KI in der Graduiertenschule: Ein praktischer, richtliniengerechter Leitfaden

Was bedeutet die Verwendung von KI in der Graduiertenschule wirklich?

Die Verwendung von KI in der Graduiertenschule umfasst eine breitere Palette von Aufgaben als in einer typischen Grundvorlesung, und jede hat ihr eigenes Risikoprofil. Es kann bedeuten, ein Modell um eine Erklärung eines Konzepts vor einer Qualifizierungsprüfung zu bitten, Literatursuchen durch eine KI-gestützte Datenbank durchzuführen, einen Coding-Assistenten zum Debuggen eines Analyskripts zu verwenden, strukturelles Feedback zu einem Manuskriptentwurf vor der Übergabe an einen Betreuer zu erhalten, Interview-Daten für eine qualitative Studie zu transkribieren und zusammenzufassen oder Foliennotizen für einen Konferenzvortrag zu verfassen. Einige davon werden von den meisten Programmen als Routine-Lernhilfen behandelt, während andere — alles, das Original-Daten, Urheberschaft oder ein Abschlusskapitel berührt — näher an einem Verhalten liegen, das ein Graduiertenkomitee oder ein Journalredakteur kennen möchte. Die Unterscheidung, um die sich die meisten Programme kümmern, ist nicht, ob KI das Werk überhaupt berührt hat, sondern wo im Prozess sie es berührt hat: Die Hilfe beim Verstehen oder Organisieren von Material ist normalerweise ein niedriges Risiko, während das Generieren des wesentlichen Inhalts, der Analyse oder des Arguments, das Sie als Ihres vorstellen, dort ist, wo die Kontrolle zunimmt. Dieser Leitfaden konzentriert sich auf diese alltägliche Verwendung in Kursarbeit, Forschung, Schreiben und Code. Er behandelt nicht, wie KI in Zulassungsentscheidungen, Anschreiben oder die Wahl eines Erkennungswerkzeugs einfließt, die separate Themen mit ihren eigenen Überlegungen sind, und er ist kein Ersatz für das Lesen der eigentlichen Richtliniendokumente, die auf Sie zutreffen.

Ist die Verwendung von KI in der Graduiertenschule in Ihrem Programm erlaubt?

Es gibt keine einheitliche Antwort, ob die Verwendung von KI in der Graduiertenschule erlaubt ist, weil die Regel auf mehreren Ebenen liegt, die nicht immer übereinstimmen. Eine universitätsweite Richtlinie zur akademischen Integrität kann einen Basisrahmen setzen, aber einzelne Dozenten fügen häufig strengere kursspezifische Regeln in einem Syllabus hinzu, und ein Forschungsbetreuer oder ein Labor können Erwartungen haben, die noch strenger sind, auch wenn sie nie schriftlich festgehalten wurden. Finanzierungskörperschaften, Institutional Review Boards und die Zeitschriften, an die Sie letztendlich einreichen, können jeweils zusätzliche Anforderungen hinzufügen, besonders rund um Datenbehandlung, Urheberschaft und Offenlegungssprache. Da diese Schichten selten in ein Dokument zusammengefasst werden, ist der einzig zuverlässige Ansatz, jede zu überprüfen, die auf das spezifische Werk vor Ihnen zutrifft, anstatt eine Regel aus einer Klasse oder von einem Betreuer auf alles andere anzunehmen. Es hilft auch zu beachten, dass sich Richtlinien während eines akademischen Jahres ändern — ein Department, das letztes Semester keine KI-Anleitung hatte, kann nach einer Konferenz oder wenn ein Verlag seine eigenen Regeln aktualisiert, eine erlassen.

1. Lesen Sie das Syllabus oder die Aufgabenanweisungen für den spezifischen Kurs — viele geben jetzt eine explizite KI-Nutzungsrichtlinie pro Aufgabe an.
2. Überprüfen Sie das Handbuch Ihres Graduiertenprogramms oder Departments auf eine allgemeine Forschungskondukt- oder KI-Nutzungserklärung.
3. Fragen Sie Ihren Betreuer direkt, was er für Laborarbeit, Entwürfe und Datenanalyse erwartet, anstatt eine Norm anzunehmen.
4. Überprüfen Sie die Dienststelle Ihrer Institution für akademische Integrität oder Forschungsintegrität auf eine universitätsweite Richtlinie.
5. Wenn Ihre Arbeit Daten von Versuchspersonen umfasst, bestätigen Sie, ob Ihr IRB oder Ethikrat KI-Werkzeuge für die Bearbeitung dieser Daten einschränkt.
6. Wenn Sie eine Veröffentlichung anstreben, überprüfen Sie die Autorenrichtlinien der Zielzeitschrift oder Konferenz auf KI-Offenlegungsanforderungen vor der Einreichung.
7. Überprüfen Sie die Richtlinien regelmäßig erneut, anstatt anzunehmen, dass das, was Sie bei der Orientierung gelesen haben, noch ein oder zwei Jahre später zutrifft.

