Ang Patakaran sa AI ng University of Melbourne: Ano ang Ginagabayan ng Digital Education Unit

Ano ang Patakaran sa AI ng University of Melbourne, at Saan Umabot ang Digital Education Unit?

Sa University of Melbourne, ang mga panuntunan na namamalagi sa generative AI sa coursework ay nakatuon sa mas malawak na academic integrity at assessment framework ng unibersidad, na nalalapat sa bawat estudyante anuman ang paksa. Ang pagbabago ay kung paano inilalapat ang framework na iyon sa isang partikular na assignment, at dito ang Digital Education Unit ay nagiging mahalaga sa karamihan ng mga estudyante araw-araw. Ang yunit ay gumagana kasama ang mga faculty at subject coordinators upang magdisenyo ng mga assessment at isulat ang uri ng praktikal na gabay na lumilitaw sa isang subject outline — mga pahayag tulad ng kung aling mga AI tool ay maaaring gamitin para sa isang ibinigay na gawain, kung ang AI-assisted brainstorming ay ginagawaan ng iba kaysa AI-assisted drafting, at kung paano dapat makilala ng isang estudyante ang tulong na iyon. Sa ibang salita, ang Digital Education Unit ay hindi isang hiwalay na body na gumagawa ng patakaran na naghahatid ng sariling AI rules; ito ay ang bahagi ng unibersidad na tumutulong na ibalin ang isang pangkalahatang academic integrity principle sa assignment-level na mga tagubilin na maaaring maglathala ng teaching staff. Para sa isang estudyante, nangangahulugan ito na ang pinakamabilis na paraan upang malaman kung ano ang pinapayagan sa isang partikular na assignment ay basahin ang subject na iyon ay outline at anumang assessment-specific na mga tagubilin, sa halip na ipagpalagay na ang isang single university-wide AI rule ay sumasaklaw sa bawat kurso sa parehong paraan.

"Ang aming papel ay hindi magsulat ng isang AI rule para sa bawat paksa — ito ay tulong sa mga koponan sa pagtuturo upang gawing academic integrity principles sa mga tagubilin sa assessment na maaaring sundin ng mga estudyante." — binuo mula sa mga materyales sa gabay ng digital education ng University of Melbourne

Bakit ang Gabay ay Naiiba sa Pagitan ng Mga Paksa sa Melbourne Sa Halip na Maging Uniform?

Ang pagbabago ay umiiral dahil ang risk profile ng AI assistance ay tunay na naiiba depende sa kung ano ang sinusukat ng isang paksa. Ang isang first-year law subject na sumusubok sa sariling legal reasoning ng isang estudyante ay may iba't ibang tolerance para sa AI-drafted analysis kaysa isang coding subject kung saan ang paggamit ng isang AI assistant upang debugged ang isang function ay sumasalamin kung paano gumagana na ang mga propesyonal na developer. Sa halip na pilitin ang bawat subject coordinator sa isang identikong panuntunan, ang unibersidad ay nagtakda ng integrity principle ng sentro — ang trabahong naitsumite para sa assessment ay dapat kumatawan sa sariling pag-unawa ng estudyante, at anumang AI assistance na higit pa sa kung ano ay malinaw na pinapayagan ay dapat bunyagin — at nananatiling itakda ang partikular na pinapayagaming-paggamit boundary sa subject level, na pinagbubuti ng input mula sa pagtuturo at learning support kasama ang Digital Education Unit. Pinapanatili nito ang framework na flexible sapat upang magsalin habang nagbabago ang mga tool mula sa isang pagtuturo period hanggang sa susunod, nang hindi kailangan ng isang buong patakaran rewrite bawat oras na maging karaniwan ang isang bagong AI tool. Ang tradeoff, tulad ng karamihan ng decentralized academic policy, ay ang mga estudyante ay may mas maraming responsibilidad upang aktibong suriin ang subject-specific na mga tagubilin sa halip na umasa sa alaala ng isang solong panuntunan mula sa ibang kurso.

1. Ang unibersidad ay nagtakda ng isang ibinahaging academic integrity principle na nalalapat sa lahat ng coursework
2. Ang mga faculty at subject coordinators ay tumutukoy sa partikular na pinapayagan at ipinagbabawal na paggamit ng AI para sa bawat paksa
3. Ang Digital Education Unit ay sinusuportahan ang teaching staff sa pagsusulat ng malinaw, assessment-specific na gabay sa AI
4. Ang subject outlines at LMS announcements ay ang pangunahing lugar kung saan makikita ng mga estudyante ang mga partikular na ito
5. Ang gabay ay maaaring maupdate sa pagitan ng mga pagtuturo period habang nagiging karaniwan ang mga bagong AI tool

Paano Dapat Magbunyag ng AI Use ang mga Estudyante Sa Ilalim ng Patakaran sa AI ng Melbourne?

