En taksonomi over studerendes undskyldninger for hemmeligt brug af AI

Studerende bruger ChatGPT til at retfærdiggøre næsten enhver niveau af AI-hjælp i deres skolearbejde, og en ny undersøgelse har identificeret seks kategorier af undskyldninger, der hjælper dem med at udviske grænsen mellem berettiget brug og åbenlyst snyd.

En ny forskningsindsats fra USA har fundet, at mange studerende ikke længere ser AI-baseret snyd som snyd overhovedet. Baseret på interviews med college-studerende over hele landet, der forfølger en diversitet af emner, identificerede studiet 23 forskellige måder, hvorpå AI-brug i skolearbejde kan retfærdiggøres, fra påstande om, at “alle gør det” og “AI har ingen offer”, til argumenter om, at brug af AI sparer tid, producerer bedre skrivning – eller stadig kan betragtes som originalt arbejde, hvis outputten redigeres af studerenden bagefter.

Nogle studerende tilstod åbent overtrædelse af kursusregler, mens de fortsat betragtede deres adfærd som rimelig.

Studiet viser også, at studerende enten er splittede (når der er et valg at kæmpe med) eller forvirrede (hvor valgene omkring AI-brug ikke er klare) i mange scenarier, og frygter en alvorlig konkurrenceudsættelse, hvis de opfatter, at andre får fordele med AI (uanset om det opfattes som tilladt eller ej).

De 23 eksempler blev destilleret ned fra et langt større antal, der blev identificeret fra interviews, og hver især sidder i en af de seks endelige kategorier, der blev besluttet af forskerne:

Offerløs adfærd (ingen er blevet skadet); Begrænset AI-bidrag (AI hjalp kun lidt); Ex ante-bidrag (studerendens idéer kom først); Post hoc-bidrag (senere redigering gør arbejdet til deres eget); Afskaffelse af ansvar (nogen eller noget andet er ansvarligt); og Opfattet fordel (resultaterne retfærdiggør brugen).

Forfatterne af den nye undersøgelse (med titlen “Det er okay, fordi…”: Det vilde vesten for studerendes rationalisering af AI-brug i akademisk skrivning, og kommer fra fire bidragydere på Pennsylvania State University, University of Michigan og University of Miami) bemærker, at studerendes argumenter og beretninger vandrer illogisk mellem de forskellige kategorier, selv når alternative kategorier ikke er komplementære eller kompatibile.

De bemærker yderligere, at der ofte ikke er nogen konsekvent logik i argumenterne – som om studerende panikkerede i deres svar (på trods af en scenario med total fortrolighed); eller alternativt, som om dette var første gang, de virkelig var blevet bedt om at tænke over de moralske dimensioner af AI-brug i deres uddannelse.

Forfatterne siger*:

‘Ethvert formelt læringsmiljø indebærer implicit en social kontrakt, hvor underviseren hjælper studerenden med at lære, og studerenden er ærlig om, hvad de ved og ikke ved.

‘Men studerendes AI-brugsrationaliseringer antyder, at de er uvidende om denne sidste forventning. Betydeligt, AI-brug udvisker grænsen mellem studerendes og AI-arbejde, og det gør det svært for underviseren at vurdere deres arbejde og hjælpe dem med at forbedre deres læring.

‘En nøgleintervention for højere uddannelse er således at hjælpe studerende med at forstå den pædagogiske rationalisering bag AI-politikker, herunder hvorfor ærlig repræsentation af egen viden er vigtig for både læring og vurdering.’

Artiklen angiver, at forventningerne omkring brug af AI i et akademisk sammenhæng er fordelt på fem segmenter: lærerens intention; formel politik; studerendes fortolkning af disse; studerendes egen politik; og studerendes faktiske praksis.

At se på de seks endelige definerede kategorier, som vi skal gøre om et øjeblik, viser forskellige måder, hvorpå disse fem domæner ikke er enige med hinanden; er dårligt defineret; selvmodsigende; eller bare ignoreret.

Data blev erhvervet ved at interviewe tyve undergraduate-studerende på 12 forskellige amerikanske universiteter, med en kvindelig-mandlig fordeling på 15/5, på tværs af en bred diversitet af hovedfag, fra engelsk og kunst til statistik og molekylærbiologi.

1: Offerløs adfærd

Den første kategori afspejler måske den enkleste retfærdiggørelse af alle: at ingen er blevet skadet.

