← सभी गाइड शिक्षा

AI छवियां और अकादमिक सत्यनिष्ठा

डिटेक्टर स्कोर को कदाचार की सुनवाई का निर्णय क्यों नहीं करना चाहिए, संस्थानों को इसके बजाय क्या करना चाहिए, और छात्र अपने काम का सबूत कैसे दे सकते हैं।

· 7 मिनट का पठन · Best AI Image Detector

एक स्कोर कदाचार के निष्कर्ष का समर्थन नहीं कर सकता। डिटेक्शन की एक प्रकाशित त्रुटि दर होती है, कोई कस्टडी चेन नहीं होती और कोई परीक्षक नहीं होता, और एक छात्र मॉडल से जिरह नहीं कर सकता।

एक स्कोर सुनवाई का फैसला क्यों नहीं कर सकता

अकादमिक कदाचार की प्रक्रियाएं अर्ध-कानूनी होती हैं। उन्हें ऐसे सबूतों की आवश्यकता होती है जिनकी छात्र जांच कर सके और चुनौती दे सके, जिन्हें लगातार लागू किया गया हो, और अपील का रास्ता हो। डिटेक्टर आउटपुट हर मामले में विफल रहता है।

  • एक ज्ञात त्रुटि दर है। प्रयोगशाला की परिस्थितियों में ग्यारह में से लगभग एक छवि गलत पाई जाती है, और सबमिट किए गए काम पर यह और भी खराब होती है जिसे एक्सपोर्ट किया गया है, कंप्रेस किया गया है और पोर्टल के माध्यम से अपलोड किया गया है।
  • कोई कस्टडी चेन नहीं है। फ़ाइल को किसी के लैपटॉप पर प्रोसेस किया गया था जिसमें इस बात का कोई रिकॉर्ड नहीं था कि क्या चलाया गया था या किस मॉडल संस्करण ने यह संख्या बनाई थी।
  • तर्क की जांच नहीं की जा सकती। एक छात्र किसी मॉडल से यह सवाल नहीं कर सकता कि उसने कोई आंकड़ा क्यों बनाया, और संस्थान भी आमतौर पर इसे समझा नहीं सकता है।
  • त्रुटियां समान रूप से वितरित नहीं हैं। जो छात्र सहायक संपादन टूल का उपयोग करते हैं, या जो कम-विशिष्टता वाले उपकरणों पर काम करते हैं जो एक्सपोर्ट को कंप्रेस करते हैं, उन्हें अधिक बार फ्लैग किया जाता है।

वह अंतिम बिंदु वह है जिसे संस्थान कम आंकते हैं। यदि कोई डिटेक्टर छात्रों के एक समूह को नियमित रूप से अधिक बार फ्लैग करता है, तो निर्णयों में इसका उपयोग करना निष्पक्षता के साथ-साथ समानता की समस्या भी पैदा करता है।

इसके बजाय क्या मांगें

सवाल यह नहीं है कि कोई छवि जनरेट की गई लगती है या नहीं। सवाल यह है कि क्या छात्र ने काम किया था। प्रक्रिया के सबूत इसका सीधा उत्तर देते हैं, और एक तैयार फ़ाइल की तुलना में बाद में इसे गढ़ना बहुत कठिन होता है।

  1. सबमिशन के साथ वर्किंग फ़ाइलें अनिवार्य करें

    लेयर्ड दस्तावेज़, प्रोजेक्ट फ़ाइलें, रॉ कैप्चर या संस्करण इतिहास। जांच के दौरान मांगने के बजाय सबमिशन के समय ही मांगें, ताकि किसी को संदेह के घेरे में रहते हुए उन्हें इकट्ठा न करना पड़े।

  2. मध्यवर्ती चरणों की मांग करें

    टाइमस्टैम्प के साथ तीन प्रगति एक्सपोर्ट विकास को प्रदर्शित करते हैं। यह सबसे उपयोगी आवश्यकता है जिसे कोई संस्थान जोड़ सकता है, और इसमें छात्रों का लगभग कुछ भी खर्च नहीं होता है।

  3. काम पर एक छोटा मौखिक साक्षात्कार आयोजित करें

    कोई निर्णय क्यों लिया गया, यह पूछने में पांच मिनट का समय अधिकांश मामलों को सुलझा देता है। जिस छात्र ने छवि बनाई है वह विकल्पों की व्याख्या कर सकता है। जिसने नहीं बनाई, वह आमतौर पर नहीं कर सकता।

