Zu Unrecht als KI gekennzeichnet: wie man Widerspruch einlegt und welche Beweise Ihre Universität akzeptiert

Diese Seite geht von einer Annahme aus: Sie haben die Arbeit selbst verfasst. Wenn nicht, wird vieles von dem Folgenden Ihre Position eher verschlechtern als verbessern, und es gibt einen kurzen Abschnitt nahe dem Ende, der stattdessen genau diesen Fall behandelt.

Sichern Sie Ihre Schreibdokumentation, bevor Sie auf irgendetwas antworten, und verlangen Sie dann schriftlich drei Dinge: die genaue Vorschrift, die Sie angeblich gebrochen haben, jedes Beweismittel, das der Entscheidungsträger sehen wird, und das Verfahren sowie die Frist. Ein Detektionswert allein ist kein Beweis. Was diese Fälle tatsächlich entscheidet, ist ein datierter Nachweis darüber, wie das Dokument entstand, abgeglichen mit den spezifischen Passagen, die markiert wurden.

Zwei Organisationen sagen den nützlichen Teil davon laut. Turnitins eigener Leitfaden stellt fest, dass sein Modell zur Erkennung von KI-geschriebenen Texten "may not always be accurate (it may misidentify human-written, AI-generated, and AI-paraphrased text), so it should not be used as the sole basis for adverse actions against a student" (ist nicht immer zuverlässig (es kann von Menschen geschriebene, KI-generierte und mit KI umformulierte Texte verwechseln) und sollte deshalb nicht die alleinige Grundlage für nachteilige Maßnahmen gegen eine studierende Person sein), und fügt hinzu, dass die Feststellung eines Fehlverhaltens "takes further scrutiny and human judgment in conjunction with an organization's application of its specific academic policies" (erfordert weitere Prüfung und menschliches Urteil, zusammen mit den konkreten Richtlinien der jeweiligen Einrichtung) erfordert. Das Office of the Independent Adjudicator, das unabhängige Beschwerdeschema für Studierende in England und Wales, legt die Beweislast dorthin, wo sie hingehört: "The responsibility is on the provider to prove that the student has done what they are accused of doing, not on the student to disprove it." (Die Beweislast liegt bei der Hochschule: Sie muss belegen, dass die studierende Person das Vorgeworfene getan hat, nicht die studierende Person das Gegenteil.).

Das bedeutet nicht, dass Sie sich zurücklehnen und es ihnen überlassen, es zu beweisen. Es bedeutet, dass die Beweise, die Sie vorbringen, dazu dienen, dem Entscheidungsträger etwas Konkretes zur Abwägung zu geben, und nicht, eine Beweislast abzuarbeiten, die Sie nie hatten.

Fünf Dinge, in dieser Reihenfolge. Die ersten drei sind zeitkritisch, anders als die übrigen.

