University of Melbourne AI-Richtlinie: Was die Digital Education Unit vorgibt

Was ist die University of Melbourne AI-Richtlinie und wo passt die Digital Education Unit hinein?

An der University of Melbourne befinden sich die Regeln für generative AI in Kursarbeiten innerhalb des breiteren akademischen Integritäts- und Bewertungsrahmens der Universität, der für jeden Studierenden unabhängig vom Fach gilt. Was variiert, ist wie dieser Rahmen auf eine bestimmte Aufgabe angewendet wird, und hier wird die Digital Education Unit für die meisten Studierenden relevant. Die Einheit arbeitet mit Fakultäten und Fachkoordinatoren zusammen, um Bewertungen zu entwerfen und die Art praktischer Leitlinien zu schreiben, die in einem Fachüberblick erscheinen — Aussagen darüber, welche AI-Tools für eine bestimmte Aufgabe verwendet werden können, ob AI-gestützte Brainstorming anders behandelt wird als AI-gestützte Entwürfe, und wie ein Studierender diese Unterstützung angeben sollte. Mit anderen Worten: Die Digital Education Unit ist kein separater politischer Körper, der seine eigenen AI-Regeln vorgibt; sie ist der Teil der Universität, der hilft, ein allgemeines akademisches Integritätsprinzip in Anweisungen auf Aufgabenebene zu übersetzen, die der Lehrstab tatsächlich veröffentlichen kann. Für einen Studierenden bedeutet dies, dass die schnellste Methode, um zu wissen, was bei einer bestimmten Aufgabe erlaubt ist, darin besteht, den Fachüberblick dieses Fachs und alle aufgabenspezifischen Anweisungen zu lesen, anstatt anzunehmen, dass eine einzelne universityweite AI-Regel jeden Kurs auf die gleiche Weise abdeckt.

"Unsere Aufgabe ist nicht, eine AI-Regel für jedes Fach zu schreiben — es ist, Lehrteams dabei zu helfen, akademische Integritätsprinzipien in Bewertungsanweisungen zu übersetzen, denen Studierende tatsächlich folgen können." — paraphrasiert aus Materialien der University of Melbourne zur digitalen Bildungslenkung

Warum unterscheiden sich Leitlinien zwischen Fächern an Melbourne statt einheitlich zu sein?

Die Variation existiert, weil das Risikoprofil der AI-Unterstützung je nachdem, was ein Fach bewertet, wirklich unterschiedlich ist. Ein Jura-Fach im ersten Jahr, das das eigene juristische Denken eines Studierenden prüft, hat eine andere Toleranz für AI-verfasste Analysen als ein Programmierfach, in dem die Verwendung eines AI-Assistenten zum Debuggen einer Funktion widerspiegelt, wie professionelle Entwickler bereits arbeiten. Anstatt jeden Fachkoordinator in eine identische Regel zu zwingen, legt die Universität das Integritätsprinzip zentral fest — Arbeiten, die zur Bewertung eingereicht werden, müssen das eigene Verständnis des Studierenden darstellen, und jede AI-Unterstützung über das hinaus, was ausdrücklich erlaubt ist, muss offengelegt werden — und überlässt es, die spezifische zulässige Verwendungsgrenze auf Fachebene festzulegen, informiert durch Eingaben von Lehr- und Lernunterstützung, einschließlich der Digital Education Unit. Dies hält den Rahmen flexibel genug, um sich anzupassen, wenn sich Tools von einer Lehrperiode zur nächsten ändern, ohne dass eine vollständige Richtlinienumschreibung erforderlich ist, jedes Mal wenn ein neues AI-Tool gebräuchlich wird. Der Tradeoff, wie bei den meisten dezentralisierten akademischen Richtlinien, ist, dass Studierende mehr Verantwortung tragen, um aktiv fachspezifische Anweisungen zu überprüfen, anstatt sich auf die Erinnerung an eine einzelne Regel aus einem anderen Kurs zu verlassen.

1. Die Universität legt ein gemeinsames akademisches Integritätsprinzip fest, das für alle Kursarbeiten gilt
2. Fakultäten und Fachkoordinatoren definieren die spezifischen zulässigen und verbotenen AI-Verwendungen für jedes Fach
3. Die Digital Education Unit unterstützt Lehrerstab dabei, klare, aufgabenspezifische AI-Leitlinien zu schreiben
4. Fachübersichten und LMS-Mitteilungen sind der primäre Ort, an dem Studierende diese Spezifikationen finden
5. Leitlinien können zwischen Lehrperioden aktualisiert werden, da neue AI-Tools gebräuchlich werden

Wie sollten Studierende AI-Verwendung gemäß Melbournes AI-Richtlinie offenlegen?