Kung saan ang isang paksa ay tumatanggap ng ilang antas ng AI assistance, ang pagbubunyag ay sa pangkalahatan ay inaasahang magtrabaho sa parehong paraan tulad ng pagkilala sa anumang iba pang pinagmulan ng tulong — pagkukunan ang tool, paglalarawan ng partikular na gawain na ginagamit nito, at pagiging malinaw tungkol sa kung ano ang isinulat o napatunayan ng estudyante nang independente pagkatapos. Isang maikling acknowledgment statement na nakalagay sa pagsusumite, katulad sa espiritu ng isang footnote na nagbibigay ng kredito sa isang research assistant o isang sitasyon, ay ang pinakakaraniwan na format na hinihiling ng subject coordinators. Kung magkano ang detalye na kailangan ng statement na iyon ay sa pangkalahatan ay sumusukat depende sa kung gaano kasentral ang AI-assisted portion sa nabuong piraso ng trabaho: ang isang estudyante na gumagamit ng isang chatbot upang suriin ang grammar ng isang talata ay nasa ibang posisyon mula sa isa na gumamit ng AI upang lumikha ng unang draft ng isang argumento na pagkatapos ay binago. Ang pare-parehong problema na tinutukoy ng patakaran ay ang walang disclosure na paggamit, hindi ang teknolohiya mismo — ang isang estudyante na gumagamit ng isang pinapayagang tool ngunit nabigong magbunyag nito, o kumukuha ng mas kaunti kung gaano kalaki ang umaasa nila dito, ay ginagawaran bilang nagmisrepresent ng pagsusumite kahit na ang pinagbatayan na tulong ay magiging katanggap kung ito ay ibinunyag nang totoo.

1. Suriin ang iyong partikular na subject outline o LMS na mga tagubilin bago magpalagay na anumang AI tool ay pinapayagan
2. Tukuyin kung aling tool ang ginamit at para sa kung ano ang eksakto na gawain — outlining, drafting, debugging, editing
3. Sabihin nang malinaw kung ano ang AI-assisted versus isinulat o napatunayan nang independente
4. I-scale ang antas ng detalye ng pagbubunyag sa gaano kasentral ang AI-assisted portion sa panghuling pagsusumite
5. Tanungin ang iyong subject coordinator o tutor bago magsumite kung ang isang partikular na use case ay hindi malinaw

Paano Sinusuri ng Melbourne Subjects na Ang Itinumitang Trabaho ay Sumusunod sa Patakaran sa AI?

Ang mga paraan ng verification ay nag-iiba ng faculty at paksa sa parehong paraan tulad ng pinapayagaming-paggamit rules, ngunit ilang diskarte ay lumalitaw nang paulit-ulit sa buong unibersidad. Ang mga tutor at lecturer na malapit na nakikipagtulungan sa isang cohort sa loob ng isang semester ay madalas na mapapansin ang isang walang kapaliwanag na pagbabago sa karaniwan na tunog ng sulat ng isang estudyante, argument structure, o technical fluency bago ang anumang software ay nag-signal ng kahit ano, na pinapanatili ang direktang staff familiarity bilang isang makabuluhang bahagi ng verification. Ang assessment design ay lumipat din sa ilang mga paksa patungo sa in-class na mga bahagi, vivas, o applied tasks na humihiling sa isang estudyante na ipaliwanag o palawakin ang kanilang sariling submitted reasoning sa halip — isang format na mahirap na maipasa nang walang tunay na pag-unawa sa trabahong isinasagawa, anuman kung paano ito ginawa. Kung saan ang mga AI detection tool ay ginagamit, karaniwan silang gumagana bilang isang sumusuportang signal na nagtutulak ng mas malapit na manu-manulaang pagbabasa sa halip na isang standalone verdict, pare-pareho sa paano nag-posisyon ang karamihan ng mga Australian universities ng mga tooling na ito na binigyan ng documented false-positive risks sa automated AI detection. Ang isang flagged passage ay karaniwang humahantong sa isang pag-uusap sa estudyante — isang kahilingan na ipaliwanag ang kanilang proseso o magpakita ng mga draft — bago ang anumang pormal na academic integrity process ay isinasaalang-alang.

1. Ang staff familiarity sa karaniwan na estilo ng sulat ng isang estudyante ay nananatiling isang karaniwan na first-line check
2. Ang ilang mga paksa ay gumagamit ng in-class tasks o vivas upang kumpirmahin ang mga estudyante ay maaaring ipaliwanag ang kanilang sariling itinumitang trabaho
3. Ang mga AI detection tool, kung ginagamit, ay karaniwang sinusuportahan ang mas malapit na manu-manulaang review sa halip na magpasya ng mga resulta mag-isa
4. Ang isang flagged submission ay karaniwan na nagsisimula ng isang pag-uusap sa estudyante bago ang anumang pormal na proseso
5. Ang mga estudyante ay dapat na handa upang ilarawan ang kanilang drafting process at ipakita ang mga mas naunang nota o mga draft kung tinanong

Ano ang Mangyayari Kung Ang Trabaho ng Isang Estudyante ay Na-flag Sa Ilalim ng Patakaran sa AI ng University of Melbourne?

