Een taxonomie van studentenexcuses voor het geheime gebruik van AI

Studenten gebruiken ChatGPT om vrijwel elk niveau van AI-ondersteuning in hun cursuswerk te rechtvaardigen, met een nieuwe studie die zes categorieën van excuses identificeert die hen helpen de grens tussen legitiem gebruik en regelrechte valsspelen te vertroebelen.

Een nieuwe onderzoeks samenwerking vanuit de VS heeft ontdekt dat veel studenten AI-ondersteund valsspelen niet langer als valsspelen zien. Op basis van interviews met studenten van hogescholen in het hele land, die een diverse reeks onderwerpen volgen, identificeerde de studie 23 verschillende manieren waarop AI-gebruik in cursuswerk kan worden gerechtvaardigd, van het claimen dat ‘iedereen het doet’ en ‘AI heeft geen slachtoffer’, tot het argument dat het gebruik van AI tijd bespaart, beter schrijft – of nog steeds als origineel werk telt, als de uitvoer later door de student wordt bewerkt.

Sommige studenten gaven openlijk toe de cursusregels te hebben gebroken, terwijl ze hun gedrag nog steeds als redelijk bleven beschouwen.

De studie toont ook aan dat studenten in veel scenario’s ofwel in conflict zijn (wanneer er een keuze is om mee om te gaan) ofwel in de war zijn (waar de keuzes rondom AI-gebruik niet duidelijk zijn) en vrezen een ernstig competitief nadeel als ze denken dat anderen met AI vooruitgang boeken (of dat nu als toegestaan of niet wordt beschouwd).

De 23 voorbeelden werden gedistilleerd uit een veel groter aantal dat uit de interviews werd geïdentificeerd, en elk past in een van de zes uiteindelijke categorieën die door de onderzoekers zijn vastgesteld:

Gedrag zonder slachtoffer (niemand wordt geschaad); Minimale AI-bijdrage (AI hielp alleen een beetje); Ex ante-bijdrage (de ideeën van de student kwamen eerst); Post hoc-bijdrage (later bewerken maakt het werk van de student); Ontkenning van verantwoordelijkheid (iemand of iets anders is verantwoordelijk); en Waargenomen voordeel (de resultaten rechtvaardigen het gebruik).

De auteurs van het nieuwe werk (getiteld “Het is OK omdat…”: De wilde westen van studentenrationalisatie van AI-gebruik in academisch schrijven, en afkomstig van vier bijdragers van de Pennsylvania State University, de University of Michigan en de University of Miami) merken op dat de argumenten en verklaringen van de studenten illogisch tussen de verschillende categorieën zwerven, zelfs wanneer alternatieve categorieën niet complementair of compatibel zijn.

Zij merken verder op dat er vaak geen consistente logica in de argumenten zit – alsof de studenten in paniek waren in hun reactie (ondanks een scenario van totale vertrouwelijkheid); of als dit de eerste keer was dat ze echt waren opgedragen om na te denken over de morele dimensies van AI-gebruik in hun onderwijs.

De auteurs verklaren*:

‘Elke formele leeromgeving houdt impliciet een sociale overeenkomst in waarin de docent de student helpt te leren, en de student eerlijk is over wat hij weet en niet weet.

‘Echter, de rationalisaties van studenten over AI-gebruik suggereren dat ze zich niet bewust zijn van deze laatste verwachting. Belangrijk is dat AI-gebruik de grens tussen studenten- en AI-werk vertroebelt en het voor docenten moeilijk maakt om hun werk te beoordelen en hen te helpen hun leren te verbeteren.

‘Een sleutelinterventie voor hoger onderwijs is dan om studenten te helpen de pedagogische rationale achter AI-beleid te begrijpen, inclusief waarom eerlijke voorstelling van hun eigen kennis belangrijk is voor zowel leren als beoordeling.’

Het artikel geeft aan dat de verwachtingen rondom het gebruik van AI in een academische context zijn verdeeld over vijf segmenten: faculteitsintentie; formeel beleid; studenteninterpretatie van deze; studentenbeleid; en studentenpraktijk.

Als we naar de zes uiteindelijke categorieën kijken, die we zo meteen zullen doen, zien we verschillende manieren waarop deze vijf domeinen niet met elkaar overeenkomen; onduidelijk zijn; tegenstrijdig zijn; of gewoonweg genegeerd worden.

De gegevens werden verkregen door twintig undergraduate-studenten te interviewen op 12 verschillende Amerikaanse universiteiten, met een verhouding van 15/5 vrouw/man, over een brede diversiteit aan majors, van Engels en kunst tot statistiek en moleculaire biologie.

1: Gedrag zonder slachtoffer

De eerste categorie reflecteert misschien wel de eenvoudigste rechtvaardiging van allemaal: dat niemand echt wordt geschaad.