Studerende i denne gruppe argumenterede for, at traditionelle bekymringer om plagiarism afhænger af eksistensen af et menneskeligt offer, og at AI-genereret tekst bryder denne forbindelse:

Siden ChatGPT ikke er en person, mente de, at brug af dens output ikke kan være lig med at stjæle fra en anden forfatter (uanset om der er ventende retssager, der ville antyde noget andet).

Andre foreslog, at AI blot kombinerer og omskriver information fra mange kilder i stedet for at kopiere en enkelt kilde direkte, hvilket bringer ejendomsretsspørgsmål i tvivl.

I visse tilfælde var det eneste anerkendte skade selvforvoldt, hvor studerende argumenterede for, at den virkelige risiko lå i at svække deres egen læring, snarere end at gøre noget forkert mod en lærer, klassekammerat eller forfatter. En deltager mente:

‘AI har ikke en sjæl… giver AI kredit [eller] respekt, som om AI havde ejendomsret eller lovlighed til visse oplysninger… det er simpelthen ikke sandt.’

En anden:

‘Det gør ikke noget menneske fortræd… jeg tror, du gør mere skade på dig selv end på en lærer eller andre mennesker.’

2: Begrænset AI-bidrag

Den anden kategori påstår, at AI’s rolle er for lille til at have betydning. I stedet for at benægte, at AI havde bidraget til deres output, argumenterede studerende for, at bidraget var minimalt, rutine eller sammenligneligt med former for hjælp, der allerede er alment accepteret:

Mange trak en skel mellem vigtigt akademisk arbejde og hvad de betragtede som administrative “rutinearbejde”, og påstod, at lavværdiopgaver ikke var værd at bruge den krævede indsats.

Andre så på AI i et lignende lys som grammatik-kontrollører, redaktører eller søgemaskiner. Over disse argumenter var det fælles tema, at AI havde hjulpet, men ikke nok til at underminere forfatterskab eller at overveje, om den endelige indsendelse var nogen andens arbejde eller tilskrevet nogen anden end studerenden.

En af deltagerne illustrerede, hvor meget de betragtede ChatGPT som en lige så gyldig bidragsyder som mere traditionelle mentorer i det akademiske rum:

‘Hvis jeg ikke har svaret selv, så siger hun [coach], du kan gøre det. Det er ligesom, det samme, som ChatGPT gør for mig.’

3: Ex ante-bidrag

For mange studerende var den stærkeste forsvar for AI-brug ikke, at teknologien bidrog meget lidt, men at det vigtige intellektuelle arbejde allerede var blevet gjort før ChatGPT blev involveret.

I disse tilfælde blev AI præsenteret som et værktøj til at udtrykke, organisere, udvide eller forfine materiale, der allerede eksisterede i studerendens hoved:

Studerende argumenterede for, at den virkelige værdi lå i at have idéen, samt efterfølgende at vælge retningen af opgaven eller at samle de relevante kilder; mens AI blot hjalp med at omdanne disse ingredienser til færdig prosa.

Denne definition af forfatterskab påstår, at ejendomsret kommer ikke fra at skrive hvert ord, men fra at give den oprindelige intention og styre processen, hvilket tillader studerende at se sig selv som de sande skabere, selv når betydelige dele af den endelige tekst er genereret af AI.

4: Post hoc-bidrag

Den fjerde kategori fokuserede på, hvad studerende gjorde efter at have modtaget AI-genereret tekst. Studerende argumenterede for, at at paraphrasere AI-output, vælge kun bestemte passager, tjekke fakta, verificere kilder eller revidere formuleringen var nok til at gøre det endelige arbejde til deres eget:

Nogle foreslog, at hvis ChatGPT havde lært at skrive på en måde, der matchede deres normale stemme, gennem hyppig brug, så kunne den resulterende tekst rimeligt betragtes som deres eget arbejde:

‘Det har genkendt en mønster af min måde at skrive og udtrykke ting på, i projekter eller e-mails eller noget andet… Så nu, ved jeg, at det er gået til at give svar, der ligner mine.’

‘Så nu, giver det prompts, der ligner min tænkemåde.’