Dahil ang verification ay malapit sa subject level, gayon din ang unang hakbang ng kung ano ang sumusunod sa isang flagged submission. Sa karamihan ng mga kaso, ang isang tutor o coordinator na may alalahanin ay tataas ito direkta sa estudyante una — sa pamamagitan ng isang mensahe, isang hiling para sa mga draft, o isang maikling pag-uusap — bago ang anumang pormal na academic integrity process ay magsisimula, sumasalamin sa paano matagal nang hinahawakan ng unibersidad ang mga alalahanin sa plagiarism. Ang mga estudyante na maaaring magpakita ng mas naunang mga draft, mga nota, o isang malinaw na account ng kung paano nila nilapitan ang gawain ay sa pangkalahatan ay nasa isang mas malakas na posisyon upang malutas ang isang informal query nang mabilis. Kung ang isang kaso ay umabot pa, ito ay sumusunod sa mga pamamaraan ng academic integrity ng unibersidad, at ang estudyante ay nanatiling may karapatan na sumagot at magbigay ng kanilang sariling account bago ang anumang resulta ay magpasya. Dahil ang eksaktong pinapayagaming-paggamit boundary ay itinakda sa subject level, ang isang estudyante na nakaharap sa isang query ay mas mahusay na naglilingkod sa pamamagitan ng pagsusuri ng partikular na subject na iyon na naglathala ng gabay sa AI una, sa halip na pagpapalagay na ang isang pangkalahatang university-wide rule ay nagpapaliwanag kung ano ang nangyari.

Paano Maaaring Suriin ng mga Estudyante ang Kanilang Sariling Trabaho Bago Magsumite sa Melbourne?

Dahil ang accuracy ng disclosure ay kasing-halaga ng underlying use ng AI mismo, isang praktikal na gawi ay ang pagsusuri ng isang draft bago ang pagsusumite upang kumpirmahin na ito ay tumutugma sa kung ano ang isang estudyante ay plano na magbunyag, at hiwalay na pagsusuri na ang mga independyenteng isinulat na seksyon ay hindi nagbabasa sa paraang malamang na mag-imbita ng hindi kinakailangang mga tanong. Ang mga tool tulad ng NotGPT ay nagbibigay-daan sa isang estudyante na magdikit ng isang draft at makita ang isang sentence-level na breakdown ng AI-likeness, na pinaka-kapaki-pakinabang bilang isang paraan upang makuha ang mga passage kung saan ang mabigat na pag-edit o isang unusually uniform, pormal na tunog ay maaaring magbasa nang ambiguous sa isang tutor kaysa bilang isang mahigpit na pass-fail test. Ito ay partikular na mahalaga para sa mga estudyante na nagsusulat sa isang teknikal na register, o mga estudyante na nagsusulat ng Ingles bilang isang karagdagang wika, dahil ang pareho ay maaaring natural na magsagawa ng prose na nagbabasa ng mas uniform kaysa sa tipikal na informal writing nang walang anumang AI involvement sa lahat. Ang pag-run ng isang self-check ilang araw bago ang isang deadline — sa halip na ang gabi bago — ay umaalis ng oras upang baguhin ang mga flagged passage, kumpirmahin na ang isang disclosure statement ay tumutugma sa panghuling draft nang tumpak, at panatilihing nasa kamay ang mas naunang mga nota sa kalagayan na ang isang subject coordinator ay nagtanong tungkol sa drafting process. Wala ito ay nakapalit sa pagbabasa ng partikular na gabay sa AI na inilathala para sa isang estudyante na sariling paksa, na nananatiling ang mapagkakatiwalaang pinagkukunan para sa kung ano at hindi ay pinapayagan.

1. Basahin ang iyong partikular na naglathala ng gabay sa AI ng paksa bago magsimula sa isang assignment
2. Mag-draft ng isang disclosure statement kasama ang iyong trabaho sa halip na isulat ito bilang isang afterthought
3. Patakbuhin ang mga independyenteng isinulat na seksyon sa pamamagitan ng isang AI detector upang makuha ang mga ambiguous stylistic patterns
4. Baguhin ang mga flagged passage para sa natural na pagkakaiba-iba ng pangungusap sa halip na uniformly pormal na phrasing
5. Kumpirmahin na ang iyong panghuling disclosure statement ay tumutugma nang eksakto sa kung anong tulong ang ginamit
6. Panatilihing nasa kamay ang mga draft at mga nota sa kalagayan na ang isang tutor o coordinator ay nagtanong tungkol sa iyong proseso sa pagsusulat