Studenten in deze groep betoogden dat traditionele zorgen over plagiaat afhankelijk zijn van het bestaan van een menselijk slachtoffer, en dat AI-gegenereerde tekst deze verbinding verbreekt:

Daarom redeneerden ze dat het gebruik van ChatGPT niet gelijkgesteld kon worden aan stelen van een andere auteur (ondanks lopende rechtszaken die anders zouden suggereren).

Anderen stelden dat AI slechts informatie combineert en herschrijft uit veel bronnen, in plaats van één bron rechtstreeks te kopiëren, waardoor eigendomsrechten in twijfel worden getrokken.

In sommige gevallen werd het enige erkende nadeel als zelf opgelegd beschouwd, waarbij studenten betoogden dat het echte risico lag in het verzwakken van hun eigen leren, in plaats van een leraar, klasgenoot of schrijver te schaden. Een deelnemer meende:

‘AI heeft geen ziel… AI krediet geven [of] respect alsof AI eigendom of wettelijke rechten had op bepaalde informatie… dat is gewoon niet waar.’

Een andere:

‘Het doet niemand pijn … Ik denk dat je jezelf meer pijn doet dan dat je een leraar of anderen pijn doet.’

2: Minimale AI-bijdrage

De tweede categorie stelt dat de rol van AI te klein is om toe te doen. In plaats van te ontkennen dat AI had bijgedragen aan hun output, betoogden studenten dat de bijdrage minimaal, routineus of vergelijkbaar was met vormen van ondersteuning die al breed werden geaccepteerd:

Velen trokken een onderscheid tussen belangrijk academisch werk en wat zij beschouwden als administratieve ‘rompslomp’, waarbij zij betoogden dat lage-waarde-opdrachten niet de moeite waard waren die ze eisten.

Anderen zagen AI in een vergelijkbaar licht als grammatica-controleurs, editors of zoekmachines. Over deze argumenten heen was het gemeenschappelijke thema dat AI had geholpen, maar niet genoeg om auteursschap te ondermijnen, of om te overwegen dat de uiteindelijke inzending iemand anders’ werk was, of toewijsbaar was aan iemand anders dan de student.

Een van de deelnemers illustreerde de mate waarin zij ChatGPT beschouwden als een even geldige bijdrager als meer traditionele mentoren in de academische ruimte:

‘Als ik dat antwoord niet voor mezelf heb, dan zou zij [de coach] zeggen, je kunt dit doen. Dat is als wat ChatGPT voor me doet.’

3: Ex ante-bijdrage

Voor veel studenten was de sterkste verdediging van AI-gebruik niet dat de technologie weinig had bijgedragen, maar dat het belangrijke intellectuele werk al was voltooid voordat ChatGPT betrokken raakte.

In deze gevallen werd AI gepresenteerd als een hulpmiddel voor het uitdrukken, organiseren, uitbreiden of verfijnen van materiaal dat al in de student’s hoofd bestond:

Studenten betoogden dat de echte waarde lag in het hebben van het idee, evenals het later kiezen van de richting van de opdracht, of het verzamelen van de relevante bronnen; terwijl AI alleen hielp om die ingrediënten om te zetten in afgewerkte proza.

Deze definitie van auteursschap stelt dat eigendom niet komt van het schrijven van elk woord, maar van het verschaffen van de oorspronkelijke intentie en het sturen van het proces, waardoor studenten zichzelf kunnen zien als de ware scheppers, zelfs als aanzienlijke delen van de uiteindelijke tekst door AI zijn gegenereerd.

4: Post hoc-bijdrage

De vierde categorie richtte zich op wat studenten na het ontvangen van AI-gegenereerde tekst deden. Studenten betoogden dat het parafraseren van AI-uitvoer, het selecteren van alleen bepaalde passages, het controleren van feiten, het verifiëren van bronnen of het herschrijven van de woording voldoende was om het eindwerk tot hun eigen te maken:

Sommigen stelden ook dat als ChatGPT had geleerd om te schrijven op een manier die overeenkwam met hun gebruikelijke stem, door gewoontegedrag, de resulterende tekst redelijkerwijs als hun eigen werk kon worden behandeld:

‘Het heeft een patroon van mijn manier van schrijven en expressie in projecten of e-mails of alles wat dan ook herkend. Dus nu weet het wat voor soort persoon ik ben in de manier van schrijven.

‘Dus nu geeft het prompts die vergelijkbaar zijn met mijn denkproces.’

5: Ontkenning van verantwoordelijkheid

De vijfde categorie hield in dat de verantwoordelijkheid werd verlegd van de student. Sommigen betoogden dat AI-gebruik zo gewoon was geworden dat het vermijden ervan hen in een nadeel zou brengen, vooral als klasgenoten ChatGPT gebruikten om werk sneller te voltooien of hogere cijfers te behalen:

‘Sommige van mijn klasgenoten die het [in AI] gooien, genereren het, controleren het niet eens, [en] zij krijgen hogere cijfers dan ik.’

