Mayroon Bang Pagtukoy sa AI ang zyBooks? Kumpletong Gabay para sa Mga Estudyante at Guro 2026

Mayroon Bang Built-In na Detector ng AI ang zyBooks?

Hanggang 2026, ang zyBooks ay walang standalone na feature para sa pagtukoy ng text o code ng AI sa pangunahing produkto nito. Ang platform ay binuo pangunahing bilang isang interactive na kapalit ng aklat — ang arkitektura nito ay nakasentro sa mga aktibidad ng pakikibahagi (animated na pagbabasa na may mga nakalagay na tanong), mga aktibidad ng hamon (mga nagraytang ehersisyo), at zyLabs (integrated na environment sa pag-code). Walang isa sa mga bahaging ito na tumatakbo ng isang classifier ng wika upang matukoy kung ang inyong mga sagot ay ginawa ng ChatGPT, Copilot, o anumang iba pang tool ng AI. Ito ay mahalaga na maunawaan nang malinaw dahil ang mga estudyante minsan ay inaakala na dahil sinusuri ng zyBooks ang kanilang mga sagot, dapat itong suriin din ang pagkakasangkot ng AI. Ang pagtataya at ang pagsusuri ng integridad ay mga magkaibang alalahanin. Sinisiguro ng zyBooks kung ang sagot ay tama ayon sa rubrika nito; hindi ito kasalukuyang sinusuri ang posibilidad na ang inyong sagot ay isinulat o ginawa ng AI. Pero ang kawalan ng built-in na detector ay hindi nangangahulugang ang mga guro ay hindi nakakaalam ng paggamit ng AI sa mga submission sa zyBooks. Ang platform ay nagbibigay ng mga dashboard ng guro na may mga detalyadong sukatan ng pakikipag-ugnayan, at ang mga sukatan na iyon ay maaaring matuklasan ang mga mapagkakatiwalaan na pattern kahit walang dedikadong flag ng AI. Ang isang estudyante na nakakumpleto ng tatlong oras na interactive na pagbabasa sa loob ng mas mababa sa apat na minuto, o nagsumite ng perpektong naformat na solusyon sa C++ sa unang pagkakataon nang walang kahit isang error sa pag-compile, ay nagbibigay sa guro ng kahit ano para siyasatin.

Ano ang Makikita ng Mga Guro sa zyBooks?

Ang zyBooks ay nagbibigay sa mga guro ng higit na makikita sa aktibidad ng mga estudyante kaysa sa iniisip ng karamihan sa mga estudyante. Ang dashboard ng guro ay nagpapakita ng mga porsyento ng pagkumpleto para sa bawat seksyon at aktibidad ng pagbabasa, mga timestamp para sa kung kailan na-access at isinumite ang bawat aktibidad, ang bilang ng mga pagsubok bawat tanong, at mga sukatan ng oras-sa-gawain sa buong kurso. Para sa mga aktibidad ng pakikibahagi — ang mga seksyon ng animated na pagbabasa na may mga nakalagay na tanong — makikita ng mga guro ang eksaktong kung anong mga tanong ang sinagot ng isang estudyante, ilang pagsubok ang kailangan, at humigit-kumulang kung kailan isinagawa ang trabaho. Para sa mga aktibidad ng hamon at mga ehersisyo sa dulo ng kabanata, ang data ay mas malaki pa: bawat pagsubok na sumagot ay naitala kasama ng pagkakasunod ng mga input na sinubukan ng estudyante bago dumating sa isang tamang sagot. Nangangahulugan ito na ang isang guro na nagsusuri na ang isang estudyante ay kopyahin ang isang solusyong ginawa ng AI ay maaaring tuklasin ang kasaysayan ng mga pagsubok at makita kung ang estudyante ay nagsumite ng isang napakandos na unang-buo na sagot na tama nang walang nakikitang pagsusuri, na lubhang nagkakaiba sa tipikal na pag-uugali ng mga estudyante sa hindi kilalang materyales. Ang paglalaho ng mga maling pagsubok, ang paglalaho ng panggitnaang trabaho, o isang pattern ng perpektong mga puntos sa unang pagsubok sa buong pagsasanay ay isang signal ng pag-uugali na nag-uudyok sa mas malalim na pagbabasa — hindi isang flag ng pagtukoy sa AI, ngunit isang bagay na napapansin ng isang karanasang guro. Ang mga timestamp ng pagkumpleto ay mahalaga rin. Ang isang seksyon na nangangailangan ng 40 minuto upang magtrabaho ng ibang estudyante, nakumpleto sa loob ng mas mababa sa 5 minuto, ay nagtatataas ng mga tanong na independyente sa anumang tool na pagtukoy ng AI.

