En taksonomi over studenter sine unnskylninger for hemmelig å bruke AI

Studenter bruker ChatGPT til å rettferdiggjøre nesten ethvert nivå av AI-hjelp i sine studier, med en ny studie som identifiserer seks kategorier av unnskylninger som hjelper dem å blurre grensen mellom legitim bruk og ren svindel.

En ny forskningsstudie fra USA har funnet ut at mange studenter ikke lenger ser AI-hjulpet svindel som svindel i det hele tatt. Basert på intervjuer med college-studenter over hele landet, som følger en mangfoldighet av emner, identifiserte studien 23 forskjellige måter å rettferdiggjøre AI-bruk i studier, fra å hevde at “alle gjør det” og “AI har ingen offer”, til å argumentere for at å bruke AI sparer tid, produserer bedre skriving – eller fortsatt teller som originalt arbeid, hvis output editert av studenten etterpå.

Noen studenter innrømmet å bryte kursregler, mens de fortsatt så på sitt eget atferd som rimelig.

Studien viser også at studenter er enten splittede (når det er et valg å kjempe med) eller forvirret (hvor valgene rundt AI-bruk ikke er klare) i mange scenarioer, og frykter en alvorlig konkurranseulempe hvis de oppfatter at andre gjør fremgang med AI (uansett om det oppfattes som tillatt eller ikke).

De 23 eksemplene ble destillert ned fra et langt større antall identifisert fra intervjuene, og hver sitter i en av seks ultimate kategorier bestemt av forskerne:

Ofre-løs atferd (ingen blir skadet); Minimal AI-bidrag (AI hjalp bare litt); Ex ante-bidrag (studentens ideer kom først); Post hoc-bidrag (senere redigering gjør arbeidet deres); Ansvars-negasjon (noen eller noe annet er ansvarlig); og Oppfattet nytte (resultatene rettferdiggjør bruken).

Forfatterne av den nye studien (med tittelen “Det er ok fordi…”: Det ville vesten av studentenes rasjonalisering av AI-bruk i akademisk skriving, og kommer fra fire bidragsytere over Pennsylvania State University, University of Michigan og University of Miami) merker at studentenes argumenter og beretninger vandrer illogisk mellom de forskjellige kategoriene, selv når alternative kategorier ikke er komplementære eller kompatible.

De merker videre at det ofte ikke er noen konsistent logikk i argumentene – som om studentene panikkerte i svaret (til tross for en scenario med fullstendig konfidensialitet); eller alternativt, som om dette var første gang de hadde vært oppfordret til å tenke på de moralske dimensjonene av AI-bruk i sin utdanning.

Forfatterne sier*:

‘Enhver formell læringsmiljø innebærer en implisitt sosial kontrakt der læreren hjelper studenten til å lære, og studenten er ærlig om hva de vet og ikke vet.

‘Men, studentenes AI-bruksrasjonaliseringer tyder på at de ikke er klar over denne forventningen. Signifikant, AI-bruk blur rer grensen mellom student- og AI-arbeid og gjør det vanskelig for læreren å vurdere deres arbeid og hjelpe dem til å forbedre sin læring.

‘En nøkkelintervensjon for høyere utdanning, deretter, er å hjelpe studenter til å forstå den pedagogiske rasjonalen bak AI-politikken, inkludert hvorfor ærlig representasjon av egen kunnskap er viktig for både læring og vurdering.’

Studien indikerer at forventningene rundt AI-bruk i en akademisk kontekst er fordelt over fem segmenter: lærerens intensjon; formell politikk; studentens tolkning av disse; studentens egen politikk; og studentens faktiske praksis.

Ved å se på de seks ultimate definerte kategoriene, som vi skal gjøre om et øyeblikk, viser det opp forskjellige måter å se på hvordan disse fem domenene ikke er i overensstemmelse med hverandre; er dårlig definert; selv-motsigende; eller bare ignorert.

Dataene ble samlet inn ved å intervjue tyve undergraduate-studenter over 12 forskjellige amerikanske universiteter, med en 15/5 kvinne-mann-forhold, over en bred diversitet av fag, fra engelsk og kunst til statistikk og molekylærbiologi.

1: Ofre-løs atferd

Den første kategorien reflekterer kanskje den enkleste rettferdiggjøringen av alle: at ingen blir skadet.