1. Fassen Sie nichts an. Nicht die eingereichte Datei, nicht den Ordner, in dem sie liegt, nicht die Entwürfe, nicht die Dateinamen. Ein erneutes Speichern eines Dokuments ändert sein Änderungsdatum, und ein Ordner, den Sie am Tag der Beschuldigung aufgeräumt haben, ist das einfachste Argument für die Gegenseite. Legen Sie eine Kopie an, wenn Sie Anmerkungen machen möchten. Arbeiten Sie in der Kopie.
2. Prüfen Sie, ob Sie überhaupt eine Versionsgeschichte haben. Diese Frage entscheidet, welche Art von Fall Sie aufbauen können, und die meisten Menschen nehmen fälschlich Ja an, wenn es Nein ist. Microsofts Support-Dokumentation ist dazu klar: "Version history in Microsoft 365 only works for files stored in OneDrive or SharePoint in Microsoft 365." (Der Versionsverlauf in Microsoft 365 funktioniert nur bei Dateien, die in OneDrive oder SharePoint in Microsoft 365 liegen.) Wenn Sie Ihren Essay in Word auf der Festplatte Ihres Laptops geschrieben haben, gibt es keine Versionsgeschichte, die Sie vorlegen könnten. Google Docs führt eine, aber Sie benötigen den richtigen Zugriff: "To browse earlier versions of a file, you need permission to edit that file." (Um ältere Versionen einer Datei durchzusehen, brauchen Sie die Bearbeitungsberechtigung für diese Datei.) Wenn sie auf einem Kurskonto oder einem gemeinsamen Laufwerk liegt, auf das Sie den Zugriff verlieren könnten, prüfen Sie das heute.
3. Sichern Sie, was Sie haben, solange Sie Zugriff haben. Kurskonten werden geschlossen, gemeinsame Laufwerke werden entzogen, und eine Versionsgeschichte ist nichts, was Sie als Datei herunterladen können. Fertigen Sie datierte Screenshots oder Exporte in welcher Form auch immer an, die Ihre Einrichtung akzeptiert, und notieren Sie, wo das Original noch liegt, damit es bei Bedarf direkt eingesehen werden kann.
4. Schreiben Sie noch heute Ihre eigene Zeitleiste aus dem Gedächtnis. Wann Sie das Thema gewählt haben, wo Sie gearbeitet haben, welche Quellen Sie zuerst gelesen haben, was Sie nach Rückmeldung geändert haben und warum. Das ist kein Beweis. Es ist der Index, den Sie in einer Woche brauchen, wenn Sie herausfinden wollen, welche von vierzig Dateien von Bedeutung ist. Das Gedächtnis dafür verblasst schnell, und es kann verblasst sein, bevor jemand Sie fragt: In einem der veröffentlichten OIA-Fälle argumentierte der Studierende, dass zwischen Einreichung und Viva so viel Zeit vergangen war, dass es sein Erinnerungsvermögen an die eigene Arbeit beeinträchtigte.
5. Besorgen Sie sich das Verfahren und die Frist, und finden Sie Ihren Berater. Das Verfahren bei akademischem Fehlverhalten ist ein Dokument, das Ihre Einrichtung veröffentlicht. Lesen Sie es, bevor Sie ein Wort der Antwort schreiben, denn es sagt Ihnen, auf welcher Stufe Sie stehen, wie der Entscheidungsmaßstab ist und wie viel Zeit Sie haben. Berater der Studierendenvertretung machen diese Arbeit jede Woche und es kostet Sie nichts.

„Der KI-Detektor hat Ihren Essay markiert“ ist kein Vorwurf. Es ist ein Grund, warum jemand eine Datei geöffnet hat. Bevor Sie etwas verteidigen, bringen Sie die Anschuldigung in eine Form, auf die Sie antworten können.

Verlangen Sie diese vier Dinge schriftlich, und halten Sie die Anfrage neutral:

• Die spezifische Vorschrift der Richtlinie zum akademischen Fehlverhalten, die Sie angeblich gebrochen haben. In einem Fall, den die OIA stützte, bestand ein Teil ihrer Empfehlung darin, dass der Anbieter seine Ordnung überprüfen sollte, sodass KI-bezogene Verstöße in der Kernrichtlinie saßen und die Benachrichtigungen den Studierenden mitteilten, welcher Verstöße sie sich gegenüber sahen und warum.
• Sämtliche Beweismittel, die der Entscheidungsträger sehen wird, einschließlich des Detektionsberichts selbst. Die Casework Note der OIA besagt, dass Studierende "should also be given sufficient notice of meetings and be provided with all relevant evidence, including detection software reports, to allow them to respond effectively to allegations." (sollten außerdem rechtzeitig über Termine informiert und mit allen relevanten Beweismitteln versorgt werden, einschließlich der Berichte der Erkennungssoftware, damit sie wirksam auf die Vorwürfe reagieren können.) Dieselbe Note fordert Entscheidungsträger auf, "understand the strengths and limitations of detection software, and weigh this evidence carefully against other available information." (die Stärken und Grenzen der Erkennungssoftware verstehen und diesen Beleg sorgfältig gegen die übrigen verfügbaren Informationen abwägen.)
• Welches Tool den Bericht erzeugt hat, welche Version und wann es lief. Anbieter ändern ihre Modelle. Ein Bericht vom letzten Jahr und ein Bericht von heute Morgen sind nicht dieselbe Messung derselben Sache.
• Welcher Teil der Arbeit infrage steht. Die OIA nennt dies gute Praxis: Anbieter sollten "consider whether the whole or part of a submission is thought to be AI-generated, and clearly set out what aspect of the assessed work led to the suspicion that AI had been used inappropriately." (prüfen, ob die gesamte Arbeit oder nur ein Teil davon als KI-generiert gilt, und klar darlegen, welcher Aspekt der bewerteten Arbeit den Verdacht auf unzulässigen KI-Einsatz ausgelöst hat.)

