Zasady wykorzystania sztucznej inteligencji w pracach akademickich reguluje Zarządzenie nr 115 Rektora UJ z dnia 27 listopada 2025 roku oraz regulacje wydziałowe. Poniższy tekst zawiera jedynie sugestie i poglądy autorów niniejszej strony internetowej, które mają zachęcać do przemyśleń i dyskusji.
Współcześnie wykluczenie sztucznej inteligencji jako narzędzia wspierającego tworzenie treści — tekstów, artefaktów cyfrowych, prezentacji oraz innych materiałów — nie jest możliwe. Narzędzia oparte na AI stały się powszechne oraz łatwo dostępne, a ich funkcjonalność pozwala na szybkie generowanie treści o wysokiej jakości. Podkreślamy, że nie istnieją obecnie wiarygodne metody umożliwiające jednoznaczne wykrycie użycia narzędzi AI w procesie tworzenia dokumentów.
Sztuczna inteligencja oznacza zatem istotną zmianę również w dydaktyce akademickiej. Dotychczasowe formy pracy zaliczeniowej, zwłaszcza pisemnej, są obecnie szczególnie narażone na ryzyko ograniczonego zaangażowania intelektualnego studentów. AI może bowiem szybko i efektywnie generować teksty, prezentacje i inne cyfrowe zasoby, korzystając z ogromnych zbiorów danych przechowywanych na serwerach firm technologicznych.
Wobec tego pojawia się pytanie nie tyle czy student korzystał ze sztucznej inteligencji, lecz w jaki sposób to zrobił — i czy w procesie pracy angażował własne rozumowanie, analizę oraz refleksję. Każdy proces edukacyjny musi bowiem gwarantować, że student wnosi indywidualny wkład intelektualny w tworzone treści.
Akceptując szybko zmieniającą się rzeczywistość, w której technologie cyfrowe oparte na sztucznej inteligencji wywierają coraz większy wpływ, kadra akademicka ma za zadanie kształtować u studentów umiejętność świadomego, krytycznego i odpowiedzialnego korzystania z narzędzi sztucznej inteligencji, a także wzmacniać znaczenie i ocenę tych elementów pracy, które wymagają samodzielnego myślenia oraz rozumowania.
Ocenianie
Kluczowe jest rozróżnienie między formami oceniania, które są odporne na SI (ang. AI-resilient, AI-proof), i takimi, które odporne nie są.
Najważniejsze jest to, że odporność musi wynikać z realnej, obiektywnej niemożności użycia SI. Na przykład rozmowa na żywo, egzamin ustny czy napisanie pracy w monitorowanej sali są formami odpornymi na wykorzystanie SI.
Częsty błąd: zakładanie, że możemy ocenić, czy ktoś korzystał z SI, patrząc wyłącznie na efekt jego pracy. Rzeczywiście, czasem da się zauważyć ślady użycia SI, ale nie można liczyć na to, że zawsze będzie to możliwe. Narzędzia SI będą coraz lepiej udawać pracę człowieka. Dlatego żadnego zadania domowego nie można uznać za odporne na SI, jeśli nie kontrolujemy sposobu jego wykonania.
Rozróżnienie tych dwóch typów zadań pozwala wprowadzać jasne zasady, np. że 50% ocen na kursie musi pochodzić z form odpornych na SI. Często spotykany jest właśnie taki poziom minimalny (50% pracy samodzielnej), lub nawet wyższy. Ważne jest jednoznaczne określenie tego progu.
Struktura ocen na kursie może więc wyglądać np. tak:
Przykłady dozwolonych i niedozwolonych praktyk w zakresie korzystania z narzędzi sztucznej inteligencji w pracach pisemnych na Wydziale Filologicznym UJ
A. Praktyki, które mogą zostać uznane za dozwolone w zależności od ustaleń poczynionych na początku semestru zgodnie z punktem 4 Standardów korzystania z narzędzi sztucznej inteligencji w pracach pisemnych na Wydziale Filologicznym UJ:
- Burza mózgów: generowanie pytań badawczych, pomysłów na temat i organizację treści, słów kluczowych.
- Wsparcie w przygotowaniu przeglądu literatury, identyfikacji przydatnych prac oraz nurtów badawczych.
- Wsparcie w zakresie wyboru metodologii opracowania pracy badawczej.
- Korekta językowa (gramatyczna, leksykalna, stylistyczna i interpunkcyjna).
- Pomoc w formatowaniu bibliografii, tabel, wykresów.
- Wsparcie w zrozumieniu tekstów obcojęzycznych.
- Wsparcie w lepszym zrozumieniu materiałów źródłowych.
B. Praktyki niedozwolone w każdym przypadku:
- Świadome zatajanie faktu korzystania z narzędzi AI.
- Kopiowanie treści wygenerowanych przez AI, nawet po ich przemyśleniu, weryfikacji i redakcji.
- Kopiowanie parafraz stworzonych przez AI ze wskazaniem autorstwa parafrazowanych tekstów.
- Fabrykowanie źródeł – używanie nieistniejących cytowań i pozycji bibliograficznych wygenerowanych przez AI.
- Cytowanie AI jako źródła informacji.
Powyższa lista nie jest wyczerpująca.
Projektowanie oceniania odpornego na AI
Zalecamy, aby co najmniej 50% oceny końcowej w ramach kursu pochodziło z form pracy odpornych na nadużycia związane z AI. Mogą to być:
- wypowiedzi ustne, w tym z elementem pytań sprawdzających rozumienie;
- prezentacje wygłaszane na żywo (np. analiza przypadku z pytaniami od prowadzącego);
- prace pisane bez użycia komputera, np. w trakcie zajęć lub egzaminów pisemnych;
- projekty wymagające refleksji nad własnym procesem uczenia się, np. dziennik badań z opisem etapów i autorefleksją.
Przykład odpornego zadania:
„Przeprowadź analizę wybranego badania/opracowania/artykułu, a podczas prezentacji ustnej odnieś się do trzech pytań problemowych zadanych przez prowadzącego”.
Prace dyplomowe i magisterskie — propozycja zasad
W przypadku prac licencjackich i magisterskich proponujemy model współpracy z promotorem oparty na:
- Regularnych konsultacjach, w trakcie których student musi wykazać zrozumienie i omówić aktualny etap pracy. Przykład pytania promotora: „Co stanowi główny argument w tej części? W jaki sposób go pan/pani uzasadnia?”
- Braku akceptacji dużych fragmentów tekstu przesyłanych jednorazowo bez wcześniejszej konsultacji, co zapobiega dostarczaniu tekstów wygenerowanych w całości.
- Pisaniu pracy w dokumencie z włączoną funkcją śledzenia zmian, co umożliwia weryfikację dynamiki powstawania tekstu, czasu pracy oraz ciągłości edytowania.
Ponadto sugerujemy, aby ocena za obronę stanowiła istotnie większą część oceny końcowej niż w dotychczasowym systemie. Obrona wymaga bowiem wskazania i uzasadnienia własnych decyzji badawczych oraz rozumowego opanowania treści pracy, co stanowi formę odpornej weryfikacji kompetencji.
[Obrazy użyte w tekście zostały wygenerowane narzędziami AI.]