"Ang dashboard ay nagsasabi sa akin ng higit pa kaysa inaasahan ng karamihan sa mga estudyante. Kapag ang isang estudyante na naglalaban sa buong semester ay biglang nagpadala ng isang walang kapintasan na lab sa pag-code nang walang nagtagumpay na tumatakbo at walang pag-ulit, mas malapit akong tumitingin." — Guro ng CS sa isang medium-sized na state university, 2025

Ang zyBooks ba ay Nag-flag ng Code na Ginawa ng AI sa mga Assignment na zyLabs?

zyLabs — ang integrated na environment sa pag-code na itinayo sa maraming kurso ng zyBooks — ay walang kasamang built-in na detector ng code ng AI. Ang mga estudyante ay nagsusulat, nag-compile, at tumatakbo ng code direkta sa browser-based na editor, at sinusuri ng zyBooks ang output laban sa mga test case. Ang platform ay nag-record ng bawat pagsubok sa pag-compile, ang code na isinumite sa bawat run, at kung ang mga test case ay pumasa, ngunit hindi nito direredahan ang code na iyon sa isang classifier ng wika upang matukoy kung ang tao o AI ang sumulat nito. Para sa mga guro na nais na magpatakbo ng pagtukoy sa AI sa mga submission ng code sa zyLabs, ang daloy ng trabaho ay manu-manong: sila ay nag-export o kopyahin ang naipahayag na code at pinatakbo ito sa pamamagitan ng isang hiwalay na tool, tulad ng detector ng code na Copyleaks, mga classifier na batay sa CodeBERT, o ang licensed na platform ng integridad ng akademya ng kanilang institusyon. Ito ay mas kumakain ng oras kaysa sa awtomatikong pagtukoy ng text, kaya sa praktis ito ay inilalapat nang mapili — karaniwang sa mga high-stakes na lab, huling mga proyekto, o mga submission na mukhang kakaiba sa kasaysayan ng pagsubok. Ang mga signal na hinahanap ng mga guro sa mga submission ng code na maaaring magmungkahi ng pagbuo ng AI ay kinabibilangan ng: mga solusyon na kumikita ng mga case na maaring hindi anticipate ng isang nagsisimula, formatting na tumutugma sa mga output convention ng isang tiyak na tool ng AI (GPT-4 at Copilot ay parehong may kinikilalang formatting na ugali), ang mga epektibong pagpapatupad na nilalaktawan ang iterative na proseso ng debug na katangian ng trabaho ng mga estudyante, o code na humihiwalay ng matalas sa kalidad mula sa mga nakaraang lab ng parehong estudyante. Para sa plagiarism sa pagitan ng mga estudyante — hindi tiyak na pagtukoy sa AI — maraming deployment ng zyBooks ay tumatakbo din ng code sa MOSS ng Stanford (Measure of Software Similarity) o katulad na mga tool ng pagkakatulad ng istruktura, na nag-flag ng mapagkakatiwalaan na magkaparehong mga solusyon sa iba't ibang account.

1. Ang zyBooks ay nag-record ng bawat pagsubok na mag-compile at resulta ng test case, na lumilikha ng isang detalyadong timeline ng submission
2. Ang mga guro ay naghahambing ng unang-subok na rate ng tagumpay laban sa mga average na kurso upang matukoy ang mga istatistikal na outlier
3. Ang nai-export na code ay maaaring patakbuhin sa pamamagitan ng mga panlabas na detector ng code ng AI o mga tool ng plagiarism tulad ng MOSS
4. Ang formatting at istruktura ay inihambing laban sa mga kilalang pattern ng output ng tool sa pag-code ng AI
5. Ang mga lab na may mataas na panganib at ang mga huling proyekto ay nakakatanggap ng mas malapit na pagsusuri kaysa sa mga linggong pagsasanay sa pagsasanay

Makakamukod ng Guro ng AI Usage sa Written Submissions ng zyBooks?

