En taxonomi av studenters ursäkter för att hemligt använda AI

Studenter använder ChatGPT för att motivera nästan alla nivåer av AI-stöd i sina kurser, med en ny studie som identifierar sex kategorier av ursäkter som hjälper dem att suddiga ut gränsen mellan legitim användning och ren och skär fusk.

En ny forskningssamarbete från USA har funnit att många studenter inte längre ser AI-assisterat fusk som fusk alls. Baserat på intervjuer med college-studenter över hela landet, som studerar en mångfald av ämnen, identifierade studien 23 olika sätt som AI-användning i kurser kan motiveras, från påståenden att “alla gör det” och “AI har inget offer”, till argument om att använda AI sparar tid, producerar bättre skrivande – eller fortfarande räknas som originalarbete, om utdata redigeras av studenten efteråt.

Vissa studenter medgav öppet att de bröt mot kursregler, medan de fortsatte att se sitt beteende som rimligt.

Studien visar också att studenter är antingen splittrade (när det finns ett val att hantera) eller förvirrade (där valen kring AI-användning inte är tydliga) i många scenarier, och fruktar en allvarlig konkurrensnackdel om de uppfattar att andra gör vinster med AI (oavsett om det uppfattas som tillåtet eller inte).

De 23 exemplen destillerades ned från ett mycket större antal som identifierades från intervjuerna, och var och en hamnar i en av sex slutliga kategorier som bestämdes av forskarna:

Offerlös beteende (ingen skadas); Minimal AI-bidrag (AI hjälpte bara lite); Ex ante-bidrag (studentens idéer kom först); Post hoc-bidrag (senare redigering gör arbetet till deras); Ansvarsförnekelse (någon eller något annat är ansvarigt); och Uppfattad nytta (resultaten motiverar användningen).

Författarna till den nya studien (med titeln “Det är OK för att…”: Den vilda västern av studenters motivering av AI-användning i akademiskt skrivande, och kommer från fyra bidragsgivare från Pennsylvania State University, University of Michigan och University of Miami) noterar att studenternas argument och berättelser vandrar illogiskt mellan de olika kategorierna, även när alternativa kategorier inte är komplementära eller kompatibla.

De noterar vidare att det ofta inte finns någon konsekvent logik i argumenten – som om studenterna panikade i sin reaktion (trots en scenario med total konfidentialitet); eller alternativt, som om detta var första gången de verkligen hade blivit tillfrågade att tänka på de moraliska dimensionerna av AI-användning i sin utbildning.

Författarna skriver:

‘Varje formell lärandemiljö inbegriper i princip ett implicit socialt kontrakt där läraren hjälper studenten att lära sig, och studenten är ärlig om vad de vet och inte vet.

‘Men studenternas motivering av AI-användning tyder på att de är omedvetna om denna senare förväntning. Det är betydelsefullt att AI-användning suddar ut gränsen mellan studentens och AI-arbete och gör det svårt för läraren att bedöma deras arbete och hjälpa dem att förbättra sitt lärande.

‘En nyckelintervention för högre utbildning, då, är att hjälpa studenterna att förstå den pedagogiska motiveringen bakom AI-politiken, inklusive varför ärlig representation av den egna kunskapen är viktig för både lärande och bedömning.’

Studien visar att förväntningarna kring AI-användning i en akademisk kontext är fördelade över fem segment: läraravsikt; formell policy; studenttolkning av dessa; studentens egen policy; och studentens faktiska praktik.

Genom att titta på de sex slutliga kategorierna, som vi kommer att göra nu, visar det sig att dessa fem domäner inte är överens med varandra; är dåligt definierade; självmotsägande; eller bara ignorerade.

Data samlades in genom att intervjua tjugo undergraduate-studenter på tolv olika amerikanska universitet, med en könsfördelning på 15/5, över en stor mångfald av ämnen, från engelska och konst till statistik och molekylärbiologi.

1: Offerlös beteende

Den första kategorin reflekterar kanske den enklaste motiveringen av alla: att ingen verkligen skadas.