Eine Richtlinie aus einem Kurs oder von einem Betreuer erstreckt sich nicht automatisch auf Ihre Abschlussarbeit, Ihr Labor oder Ihre nächste Einreichung — jede Schicht muss auf ihre eigene überprüft werden.

Wie können Graduierte KI für Kursarbeit nutzen, ohne Probleme zu bekommen?

Kursarbeit ist normalerweise der Ort mit den niedrigsten Einsätzen, um KI zu verwenden, und die meisten Programme ziehen eine ziemlich konsistente Linie: Ein Modell zu verwenden, um Material zu verstehen, wird generally als Lernen behandelt, während die Verwendung, um Arbeiten zu produzieren, die Sie als Ihre eigenen originalen Schriften einreichen, ist generell nicht akzeptiert. Ein KI-Werkzeug zu fragen, um einen Beweis zu erklären, Sie vor einer Prüfung zu quizzen, eine Ableitung Schritt für Schritt zu gehen oder eine dichte Lesung vor der Klasse zusammenzufassen, fällt normalerweise auf die akzeptierte Seite, ähnlich wie einen Tutor oder eine Studiengruppe zu verwenden. Ein Modell entwirft eine Lösungssatzantwort, einen Diskussionsbeitrag oder eine Heimprüfungsantwort, die Sie dann mit wenig oder gar keine Änderungen einreichen, das ist, wo die meisten Dozenten und Integritätsrichtlinien eine Linie ziehen, weil die Aufgabe dazu bestimmt ist, Ihr eigenes Verständnis und nicht das Modells zu zeigen. Gruppenseminare fügen eine weitere Wendung hinzu: Wenn ein Diskussionsbeitrag oder ein Antwortaufsatz dazu bestimmt ist, Ihre unabhängige Lesung des zugewiesenen Textes zu zeigen, eine KI-generierte Zusammenfassung dieses Textes an Stelle Ihrer eigenen Lesung ersetzt, unterlädt den Zweck der Aufgabe, auch wenn die Richtlinie das nicht ausdrücklich angibt. Wenn ein Kurs teilweise auf Partizipation oder unabhängigem Denken benotet wird, behandeln Sie KI als Vorbereitung und nicht als die lieferung selbst.

1. Verwenden Sie KI, um ein Konzept zu erklären oder Übungsprobleme zu durchlaufen, dann lösen Sie die tatsächliche Aufgabe selbst.
2. Wenn ein Syllabus KI-Unterstützung erlaubt, führen Sie einen Datensatz der Prompts bei, die für eine spezifische Aufgabe verwendet werden — einige Dozenten fragen danach.
3. Vermeiden Sie es, KI-generierte Prosa oder Code als Ihre eigenen Werke einzureichen, es sei denn, die Aufgabe erlaubt und erwartet es ausdrücklich.
4. Für Diskussionsbeiträge oder Antwortaufsätze, machen Sie die zugewiesene Lesung selbst, bevor Sie KI verwenden, um Ihr Verständnis zu überprüfen, nicht statt dessen.
5. Wenn Sie sich über eine spezifische Aufgabe unsicher sind, fragen Sie den Dozenten, bevor Sie sie einreichen, anstatt nachträglich zu raten.

Wie sollte KI in Literaturübersichten und Forschungsarbeit passen?