Eine praktische Anmerkung zum Bericht. Turnitins FAQ besagt, dass der Indikator und der Bericht zur Erkennung von KI-geschriebenen Texten für Studierende nicht sichtbar sind, und im selben Atemzug, dass "with the PDF download feature, instructors can download and share the AI report with students" (über die PDF-Download-Funktion können Lehrende den AI Report herunterladen und mit den Studierenden teilen). Also existiert er in einer Form, die Ihnen ausgehändigt werden kann. Fordern Sie ihn an, statt aus der Beschreibung irgendjemandes zu argumentieren, was hervorgehoben wurde.

Zwei Dinge an der Zahl werden Sie davor bewahren, über das Falsche zu streiten. Turnitin sagt, es analysiere nur das, was es als qualifizierenden Text bezeichnet, also Prosa in standardmäßigen grammatikalischen Sätzen, und dass die resultierende Prozentzahl "is not necessarily the percentage of the entire submission" (ist nicht zwangsläufig der Prozentsatz der gesamten Einreichung). Separat zeigt es bei KI-Erkennungswerten im Bereich von 1 % bis 19 % überhaupt keine Zahl, sondern nur ein Sternchen, was es mit der Vermeidung möglicher Fehlalarme in diesem Bereich begründet. Wenn Ihr Bericht ein Sternchen dort zeigt, wo die Prozentzahl stehen sollte, ist das das, worauf Sie schauen.

Die Reihenfolge hier ist unsere eigene. Sie beruht darauf, worauf die veröffentlichten KI-Fälle der OIA abhoben, nicht auf einer offiziellen Skala, und das Verfahren Ihrer Einrichtung kann Dinge anders gewichten.

Wenn die Zeilen eins bis vier alle leer zurückkommen, sagen Sie das offen, anstatt aufzufüllen. Eine kurze ehrliche Antwort („Ich habe dies in Word auf meinem eigenen Rechner geschrieben und keine Entwürfe aufbewahrt“) plus eine starke Zeile fünf ist eine echte Position. Eine erfundene Zeile eins ist es nicht.

Die meisten Ratschläge zu diesem Thema sind aus der Theorie geschrieben. Die OIA veröffentlicht Fallzusammenfassungen, sodass es für Anbieter in England und Wales eine kleine Anzahl entschiedener Fälle gibt, die zeigen, wie faire und unfaire Behandlung aussahen. Sechs davon handeln von KI und akademischem Fehlverhalten; vier werden unten durchgegangen.

CS072501, gerechtfertigt. Der Studierende legte dem Gremium Details zu seinen Essay-Vorbereitungen, Planungen und Notizen vor und wies darauf hin, dass Detektionssoftware zuvor einen weiteren seiner Essays fälschlich markiert hatte. Die OIA war zufrieden, dass das Gremium sich mit der Substanz des Essays befasst und nicht allein auf den Detektionsbericht verlassen hatte. Sein Befund drehte sich um das, was als Nächstes kam: "it didn't properly consider all the points the student raised or the evidence they presented, including their essay planning and preparation." (es habe nicht alle Punkte und Belege der studierenden Person angemessen berücksichtigt, einschließlich ihrer Planung und Vorbereitung des Essays.) Ein Teil der Beweise, auf die sich das Gremium verlassen hatte, war dem Studierenden nicht mitgeteilt worden, sodass er keine faire Chance gehabt hatte, zu kommentieren, wie sich dieser Essay mit seinen anderen verglich, und die Entscheidung enthielt weder ausreichende Begründungen noch eine Erklärung, warum genau diese Strafe die richtige war. Der Anbieter wurde um eine Überprüfung gebeten. Der Studierende teilte der OIA später mit, dass der Anbieter bei der Überprüfung entschied, es habe kein akademisches Fehlverhalten vorgelegen.