  4. डिटेक्टर का उपयोग केवल यह तय करने के लिए करें कि कहां देखना है

    फ्लैग वर्किंग फ़ाइलों को मांगने का एक कारण है। यह कोई निष्कर्ष नहीं है, और इसे कभी भी आरोप पत्र में शामिल नहीं किया जाना चाहिए।

कोर्सवर्क में फॉल्स पॉजिटिव की समस्या

छात्र सबमिशन डिटेक्शन के लिए सबसे खराब स्थिति के करीब हैं। काम को पोर्टल के लिए एक्सपोर्ट किया जाता है, अपलोड पर कंप्रेस किया जाता है, और अक्सर अपस्केलिंग, डिनॉइज़िंग या जनरेटिव फिल के साथ निर्मित किया जाता है जिसका उपयोग सिखाए गए वर्कफ़्लो के हिस्से के रूप में वैध रूप से किया जाता है।

एक छवि, एक ही सबमिशन के चार चरण
मूल एक्सपोर्ट
22
अपलोड के लिए कंप्रेस किया गया
41
पोर्टल री-एन्कोड
58
परीक्षक का स्क्रीनशॉट
71

सामान्य रूप से एक्सपोर्ट और अपलोड की गई एक वास्तविक छात्र तस्वीर के लिए सांकेतिक आंकड़े।

सबमिशन प्रणाली के माध्यम से जाते समय एक ही काम कितना बदल सकता है।

उस छवि को सबमिट करने के अलावा उसके साथ कुछ नहीं किया गया था। ग्रेडिंग इंटरफ़ेस से स्क्रीनशॉट की जांच करने वाला परीक्षक श्रृंखला में सबसे खराब प्रति की जांच कर रहा है, और सबसे कम विश्वसनीय उत्तर प्राप्त कर रहा है।

यदि आप एक ऐसे छात्र हैं जिस पर आरोप लगाया गया है

यह साबित करने के लिए कहा जाना कि आपने अपना काम खुद किया है, कठिन है और तेजी से सामान्य होता जा रहा है। ये वे चीजें हैं जो पैनल के समक्ष महत्व रखती हैं।

  • वर्किंग फ़ाइल, लेयर्स या इतिहास के साथ। यह उपलब्ध सबसे मजबूत सबूत है और इसे प्रामाणिक रूप से नकली बनाना मुश्किल है।
  • दिनांकित मध्यवर्ती संस्करण, जिनमें वे भी शामिल हैं जिनसे आप नाखुश थे।
  • मूल कैप्चर, आपके द्वारा सबमिट किए गए एक्सपोर्ट के बजाय सीधे कैमरे या फोन से।
  • आपके द्वारा उपयोग किए गए टूल का रिकॉर्ड, जिसमें कोई भी सहायक सुविधाएं शामिल हैं, जिन्हें बाद में खोजे जाने के बजाय खुलकर बताया गया हो।
  • विशिष्ट सबूतों की मांग जो आपके खिलाफ हैं। एक संस्थान को यह बताने में सक्षम होना चाहिए कि वह एक संख्या के अलावा किस पर निर्भर करता है।

ऐसी नीति लिखना जो प्रभावी रहे

इसे सबसे बेहतर तरीके से संभालने वाले संस्थानों ने डिटेक्टर खरीदने के बजाय अपनी सबमिशन आवश्यकताओं को बदल दिया। उस दृष्टिकोण में लागत कम आती है, कम विवाद उत्पन्न होते हैं, और अपील पैनल के समक्ष टिकता है।

किसी भी ऐसे मूल्यांकन के लिए सबमिशन के समय वर्किंग फ़ाइलें अनिवार्य करें जहां लेखकत्व मायने रखता है। जो छात्र आवश्यकता को जानते हैं वे इसके लिए योजना बनाते हैं, और सामग्री स्वाभाविक रूप से आती है बजाय इसके कि पहले से ही संदेह के घेरे में आए किसी व्यक्ति से इसकी मांग की जाए।