Studenter i denna grupp hävdade att traditionella bekymmer om plagiat beror på existensen av ett mänskligt offer, och att AI-genererad text bryter denna koppling:

Eftersom ChatGPT inte är en person, resonerade de, kan användning av dess utdata inte vara likvärdig med att stjäla från en annan författare (trots pågående rättsfall som skulle indikera annat).

Andra föreslog att AI bara kombinerar och omskriver information från många källor, snarare än att kopiera någon enstaka källa direkt, vilket bringar ägandefrågor i tvivel.

I vissa fall var den enda skada som erkändes självförvållad, med studenter som hävdade att den verkliga risken låg i att försvaga deras eget lärande, snarare än att skada en lärare, klasskamrat eller författare. En deltagare uttryckte:

‘AI har inte en själ… att ge AI credit [eller] respekt som om AI hade ägande eller laglighet till viss information… det är helt enkelt inte sant.’

En annan:

‘Det skadar inte någon …Jag tror att du skadar dig själv mer än du skadar en lärare eller andra människor.’

2: Minimal AI-bidrag

Den andra kategorin hävdar att AI:s roll är för liten för att bry sig om. Snarare än att förneka att AI hade bidragit till deras utdata, hävdade studenterna att bidraget var litet, rutinmässigt eller jämförbart med former av hjälp som redan är allmänt accepterade:

Många drog en distinktion mellan viktigt akademiskt arbete och vad de ansåg vara administrativa “sysslor”, hävdande att lågvärdesuppgifter inte var värda den ansträngning de krävde.

Andra såg AI i samma ljus som grammatikkontrollanter, redaktörer eller sökmotorer. Genom dessa argument var det gemensamma temat att AI hade hjälpt, men inte tillräckligt för att undergräva författarskap, eller att betrakta den slutliga inlämningen som någon annans arbete, eller tillskrivas någon annan än studenten.

En av deltagarna illustrerade den utsträckning till vilken de ansåg ChatGPT vara en lika giltig bidragsgivare till mer traditionella mentorer i den akademiska sfären:

‘Om jag inte har svaret för mig själv, då skulle hon [coachen] säga, du kunde göra detta. Det är som, samma som vad ChatGPT gör för mig.’

3: Ex ante-bidrag

För många studenter var den starkaste försvarsmotiveringen för AI-användning inte att teknologin bidrog mycket, utan att det viktiga intellektuella arbetet redan var klart före ChatGPT blev inblandad.

I dessa fall presenterades AI som ett verktyg för att uttrycka, organisera, expandera eller förfinansiera material som redan fanns i studentens huvud:

Studenter hävdade att den verkliga värdet låg i att ha idén, samt att välja riktningen för uppgiften, eller att samla relevanta källor; medan AI bara hjälpte till att omvandla dessa ingredienser till färdig prosa.

Denna definition av författarskap hävdar att ägande kommer inte från att skriva varje ord, utan från att tillhandahålla den ursprungliga avsikten och styra processen, vilket tillåter studenter att se sig själva som de verkliga skaparna, även när betydande delar av den slutliga texten genererades av AI.

4: Post hoc-bidrag

Den fjärde kategorin fokuserade på vad studenter gjorde efter att ha mottagit AI-genererad text. Studenter hävdade att omformulera AI-utdata, välja ut bara vissa passager, kontrollera fakta, verifiera källor eller revidera formuleringen var tillräckligt för att göra det slutliga arbetet till deras eget:

Vissa föreslog också att om ChatGPT hade lärt sig att skriva på ett sätt som matchade deras vanliga röst, genom vanlig användning, kunde den resulterande texten rimligen behandlas som deras eget arbete:

‘Det har erkänt ett mönster i min skrivstil och hur jag uttrycker saker i, som projekt eller e-post eller vad som helst. Så nu, vet det vad jag är för sorts person i skrivstil.

‘Så nu, ger det prompter som liknar min tankeprocess.’

5: Ansvarsförnekelse

Den femte kategorin innebar att skifta ansvar bort från studenten. Vissa hävdade att AI-användning hade blivit så vanligt att att undvika det placerade dem i en nackdel, särskilt om klasskamrater använde ChatGPT för att slutföra uppgifter snabbare eller uppnå högre betyg:

‘Vissa av mina klasskamrater som bara kastar in det [i AI], genererar det, kontrollerar det inte, [och] de får högre betyg än jag gör.’