KI-Werkzeuge können Teile einer Literaturübersicht wirklich beschleunigen — verwandte Arbeiten aufdecken, Abstrakte in großem Maßstab zusammenfassen, eine Leseliste nach Thema gruppieren oder einen groben Überblick über ein neues Teilgebiet erstellen — und diese Art von Such- und Zusammenfassungsunterstützung wird häufig eher als Forschungshilfe als als Abkürzung um die Arbeit herum behandelt. Das Risiko liegt in dem, was als nächstes passiert: KI-generierte Zusammenfassungen können die Ergebnisse eines Papiers missinterpretieren oder seine Schlussfolgerungen übertreiben, und von KI vorgeschlagene Zitate verweisen gelegentlich auf Quellen, die nicht existieren oder nicht das sagen, was das Modell behauptet. Jedes Zitat und jeder Anspruch, der einer Quelle zugeschrieben wird, muss vor der Aufnahme in eine Literaturübersicht, einen Zuschussantrag oder ein Manuskript gegen das eigentliche Papier überprüft werden, genauso wie Sie ein Zitat überprüfen würden, das ein Forschungsassistent Ihnen gab, anstatt eines, das Sie selbst gefunden haben. Für Datenerfassung und -analyse speziell, ist die Verwendung von KI zur Organisation, Bereinigung oder Vorverarbeitung von Daten typischerweise weniger besorgniserregend als die Verwendung zu Interpretation oder zum Ziehen von Schlussfolgerungen aus den Daten in Ihrem Namen, da die Interpretation normalerweise der Teil der Arbeit ist, den Ihr Betreuer und Komitee als Ihre eigenen erwartet. Qualitative Forschung fügt eine weitere Schicht hinzu: Wenn Sie KI verwenden, um Interview-Daten zu transkribieren oder zu kodieren, überprüfen Sie, ob Ihr IRB-Protokoll das Senden dieser Daten an ein Werkzeug eines Drittanbieters abdeckt, da einige genehmigten Protokolle vor verbreiteter KI-Werkzeugnutzung datiert sind und möglicherweise nicht berücksichtigt wird.

Ein von KI vorgeschlagenes Zitat ist eine zu überprüfende Führung, nicht eine zu zitierreiche Quelle — überprüfen Sie jede Referenz gegen das tatsächliche Papier, bevor es in Ihre Arbeit geht.

Wo liegt die Grenze zwischen KI-gestützter und KI-geschriebener akademischer Prosa?

Die meisten Graduiertenprogramme und Zeitschriften unterscheiden zwischen KI als Bearbeitungshilfe und KI als Quelle des Schreibens selbst, auch wenn keiner der Begriffe in einem Richtliniendokument präzise definiert ist. Ein Modell zu verwenden, um die Grammatik zu überprüfen, einen klareren Satzbau vorzuschlagen oder einen zu langen Absatz, den Sie bereits geschrieben haben, zu straffen, wird generell wie die Verwendung eines starken Lektors behandelt — die Ideen und das Argument gehören immer noch Ihnen, und das Werkzeug poliert Ausdruck anstatt Substanz zu generieren. Ein Modell entwirft einen ganzen Abschnitt — eine Einleitung, eine Diskussion, einen Methodenabsatz — aus einem Prompt oder Überblick und reicht diesen Text mit leichtem Bearbeiten ein, ist eine andere Handlung, weil die Ideen, das Argument und die Formulierung nicht von Ihnen stammen, auch wenn die endgültigen Sätze natürlich klingen. Nicht-muttersprachlich Englischsprachige Personen machen sich manchmal Sorgen, dass dieser Standard sie unfair benachteiligt, da KI-gestützte Sprachpolierung eine echte Barrierefreiheitshilfe sein kann, anstatt den Versuch, die Autorschaft zu verschleiern; viele Programme sind für Grammatik- und Formulierungshilfe toleranter als für Inhaltsgenerierung, genau aus diesem Grund, aber die Unterscheidung muss immer noch mit Ihrem spezifischen Betreuer oder Programm bestätigt werden, anstatt anzunehmen. Der sicherste praktische Test für Ihr eigenes Schreiben ist, ob Sie in Ihren eigenen Worten erklären könnten, warum ein Absatz das sagt, was er sagt, und die Ansprüche in ihm ohne die KI-Ausgabe vor sich verteidigen könnten; wenn Sie es nicht können, ist das Schreiben wahrscheinlich noch nicht bereit, als Ihrer eingereicht zu werden, unabhängig davon, wie natürlich es klingt.

Ist es in Ordnung, KI für die Kodierung und Datenanalyse in der Graduiertenschule zu verwenden?

