Politique IA de l'Université de Melbourne : Ce que guide l'Unité d'Éducation Numérique

Qu'est-ce que la Politique IA de l'Université de Melbourne et où l'Unité d'Éducation Numérique s'insère-t-elle ?

À l'Université de Melbourne, les règles qui gouvernent l'IA générative dans les travaux de cours se situent à l'intérieur du cadre plus large d'intégrité académique et d'évaluation de l'université, qui s'applique à tous les étudiants quel que soit leur domaine d'études. Ce qui varie, c'est la façon dont ce cadre est appliqué à une mission spécifique, et c'est là que l'Unité d'Éducation Numérique devient pertinente pour la plupart des étudiants au quotidien. L'unité travaille avec les facultés et les coordonnateurs de cours pour concevoir les évaluations et rédiger le type de conseils pratiques qui apparaissent dans un plan de cours — des déclarations sur les outils IA qui peuvent être utilisés pour une tâche donnée, si le remue-méninges assisté par IA est traité différemment de la rédaction assistée par IA, et comment un étudiant doit reconnaître cette assistance. En d'autres termes, l'Unité d'Éducation Numérique n'est pas un organisme distinct chargé de la formulation des politiques imposant ses propres règles IA ; c'est la partie de l'université qui aide à traduire un principe général d'intégrité académique en instructions au niveau des missions que le personnel enseignant peut réellement publier. Pour un étudiant, cela signifie que le moyen le plus rapide de savoir ce qui est autorisé pour une mission spécifique est de lire le plan de ce cours et les instructions spécifiques à l'évaluation, plutôt que de supposer qu'une unique règle d'établissement couvre chaque cours de la même manière.

"Notre rôle n'est pas d'écrire une règle IA pour chaque cours — c'est d'aider les équipes pédagogiques à transformer les principes d'intégrité académique en instructions d'évaluation que les étudiants peuvent réellement suivre." — paraphrasé à partir des matériaux d'orientation en éducation numérique de l'Université de Melbourne

Pourquoi les conseils diffèrent-ils entre les cours à Melbourne au lieu d'être uniformes ?

La variation existe parce que le profil de risque de l'assistance IA est véritablement différent selon ce qu'un cours évalue. Un cours de droit de première année testant le raisonnement juridique propre d'un étudiant a une tolérance différente pour l'analyse rédigée par IA qu'un cours de codage où l'utilisation d'un assistant IA pour déboguer une fonction reflète la façon dont les développeurs professionnels travaillent déjà. Plutôt que de forcer chaque coordonnateur de cours dans une règle unique identique, l'université établit le principe d'intégrité au niveau central — le travail soumis pour évaluation doit représenter la compréhension personnelle de l'étudiant, et toute assistance IA au-delà de ce qui est explicitement autorisé doit être divulguée — et laisse la limite spécifique d'utilisation autorisée être fixée au niveau du cours, informée par les contributions du soutien pédagogique et à l'apprentissage, y compris l'Unité d'Éducation Numérique. Cela maintient le cadre suffisamment flexible pour se mettre à jour à mesure que les outils changent d'une période d'enseignement à l'autre, sans nécessiter une réécriture complète de la politique chaque fois qu'un nouvel outil IA devient courant. Le compromis, comme avec la plupart des politiques académiques décentralisées, est que les étudiants ont davantage de responsabilité à vérifier activement les instructions spécifiques au cours plutôt que de dépendre de la mémoire d'une unique règle d'un cours différent.

1. L'université établit un principe partagé d'intégrité académique qui s'applique à tous les travaux de cours
2. Les facultés et coordonnateurs de cours définissent les utilisations spécifiques d'IA autorisées et interdites pour chaque cours
3. L'Unité d'Éducation Numérique aide le personnel enseignant à rédiger des conseils clairs et spécifiques à l'évaluation de l'IA
4. Les plans de cours et les annonces LMS sont le principal endroit où les étudiants trouvent ces détails
5. Les conseils peuvent être mis à jour entre les périodes d'enseignement à mesure que de nouveaux outils IA deviennent courants

Comment les étudiants doivent-ils divulguer l'utilisation de l'IA selon la politique IA de Melbourne ?