Wenn ein Fach ein bestimmtes Niveau an AI-Unterstützung zulässt, wird die Offenlegung im Allgemeinen auf die gleiche Weise erwartet wie die Anerkennung jeder anderen Hilfsquelle — Benennung des Tools, Beschreibung der spezifischen Aufgabe, für die es verwendet wurde, und Klarheit darüber, was der Studierende danach unabhängig schrieb oder verifizierte. Eine kurze Anerkennungserklärung, die der Einreichung beigefügt ist, ähnlich im Geist einer Fußnote, die einen Forschungsassistenten würdigt oder eine Zitierung, ist das häufigste Format, um das Fachkoordinatoren bitten. Wie viel Detail diese Aussage benötigt, skaliert im Allgemeinen mit wie zentral der AI-gestützte Teil für die fertige Arbeit ist: Ein Studierender, der einen Chatbot verwendete, um die Grammatik eines Absatzes zu überprüfen, befindet sich in einer ganz anderen Position als einer, der AI verwendete, um einen ersten Entwurf eines Arguments zu generieren, das dann überarbeitet wurde. Das konsistente Problem, das die Richtlinie anspricht, ist nicht offenbarte Verwendung, nicht die Technologie selbst — ein Studierender, der ein zulässiges Tool verwendet, aber nicht offenbart, oder unterschätzt, wie sehr er sich darauf verließ, wird behandelt, als ob er die Einreichung misrepräsentiert hat, auch wenn die zugrunde liegende Unterstützung akzeptabel gewesen wäre, wenn sie ehrlich offengelegt worden wäre.

1. Überprüfen Sie Ihren spezifischen Fachüberblick oder LMS-Anweisungen, bevor Sie davon ausgehen, dass ein AI-Tool zulässig ist
2. Notieren Sie sich, welches Tool verwendet wurde und für welche genaue Aufgabe — Gliederung, Entwurf, Debuggen, Bearbeitung
3. Geben Sie klar an, was AI-gestützt war im Vergleich zu dem, was Sie unabhängig schrieben oder verifizierten
4. Skalieren Sie die Detailebene der Offenlegung damit, wie zentral der AI-gestützte Teil für die endgültige Einreichung war
5. Fragen Sie Ihren Fachkoordinator oder Tutor, bevor Sie einreichen, wenn ein spezifischer Anwendungsfall unklar ist

Wie überprüfen Melbourne-Fächer, ob eingereichte Arbeiten die AI-Richtlinie einhalten?

Überprüfungsmethoden variieren nach Fakultät und Fach genauso wie die zulässigen Regeln, aber einige Ansätze tauchen wiederholt in der ganzen Universität auf. Tutoren und Dozenten, die über ein Semester eng mit einer Kohorte arbeiten, bemerken oft eine unerklärte Verschiebung in der üblichen Schreibweise eines Studierenden, der Argumentstruktur oder technischen Fließfertigkeit, bevor irgendsoftware etwas markiert, was die direkte Vertrautheit des Personals einen aussagekräftigen Teil der Überprüfung hält. Die Bewertungsgestaltung hat sich auch in einigen Fächern zu Komponenten im Klassenzimmer, Vivas oder angewandten Aufgaben verschoben, die einen Studierenden auffordern, sein eigenes eingereichte Denken auf der Stelle zu erklären oder zu erweitern — ein Format, das schwierig ist, ohne echtes Verständnis der verteidigten Arbeit zu bestehen, unabhängig davon, wie es entworfen wurde. Wenn AI-Erkennungstools verwendet werden, fungieren sie im Allgemeinen als unterstützendes Signal, das eine genauere manuelle Lektüre auslöst, anstatt ein eigenständiges Urteil zu sein, konsistent mit der Positionierung dieser Tools durch die meisten australischen Universitäten angesichts dokumentierter falsch-positiver Risiken in der automatisierten AI-Erkennung. Ein markierter Absatz führt normalerweise zu einem Gespräch mit dem Studierenden — eine Aufforderung, seinen Prozess zu erklären oder Entwürfe zu zeigen — bevor ein formales akademisches Integritätsverfahren in Betracht gezogen wird.

1. Die Vertrautheit des Personals mit dem üblichen Schreibstil eines Studierenden bleibt eine gemeinsame erste Überprüfung
2. Einige Fächer verwenden Aufgaben im Klassenzimmer oder Vivas, um zu bestätigen, dass Studierende ihre eigene eingereichte Arbeit erklären können
3. AI-Erkennungstools unterstützen bei Verwendung typischerweise eine genauere manuelle Überprüfung und nicht allein Ergebnisse zu entscheiden
4. Eine markierte Einreichung löst normalerweise ein Gespräch mit dem Studierenden aus, bevor formale Verfahren folgen
5. Studierende sollten bereit sein, ihren Entwurfsprozess zu beschreiben und frühere Notizen oder Entwürfe zu zeigen, wenn gefragt

Was passiert, wenn die Arbeit eines Studierenden gemäß der University of Melbourne AI-Richtlinie markiert wird?