5: Afskaffelse af ansvar

Den femte kategori involverede at flytte ansvaret væk fra studerenden. Nogle argumenterede for, at AI-brug var blevet så almindeligt, at at undgå det ville placere dem i en ulempe, især hvis klassekammerater brugte ChatGPT til at fuldføre arbejde hurtigere eller opnå højere karakterer:

‘Nogle af mine klassekammerater, der bare smider det [i AI], genererer det, tjekker det ikke, [og] de får højere karakterer end jeg.’

Andre studerende angav uklare politikker, vagt instruktion eller en opfattet mangel på bekymring fra undervisere:

Nogle studerende retfærdiggjorde AI-brug på grund af, at det var usandsynligt at blive opdaget eller straffet, mens andre foreslog, at ansvaret lå hos teknologien selv og ikke hos personen, der brugte den.

Over disse argumenter syntes AI-brug at blive behandlet som noget, der var drevet af omstændigheder, normer eller eksterne faktorer, snarere end af personligt valg.

6: Opfattet fordel

Den sidste kategori var den mest direkte, hvor AI-brug blev retfærdiggjort, fordi det producerer ønskede resultater.

For nogle studerende var den primære fordel at spare tid, især på opgaver, de betragtede som rutine eller lavværdi:

‘[Jeg ville hellere] bruge tid med min kæreste…’

Andre argumenterede for, at de stadig lærte af materialet ved at gennemgå, omskrive eller arbejde med AI-genereret indhold:

Nogle mente, at ChatGPT producerede stærkere skrivning end de selv kunne klare, mens andre fokuserede på resultater såsom bedre karakterer, positiv feedback eller blot at fuldføre opgaven med succes. Over disse argumenter blev resultatets værdi behandlet som mere vigtig end bekymringer om hvordan dette resultat var opnået.

Et delt kongerige

Spændingen mellem institutionelle regler og daglig AI-brug fremhæves i artiklen gennem en deltager, der er identificeret som P6.

Denne bestemte studerende anerkendte, at brug af AI mod kursusregler var forkert; enedes om, at uhæmmet AI-brug kunne betragtes som plagiarism; og udtrykte bekymring over, at stærk afhængighed af AI kunne reducere læring og svække kommunikationsfærdigheder:

‘Ærligt talt, så er det sandsynligvis ikke særlig etisk. Jeg gør meget af mit hjemme-arbejde med AI, og det betyder ikke altid, at jeg lærer […]’

‘[…] AI hjælper mig meget, fordi jeg ikke kan tænke på, hvad jeg vil sige. Men hvis jeg har AI til at skrive noget og derefter ændrer det til at sige mere, hvad jeg mener, og tror på, så mener jeg, at det er etisk, fordi det stadig er ord, jeg er enig med og tror på.’

På samme tid argumenterede deltageren for, at AI-genereret tekst blev mere acceptabel, når den blev redigeret, omskrevet eller bragt i overensstemmelse med personlige holdninger. AI-brug blev også set anderledes afhængigt af opgaven, den opfattede værdi af kurset og om målet var at spare tid eller lære noget af øvelsen.

Lignende mønstre dukkede op andre steder i interviews: i stedet for at afhænge af en enkelt rationel, kombinerede mange studerende flere, hvor de vejede faktorer såsom åbenhed, indsats, læring, bekvemmelighed og opgaveværdi, når de vurderede deres egen brug af AI.

Konklusion

Det ville være en fejl at glæde sig over studerendes forvirring og skyld omkring AI-brug, på grund af den nuværende mangel på rimelige og konsekvente retningslinjer på arbejdspladsen eller i samfundet generelt.

For øjeblikket er zeitgeist omkring AI reaktionær på bedste, hvor enhver brug af AI overhovedet anses for at “forringe” output som fuldstændig AI-genereret. For øjeblikket mangler der nuance, standarder eller tilgivelse.

Det er endnu ikke klart, om AI’s bidrag til prosa-output vil blive opfattet i fremtiden som en fortolkende lag, lidt mere betydningsfuld end en stavekontrol, eller en afvigelse af menneskelig agent, kreativitet og fortolkende evne, der giver plads til maskinlavet mønstre.

* Min konvertering af forfatternes inline-citationer til hyperlinks. Dog, på grund af den usædvanligt begrænsede formatering af citationer i denne artikel, vil jeg ikke være i stand til at give det sædvanlige antal understøttende links, på grund af manglen på den nødvendige tid til at lokalisere de manglende links i arbejdet.

Først offentliggjort fredag, 29. maj 2026