Hindi lahat ng mga assignment ng zyBooks ay puro code-based. Ang ilang mga kurso ay may kasamang mga tanong na may maikling sagot, mga isinulat na paliwanag, mga prompt sa sanaysay na nakalagay sa mga kabanata, o mga ulat sa lab na nakatali sa mga ehersisyo ng zyLabs. Para sa mga submission na nakabase sa text, ang mga guro ay may dalawang ruta para sa pagtukoy ng AI. Ang una ay manu-manong: binabasa nila ang submission at naghahanap ng mga stilistikong signal — pare-parehong istruktura ng pangungusap, hedging language na tumutunog na kumpiyansa ngunit umiwas sa mga partikular na claim, pangkaraniwang paliwanag na hindi naka-ugnay sa partikular na nilalaman ng pag-lecture o teksto — na ang mga karanasang guro ay nauugnay sa prosa na ginawa ng AI. Ang pangalawa ay pagpapatakbo ng text sa pamamagitan ng isang panlabas na tool ng pagtukoy sa AI. Ni ang Turnitin o walang ibang pangunahing detector ng AI ay may pormal na zyBooks LTI integration sa paraan na ginagawa nila sa Canvas o Blackboard, kaya ito ay tipikal na isang copy-paste na workflow sa halip na isang automated na pipeline. Ang mga guro na nagsusuri na ang isang isinulat na sumagot ay AI-generated ay maaari rin na ihambing ito sa pagsusulat sa klase, mga sagot sa pagsusulit, o mga post sa diskusyon mula sa parehong panahon ng kurso. Ang isang estudyante na nagsusulat sa isang kapansin-pansing ibang antas sa mga sinubaybayan na gawain sa klase versus ang mga walang sinubaybayan na submission sa zyBooks ay lumilikha ng isang paghahambing na independyente sa anumang tool na pagtukoy. Para sa mga assignment na mabigat sa pagsusulat sa zyBooks sa mga institusyon na may Turnitin license, ang ilang mga guro ay nangangailangan na ang mga estudyante ay magsumite ng isang kopya sa Turnitin sa pamamagitan ng Canvas o Blackboard kasama ang zyBooks submission. Ang dalawang submission na diskarte ay sapat na karaniwan sa mga kurso sa pagsusulat ng CS na karapat-dapat na suriin ang inyong syllabus para sa parehong pangangailangan sa submission sa halip na ipalagay na ang zyBooks ay ang tanging sistemang ginagamit.

"Hindi ako kailangan ng isang detector upang mapansin na ang isang estudyante na naglalaban sa pagsusulat sa klase ay nakakagawa ng perpektong structured na prosa para sa isang walang sinusubaybayan na assignment. Ang agwat ay nagsasabi sa akin ng isang bagay na karapat-dapat siyasatin." — Instructor ng tala, introductory na kurso sa CS, 2025

Ano Ang Talaga-talagang Sumasaklaw ang Patakaran sa Integridad ng Akademya ng zyBooks?

Ang zyBooks ay naglalathala ng pangkalahatang gabay na nag-uudyok sa mga institusyon na tukuyin at ipatupad ang kanilang sariling mga patakaran sa integridad ng akademya para sa paggamit ng platform. Ang platform ay nagbibigay sa mga guro ng mga tool ng data na inilarawan sa itaas, ngunit ang balangkas ng patakaran — kung ano ang bibilangin bilang pagkakasalungat, anong proseso ng imbestigasyon ang dapat sundin, at anong mga kahihinatnan ang inilalapat — ay nasa antas ng institusyonal, hindi sa loob ng zyBooks. Nangangahulugan ito na walang solong sagot sa kung ano ang mangyayari kapag ang paggamit ng AI ay nakakasagabal sa isang submission sa zyBooks. Sa isang unibersidad, ang syllabus ng kurso ay maaaring tahasang ipagbawal ang tulong sa AI sa mga assignment ng zyLabs coding at tratuhin ang isang paglalabas ng parehong paraan tulad ng anumang ibang kaso ng kawalan ng integridad sa akademya. Sa iba, ang tulong sa AI sa mga aktibidad ng pakikibahagi ay maaaring matanggap habang ang mga proyekto sa pag-code ay nangangailangan ng orihinal na trabaho. Maraming mga guro ang patuloy na bumubuo ng mga patakaran na ito, at ang wikang syllabus ay nag-iiba mula sa kurso hanggang sa kurso kahit na sa loob ng parehong departamento. Kapag sinusuri ang inyong sariling karanasan, ang pinaka-maaasahang pinagkukunan ay ang inyong syllabus at anumang mga partikular na patakaran ng kurso na nagkumukuwento ang inyong guro. Kung ang syllabus ay hindi tumatalakayon sa mga tool ng AI nang malinaw, ang ambigu na iyon ay karapat-dapat na itaas nang direkta sa guro bago magsumite ng gawain na may tulong sa AI — hindi pagkatapos. Karamihan sa mga pamamaraan ng integridad ng akademya ay nagbibigay-daan sa mga estudyante ng mas malaking latitud sa yugto ng imbestigasyon kapag sila ay aktibong nagtanong ng isang tanong tungkol sa patakaran kaysa kapag tumutugon sila sa isang flag na hindi nila inaasahan.

1. Basahin nang mabuti ang inyong syllabus para sa malinaw na wika tungkol sa mga tool ng AI at mga assignment sa zyBooks
2. Suriin kung may anumang addenda sa antas ng kurso o mga post ng anunsyo sa LMS na sumasaklaw sa syllabus
3. Kung ang patakaran ay hindi malinaw, magpadala ng email sa inyong guro bago gamitin ang tulong sa AI — hindi pagkatapos ng pagsusumite
4. Dokumentahin ang tugon na inyong natatanggap upang mayroon kayong tala ng kung ano ang pinapayagan
5. Kumpirmahin kung ang mga assignment sa zyBooks ay nangangailangan ng isang parallel na Turnitin o Canvas submission ayon sa inyong mga patakaran sa kurso

Dapat ba ang Mga Estudyante na Magsagawa ng Self-Check Bago Magsumite ng Gawain sa zyBooks?

