墨尔本大学AI政策：数字教育单位的指导是什么

墨尔本大学AI政策是什么，数字教育单位在其中的角色是什么？

在墨尔本大学，管理课程中生成式AI的规则位于大学更广泛的学术诚信和评估框架内，该框架适用于所有学生，无论其专业如何。变化之处在于该框架如何适用于特定的作业，这是数字教育单位与大多数学生日常相关的地方。该单位与各院系和科目协调员合作设计评估，并撰写在科目大纲中显示的实践指导——例如哪些AI工具可用于特定任务、AI辅助头脑风暴是否与AI辅助起草有所不同，以及学生应该如何确认该协助。换句话说，数字教育单位不是一个独立的政策制定机构，制定其自己的AI规则；它是大学中帮助将一般学术诚信原则转化为教学人员实际可发布的作业级指令的部分。对于学生来说，这意味着了解特定作业允许什么的最快方法是阅读该科目的大纲和任何评估特定的指令，而不是假设单一的全校AI规则以相同的方式涵盖每门课程。

"我们的角色不是为每个科目写一个AI规则——而是帮助教学团队将学术诚信原则转化为学生可以遵循的评估指令。" ——改编自墨尔本大学数字教育指导材料

为什么墨尔本的科目之间的指导不同，而不是统一的？

差异存在是因为AI协助的风险特征取决于科目评估的内容而真正不同。测试学生自身法律推理的一年级法律科目对AI起草分析的容忍度与编码科目不同，在编码科目中使用AI助手调试函数反映了专业开发人员已有的工作方式。与其让每个科目协调员遵循一个相同的规则，不如大学在中央制定诚信原则——为评估而提交的作业必须代表学生自己的理解，任何超出明确允许范围的AI协助必须披露——并让具体的允许使用边界在科目层级设定，由包括数字教育单位在内的教学和学习支持意见告知。这使框架足够灵活，可以随着工具从一个教学期到下一个期间的变化而更新，而不需要每次新的AI工具变得常见时都进行完整的政策重写。如前所述，大多数分散的学术政策的权衡是学生需要更多责任来主动检查科目特定的指令，而不是依赖对来自不同课程的单一规则的记忆。

1. 大学为所有课程作业设定了适用的共享学术诚信原则
2. 各院系和科目协调员定义了每个科目的具体允许和禁止AI用途
3. 数字教育单位支持教学人员撰写清晰、评估特定的AI指导
4. 科目大纲和LMS公告是学生了解这些具体情况的主要地方
5. 随着新AI工具变得常见，可在教学期之间更新指导

学生应该如何在墨尔本的AI政策下披露AI使用？

在科目允许某种程度的AI协助的地方，披露通常应该以与承认任何其他帮助来源相同的方式进行——命名工具、描述其用于的具体任务，以及清楚地说明学生事后独立编写或验证的内容。一份附加到提交内容中的简短确认声明，在精神上类似于对研究助理的脚注或引文，是科目协调员最常要求的格式。该声明需要的详细程度通常取决于AI协助部分对完成工作有多核心：使用聊天机器人检查段落语法的学生与使用AI生成后来修订的论证的第一稿的学生处于不同的位置。政策针对的一致问题是未披露的使用，而不是技术本身——使用允许工具但未能披露它，或低估了他们依赖程度的学生，被视为对提交进行了错误陈述，即使在诚实披露的情况下基础协助本来是可以接受的。

1. 在假设允许任何AI工具之前，检查您的特定科目大纲或LMS指令
2. 记下使用的工具以及其用于的确切任务——概述、起草、调试、编辑
3. 清楚地说明哪些是AI协助的，哪些是独立编写或验证的
4. 将披露细节的级别与AI协助部分对最终提交有多核心成比例
5. 在提交前，如果特定用例不清楚，请咨询您的科目协调员或导师

墨尔本的科目如何检查提交的作业是否遵守AI政策？

验证方法在各院系和科目中的差异与允许使用规则的方式相同，但几种方法在整个大学中反复出现。在一个学期内与一个学生群体紧密合作的导师和讲师经常会注意到学生通常的写作风格、论证结构或技术流畅性的未解释的转变，然后任何软件标记任何内容，这使得直接人员熟悉成为验证的有意义部分。评估设计在一些科目中也已转向课堂内的组件、口头考试或应用任务，要求学生当场解释或扩展自己提交的推理——这种格式很难在没有对所防守的作业有真正理解的情况下通过，无论其如何起草。在使用AI检测工具的地方，它们通常作为支持信号，促进更仔细的人工阅读，而不是独立的判决，与大多数澳大利亚大学如何定位这些工具一致，考虑到自动AI检测中的已知误报风险。被标记的段落通常会导致与学生进行对话——要求解释他们的过程或显示草稿——然后才考虑任何正式的学术诚信程序。

1. 人员对学生通常的写作风格的熟悉仍然是常见的第一线检查
2. 一些科目使用课堂内任务或口头考试来确认学生可以解释自己提交的作业
3. AI检测工具（如果使用）通常支持更仔细的人工审查，而不是单独决定结果
4. 被标记的提交通常在任何正式程序之前触发与学生的对话
5. 学生应该准备好描述他们的起草过程，并在被要求时显示更早的笔记或草稿

如果学生的作业在墨尔本大学AI政策下被标记，会发生什么？

因为验证位于科目层级，第一步也是如此。在大多数情况下，有疑虑的导师或协调员会先直接与学生联系——通过信息、草稿请求或简短对话——然后任何正式的学术诚信程序才开始，反映大学长期处理疑似剽窃问题的方式。能够展示更早草稿、笔记或对如何处理任务清楚描述的学生通常处于更强的位置来快速解决非正式查询。如果案件进一步进行，它将遵循大学现有的学术诚信程序，学生保留在任何结果确定前回应和提供自己账户的权利。因为确切的允许使用边界是在科目层级设定的，面临查询的学生最好先审查该特定科目发布的AI指导，而不是假设一个普遍的全校规则解释了发生的事情。

学生如何在墨尔本提交前检查他们自己的作业？

由于披露准确性与AI本身的基础使用一样重要，一个实践习惯是在提交前审查草稿，以确认它与学生计划披露的内容相匹配，并单独检查独立编写的部分是否不太可能以读书方式邀请不必要的问题。像NotGPT这样的工具允许学生粘贴草稿并查看句子级别的AI相似性分解，这最有用的是作为一种方式来捕捉重度编辑或异常一致的、正式语调的段落，这些段落可能对导师读起来模糊，而不是作为严格的通过/失败测试。这对在技术寄存器中写作或用英语作为第二语言写作的学生特别相关，因为两者都可以自然地产生比典型非正式写作更一致的散文阅读，完全没有任何AI参与。在截止日期前几天运行自我检查——而不是前一晚——留出时间来修改被标记的段落，确认披露声明与最终草稿准确匹配，并在科目协调员询问起草过程时保留更早的笔记。这都不能替代阅读为学生自己科目发布的特定AI指导，这仍然是允许和不允许的权威来源。

1. 在开始作业前阅读您的特定科目发布的AI指导
2. 随着您的工作起草披露声明，而不是作为事后想法编写它
3. 通过AI检测器运行独立编写的部分以捕捉模糊的风格模式
4. 修改被标记的段落以实现自然的句子变化，而不是一致的正式措辞
5. 确认您的最终披露声明与使用的协助完全相匹配
6. 如果导师或协调员询问，请保留草稿和笔记以备您的写作过程所用