Andra studenter angav oklara policys, vaga uppgiftsinstruktioner eller en uppfattad brist på oro från lärare:

Vissa motiverade AI-användning med att det var osannolikt att upptäckas eller bestraffas, medan andra föreslog att ansvaret låg hos teknologin själv snarare än hos personen som använde den.

Genom dessa argument tycktes AI-användning behandlas som något som drivs av omständigheter, normer eller yttre faktorer, snarare än av personligt val.

6: Uppfattad nytta

Den sista kategorin var den mest raka, där AI-användning motiverades för att den producerar önskade resultat.

För vissa studenter var den huvudsakliga nyttan att spara tid, särskilt på uppgifter som de ansåg vara rutinmässiga eller lågvärdes:

‘[Jag skulle hellre] tillbringa tid med min flickvän…’

Andra hävdade att de fortfarande lärde sig av materialet genom att granska, omformulera eller arbeta med AI-genererat innehåll:

Vissa trodde att ChatGPT producerade starkare skrivande än de kunde hantera på egen hand, medan andra fokuserade på resultat som bättre betyg, positiv feedback eller enbart att slutföra uppgiften framgångsrikt. Genom dessa argument behandlades värdet av resultatet som viktigare än bekymmer om hur det resultatet hade uppnåtts.

En splittrad kungadöme

Spänningen mellan institutionella regler och vardaglig AI-användning belyses i artikeln genom en deltagare, identifierad som P6.

Denna specifika student erkände att att använda AI mot kursregler var fel; höll med om att outtalad AI-användning kunde anses vara plagiat; och uttryckte oro över att en stark tillit till AI kunde minska lärande och försvaga kommunikationsfärdigheter:

‘Ärligt talat, det är förmodligen inte särskilt etiskt. Jag gör mycket av mina läxor med AI, och det betyder inte att jag lär mig […]’

‘[…] AI hjälper mig mycket, för jag kan inte tänka på vad jag vill säga. Men om jag har AI, skriver och sedan ändrar jag det till att säga mer vad jag vill säga, jag tycker fortfarande att det är etiskt, för det är fortfarande ord jag håller med och tror på.’

Samtidigt hävdade deltagaren att AI-genererad text blev mer acceptabel när den redigerades, omskrevs eller anpassades till personliga åsikter. AI-användning sågs också olika beroende på uppgiften, den uppfattade värdet av kursen och om målet var att spara tid eller lära sig något av övningen.

Liknande mönster visade sig på andra håll i intervjuerna: snarare än att förlita sig på en enda motivering, kombinerade många studenter flera faktorer, såsom avslöjande, ansträngning, lärande, bekvämlighet och uppgiftsvärde, när de utvärderade sin egen AI-användning.

Slutsats

Det vore ett misstag att glädja sig åt studenters förvirring och skuld kring AI-användning, med tanke på den nuvarande bristen på rimliga och konsekventa riktlinjer på arbetsplatsen eller i samhället i stort.

För tillfället är zeitgeist kring AI reaktionär på bästa sätt, med alla former av AI-användning som anses “förstöra” utdata som helt AI-genererad i olika samhällen och sektorer. För tillfället finns det en brist på nyanser, standarder eller förlåtelse.

Det återstår att se om AI:s bidrag till prosa-utdata kommer att uppfattas i framtiden som ett tolkande lager, inte mer betydelsefullt än en stavkontroll, eller en koncession av mänsklig agent, kreativitet och tolkningsförmåga, som ger vika för maskin-gjorda mönster.

* Min omvandling av författarnas inline-citat till hyperlänkar. Tyvärr, på grund av den ovanligt begränsade formateringen av citaten i denna artikel, kommer jag inte att kunna tillhandahålla det vanliga antalet stödlinjer, på grund av brist på tid för att hitta de saknade länkarna i arbetet.

Publicerad första gången fredag, 29 maj 2026