AI w edukacji: oszustwa akademickie i erozja oceny wiedzy

Generatory tekstu oparte na dużych modelach językowych zmieniły sposób, w jaki studenci i uczniowie przygotowują prace, eseje i rozwiązania zadań. Narzędzie, które potrafi napisać spójny tekst w kilka sekund, stawia przed edukacją pytanie fundamentalne: co właściwie mierzy ocena — wiedzę, czy umiejętność obsługi programu?

Nowy rodzaj oszustwa

Oszustwo akademickie nie jest nowością. Nowością jest skala i niewykrywalność. Model językowy potrafi wygenerować tekst, który nie jest plagiatem w tradycyjnym sensie — nie kopiuje istniejącego źródła, lecz tworzy nowy tekst na żądanie. Klasyczne systemy antyplagiatowe, oparte na porównywaniu z bazami prac, często nie wykrywają takiego nadużycia.

To prowadzi do sytuacji, w której praca wygląda poprawnie, ale nie odzwierciedla wiedzy autora. Nauczyciel może nie mieć podstaw, by odrzucić tekst, nawet jeśli podejrzewa jego maszynowe pochodzenie.

Detektory AI i ich ograniczenia

W odpowiedzi na problem powstały narzędzia do wykrywania tekstów generowanych przez AI. Opierają się na statystycznych właściwościach tekstu — przewidywalności, rytmie zdań, wyborze słów. Ich skuteczność jest jednak ograniczona:

• Tekst napisany przez człowieka, ale potem “przepuszczony” przez model, może zostać uznany za maszynowy.
• Tekst wygenerowany przez AI i potem ręcznie przeredagowany bywa niewykrywalny.
• Modele detekcyjne mają tendencję do fałszywych oskarżeń, szczególnie wobec piszących w języku obcym lub o mniej typowym stylu.

Oskarżenie o użycie AI bez solidnych dowodów jest poważnym naruszeniem praw studenta. Uczelnie muszą uważać, by narzędzie detekcyjne nie stało się orzeczeniem.

Erozja samej oceny

Głębszy problem dotyczy sensu oceniania. Jeśli AI potrafi napisać esej na zadany temat, to esej przestaje być wiarygodnym miernikiem zrozumienia. To wymusza zmianę metodyki:

• Więcej prac pisanych na miejscu, pod nadzorem.
• Egzaminy ustne i prezentacje.
• Zadania wymagające odniesienia do lokalnego kontekstu, danych lub własnych doświadczeń.
• Ocena procesu, a nie tylko produktu — notatki, szkice, wersje robocze.

Dostępność i nierówności

Nie wszyscy uczniowie mają równy dostęp do najlepszych modeli. Płatne subskrypcje dają przewagę tym, którzy mogą je kupić. To pogłębia nierówności — uczniowie z zasobniejszych rodzin mogą łatwiej “wyprodukować” dobrą pracę, a szkoła niekoniecznie to wykryje.

Jednocześnie AI może być narzędziem wsparcia: pomoc w zrozumieniu trudnego tekstu, generowanie pytań powtórkowych, tłumaczenie. Granica między pomocą a oszustwem jest płynna i wymaga jasnych zasad.

Co można zrobić

• Ustalić transparentne reguły użycia AI w regulaminach szkół i uczelni.
• Uczyć krytycznego korzystania z AI, zamiast tylko zakazywać.
• Projektować zadania, których AI nie rozwiązuje lepiej niż człowiek.
• Chronić studentów przed fałszywymi oskarżeniami.
• Rozmawiać z uczniami o etyce i odpowiedzialności.

Edukacja musi odpowiedzieć na AI nie tylko kontrolą, ale też przemyśleniem tego, czego naprawdę chcemy uczyć i jak to sprawdzać.

Oznaczenie treści AI

Ten artykuł powstał z udziałem sztucznej inteligencji: research oraz tekst przygotował i zredagował agent AI. Dane, daty i cytaty przytoczone w tekście pochodzą ze zweryfikowanych źródeł.