Coding-Assistenten sind unter den breiter akzeptierten Einsätzen von KI in der Graduiertenschule, besonders in STEM und quantitativen Sozialwissenschaften-Feldern, wo das Schreiben von Analyskripten, Debuggen und Boilerplate-Code lange als eine Werkzeug-unterstützte Aufgabe behandelt wurde, nicht als ein Test auf ursprüngliche Autorschaft. Auch hier gilt der gleiche Verifizierungsstandard wie bei Zitaten: Code, den ein KI-Werkzeug produziert, muss gelesen, verstanden und auf Korrektheit überprüft werden, bevor es auf realen Daten läuft, weil eine plausibel aussehende Funktion immer noch einen subtilen statistischen oder logischen Fehler enthalten kann, der Ihre Ergebnisse ändert, ohne irgendeines offensichtliche rote Flagge zu heben. Dies ist wichtiger bei der Forschung als bei einer Klassenzuordnung, weil ein Codierungsfehler in einer Thesis-Analyse oder einem veröffentlichten Papier nicht nur Sie eine Note kostet — er kann in Ergebnisse propagieren, auf die andere Forscher aufbauen, und es später zu korrigieren, nachdem ein Papier raus ist, ist viel störender als es während einer Bewertung zu fassen. Einige Labors und Zeitschriften erwarten nun, dass ein Methodenbereich vermerkt, wo KI-gestützte Kodierungs- oder Analyswerkzeuge verwendet wurden, besonders für Reproduzierbarkeit, sodass es sich lohnt zu überprüfen, ob die Berichternormen Ihres Feldes diese Art von Offenlegung neben Ihren Software- und Paket-Zitaten zu erfordern begonnen haben. Wenn Ihre Analyse-Pipeline von einem zukünftigen Labormitglied oder einem Rezensenten reproduzierbar sein soll, dokumentieren Sie, welche Schritte KI-gestützte Kodierungs- oder Analyswerkzeuge verwendeten, genauso wie Sie jedes andere Werkzeug oder jede andere Bibliotheksversion dokumentieren würden, einschließlich des spezifischen Modells oder des Werkzeugnamens, wo diese Detailstufe erwartet wird.

Wann und wie sollten Sie KI-Verwendung in der Graduiertenschule offenlegen?

Die Offenlegungsnormen für KI-Verwendung sind immer noch ungleichmäßig über Institutionen und Verleger verteilt, das ist genau, warum Überprüfung anstatt Annahme wichtig ist. Einige Zeitschriften erfordern nun eine spezifische KI-Nutzungserklärung im Methoden- oder Danksagungsabschnitt, die beschreibt, welches Werkzeug verwendet wurde und wofür; andere verbieten die Auflistung eines KI-Werkzeugs als Autor, während sie immer noch erlauben, offengelegte Unterstützung; einige Graduiertenprogramme bitten Studenten, KI-Verwendung pro Aufgabe zu protokollieren, und andere lassen die Entscheidung den einzelnen Dozenten. Ein vorsichtiger Standard ist, KI-Unterstützung offenzulegen, wenn eine Richtlinie vorhanden ist, wann immer, auch wenn es sich gering anfühlt, und direkt zu fragen, wenn keine schriftliche Richtlinie Ihre Situation abdeckt — die meisten Betreuer und Redakteure würden lieber eine direkte Frage beantworten, als später undiskutierte KI-Verwendung in einem Überprüfungsprozess zu entdecken. Offenlegungssprache zählt auch: Eine vage Linie wie "KI wurde in dieser Arbeit verwendet" ist weniger nützlich, und manchmal weniger akzeptiert, als eine spezifische, die beschreibt, welches Werkzeug bei welcher Aufgabe half, da Spezifität ist, was einem Leser oder Rezensenten tatsächlich erlaubt zu beurteilen, ob die Unterstützung angemessen war.

1. Überprüfen Sie die aktuellen Autorenrichtlinien der Zielzeitschrift, Konferenz oder des Programms auf eine KI-Offenlegungsanforderung, bevor Sie einreichen.
2. Wenn eine Offenlegungserklärung erforderlich ist, beschreiben Sie das spezifische Werkzeug und die Aufgabe (zum Beispiel Grammatikbearbeitung oder Code-Debugging), anstatt einer vagen Erwähnung.
3. Wenn keine schriftliche Richtlinie vorhanden ist, fragen Sie Ihren Betreuer oder Redakteur direkt anstatt zu vermuten, dass Offenlegung nicht erwartet wird.
4. Führen Sie einen eigenen Datensatz darüber, wo und wie Sie KI auf einem gegebenen Werk verwendet haben, für den Fall, dass Sie später danach gefragt werden.
5. Aktualisieren Sie Ihre Offenlegungspraxis, während Sie zwischen Kursen, Labs und Veröffentlichungsorten wechseln, da jeder eine andere Erwartung setzen kann.

