення видимим».

У ній автор пропонує поговорити про те, як генеративний штучний інтелект спонукає викладачів переглядати традиційні підходи до оцінювання та переносити увагу з кінцевого результату на процес формування студентських суджень і рішень. Поширення ГШІ виявило давню слабкість багатьох освітніх практик: викладачі часто оцінюють готовий продукт, не маючи достатніх підстав судити про те, як саме студент дійшов до відповідного результату.  Значна частина дискусій навколо академічної доброчесності зосереджується на виявленні або обмеженні використання штучного інтелекту, проте такий підхід не усуває головної проблеми. Якщо оцінювання орієнтоване виключно на кінцеву відповідь, викладачеві складно визначити, які саме знання, навички та міркування стоять за нею. Тому ефективною стратегією може бути не посилення контролю, а зміна дизайну завдань.  Наприклад, навчальне завдання студентам може полягати у використанні генеративного штучного інтелекту під час вивчення теорій навчання. Викладач оцінює не підсумковий текст як такий, а повний запис взаємодії з чат-ботом, концентруючись на здатності студента ставити уточнювальні питання, критично оцінювати пояснення, виявляти прогалини в аргументації та поступово формувати більш цілісне розуміння проблеми. Таким чином основним доказом навчання стає процес мислення, а не фінальний результат.  В інших варіантах завдань студенти мають пояснювати власні рішення, коментувати ключові етапи роботи та обґрунтовувати вибір певних підходів, а викладач оцінює не безпомилковість виконання, а професійне судження, уміння застосовувати теорію та здатність рефлексувати над власними діями. Цей підхід наближає оцінювання до реальних практик професійної діяльності, де важливим є не лише результат, а й логіка його досягнення.  Доволі поширеним є побоювання, що процесно орієнтоване оцінювання вимагатиме від викладачів значно більше часу. Ніколь стверджує, що коли студент демонструє власний хід думок через коментарі, анотації або історію взаємодії з цифровими інструментами, викладачеві легше побачити моменти прийняття рішень і зробити висновок про якість навчання, ніж намагатися реконструювати цей процес за завершеним текстом.  Також автор пропонує вимагати від студентів подання чернеток або історії роботи над завданням, коментувати ключові етапи розробки ідей, оцінювати розвиток аргументації, відкрито інтегрувати інструменти штучного інтелекту в освітній процес замість того, щоб намагатись повністю усунути їх з навчального середовища.  Матеріал привертає увагу до питання організації університетського оцінювання в контексті стрімкого розвитку цифрових технологій. Якщо вища освіта прагне формувати критичне мислення, професійне судження та здатність ухвалювати обґрунтовані рішення, то ці якості мають ставати не прихованим припущенням, а безпосереднім об’єктом оцінювання та педагогічної уваги.

Детальніше: https://www.timeshighereducation.com/campus/small-changes-assessment-design-can-make-thinking-visible

Фото: pixabay.com

#НРАТ_Усі_новини #НРАТ_ШтучнийІнтелект  #НРАТ_АкадемДоброчесність #НРАТ_Науковцям_новини #НРАТ_Освітянам_новини   #НРАТ_TimesHigherEducation 

На сайті Times Higher Education опубліковано матеріал Філіпа Моріарті, Джо Морана, Рейчел Мосс, Ендрю Освальда та Лінн Камерлін «Чи роблять науковці ставку на ШІ?».

У ньому п’ятеро представників академічної спільноти розмірковують про те, як генеративний штучний інтелект змінив їхню професійну діяльність  і наочно демонструють широкий спектр поглядів — від активного використання технології ГШІ до глибокого скептицизму щодо її впливу на освіту та науку.  Професор фізики Філіп Моріарті виступає проти поширеного уявлення про те, що тексти, створені штучним інтелектом, є лише низькоякісним інформаційним продуктом. Спираючись на власний досвід, він стверджує, що сучасні мовні моделі здатні виконувати складні інтелектуальні завдання, зокрема допомагати у програмуванні та розв’язанні наукових проблем. Водночас дослідник визнає, що така ефективність створює серйозний виклик для традиційних підходів до навчання, оскільки завдання, які раніше вимагали тривалої роботи й сприяли глибокому розумінню предмета, тепер можуть виконуватися за лічені хвилини.  Професор англійської мови Джо Моран, навпаки, наголошує на власному відчуженні від технології, оскільки для навчання моделей повсюдно використовуються твори без дозволу їхніх авторів, збільшуються негативні екологічні наслідки, зростає ризик втрати індивідуального людського судження. На його думку, поширення автоматично згенерованих текстів може, як ні парадоксально, підвищити цінність авторського письма як форми людської комунікації.  Рейчел Мосс, яка опікується питаннями академічної доброчесності, розглядає проблему з іншого боку, говорячи про труднощі виявлення використання ШІ студентами. На її думку, використання генеративного штучного інтелекту часто пов’язане не лише з бажанням спростити виконання завдання, а й зі стресом, тривожністю, фінансовими труднощами, соціальною ізоляцією. Боротьба з академічними порушеннями потребує не лише контролю, а й уваги до причин, які спонукають студентів шукати подібні обхідні шляхи.  Професор економіки та поведінкових наук Ендрю Освальд висловлює одну з найкритичніших позицій. Він переконаний, що генеративний штучний інтелект фактично позбавив сенсу традиційне письмове оцінювання студентів, оскільки вже неможливо бути впевненим у самостійному виконанні багатьох видів робіт. Університетам доведеться повернутися до написаних від руки форм контролю знань. Він прогнозує посилення нерівності між університетами, оскільки переваги від використання нових технологій насамперед отримуватимуть найбагатші та найпрестижніші заклади.  Найбільш прагматичну позицію займає професор біохімії Лінн Камерлін. Вона розповідає, що спочатку ставилася до інструментів ШІ з недовірою через їхню схильність до помилок і вигадування фактів. Проте поступово дослідниця почала активно використовувати їх для пошуку інформації, аналізу джерел, програмування та ознайомлення з новими напрямами досліджень. Сучасні мовні моделі стали настільки переконливими у своїх помилках, що існує необхідність ретельної перевірки абсолютно всіх результатів: вигадані посилання, недостовірні дані, хибні зображення можуть поставити під загрозу достовірність наукового пізнання.  Попри суттєві розбіжності в оцінках, усі автори погоджуються, що генеративний штучний інтелект уже став невід’ємною частиною академічного середовища. Відтак головним викликом для університетів стає не питання прийняття чи відкидання цієї технології, а пошук способів її відповідального використання без втрати якості освіти, наукової доброчесності та людського виміру академічної діяльності.

Детальніше: https://www.timeshighereducation.com/depth/are-academics-making-em-dash-ai 

Фото: pixabay.com

#НРАТ_Усі_новини #НРАТ_ШтучнийІнтелект #НРАТ_АкадемДоброчесність #НРАТ_Науковцям_новини #НРАТ_Освітянам_новини  #НРАТ_TimesHigherEducation