Lorsqu'un cours autorise un certain niveau d'assistance IA, la divulgation est généralement censée fonctionner de la même manière que de reconnaître toute autre source d'aide — nommer l'outil, décrire la tâche spécifique pour laquelle il a été utilisé, et être clair sur ce que l'étudiant a écrit ou vérifié indépendamment par la suite. Une courte déclaration de reconnaissance jointe à la soumission, similaire dans l'esprit à une note de bas de page reconnaissant un assistant de recherche ou une citation, est le format le plus courant que les coordonnateurs de cours demandent. Le niveau de détail que cette déclaration doit généralement évoluer en fonction de la centralité de la portion assistée par IA dans le produit fini : un étudiant qui a utilisé un chatbot pour vérifier la grammaire d'un paragraphe est dans une position très différente de celui qui a utilisé l'IA pour générer un premier brouillon d'un argument qui a ensuite été révisé. Le problème constant que la politique cible est l'utilisation non divulguée, pas la technologie elle-même — un étudiant qui utilise un outil autorisé mais ne le divulgue pas, ou minimise l'importance de sa dépendance, est traité comme s'il avait déformé la soumission même si l'assistance sous-jacente aurait été acceptable si elle avait été divulguée honnêtement.

1. Vérifiez votre plan de cours spécifique ou vos instructions LMS avant de supposer qu'un outil IA est autorisé
2. Notez quel outil a été utilisé et pour quelle tâche exacte — esquisse, rédaction, débogage, édition
3. Indiquez clairement ce qui a été assisté par IA par rapport à ce qui a été écrit ou vérifié indépendamment
4. Adaptez le niveau de détail de la divulgation à la centralité de la portion assistée par IA dans la soumission finale
5. Demandez à votre coordonnateur de cours ou tuteur avant de soumettre si un cas d'usage spécifique n'est pas clair

Comment les cours de Melbourne vérifient-ils que le travail soumis respecte la politique IA ?

Les méthodes de vérification varient selon la faculté et le cours de la même manière que les règles d'utilisation autorisée, mais quelques approches réapparaissent régulièrement dans toute l'université. Les tuteurs et enseignants qui travaillent étroitement avec une cohorte sur un semestre remarquent souvent un changement inexpliqué dans le style d'écriture habituel d'un étudiant, la structure de l'argumentation ou la fluidité technique avant que tout logiciel ne marque quoi que ce soit, ce qui maintient la familiarité directe du personnel comme une partie significative de la vérification. La conception d'évaluation a également évolué dans certains cours vers des composants en classe, des vivas ou des tâches appliquées qui demandent à un étudiant d'expliquer ou d'étendre son propre raisonnement soumis sur place — un format qu'il est difficile de réussir sans une véritable compréhension du travail défendu, indépendamment de la façon dont il a été rédigé. Lorsque les outils de détection d'IA sont utilisés, ils fonctionnent généralement comme un signal de soutien qui déclenche une lecture manuelle plus attentive plutôt qu'un jugement autonome, cohérent avec la façon dont la plupart des universités australiennes ont positionnées ces outils compte tenu des risques documentés de faux positifs dans la détection d'IA automatisée. Un passage marqué conduit généralement à une conversation avec l'étudiant — une demande d'expliquer son processus ou de montrer des brouillons — avant qu'un processus formel d'intégrité académique ne soit envisagé.