Andere studenten wezen op onduidelijke beleid, vage opdrachtinstructies of een waargenomen gebrek aan zorg van docenten:

Sommige studenten rechtvaardigden AI-gebruik op de grond dat het onwaarschijnlijk was om te worden gedetecteerd of bestraft, terwijl anderen suggereerden dat de verantwoordelijkheid bij de technologie zelf lag, in plaats van bij de persoon die het gebruikte.

Over deze argumenten heen leek AI-gebruik te worden behandeld als iets dat werd gedreven door omstandigheden, normen of externe factoren, in plaats van door persoonlijke keuze.

6: Waargenomen voordeel

De laatste categorie was de meest rechttoe-rechtaan, waarin AI-gebruik werd gerechtvaardigd omdat het wenselijke resultaten oplevert.

Voor sommige studenten was het belangrijkste voordeel tijd besparen, vooral bij opdrachten die zij als routineus of van lage waarde beschouwden:

‘[Ik zou liever] tijd doorbrengen met mijn vriendin…’

Anderen betoogden dat zij nog steeds leerden van het materiaal door AI-gegenereerde inhoud te herzien, herschrijven of erdoorheen te werken:

Sommigen geloofden dat ChatGPT sterkere schrijfvaardigheden produceerde dan zij zelf konden, terwijl anderen zich concentreerden op resultaten zoals betere cijfers, positieve feedback of het simpelweg voltooien van de opdracht. Over deze argumenten heen werd de waarde van het resultaat behandeld als belangrijker dan zorgen over hoe dat resultaat was behaald.

Een verdeeld koninkrijk

De spanning tussen institutionele regels en dagelijkse AI-gebruik wordt in het artikel belicht door middel van een deelnemer, aangeduid als P6.

Deze specifieke student erkende dat het gebruik van AI tegen de cursusregels in ging, was verkeerd; stemde ermee in dat niet-geopenbaard AI-gebruik als plagiaat kon worden beschouwd; en uitte bezorgdheid dat een zware afhankelijkheid van AI het leren en de communicatieve vaardigheden zou kunnen verzwakken:

‘Eerlijk gezegd, is het waarschijnlijk niet erg ethisch. Ik doe veel van mijn huiswerk met AI, en het betekent niet altijd dat ik leer […]’

‘[…] AI helpt me veel, omdat ik niet kan denken aan wat ik wil zeggen. Maar als ik AI laat schrijven en dan verander ik het om meer te zeggen wat ik wil zeggen, dan denk ik dat het nog steeds ethisch is, omdat het nog steeds woorden zijn waar ik het mee eens ben en waarin ik geloof.’

Tegelijkertijd betoogde de deelnemer dat AI-gegenereerde tekst meer acceptabel werd wanneer het werd bewerkt, herschreven of aangepast aan persoonlijke meningen. AI-gebruik werd ook anders bekeken afhankelijk van de opdracht, de waargenomen waarde van de cursus en of het doel was om tijd te besparen of iets te leren van de oefening.

Soortgelijke patronen verschenen elders in de interviews: in plaats van te vertrouwen op een enkele rechtvaardiging, combineerden veel studenten meerdere, waarbij factoren zoals openbaarmaking, inspanning, leren, gemak en opdrachtwaarde werden afgewogen bij het evalueren van hun eigen AI-gebruik.

Conclusie

Het zou een fout zijn om te genieten van de verwarring en schuld van studenten rondom AI-gebruik, gezien het huidige gebrek aan redelijke en consistente richtlijnen op de werkplek of in de samenleving in het algemeen.

Op dit moment is de zeitgeist rondom AI reactief in het beste geval, waarbij elk gebruik van AI in verschillende gemeenschappen en sectoren wordt beschouwd als een ‘vervuiling’ van de uitvoer als volledig AI-gegenereerd. Op dit moment ontbreekt het aan nuances, normen of vergeving.

Het moet nog worden gezien of de bijdrage van AI aan proza-uitvoer in de toekomst zal worden beschouwd als een interpretatieve laag, niet veel belangrijker dan een spellingscontrole, of als een concessie van menselijke agentie, creativiteit en interpretatief vermogen, waarbij men zich overgeeft aan machinegemaakte patronen.

* Mijn conversie van de inline-citaten van de auteurs naar hyperlinks. Echter, vanwege de ongebruikelijk beperkte opmaak van de citaten in dit artikel, zal ik niet in staat zijn om het gebruikelijke aantal ondersteunende links te bieden, vanwege het gebrek aan tijd om de ontbrekende links in het werk te vinden.

Eerste publicatie vrijdag 29 mei 2026