Para sa mga estudyanteng nagsusumite ng mga isinulat na sumagot o mga ulat sa lab sa pamamagitan ng zyBooks, ang pagpapatakbo ng isang pag-check bago ang pagsusumite sa pamamagitan ng isang detector ng AI ay isang praktikal na pananagutan kung ang inyong ginamit o hindi ang tulong sa AI. Ang mga false positive ay isang dokumentadong isyu sa lahat ng mga platform ng komersyal na pagtukoy: ang pananaliksik na naglathala sa pagitan ng 2023 at 2025 ay nakahanap ng mga rate ng false-positive na umaabot mula sa halos 4% hanggang mahigit 15%, na may pormal na prosa ng akademya at hindi-katutubong pagsusulat sa Ingles na may pinakamataas na panganib. Kung kayo ay nagsusulat nang maikli, gumagamit ng teknikal na bokabularyo, o nagsanay na magsulat sa isang pormal na rehihistro, ang inyong mga submission ay maaaring makakuha ng mataas na mga marka sa mga sukatan ng posibilidad ng AI kahit na kayo ay nagsulat ng bawat salita nang mag-isa. Ang isang pag-check bago ang pagsusumite ay nagpapakita sa inyo kung aling mga partikular na pangungusap o talata ay may mas mataas na mga puntos ng posibilidad ng AI upang maaari ninyong baguhin ito bago ang kopya ng inyong guro ay sinuri. Ang mga highlight na tool sa antas ng pangungusap ay mas aksyonable para sa layuning ito kaysa sa mga platform ng solong marka, dahil sinasabi nila sa inyo kung saan eksaktong nakatuon ang mga edit sa halip na iwang hulaan kung ano ang nag-trigger ng marka. Para sa mga submission ng code sa zyLabs, ang dinamika ng self-check ay iba — ang mga detector ng code ay mas hindi pa handa kaysa sa mga detektor ng text, at ang praktikal na pananagutan ay dokumentasyon: pagpapanatili ng isang tala ng inyong pag-iisip, inyong proseso ng debug, at inyong mga paulit-ulit na pagsubok ay nagbibigay sa inyo ng konkretong patunay ng inyong proseso kung ang isang tanong ay lumilitaw. Ang feature ng NotGPT AI Text Detection ay nag-highlight ng mga partikular na bahagi na nag-aambag sa inyong marka sa antas ng pangungusap, ginagawang direkta ang pagtukoy kung aling mga seksyon ay baguhin bago kayo magsumite sa zyBooks. Ang pagpapatakbo ng pag-check sa loob ng hindi bababa sa dalawa hanggang tatlong araw bago ang inyong deadline ay nag-iiwan ng oras para sa mga makabuluhang pagbabago sa halip na magmadali sa gabi bago.

1. I-paste ang inyong kumpletong isinulat na sagot sa zyBooks sa isang detector ng AI sa loob ng hindi bababa sa dalawa hanggang tatlong araw bago ang deadline
2. Suriin ang mga highlight na antas ng pangungusap upang matukoy kung aling mga seksyon ay may mataas na marka — huwag umasa lamang sa porsyento ng buong dokumento
3. Baguhin ang haba ng pangungusap sa mga talata kung saan tatlo o higit pang magkakasunod na pangungusap ang nagbabahagi ng katulad na istruktura
4. Palitan ang pangkaraniwang o abstract na mga transisyon ng mga partikular na logical connector na nakatali sa aktwal na nilalaman
5. I-anchor ang mga paliwanag sa mga partikular na halimbawa ng kurso, mga pag-obserba sa lab, o mga sanggunian sa teksto kaysa sa mga pangkalahatang pahayag
6. Para sa mga assignment ng pag-code, panatilihin ang mga screenshot o nakapanahon na mga tala mula sa inyong proseso ng debug bilang dokumentasyon ng inyong gawain
7. Magpatakbo ng pangalawang pag-check pagkatapos ng mga pagbabago upang kumpirmahin na ang marka ay gumagalaw sa inaasahang direksyon bago magsumite

"Nagsulat ako ng bawat salita nang mag-isa, ngunit ang aking teknikal na estilo ng pagsusulat ay patuloy na naka-flag. Ang pagpapatakbo ng isang pag-check bago ang pagsusumite ay ipinakita sa akin kung anong mga pangungusap ang nag-trigger — kailangan ko lamang na baguhin kung paano ako bumubukas ng bawat pangungusap at magdagdag ng mga partikular na sanggunian sa lab." — Computer science na estudyante sa isang research university, 2025