Política de IA da Universidade de Melbourne: O que a Unidade de Educação Digital Orienta

Qual é a Política de IA da Universidade de Melbourne e onde a Unidade de Educação Digital se encaixa?

Na Universidade de Melbourne, as regras que governam IA generativa em trabalhos de curso estão dentro da estrutura mais ampla de integridade acadêmica e avaliação da universidade, que se aplica a cada aluno, independentemente do assunto. O que varia é como essa estrutura é aplicada a uma atribuição específica, e é aqui que a Unidade de Educação Digital se torna relevante para a maioria dos alunos no dia a dia. A unidade trabalha com faculdades e coordenadores de assuntos para projetar avaliações e escrever o tipo de orientação prática que aparece em um esboço de assunto — declarações como quais ferramentas de IA podem ser usadas para uma tarefa específica, se o brainstorming assistido por IA é tratado diferentemente da redação assistida por IA e como um aluno deve reconhecer essa assistência. Em outras palavras, a Unidade de Educação Digital não é um corpo separado de elaboração de políticas que entrega suas próprias regras de IA; é a parte da universidade que ajuda a traduzir um princípio geral de integridade acadêmica em instruções em nível de atribuição que a equipe de ensino pode realmente publicar. Para um aluno, isso significa que a maneira mais rápida de saber o que é permitido em uma atribuição específica é ler o esboço desse assunto e qualquer instrução específica da avaliação, em vez de assumir que uma única regra em toda a universidade cobre cada curso da mesma forma.

"Nosso papel não é escrever uma regra de IA para cada assunto — é ajudar as equipes de ensino a transformar princípios de integridade acadêmica em instruções de avaliação que os alunos realmente podem seguir." — parafraseado dos materiais de orientação de educação digital da Universidade de Melbourne

Por que a orientação varia entre os assuntos em Melbourne em vez de ser uniforme?

A variação existe porque o perfil de risco da assistência de IA é genuinamente diferente, dependendo do que um assunto está avaliando. Um assunto de direito do primeiro ano testando o raciocínio jurídico de um aluno tem uma tolerância diferente para análise redigida por IA do que um assunto de codificação onde usar um assistente de IA para depurar uma função espelha como desenvolvedores profissionais já trabalham. Em vez de forçar cada coordenador de assunto em uma regra idêntica única, a universidade estabelece o princípio de integridade centralmente — o trabalho apresentado para avaliação deve representar a compreensão do próprio aluno, e qualquer assistência de IA além do que é explicitamente permitido deve ser divulgada — e deixa o limite de uso permitido específico ser definido no nível do assunto, informado pela entrada de suporte de ensino e aprendizagem, incluindo a Unidade de Educação Digital. Isso mantém a estrutura flexível o suficiente para ser atualizada conforme as ferramentas mudam de um período de ensino para o próximo, sem exigir uma reescrita completa da política cada vez que uma nova ferramenta de IA se torna comum. O trade-off, como acontece com a maioria das políticas acadêmicas descentralizadas, é que os alunos carregam mais responsabilidade por verificar ativamente as instruções específicas do assunto, em vez de depender da memória de uma única regra de um curso diferente.

1. A universidade estabelece um princípio compartilhado de integridade acadêmica que se aplica a todos os trabalhos de curso
2. Faculdades e coordenadores de assuntos definem os usos de IA específicos permitidos e proibidos para cada assunto
3. A Unidade de Educação Digital apoia a equipe de ensino na redação de orientação clara de IA específica da avaliação
4. Esboços de assuntos e anúncios de LMS são o lugar principal onde os alunos encontram essas especificidades
5. A orientação pode ser atualizada entre períodos de ensino conforme novas ferramentas de IA se tornam comuns

Como os alunos devem divulgar o uso de IA sob a política de IA de Melbourne?

Quando um assunto permite algum nível de assistência de IA, a divulgação geralmente se espera funcionar da mesma forma que reconhecer qualquer outra fonte de ajuda — nomear a ferramenta, descrever a tarefa específica para a qual foi usada e ser claro sobre o que o aluno escreveu ou verificou independentemente depois. Uma declaração de reconhecimento curta anexada ao envio, semelhante em espírito a uma nota de rodapé creditando um assistente de pesquisa ou uma citação, é o formato mais comum que os coordenadores de assunto solicitam. Quanta detalhe essa declaração precisa geralmente aumenta de escala com a importância da porção assistida por IA para o trabalho concluído: um aluno que usou um chatbot para verificar a gramática de um parágrafo está em uma posição muito diferente de alguém que usou IA para gerar um primeiro rascunho de um argumento que foi então revisado. O problema consistente que a política visa é o uso não divulgado, não a tecnologia em si — um aluno que usa uma ferramenta permitida mas falha em divulgá-la, ou subestima o quanto dependiam dela, é tratado como tendo deturpado o envio, mesmo que a assistência subjacente tivesse sido aceitável se tivesse sido divulgada honestamente.

1. Verifique o esboço específico do seu assunto ou instruções de LMS antes de assumir que qualquer ferramenta de IA é permitida
2. Observe qual ferramenta foi usada e para qual tarefa exata — esboço, redação, depuração, edição
3. Declare claramente o que foi assistido por IA versus escrito ou verificado independentemente
4. Dimensione o nível de detalhe de divulgação para a importância da porção assistida por IA para o envio final
5. Pergunte ao seu coordenador de assunto ou tutor antes de enviar se um caso de uso específico não estiver claro

Como os assuntos de Melbourne verificam se o trabalho apresentado segue a política de IA?

