Política de IA de la Universidad de Melbourne: Lo que dirige la Unidad de Educación Digital

¿Cuál es la Política de IA de la Universidad de Melbourne y dónde encaja la Unidad de Educación Digital?

En la Universidad de Melbourne, las reglas que rigen la IA generativa en trabajos de curso se encuentran dentro del marco más amplio de integridad académica y evaluación de la universidad, que se aplica a todos los estudiantes independientemente de la materia. Lo que varía es cómo se aplica ese marco a una asignación específica, y es aquí donde la Unidad de Educación Digital se vuelve relevante para la mayoría de los estudiantes día a día. La unidad trabaja con facultades y coordinadores de materias para diseñar evaluaciones y escribir el tipo de orientación práctica que aparece en un esquema de materia — declaraciones sobre qué herramientas de IA se pueden usar para una tarea dada, si la lluvia de ideas asistida por IA se trata diferente de la redacción asistida por IA, y cómo un estudiante debe reconocer esa asistencia. En otras palabras, la Unidad de Educación Digital no es un organismo separado de formulación de políticas que impone sus propias reglas de IA; es la parte de la universidad que ayuda a traducir un principio general de integridad académica en instrucciones a nivel de asignación que el personal docente puede publicar. Para un estudiante, esto significa que la forma más rápida de saber qué está permitido en una asignación específica es leer el esquema de esa materia e instrucciones específicas de evaluación, en lugar de asumir que una única regla de toda la universidad cubre cada curso de la misma manera.

"Nuestro papel no es escribir una regla de IA para cada materia — es ayudar a los equipos docentes a convertir los principios de integridad académica en instrucciones de evaluación que los estudiantes realmente pueden seguir." — parafraseado de los materiales de orientación de educación digital de la Universidad de Melbourne

¿Por qué la orientación difiere entre materias en Melbourne en lugar de ser uniforme?

La variación existe porque el perfil de riesgo de la asistencia de IA es genuinamente diferente dependiendo de lo que una materia está evaluando. Una materia de derecho de primer año que prueba el razonamiento legal propio de un estudiante tiene una tolerancia diferente para el análisis redactado por IA que una materia de codificación donde usar un asistente de IA para depurar una función refleja cómo los desarrolladores profesionales ya trabajan. En lugar de forzar a cada coordinador de materia en una única regla idéntica, la universidad establece el principio de integridad centralmente — el trabajo presentado para evaluación debe representar la comprensión propia del estudiante, y cualquier asistencia de IA más allá de lo explícitamente permitido debe divulgarse — y deja que el límite específico de uso permitido se establezca a nivel de materia, informado por aportes de enseñanza y apoyo al aprendizaje, incluida la Unidad de Educación Digital. Esto mantiene el marco flexible para actualizarse a medida que las herramientas cambian de un período de enseñanza al siguiente, sin requerir una reescritura completa de la política cada vez que una nueva herramienta de IA se vuelve común. La compensación, como con la mayoría de las políticas académicas descentralizadas, es que los estudiantes tienen más responsabilidad de verificar activamente instrucciones específicas de materia en lugar de depender del recuerdo de una única regla de un curso diferente.

1. La universidad establece un principio compartido de integridad académica que se aplica a todos los trabajos de curso
2. Las facultades y coordinadores de materias definen los usos específicos de IA permitidos y prohibidos para cada materia
3. La Unidad de Educación Digital apoya al personal docente en la redacción de orientación clara y específica de evaluación de IA
4. Los esquemas de materias y anuncios de LMS son el lugar principal donde los estudiantes encuentran estos detalles
5. La orientación se puede actualizar entre períodos de enseñanza a medida que nuevas herramientas de IA se vuelven comunes

¿Cómo deben los estudiantes divulgar el uso de IA según la política de IA de Melbourne?

Cuando una materia permite algún nivel de asistencia de IA, se espera generalmente que la divulgación funcione de la misma manera que reconocer cualquier otra fuente de ayuda — nombrar la herramienta, describir la tarea específica para la que fue utilizada, y ser claro sobre lo que el estudiante escribió o verificó de forma independiente después. Una declaración de reconocimiento breve adjunta a la presentación, similar en espíritu a una nota al pie que acredita un asistente de investigación o una cita, es el formato más común que los coordinadores de materia piden. Cuánto detalle esa declaración necesita generalmente se escala con cómo de central es la porción asistida por IA en la pieza de trabajo terminada: un estudiante que usó un chatbot para verificar la gramática de un párrafo está en una posición muy diferente de uno que usó IA para generar un primer borrador de un argumento que luego fue revisado. El problema consistente que la política apunta es el uso no divulgado, no la tecnología en sí — un estudiante que usa una herramienta permitida pero no divulga, o subestima cuánto dependía de ella, es tratado como si hubiera tergiversado la presentación incluso si la asistencia subyacente habría sido aceptable si hubiera sido divulgada honestamente.

1. Revise su esquema de materia específico o instrucciones de LMS antes de asumir que cualquier herramienta de IA está permitida
2. Anote qué herramienta fue usada y para qué tarea exacta — esquematización, redacción, depuración, edición
3. Indique claramente qué fue asistido por IA frente a lo escrito o verificado de forma independiente
4. Escale el nivel de detalle de la divulgación a cuán central fue la porción asistida por IA en la presentación final
5. Pregunte a su coordinador de materia o tutor antes de enviar si un caso de uso específico no está claro

¿Cómo verifican las materias de Melbourne que el trabajo presentado sigue la política de IA?