Studenter i denne gruppen argumenterte for at tradisjonelle bekymringer om plagiat avhenger av eksistensen av et menneskelig offer, og at AI-generert tekst bryter denne forbindelsen:

Siden ChatGPT ikke er en person, argumenterte de for at å bruke dens output ikke kunne være ekvivalent med å stjele fra en annen forfatter (uansett om det var ventende rettssaker som ville indikere noe annet).

Andre foreslo at AI bare kombinerer og omskriver informasjon fra mange kilder i stedet for å kopiere noen enkelt kilde direkte, og bringer spørsmål om eierskap i tvil.

I noen tilfeller var den eneste skaden som ble innrømmet selv-påført, med studenter som argumenterte for at den virkelige risikoen lå i å svekke deres eget læring, snarere enn å skade en lærer, en klassekamerat eller en forfatter. En deltaker uttalte:

‘AI har ikke en sjel… å gi AI kreditt [eller] respekt som om AI hadde eierskap eller lovlighet til bestemt informasjon… det er bare ikke sant.’

En annen:

‘Det skader ingen … Jeg tror du skader deg selv mer enn du skader en lærer eller andre mennesker.’

2: Minimal AI-bidrag

Den andre kategorien hevder at AI’s rolle er for liten til å angi. I stedet for å nekte at AI hadde bidratt til deres output, argumenterte studentene for at bidraget var minimalt, rutinemessig eller sammenlignbar med former for hjelp som allerede er vidt akseptert:

Mange tegnet en skillelinje mellom viktig akademisk arbeid og hva de anså som administrative “trivielt arbeid”, og hevdet at lav-verdi oppgaver ikke var verdt den innsatsen de krevde.

Andre så på AI som lignende på korrekturlesere, redaktører eller søkemotorer. Over disse argumentene var det felles tema at AI hadde hjulpet, men ikke nok til å undergrave forfatterskap, eller å vurdere at den endelige innleveringen var noen andres arbeid, eller kunne tilskrives noen annen enn studenten.

En av deltakerne illustrerte omfanget av hvor mye de anså ChatGPT som en likegyldig bidragsyter til mer tradisjonelle mentorer i den akademiske rommet:

‘Hvis jeg ikke har svaret på det selv, så ville hun [treneren] si at du kunne gjøre det. Det er som, det samme som ChatGPT gjør for meg.’

3: Ex ante-bidrag

For mange studenter var den sterkeste forsvareren for AI-bruk ikke at teknologien bidro svært lite, men at det viktige intellektuelle arbeidet allerede var fullført før ChatGPT ble involvert.

I disse tilfellene ble AI presentert som et verktøy for å uttrykke, organisere, utvide eller finpusse materiale som allerede eksisterte i studentens hode:

Studenter argumenterte for at den virkelige verdien lå i å ha ideen, samt deretter å velge retningen av oppgaven, eller å samle relevante kilder; mens AI bare hjalp til å omdanne disse ingrediensene til ferdig skrift.

Denne definisjonen av forfatterskap hevder at eierskap kommer ikke fra å skrive hver eneste ord, men fra å gi den opprinnelige intensjonen og styre prosessen, og lar studenter se på seg selv som de virkelige skaperne, selv om betydelige deler av den endelige teksten var generert av AI.

4: Post hoc-bidrag

Den fjerde kategorien fokuserte på hva studenter gjorde etter å motta AI-generert tekst. Studenter argumenterte for at å parafrasere AI-utdata, velge bare bestemte passasjer, sjekke fakta, verifisere kilder eller revidere ordvalg var nok til å gjøre det endelige arbeidet deres eget:

Noen foreslo også at hvis ChatGPT hadde lært å skrive på en måte som matchet deres vanlige stemme, gjennom vanlig bruk, kunne den resulterende teksten rimeligvis behandles som deres eget arbeid:

‘Det har gjenkjent et mønster av min måte å skrive og hvordan jeg uttrykker ting på, som i prosjekter eller e-post eller noe lignende. Så nå, vet det hva slags person jeg er, på skrivemåten.’

‘Så nå, gir det promter som ligner på min tenkeprosess.’

5: Ansvars-negasjon

Den femte kategorien involverte å flytte ansvaret vekk fra studenten. Noen argumenterte for at AI-bruk hadde blitt så vanlig at å unngå det plasserte dem i en ulempe, spesielt hvis klassekamerater brukte ChatGPT til å fullføre arbeid raskere eller oppnå høyere karakterer:

‘Noen av mine klassekamerater som bare kaster det [inn i AI], genererer det, ikke engang sjekker det, [og] de får høyere karakterer enn jeg gjør.’