CS072502, gerechtfertigt. Dieser Fall handelt von der Viva. "None of the evidence relied upon by the provider was shared with the student ahead of the viva" (Keines der Beweismittel, auf die sich die Hochschule stützte, wurde der studierenden Person vor dem mündlichen Gespräch offengelegt), der Studierende wurde nicht eingeladen, schriftlich mildernde Umstände einzureichen oder die Vorwürfe persönlich zu besprechen, obwohl das Verfahren dies verlangte, und die Viva selbst testete Fachwissen, "did not give the student an opportunity to also explain how they had worked on the assignment" (gab der studierenden Person keine Gelegenheit, ihrerseits darzulegen, wie sie an der Arbeit gearbeitet hatte). Der Studierende hatte außerdem gesagt, der lange Abstand zwischen Einreichung und Viva habe sein Erinnerungsvermögen beeinträchtigt. Der Widerspruch wurde dann ohne substanzielle Prüfung irgendwelcher dieser Punkte abgewiesen.

CS072503, nicht gerechtfertigt. Lesen Sie auch diesen, denn er ist das nützliche Gegengewicht. Hier zog der Anbieter eine angemessene Bandbreite an Beweisen in Betracht, einschließlich der Angaben des Studierenden in der Viva, seiner Entwurfsnotizen und seiner schriftlichen Antworten, befolgte seine eigenen Verfahren und verhängte eine Strafe, die die OIA als verhältnismäßig einstufte. Das Vorbringen des Studierenden lief im Wesentlichen darauf hinaus, dass der ehrliche Umgang in der Viva und der von ihm investierte Aufwand mehr zählen sollten. Die Beschwerde wurde nicht aufrechterhalten.

CS072504, teilweise begründet. Eine internationale Studierende wurde wegen eines hohen KI-Prozentwerts zu einem Viva geladen; das Gremium stellte danach zwei Verstöße fest: nicht offengelegte KI-Nutzung und Kollusion. Die OIA ließ die Kollusion stehen – die erhaltene Hilfe ging über die Korrekturlese-Richtlinie der Hochschule hinaus –, den KI-Punkt aber nicht. Die Hochschule „had not shown what evidence led the panel to conclude that the student had used AI to the extent that they committed academic misconduct“ (hatte nicht dargelegt, welche Belege das Gremium zu diesem Schluss führten), und das Gremium gab die Aussagen der Studierenden im Viva falsch wieder. Zwei Feststellungen aus einer Anhörung; eine hielt der Überprüfung stand.

Das Muster über die vier Fälle hinweg ist nicht „der Detektor lag falsch“. Es ist verfahrensrechtlich: Wurden die Beweise geteilt, konnte der Studierende darauf antworten, wurde eine Bandbreite an Beweisen berücksichtigt, wurden Gründe gegeben? Das sind die Dinge, um die Sie bitten können, und darum zu bitten ist nicht adversativ.

Wenn Ihr Schreiben dicht, stellenweise repetitiv oder stark paraphrasiert aus Quellen ist, ist dies das stärkste Argument, das Sie einem Entscheidungsträger vorlegen können, weil es der Anbieter ist, der Ihre Situation beschreibt. Es stammt aus Turnitins Detektions-FAQ:

"Sometimes false positives (incorrectly flagging human-written text as AI-generated), can include content without a lot of structural variation, text that literally repeats itself, or text that has been paraphrased without developing new ideas. If our indicator shows a higher amount of AI writing in such text, we advise you to take that into consideration when looking at the percentage indicated." (Fehlalarme — also von Menschen geschriebener Text, der fälschlich als KI-generiert markiert wird — treten mitunter bei Texten auf, die wenig strukturelle Abwechslung haben, sich wörtlich wiederholen oder umformuliert wurden, ohne neue Gedanken zu entwickeln. Wenn unser Indikator bei solchen Texten einen höheren KI-Anteil anzeigt, sollten Sie das bei der Beurteilung des angezeigten Prozentwerts berücksichtigen.)

Der zweite Satz leistet die Arbeit, und er ist derjenige, der überall, wo er zitiert wird, unterschlagen wird. Turnitin räumt dort keine Schwäche ein. Es sagt der Person, die den Bericht liest, dass sie die Zahl für Text dieser Art abstufen soll. Das ist ein Rat, der an Ihren Korrektor gerichtet ist, von dem Unternehmen, das ihm das Tool verkauft hat.

Verwenden Sie es nur, wenn es wirklich passt. Ein Literaturbericht, ein Methodenteil, eine systematische Beschreibung eines Standardverfahrens, eine Arbeit, die jemand in seiner zweiten oder dritten Sprache verfasst: das sind die Formen, die es beschreibt. Wenn Ihr Essay keiner davon ist, macht das Zitieren den Eindruck, als würde man nach etwas greifen.