बताएं कि किन टूल की अनुमति है और क्या उपयोग किया गया था इसकी एक संक्षिप्त घोषणा की आवश्यकता रखें। अधिकांश विवादों में एक छात्र शामिल होता है जिसने पाठ्यक्रम द्वारा अनुमत टूल का उपयोग किया और इसका उल्लेख करने के बारे में नहीं सोचा, जिसे एक घोषणा फ़ील्ड पूरी तरह से हटा देती है।

स्पष्ट रूप से कहें कि स्वचालित डिटेक्शन अपने आप में कदाचार का सबूत नहीं है। नीति में इसे शामिल करना छात्र के साथ-साथ संस्थान की भी रक्षा करता है, क्योंकि यह पैनल को किसी ऐसी चीज़ पर निर्भर रहने से रोकता है जिसकी वह ठीक से जांच नहीं कर सकता।

अक्सर पूछे जाने वाले सवाल

क्या कोई विश्वविद्यालय सबमिट की गई छवियों पर AI डिटेक्टर का उपयोग कर सकता है?
एक प्रारंभिक संकेत के रूप में, सावधानी के साथ। कदाचार के मामले में सबूत के रूप में, नहीं। त्रुटि दर प्रकाशित है, तर्क की जांच नहीं की जा सकती और एक छात्र मॉडल को चुनौती नहीं दे सकता। किसी भी निष्कर्ष के लिए उस प्रक्रिया के बारे में सबूत की आवश्यकता होती है जिसके द्वारा काम बनाया गया था, न कि तैयार फ़ाइल के बारे में।
क्या होगा यदि कोई छात्र वर्किंग फ़ाइलें प्रस्तुत नहीं कर सकता है?
यह छात्र के बजाय आपकी सबमिशन आवश्यकताओं के बारे में एक सवाल है। यदि सबमिशन के समय वर्किंग फ़ाइलों की आवश्यकता नहीं थी, तो बाद में उन्हें मांगना अनुचित है और इसे पूरा करना अक्सर असंभव होता है। इस बैच को दंडित करने के बजाय अगले बैच के लिए आवश्यकता बदलें।
क्या कुछ छात्रों को दूसरों की तुलना में अधिक फ्लैग किया जाता है?
हाँ, और यह वह जोखिम है जिसे संस्थान नज़रअंदाज़ कर देते हैं। सहायक संपादन टूल का उपयोग करने वाले, कम-विशिष्टता वाले उपकरणों पर काम करने वाले, या भारी मात्रा में पुनः कंप्रेस करने वाले सिस्टम के माध्यम से सबमिट करने वाले छात्रों के फ्लैग होने की अधिक संभावना होती है, और इनमें से कोई भी कदाचार से संबंधित नहीं है।
क्या कोर्सवर्क में इमेज AI को प्रतिबंधित किया जाना चाहिए?
यह इस बात पर निर्भर करता है कि पाठ्यक्रम क्या सिखाता है, और पूर्ण प्रतिबंध आमतौर पर लागू करने योग्य नहीं होता है। किन टूल की अनुमति है, इसके बारे में स्पष्ट नियम और साथ ही एक घोषणा की आवश्यकता, उस निषेध की तुलना में बहुत कम विवाद पैदा करते हैं जिसे कोई सत्यापित नहीं कर सकता।
आरोप पत्र में क्या लिखा होना चाहिए?
किन सबूतों पर भरोसा किया गया है, ऐसे शब्दों में जिनका छात्र जवाब दे सके। एक पत्र जिसमें कहा गया हो कि एक स्वचालित जांच ने संभावित AI जनरेशन का संकेत दिया है, ऐसा आरोप नहीं है जिसका कोई जवाब दे सके, और एक पैनल द्वारा ऐसा कहने की संभावना है।
क्या छात्र सबमिट करने से पहले अपने काम की जांच कर सकते हैं?
हाँ, और सबमिट की जा रही सटीक फ़ाइल पर ऐसा करना उचित है। वास्तविक काम पर एक उच्च स्कोर वर्किंग फ़ाइलों को रखने और उपयोग किए गए टूल को नोट करने का एक संकेत है, न कि काम के बारे में कुछ भी बदलने का कारण।

अभी एक छवि की जांच करें

मुफ़्त, कोई खाता नहीं, और फ़ाइल कभी आपके डिवाइस से बाहर नहीं जाती। प्रतिदिन पचास जाँचें।

डिटेक्टर खोलें

आगे पढ़ें