Wie unterscheidet sich akzeptable KI-Verwendung über Departments und Felder hinweg?

Die gleiche KI-gestützte Aufgabe kann je nach Disziplin sehr unterschiedlich landen, daher ist es wertvoll, Erwartungen nach Feld zu kalibrieren, anstatt einen blanko Standard anzuwenden. Informatik- und Ingenieurprogramme haben oft relativ etablierte Normen um KI-gestützte Programmierung, da werkzeuggestützte Programmierung Modelle der aktuellen KI vorausgeht und das Feld es gewohnt ist, Softwareabhängigkeiten ausdrücklich zu zitieren. Humanities- und Sozialwissenschaftsprogramme, wo das geschriebene Argument normalerweise der primäre wissenschaftliche Beitrag ist, dazu neigt zu, KI-generierte Prosa näher zu kontrollieren, weil das Schreiben selbst — nicht nur die Schlussfolgerungen — typischerweise das ist, was bewertet wird, und ein maschinengeneriertes Argument untergräbt die Kernfähigkeit, die der Grad bestätigen soll. Lab-Wissenschaften sitzen irgendwo dazwischen: KI-gestützte Datenverarbeitung ist verbreitet, aber eine ursprüngliche Interpretation experimenteller Ergebnisse wird normalerweise erwartet, die des Forschers selbst zu sein, und ein Komitee wird diese Interpretation normalerweise direkt bei einer Verteidigung untersuchen, unabhängig davon, wie das Schreiben klingt. Berufs- und Klinikprogramme — Öffentliche Gesundheit, Bildung, Sozialarbeit — fügen oft eine zusätzliche Schicht hinzu, die an Fall-Daten-Vertraulichkeit gebunden ist, da das Einfüttern echter Kunden- oder Patienteninformationen in ein allgemeines KI-Werkzeug Datenschutzbedenken unabhängig von einer akademischen Integritätsfrage aufwerfen kann. Nichts davon ist eine feste Regel, da einzelne Programme und Betreuer auch innerhalb des gleichen breiten Feldes unterscheiden, aber es ist eine vernünftige Starterwartung, um zu justieren, nachdem Sie die Richtlinie Ihres spezifischen Programms tatsächlich überprüft haben.

Welche Fehler machen Graduierte am häufigsten mit KI?

Eine Handvoll vermeidbarer Fehler berücksichtigt die meisten KI-bezogenen Probleme, in die Graduierte laufen. Die Richtlinie zur KI aus einem Kurs oder von einem Betreuer als universell zu behandeln ist verbreitet und riskant, da der nächste Kurs, das nächste Kapitel oder die nächste Zeitschrift einen völlig anderen Standard haben kann. Ein KI-generiertes Zitat oder eine Zusammenfassung zu vertrauen, ohne die ursprüngliche Quelle zu überprüfen, ist eine andere häufige, da ein Zitat, das sich als nicht existierend herausstellt, ein viel größeres Problem ist als ein Zitat, das einfach unnötig war. KI-verfasste Prosa einzureichen, die sanft klingt, aber die der Student tatsächlich nicht erklären oder in einer Besprechung verteidigen kann, ist ein Muster, das Betreuer schnell bemerken, weil eine Nachfragefrage normalerweise die Lücke aufdeckt. Und Offenlegung aus Unsicherheit zu überspringen — Stille anzunehmen bedeutet, es ist in Ordnung — dazu, mehr Probleme zu führen als eine etwas unbequeme Frage direkt zu stellen, da die meisten Betreuer und Redakteure besser auf eine direkte Frage als auf die Entdeckung undiskutierter Nutzung später reagieren.

1. Nehmen Sie nicht an, dass eine Richtlinie aus einem Kurs, Betreuer oder einer Zeitschrift für ein anderes Werk angewendet wird.
2. Zitieren Sie nicht eine von KI vorgeschlagene Quelle, ohne das Originalpapier zu öffnen und zu lesen.
3. Reichen Sie nicht KI-verfasste Abschnitte ein, die Sie ohne die KI-Ausgabe vor sich nicht erklären oder verteidigen können.
4. Bleiben Sie nicht still über KI-Verwendung, wenn Sie sich unsicher sind — fragen Sie anstatt zu vermuten, dass es keine Offenlegung braucht.