Noch eines, kürzer, das für alle gilt. Turnitin sagt an anderer Stelle in seinem Leitfaden, dass der Wert "is not meant to provide definitive answers in isolation" (ist nicht dafür gedacht, für sich allein endgültige Antworten zu liefern), und dass, wenn Lehrende ihn "as a single data point rather than a definitive response, then it is being used as intended." (als einen Datenpunkt unter mehreren und nicht als endgültige Antwort, dann wird er so genutzt, wie er gedacht ist) verwenden, er so verwendet wird, wie beabsichtigt.

„KI-Detektoren sind unzuverlässig, also liegt dieser hier falsch.“ Das ist die häufigste Eröffnung und die schwächste. Sie provoziert die naheliegende Erwiderung: Turnitin gibt als Ziel an, seine Fehlalarmquote „under 1% for documents with over 20% of AI writing“ (unter 1 % bei Dokumenten mit über 20 % KI-Text) zu halten. Ob diese Zahl hält, ist eine echte Frage, aber sich darüber zu streiten, bringt Sie in eine Debatte, die Sie in einer zwanzigminütigen Besprechung nicht gewinnen können, und zieht die Aufmerksamkeit von dem einzigen Gebiet weg, auf dem Sie stark sind, nämlich Ihrer eigenen Schreibdokumentation. Streiten Sie über Ihr Dokument, nicht über die Kategorie des Tools.

Burstiness und Perplexität. Das halbe Internet wird Ihnen sagen, dass KI-Detektoren Satzlängen-Variation und Wortvorhersagbarkeit messen und dass akademische Prosa bei beidem schlecht abschneidet. Turnitins FAQ sagt, sein Modell "is not explicitly programmed to evaluate specific signals such as 'burstiness,' 'perplexity,' or other individual metrics sometimes referenced in public discussions" (ist nicht ausdrücklich darauf programmiert, einzelne Kennwerte wie ‚burstiness‘, ‚perplexity‘ oder andere in öffentlichen Diskussionen genannte Größen auszuwerten), und dass es stattdessen "learns statistical patterns from our training data" (lernt statistische Muster aus unseren Trainingsdaten).

Seien Sie vorsichtig, wie weit Sie das treiben, denn es ist enger, als es aussieht. Dieselbe Seite sagt auch, dass ihre Klassifikatoren auf Unterschieden in der Wortwahrscheinlichkeit trainiert seien, und Perplexität ist ein Maß für Wortwahrscheinlichkeit. Die vertretbare Version lautet also: Turnitin bestreitet, diese beiden benannten Werte als explizite Regeln zu berechnen. Es bestreitet nicht, dass Wortstatistiken eine Rolle spielen. Wenn Sie in ein Gespräch gehen und sagen, der Anbieter habe die gesamte Theorie widerlegt, kann jemand mit offener FAQ Sie in einem Satz korrigieren. Der sicherere Zug ist, zur Mechanik überhaupt nichts zu sagen und die Zeit in Ihre Entwürfe zu investieren, wo es nichts zu korrigieren gibt.

Das Release-Note von 2023 zu Einleitung und Schluss. Dieser Text kursiert weit verbreitet in Widerspruchsvorlagen und ist eine Falle. Turnitin hat tatsächlich ein Note veröffentlicht, wonach es eine höhere Inzidenz von Fehlalarmen in den ersten oder letzten Sätzen eines Dokuments beobachtet hatte, oft um generisches Einleitungs- oder Schlussmaterial. Der unmittelbar nächste Satz jenes Notes lautet: "As a result, we have changed our detection logic to help reduce these false positives." (Deshalb haben wir unsere Erkennungslogik geändert, um solche Fehlalarme zu verringern.) Er steht auf der Seite mit den Modell-Release-Notes unter der Überschrift "Updates to address our customers' false positive concerns" (Aktualisierungen als Reaktion auf die Fehlalarm-Bedenken unserer Kundinnen und Kunden), datiert auf Mai 2023. Es ist die Ankündigung einer Fehlerbehebung, nicht die Beschreibung einer aktuellen Schwäche. Wer die von Ihnen zitierte Seite öffnet, liest die nächste Zeile, und Sie verlieren das Publikum.

