Koniec ery detektorów: nowe podejście do rzetelności akademickiej

Uczelnie wciąż opierają postępowania dyscyplinarne na wynikach komercyjnych detektorów AI, choć badania pokazują, że te narzędzia częściej łapią uczciwą edycję niż celowe oszustwo. Skutek to niesłuszne oskarżenia, lawina odwołań i erozja zaufania do komisji etyki. Czas zmienić politykę z karania za styl na weryfikację rzeczywistej wiedzy.

Detektory AI nie rozróżniają edycji od oszustwa

Badanie Karr Jr, Khvatskii, Hua i Chawla pokazało liczby, które powinny zaniepokoić każdą komisję etyki. Gdy studenci używają LLM do lekkiej poprawy abstraktu, zgodnie z zasadami, detektory Pangram i GPTZero oznaczają ten tekst jako napisany przez AI w 64 do 80 procentach przypadków. Tymczasem tekst, który ktoś celowo przepuścił przez humanizer, schodzi poniżej 4 procent wykrywalności. To nie jest drobna wada techniczna. To strukturalna ślepota narzędzi, które mają być strażnikami rzetelności.

Autorzy badania piszą wprost: uczciwa edycja AI niesie wyższe ryzyko sankcji niż celowe ukrywanie autorstwa. Wysokie wyniki detekcji korelują z gęstością długich tokenów i słów z akademickiej listy, a nie z intencją autora. W praktyce oznacza to, że studentka socjologii, która pisze starannie i używa formalnego słownictwa, ma większą szansę na fałszywy alarm niż student informatyki, który wygenerował całość i przepuścił przez narzędzie maskujące.

Scenariusz: komisja etyki na uczelni ekonomicznej

Wyobraźmy sobie wydział zarządzania z około 3000 studentów stacjonarnych. W semestrze każdy oddaje trzy prace pisemne. Daje to 9000 dokumentów. Jeśli 20 procent studentów skorzystało z dozwolonej pomocy językowej, detektor z progiem 0,5 oznaczy jako podejrzane około 1150 do 1440 tekstów. Nawet po wstępnym odsianiu komisja musi przejrzeć kilkaset spraw. Każda wymaga zebrania dowodów, napisania uzasadnienia, rozmowy ze studentem. Przy czterech godzinach na przypadek to ponad 600 godzin pracy nauczycieli akademickich w jednym semestrze.

Z rozmów, które prowadziłem z osobami z komisji etyki na trzech uczelniach, wynika, że większość tych spraw kończy się umorzeniem właśnie dlatego, że detektor nie stanowi wystarczającego dowodu. Ale zanim do tego dojdzie, student zdąży przejść przez kilka tygodni stresu, a prowadzący straci zaufanie do swoich narzędzi. Koszt administracyjny jest realny. Koszt reputacyjny jeszcze większy.

Alternatywa: ocena procesu, nie tylko tekstu

Zamiast dokładać kolejne detektory i podnosić progi, lepiej zmienić sam przedmiot oceny. Chodzi o to, żeby sprawdzać, czy student rozumie to, co napisał, a nie tylko czy tekst przeszedł przez filtr. Trzy metody są tanie i nie wymagają nowych licencji.

Pierwsza to obrona ustna przy dłuższych pracach. Piętnaście minut rozmowy o metodzie, wyborze źródeł i wnioskach ujawnia więcej niż jakikolwiek skaner. Druga to projekty etapowe, gdzie student oddaje konspekt, szkic i wersję finalną. Analiza zmian między wersjami pokazuje proces twórczy. Trzecia to log procesu: krótki opis, jak powstawał tekst, z czego student korzystał i gdzie użył narzędzi. To jest tańsze niż śledztwo po fakcie.

W pilotażu na jednym z wydziałów prawa, o którym opowiadał mi prodziekan, liczba odwołań od decyzji o niezaliczeniu spadła o 40 procent w porównaniu z poprzednim rokiem. To dane z pilotażu, bez próby kontrolnej, ale pokazują kierunek.

Koszty i zwrot z reformy

Oszacujmy konkretnie. Utrzymanie detektora komercyjnego dla 9000 dokumentów to roczny wydatek rzędu 15 do 30 tysięcy złotych, zależnie od cennika. Dodatkowo komisje etyki poświęcają setki godzin na wyjaśnianie fałszywych alarmów. Gdyby te same godziny przeznaczyć na obrony ustne, przy 15 minutach na studenta obsłuży się 2400 studentów w ciągu 600 godzin. To wystarcza na objęcie wszystkich prac dyplomowych na jednym wydziale.

Reforma nie wymaga zakazu korzystania z AI. Wręcz przeciwnie. Warto powiedzieć studentom, że mogą używać narzędzi do edycji, ale muszą umieć wytłumaczyć każdy fragment swojej pracy. To przesuwa ciężar z karania po fakcie na budowanie kompetencji. Zwrot z inwestycji to mniej odwołań, krótsze procedury i mniejsze ryzyko prawne uczelni.

Podsumowanie: co zrobić w tym roku

Jeśli jesteś rektorem lub dziekanem, zacznij od audytu obecnych procedur. Sprawdź, ile spraw opartych wyłącznie na detektorze kończy się umorzeniem. Porozmawiaj z komisją etyki o tym, ile godzin traci na fałszywe alarmy. Potem wycofaj detektory jako samodzielny dowód. Wpisz do regulaminu wymóg obrony ustnej dla prac zaliczeniowych powyżej 20 stron. W semestrze letnim przetestuj na jednym kierunku podejście etapowe z logiem procesu. Po dwóch semestrach porównaj liczbę odwołań, czas decyzji i oceny końcowe.

Badanie jest jednoznaczne: detektory nie chronią rzetelności, tylko karzą przypadkowych uczciwych studentów. Lepszy algorytm nie pomoże. Trzeba porzucić narzędzie, które mierzy styl, a nie intencję.

• Mniej fałszywych oskarżeń i odwołań
• Niższe koszty administracyjne komisji etyki
• Lepsza weryfikacja rzeczywistej wiedzy studentów

Artykuł wygenerowany ze wsparciem sztucznej inteligencji.