Was ist, wenn Ihr Programm noch keine KI-Richtlinie hat?

Viele Graduiertenprogramme, besonders kleinere oder die in Feldern, wo KI-Nutzung neuer ist, haben immer noch keine schriftliche Richtlinie über KI auf Department- oder Programmebene, was einzelne Studenten in der Lücke improvisieren lässt. Das Fehlen einer Regel ist nicht dasselbe wie eine Erlaubnis, und es ist auch nicht dasselbe wie eine Verbot — es bedeutet einfach, dass der Standard von irgendwoanders kommen muss. In dieser Situation ist das zuverlässigste Ersatz ein direktes Gespräch: Ihren Betreuer erzählen, wie Sie KI für eine spezifische Aufgabe verwenden und fragen, ob das akzeptabel ist, bevor die Arbeit beendet ist, anstatt danach. Es ist auch wertvoll, zu überprüfen, ob eine verwandte Richtlinie bereits einen Teil der Lücke indirekt abdeckt — eine breitere Richtlinie zur akademischen Integrität, ein Forschungs-Verhaltenskodex oder die Autorenrichtlinien einer Zeitschrift können alle gelten, auch wenn Ihr spezifisches Programm noch nichts KI-Spezifisches geschrieben hat. Programme ohne Richtlinie schreiben auch normalerweise eine schließlich, oft nach einem spezifischen Vorfall oder einer feldweiten Verschiebung, sodass ein Gespräch jetzt nützlichen Kontext dienen kann, wenn eine formale Richtlinie später ankommt und Sie zeigen möchten, dass Ihre vorherige Praxis bereits vernünftig und offengelegt war.

Was sollten Sie überprüfen, bevor Sie KI-gestützte Arbeiten einreichen?

Vor der Abgabe eines Problemsets, eines Kapitelelentwurfs oder eines Manuskripts, der KI-Unterstützung umfasste, fängt ein kurzer Überprüfungslauf die meisten Probleme auf, die später Schwierigkeiten verursachen. Bestätigen Sie, dass Sie die Richtlinie überprüft haben, die wirklich angewendet wird — Kurs, Programm, Betreuer, IRB oder Zeitschrift — anstatt sich auf eine Regel aus einem anderen Kontext zu stützen. Verifizieren Sie jedes Zitat, jede Statistik und jeden faktischen Anspruch gegen seine ursprüngliche Quelle, und führen Sie KI-gestützten Code gegen reale Ausgabe erneut aus oder lesen Sie ihn erneut, bevor Sie den Ergebnissen vertrauen. Stellen Sie sicher, dass Sie jeden Abschnitt in Ihren eigenen Worten erklären und verteidigen können, und legen Sie KI-Verwendung dort offen, wo es eine Richtlinie erfordert, auch wenn das eine kurze hinzugefügte Satz in einem Methoden- oder Danksagungsbereich bedeutet. Wenn Sie einen außenstehenden Kontrolldruck auf, wie eine Passage klingt, möchten, führen Sie einen Entwurf durch einen KI-Detektor wie NotGPT aus, können Abschnitte mit still-KI-Formulierung kennzeichnen, sodass Sie wissen, wo Sie weiter überarbeiten können — behandeln Sie das als Diagnose auf Ihren eigenen Schreibprozess, nicht als Beweis für Einhaltung mit einer Richtlinie, da nur die tatsächlichen Regeln Ihres Programms bestimmen, was erforderlich ist.

1. Überprüfen Sie erneut die Richtlinie-Schicht, die auf dieses spezifische Werk angewendet wird — Kurs, Handbuch, Betreuer, IRB oder Zeitschrift.
2. Verifizieren Sie Zitate, Daten und faktische Ansprüche gegen ursprüngliche Quellen anstatt ein KI-generiertes Zusammenfassung zu vertrauen.
3. Lesen Sie oder führen Sie KI-gestützten Code gegen reale Daten erneut aus, bevor Sie die Ausgabe vertrauen.
4. Legen Sie KI-Unterstützung dort offen, wo eine Richtlinie es erfordert, und beschreiben Sie das Werkzeug und die Aufgabe speziell.
5. Stellen Sie sicher, dass Sie jeden Anspruch in Ihren eigenen Worten ohne die KI-Ausgabe vor sich erklären und verteidigen können.