Ein zweiter Detektor oder ein Rewrite. Den Essay durch einen anderen Prüfer laufen zu lassen, um einen sauberen Wert zu bekommen, beweist nichts (Detektoren stimmen ständig nicht überein), und eine zweite Markierung gibt dem Gremium eine weitere Zahl, auf die es zeigen kann. Den eingereichten Essay nach dem Vorwurf umzuschreiben, ist schlimmer. Es wirkt wie Manipulation und verändert das eine Artefakt, über das alle zu urteilen versuchen.

Ein fünftes, inoffiziell: Spekulieren Sie nicht schriftlich über die Motive eines Korrektors. Es hilft nie und es bleibt in der Akte.

Halten Sie ihn unter zwei Seiten. Fügen Sie einen Index der Beweise bei, statt eines Ordners. Senden Sie ihn so, dass Sie einen Nachweis des Datums haben. Alles in eckigen Klammern ist eine Anweisung an Sie, kein Text zum Absenden.

Betreff: Stellungnahme zum Vorwurf akademischen Fehlverhaltens, [Modul-Code] [Aufgabentitel], Studierende/r [Nummer]

Sehr geehrte/r [Name oder Academic Misconduct Panel],

ich schreibe Ihnen als Antwort auf die Mitteilung vom [Datum] betr. [Aufgabentitel], eingereicht am [Datum] für [Modul-Code].

Ich habe diese Arbeit selbstständig verfasst. Ich habe kein generatives KI-Tool verwendet, um irgendeinen Teil des Textes zu erstellen.

Tools, die ich verwendet habe, mit der spezifischen Funktion in jedem Fall: [Referenzmanager, Rechtschreibprüfung, Grammatikprüfung, Übersetzungs-Tool, Statistiksoftware, Transkription. Wenn keine über den Textverarbeiter hinaus, sagen Sie das.]

Anbei ein Nachweis, wie die Arbeit entstanden ist:

1. [Punkt] / [Datum oder Zeitraum] / [was er zeigt]
2. [Punkt] / [Datum oder Zeitraum] / [was er zeigt]
3. [Punkt] / [Datum oder Zeitraum] / [was er zeigt]

Zusammenfassend: Ich habe das Thema am [Datum] nach [Grund] gewählt. Meine Lektüre und Notizen datieren vom [Zeitraum]. Die Gliederung in Punkt 2 wurde am [Datum] verfasst. Der erste vollständige Entwurf (Punkt 3) wurde zwischen [Daten] geschrieben. Nach [Rückmeldung / Betreuung / Seminar] am [Datum] habe ich [was] geändert, weil [warum]. Die eingereichte Fassung datiert vom [Datum].

Zu den spezifischen markierten Passagen: [Gehen Sie sie nacheinander durch. Für jede sagen Sie, warum sie so klingt, wie sie klingt: eine Standardformulierung im Fach, eine enge Paraphrase einer bei Punkt N beigefügten Quelle, eine Methodenbeschreibung mit wenig Variationsspielraum, eine Passage, die ich wiederholt überarbeitet habe. Antworten Sie nicht allein mit einer allgemeinen Bestreitung.]

Ich wäre Ihnen dankbar, wenn Sie Folgendes bestätigen könnten:

1. die spezifische Vorschrift der [Richtlinienname], gegen die ich angeblich verstoßen habe;
2. sämtliche Beweismittel, die der Entscheidungsträger berücksichtigen wird, einschließlich des vollständigen Detektionsberichts und jeglichen Vergleichsmaterials;
3. welches Detektions-Tool und welche Version den Bericht erzeugt hat und das Datum seiner Erstellung;
4. der Beweismaßstab, der gilt, sowie der Weg und die Frist für den Widerspruch.

Ich bitte ferner darum, dass jede Entscheidung die spezifischen Beweise darlegt, auf die sie sich neben dem Detektionswert stützt. [Nur wenn der Bericht von Turnitin stammt:] Turnitins eigener Leitfaden besagt, dass sein Modell zur Erkennung von KI-geschriebenen Texten menschlich geschriebenen Text fehlerhaft identifizieren kann und nicht als alleinige Grundlage für nachteilige Maßnahmen gegen einen Studierenden verwendet werden sollte.