Andre studenter indikerte uklare politikker, vagt oppgave-instruksjoner eller en oppfattet mangel på bekymring fra lærerne:

Noen studenter rettferdiggjorde AI-bruk på grunnlag av at det var usannsynlig å bli oppdaget eller straffet, mens andre foreslo at ansvaret lå med teknologien selv snarere enn med personen som brukte den.

Over disse argumentene, syntes AI-bruk å bli behandlet som noe som var drevet av omstendigheter, normer eller eksterne faktorer, snarere enn av personlig valg.

6: Oppfattet nytte

Den siste kategorien var den mest rett frem, hvor AI-bruk ble rettferdiggjort fordi det produserer ønskede resultater.

For noen studenter var den viktigste fordelen å spare tid, spesielt på oppgaver de anså som rutine eller lav-verdi:

‘[Jeg ville heller] bruke tid med min kjæreste…’

Andre argumenterte for at de fortsatt lærte av materialet ved å gjennomgå, om skrive eller arbeide gjennom AI-generert innhold:

Noen trodde ChatGPT produserte sterkere skriving enn de kunne klare på egen hånd, mens andre fokuserte på resultater som bedre karakterer, positiv tilbakemelding eller bare å fullføre oppgaven suksessfullt. Over disse argumentene, ble verdien av resultatet behandlet som viktigere enn bekymringer om hvordan det resultatet var oppnådd.

Et delt kongerike

Spenningen mellom institusjonelle regler og hverdags AI-bruk blir fremhevet i papiret gjennom en deltaker, identifisert som P6.

Denne bestemte studenten innrømmet at å bruke AI mot kursregler var galt; enige om at uoppdaget AI-bruk kunne bli ansett som plagiat; og uttrykte bekymring for at tungt å bruke AI kunne redusere læring og svekke kommunikasjonsevner:

‘Ærlig talt, er det sannsynligvis ikke svært etisk. Jeg gjør mye av mine hjemmeoppgaver med AI, og det betyr ikke alltid at jeg lærer […]’

‘[…] AI hjelper meg mye, fordi jeg ikke kan tenke på hva jeg vil si. Men hvis jeg har AI, skriver og så endrer jeg det til å si mer hva jeg vil si, jeg tror fortsatt det er etisk, fordi det fortsatt er ord jeg er enig i og tror på.’

Samtidig argumenterte deltakeren for at AI-generert tekst ble mer akseptabelt når det ble redigert, om skrevet eller brakt i linje med personlige synspunkter. AI-bruk ble også sett an på forskjellig måte avhengig av oppgaven, den oppfattede verdien av kurset og om målet var å spare tid eller lære noe fra øvelsen.

Lignende mønster dukket opp andre steder i intervjuene: i stedet for å stole på en enkelt rasjonalisering, kombinerte mange studenter flere, og vurderte faktorer som åpenhet, innsats, læring, bekvemmelighet og oppgave-verdi når de vurderte sitt eget AI-bruk.

Konklusjon

Det ville være en feil å glede seg over studentenes forvirring og skyld rundt AI-bruk, gitt den nåværende mangelen på rimelige og konsistente retningslinjer på arbeidsplassen eller i samfunnet generelt.

I øyeblikket er zeitgeist rundt AI reaksjonær på beste, med enhver bruk av AI anses i forskjellige samfunn og sektorer som å “forringe” output som fullstendig AI-generert. I øyeblikket, er det en mangel på nuanser, standarder eller tilgivelse.

Det å være å se om AI’s bidrag til prosa-utdata vil bli oppfattet i fremtiden som et tolkende lag, lite mer betydelig enn en stavekontroll, eller en konsesjon av menneskelig agent, kreativitet og tolkende evne, som gir plass til maskin-lagde mønster.

* Min konvertering av forfatternes inline-citater til hyperlenker. Imidlertid, på grunn av den usedvanlig begrensede formateringen av citatene i denne artikkelen, vil jeg ikke være i stand til å levere det vanlige antallet støttende lenker, på grunn av mangelen på tid nødvendig for å finne de manglende lenkene i arbeidet.

Først publisert fredag, 29. mai 2026