Os métodos de verificação variam por faculdade e assunto da mesma forma que as regras de uso permitido, mas algumas abordagens aparecem repetidamente em toda a universidade. Tutores e professores que trabalham proximamente com uma coorte ao longo de um semestre frequentemente notam uma mudança inexplicável no estilo de escrita usual de um aluno, estrutura de argumento ou fluência técnica antes que qualquer software sinalize qualquer coisa, o que mantém a familiaridade direta do pessoal uma parte significativa da verificação. O design de avaliação também mudou em alguns assuntos para componentes em sala de aula, vivas ou tarefas aplicadas que pedem a um aluno explicar ou estender seu próprio raciocínio apresentado no local — um formato que é difícil de passar sem compreensão genuína do trabalho sendo defendido, independentemente de como foi redigido. Quando ferramentas de detecção de IA são usadas, elas geralmente funcionam como um sinal de suporte que promove uma leitura manual mais próxima em vez de um veredicto independente, consistente com a forma como a maioria das universidades australianas posicionou essas ferramentas dados os riscos de falsos positivos documentados na detecção de IA automatizada. Uma passagem sinalizada geralmente leva a uma conversa com o aluno — um pedido para explicar seu processo ou mostrar rascunhos — antes que qualquer processo formal de integridade acadêmica seja considerado.

1. A familiaridade do pessoal com o estilo de escrita usual de um aluno continua sendo uma verificação comum de primeira linha
2. Alguns assuntos usam tarefas em sala de aula ou vivas para confirmar que os alunos podem explicar seu próprio trabalho apresentado
3. Ferramentas de detecção de IA, quando usadas, tipicamente suportam revisão manual mais próxima em vez de decidir resultados sozinhas
4. Um envio sinalizado geralmente desencadeia uma conversa com o aluno antes de qualquer processo formal
5. Os alunos devem estar prontos para descrever seu processo de redação e mostrar notas ou rascunhos anteriores se solicitado

O que acontece se o trabalho de um aluno for sinalizado sob a política de IA da Universidade de Melbourne?

Como a verificação fica próxima ao nível do assunto, o primeiro passo do que segue um envio sinalizado também fica. Na maioria dos casos, um tutor ou coordenador que tenha uma preocupação a levantará diretamente com o aluno primeiro — através de uma mensagem, um pedido de rascunhos ou uma breve conversa — antes que qualquer processo formal de integridade acadêmica comece, espelhando como a universidade há muito tempo lida com preocupações suspeitas de plágio. Alunos que podem mostrar rascunhos anteriores, notas ou uma conta clara de como abordaram a tarefa geralmente estão em uma posição mais forte para resolver uma consulta informal rapidamente. Se um caso prosseguir, ele segue os procedimentos existentes de integridade acadêmica da universidade, e o aluno retém o direito de responder e fornecer sua própria conta antes que qualquer resultado seja decidido. Como o limite de uso permitido exato é definido no nível do assunto, um aluno enfrentando uma consulta é melhor servido revisando primeiro a orientação de IA publicada desse assunto específico, em vez de assumir que uma regra geral em toda a universidade explica o que aconteceu.

Como os alunos podem verificar seu próprio trabalho antes de enviar em Melbourne?

Como a precisão da divulgação é tão importante quanto o uso subjacente de IA, um hábito prático é revisar um rascunho antes do envio para confirmar que ele corresponde ao que um aluno planeja divulgar, e separadamente verificar que seções escritas independentemente não lêem de uma forma que provavelmente convidará perguntas desnecessárias. Ferramentas como NotGPT permitem que um aluno cole um rascunho e veja uma divisão em nível de sentença da semelhança com IA, o que é mais útil como uma forma de pegar passagens onde edição pesada ou um tom uniformemente formal poderia ler ambiguamente para um tutor em vez de como um teste de aprovação/reprovação estrito. Isto é particularmente relevante para alunos escrevendo em um registro técnico, ou alunos escrevendo em inglês como língua adicional, pois ambos podem naturalmente produzir prosa que lê mais uniformemente do que a escrita informal típica sem qualquer envolvimento de IA. Executar uma auto-verificação alguns dias antes de um prazo — em vez da noite anterior — deixa tempo para revisar passagens sinalizadas, confirmar que uma declaração de divulgação corresponde exatamente ao rascunho final e manter notas anteriores à mão caso um coordenador de assunto pergunte sobre o processo de redação. Nada disso substitui a leitura da orientação de IA específica publicada para o próprio assunto de um aluno, que permanece a fonte autorizada para o que é e não é permitido.

1. Leia a orientação de IA publicada pelo seu assunto específico antes de iniciar uma atribuição
2. Redija uma declaração de divulgação junto com seu trabalho, em vez de escrevê-la como uma reflexão tardia
3. Execute seções escritas independentemente através de um detector de IA para pegar padrões estilísticos ambíguos
4. Revise passagens sinalizadas para variação natural de sentença em vez de frases uniformemente formais
5. Confirme que sua declaração de divulgação final corresponde exatamente à assistência que foi usada
6. Mantenha rascunhos e notas à mão caso um tutor ou coordenador pergunte sobre seu processo de redação