1. La familiarité du personnel avec le style d'écriture habituel d'un étudiant reste une vérification de première ligne courante
2. Certains cours utilisent des tâches en classe ou des vivas pour confirmer que les étudiants peuvent expliquer leur propre travail soumis
3. Les outils de détection d'IA, lorsqu'ils sont utilisés, soutiennent généralement un examen manuel plus attentif plutôt que de décider seuls les résultats
4. Une soumission marquée déclenche généralement une conversation avec l'étudiant avant tout processus formel
5. Les étudiants doivent être prêts à décrire leur processus de rédaction et à montrer les notes ou brouillons antérieurs s'ils sont demandés

Que se passe-t-il si le travail d'un étudiant est marqué selon la politique IA de l'Université de Melbourne ?

Parce que la vérification se situe près du niveau du cours, il en va de même pour la première étape de ce qui suit une soumission marquée. Dans la plupart des cas, un tuteur ou coordonnateur qui a une préoccupation la soulèvera directement avec l'étudiant d'abord — via un message, une demande de brouillons ou une brève conversation — avant qu'un processus formel d'intégrité académique ne commence, reflétant comment l'université a longtemps géré les soupçons de plagiats. Les étudiants qui peuvent montrer des brouillons antérieurs, des notes ou un compte clair de la manière dont ils ont abordé la tâche sont généralement dans une position plus forte pour résoudre rapidement une enquête informelle. Si un cas procède plus loin, il suit les procédures d'intégrité académique existantes de l'université, et l'étudiant conserve le droit de répondre et de fournir son propre compte avant qu'un résultat ne soit décidé. Parce que la limite exacte d'utilisation autorisée est fixée au niveau du cours, un étudiant faisant face à une enquête est mieux servi en révisant d'abord les conseils IA publiés pour ce cours spécifique, plutôt que de supposer qu'une règle générale d'établissement explique ce qui s'est passé.

Comment les étudiants peuvent-ils vérifier leur propre travail avant de le soumettre à Melbourne ?

Comme la précision de la divulgation importe autant que l'utilisation sous-jacente de l'IA elle-même, une habitude pratique consiste à réviser un brouillon avant la soumission pour confirmer qu'il correspond à ce qu'un étudiant prévoit de divulguer, et vérifier séparément que les sections écrites indépendamment ne se lisent pas de manière à inviter des questions inutiles. Des outils comme NotGPT permettent à un étudiant de coller un brouillon et de voir une ventilation au niveau de la phrase de la ressemblance avec l'IA, ce qui est le plus utile pour identifier les passages où une édition importante ou un ton uniforme et formel inhabituel pourraient se lire de manière ambigüe à un tuteur plutôt que comme un test rigoureux réussi ou échoué. Ceci est particulièrement pertinent pour les étudiants écrivant dans un registre technique, ou les étudiants écrivant en anglais comme langue supplémentaire, car les deux peuvent naturellement produire de la prose qui se lit plus uniformément que l'écriture informelle typique sans aucune participation à l'IA. Exécuter une auto-vérification quelques jours avant une date limite — au lieu de la veille — laisse du temps pour réviser les passages marqués, confirmer qu'une déclaration de divulgation correspond exactement au brouillon final, et garder les notes antérieures à portée de main au cas où un coordonnateur de cours demanderait à propos du processus de rédaction. Rien de cela ne remplace la lecture des conseils IA spécifiques publiés pour le propre cours d'un étudiant, qui reste la source faisant autorité pour ce qui est et n'est pas autorisé.

1. Lisez les conseils IA publiés pour votre cours spécifique avant de commencer une mission
2. Rédigez une déclaration de divulgation parallèlement à votre travail plutôt que de l'écrire comme une réflexion après coup
3. Exécutez les sections écrites indépendamment via un détecteur d'IA pour identifier les motifs stylistiques ambigus
4. Révisez les passages marqués pour une variation naturelle des phrases au lieu d'une formulation uniformément formelle
5. Confirmez que votre déclaration de divulgation finale correspond exactement à l'assistance utilisée
6. Conservez les brouillons et les notes au cas où un tuteur ou coordonnateur vous poserait des questions sur votre processus d'écriture