Los métodos de verificación varían por facultad y materia de la misma manera que las reglas de uso permitido, pero algunos enfoques aparecen repetidamente en toda la universidad. Los tutores y profesores que trabajan estrechamente con una cohorte durante un semestre a menudo notan un cambio inexplicable en la voz de escritura habitual de un estudiante, estructura de argumentos o fluidez técnica antes de que cualquier software marque algo, lo que mantiene la familiaridad directa del personal una parte significativa de la verificación. El diseño de evaluación también se ha desplazado en algunas materias hacia componentes en clase, vivas o tareas aplicadas que piden a un estudiante que explique o extienda su propio razonamiento presentado en el lugar — un formato que es difícil de pasar sin una comprensión genuina del trabajo siendo defendido, independientemente de cómo fue redactado. Donde las herramientas de detección de IA se usan, generalmente funcionan como una señal de apoyo que solicita una lectura manual más cercana en lugar de un veredicto independiente, consistente con cómo la mayoría de las universidades australianas han posicionado estas herramientas dado los riesgos documentados de falsos positivos en la detección automatizada de IA. Un pasaje marcado típicamente conduce a una conversación con el estudiante — una solicitud para explicar su proceso o mostrar borradores — antes de que se considere algún proceso formal de integridad académica.

1. La familiaridad del personal con el estilo de escritura habitual de un estudiante sigue siendo una verificación común de primera línea
2. Algunas materias usan tareas en clase o vivas para confirmar que los estudiantes pueden explicar su propio trabajo presentado
3. Las herramientas de detección de IA, cuando se usan, típicamente apoyan una revisión manual más cercana en lugar de decidir resultados solo
4. Una presentación marcada usualmente desencadena una conversación con el estudiante antes de cualquier proceso formal
5. Los estudiantes deben estar listos para describir su proceso de redacción y mostrar notas o borradores anteriores si se les pregunta

¿Qué sucede si el trabajo de un estudiante está marcado según la política de IA de la Universidad de Melbourne?

Porque la verificación se sitúa cerca del nivel de materia, también lo hace el primer paso de lo que sigue a una presentación marcada. En la mayoría de los casos, un tutor o coordinador que tiene una preocupación lo plantearán directamente con el estudiante primero — a través de un mensaje, una solicitud de borradores, o una breve conversación — antes de que comience algún proceso formal de integridad académica, reflejando cómo la universidad ha manejado históricamente las preocupaciones sospechosas de plagio. Los estudiantes que pueden mostrar borradores anteriores, notas o un relato claro de cómo abordaron la tarea generalmente están en una posición más fuerte para resolver una consulta informal rápidamente. Si un caso procede más allá, sigue los procedimientos de integridad académica existentes de la universidad, y el estudiante retiene el derecho a responder y proporcionar su propia cuenta antes de que se decida algún resultado. Porque el límite exacto de uso permitido se establece a nivel de materia, un estudiante enfrentando una consulta está mejor servido por revisar primero la orientación de IA publicada de esa materia específica, en lugar de asumir que una regla general de toda la universidad explica lo que sucedió.

¿Cómo pueden los estudiantes revisar su propio trabajo antes de enviarlo en Melbourne?

Dado que la precisión de la divulgación importa tanto como el uso subyacente de IA en sí, un hábito práctico es revisar un borrador antes de la presentación para confirmar que coincide con lo que un estudiante planea divulgar, y por separado verificar que secciones escritas de forma independiente no lean de una manera probable de invitar preguntas innecesarias. Herramientas como NotGPT permiten a un estudiante pegar un borrador y ver un desglose a nivel de oración de la similitud de IA, que es más útil como una forma de capturar pasajes donde la edición pesada o un tono uniforme y formal inusual podría leer de manera ambigua a un tutor en lugar de como un test riguroso de aprobación o rechazo. Esto es particularmente relevante para estudiantes que escriben en un registro técnico, o estudiantes que escriben en inglés como idioma adicional, ya que ambos pueden producir naturalmente prosa que lee más uniforme que la escritura informal típica sin ninguna participación de IA. Ejecutar una autoevaluación unos días antes de una fecha límite — en lugar de la noche anterior — deja tiempo para revisar pasajes marcados, confirmar que una declaración de divulgación coincide exactamente con el borrador final, y mantener notas anteriores a mano en caso de que un coordinador de materia pregunte sobre el proceso de redacción. Nada de esto reemplaza leer la orientación de IA específica publicada para la propia materia de un estudiante, que sigue siendo la fuente autorizada para lo que está y no está permitido.

1. Lea la orientación de IA publicada de su materia específica antes de comenzar una asignación
2. Redacte una declaración de divulgación junto con su trabajo en lugar de escribirla como un pensamiento posterior
3. Ejecute secciones escritas de forma independiente a través de un detector de IA para capturar patrones de estilo ambiguos
4. Revise pasajes marcados para variación natural de oraciones en lugar de un fraseo uniforme y formal
5. Confirme que su declaración de divulgación final coincida exactamente con la asistencia utilizada
6. Mantenga borradores y notas en caso de que un tutor o coordinador pregunte sobre su proceso de escritura