Weil die Überprüfung in der Nähe der Fachebene sitzt, ist dies auch der erste Schritt, was einer markierten Einreichung folgt. In den meisten Fällen wird ein Tutor oder Koordinator, der besorgt ist, das zunächst direkt mit dem Studierenden ansprechen — durch eine Nachricht, eine Anforderung für Entwürfe oder ein kurzes Gespräch — bevor ein formales akademisches Integritätsverfahren beginnt, das widerspiegelt, wie die Universität lange Zeit vermutete Plagiatsmbedenken gehandhabt hat. Studierende, die frühere Entwürfe, Notizen zeigen können oder einen klaren Bericht haben, wie sie die Aufgabe angegangen sind, sind allgemein in einer stärkeren Position, um eine informelle Anfrage schnell zu lösen. Wenn ein Fall weiter fortschreitet, folgt es den bestehenden akademischen Integritätsverfahren der Universität, und der Studierende behält das Recht, zu antworten und sein eigenes Konto vor einem Ergebnis zu geben. Da die genaue zulässige Verwendungsgrenze auf Fachebene gesetzt ist, wird ein Studierender, der mit einer Anfrage konfrontiert ist, besser dadurch bedient, dass er zuerst die veröffentlichte AI-Leitlinie dieses spezifischen Fachs überprüft, anstatt anzunehmen, dass eine allgemeine universityweite Regel erklärt, was passiert ist.

Wie können Studierende ihre eigene Arbeit vor der Einreichung an Melbourne überprüfen?

Da die Genauigkeit der Offenlegung genauso wichtig ist wie die zugrunde liegende Verwendung von AI selbst, ist eine praktische Gewohnheit, einen Entwurf vor der Einreichung zu überprüfen, um zu bestätigen, dass er mit dem übereinstimmt, was ein Studierender plant, zu offenbaren, und separat zu überprüfen, dass unabhängig geschriebene Abschnitte nicht auf eine Weise lesen, die wahrscheinlich unnötige Fragen einlädt. Tools wie NotGPT ermöglichen es einem Studierenden, einen Entwurf einzufügen und einen Satz-für-Satz-Aufschlüsselung der AI-Ähnlichkeit zu sehen, was am nützlichsten ist als ein Weg, um Passagen zu fangen, wo schwere Bearbeitung oder ein ungewöhnlich einheitlicher, formaler Ton einen Tutor mehrdeutig lesen könnte, anstatt als strenger Pass-Fail-Test. Dies ist besonders relevant für Studierende, die in einem technischen Register schreiben, oder Studierende, die auf Englisch als Zusatzsprache schreiben, da beide natürlich Prosa produzieren können, die einheitlicher liest als typische ungezwungene Schrift ohne jede AI-Beteiligung. Einen Selbstcheck ein paar Tage vor einer Frist ausführen — anstelle der Nacht zuvor — lässt Zeit, markierte Passagen zu überarbeiten, zu bestätigen, dass eine Offenlegungserklärung genau dem endgültigen Entwurf entspricht, und frühere Notizen zur Hand zu behalten, für den Fall, dass ein Fachkoordinator nach dem Entwurfsprozess fragt. Nichts davon ersetzt das Lesen der spezifischen AI-Leitlinie, die für das eigene Fach eines Studierenden veröffentlicht wird, was die maßgebliche Quelle für das bleibt, was zulässig ist und was nicht.

1. Lesen Sie die veröffentlichte AI-Leitlinie Ihres spezifischen Fachs, bevor Sie eine Aufgabe beginnen
2. Entwerfen Sie eine Offenlegungserklärung zusammen mit Ihrer Arbeit, anstatt sie als Nachgedanken zu schreiben
3. Führen Sie unabhängig geschriebene Abschnitte durch einen AI-Detektor, um mehrdeutige stilistische Muster zu fangen
4. Überarbeiten Sie markierte Passagen für natürliche Satzvariation statt einheitlich formaler Ausdrucksweise
5. Bestätigen Sie, dass Ihre endgültige Offenlegungserklärung genau der verwendeten Unterstützung entspricht
6. Behalten Sie Entwürfe und Notizen für den Fall, dass ein Tutor oder Koordinator nach Ihrem Schreibprozess fragt