Ich bin gerne bereit, an einem Gespräch teilzunehmen und darzulegen, wie die Arbeit geschrieben wurde, und ich kann die zugrunde liegenden Dateien mitbringen.

Mit freundlichen Grüßen, [Name] / [Matrikelnummer] / [Studiengang] / [Datum]

Vier Dinge, die Sie prüfen, bevor Sie ihn abschicken. Jede Anlage, die Sie erwähnen, ist tatsächlich angehängt. Jedes Datum darin stimmt, denn ein falsches Datum untergräbt den Rest. Es gibt keine Spekulation über irgendjemandes Motive. Und Sie haben das Verfahren Ihrer eigenen Einrichtung gelesen, denn von dort kommen die Frist und der Antwortweg, nicht von dieser Seite.

Bereiten Sie es als Erläuterung Ihrer Entscheidungen vor, nicht als Gedächtnistest. Lesen Sie die eingereichte Fassung und den Aufgabenbrief erneut. Wissen Sie, warum die Frage so formuliert wurde, wie sie war, auf welche Quellen Sie sich gestützt haben und warum, woraus eine bestimmte Tabelle oder Abbildung aufgebaut war, und was sich zwischen den Entwürfen geändert hat.

Wenn eine lange Verzögerung, eine Behinderung, eine Kommunikationsbesonderheit oder Sprachbedürfnisse beeinflussen, wie Sie sich erinnern oder erklären, sagen Sie das früh und schriftlich, und verknüpfen Sie die Bitte mit dem, was das Verfahren zu Anpassungen sagt. Die Casework Note der OIA fordert Anbieter auf, zu prüfen, "whether assumptions about AI use could be biased against a student's writing style, for example if the student is disabled or has a communication difference, or if English is not the student's first language" (ob Annahmen über KI-Nutzung gegenüber dem Schreibstil einer studierenden Person voreingenommen sein könnten, etwa wenn die Person eine Behinderung hat, anders kommuniziert oder Englisch nicht ihre Erstsprache ist). Das ist eine live zu prüfende Erwägung für das Gremium, keine Gefälligkeit, um die Sie bitten.

Wenn Sie etwas gefragt werden, an das Sie sich nicht erinnern, sagen Sie, dass Sie es sich nicht erinnern. Sich bei einem kleinen Detail zuversetzen, kostet mehr, als das Detail wert war.

Die Stufenfolge jeder Einrichtung ist ihre eigene, und die einzige verlässliche Beschreibung Ihrer eigenen steht in Ihrem Verfahren bei akademischem Fehlverhalten. Die allgemeine Form:

1. Informelle oder Untersuchungsstufe. Ein Gespräch, eine Bitte um eine Erläuterung, manchmal eine Viva. Oft endet hier schon das Ganze, und es ist der günstigste Ort, um Ihre Beweise vorzulegen.
2. Ein formelles Gremium oder Ausschuss. Ein Befund und, falls es einen gibt, eine Strafe. Das ist die Stufe, die Ihnen Begründungen liefern sollte.
3. Interner Widerspruch. Meist auf engen Gründen, zumeist Verfahrensmangel oder neue Beweise, und immer mit Frist.
4. Externe Überprüfung. Erst, wenn der interne Weg erschöpft ist.

Für Anbieter in England und Wales ist Stufe vier das Office of the Independent Adjudicator. Zwei Mechaniken sind wichtig. Sie benötigen normalerweise einen Completion of Procedures Letter, "which the provider will send you once you have completed its complaints or appeals procedures" (das die Hochschule Ihnen zuschickt, sobald Sie ihr Beschwerde- oder Widerspruchsverfahren durchlaufen haben), und die Beschwerde muss die OIA "within 12 months of the date of the provider's final decision (usually the date of the Completion of Procedures Letter)" (innerhalb von 12 Monaten nach dem Datum der endgültigen Entscheidung der Hochschule (in der Regel das Datum des Completion of Procedures Letter)) erreichen. Die OIA beschreibt sich selbst als das unabhängige Beschwerdeschema für Studierende in England und Wales, sodass es, wenn Sie woanders studieren, nicht Ihr Weg ist.

Wenn Sie außerhalb von England und Wales sind, unterstellen Sie nicht, dass es eine Entsprechung gibt, und unterstellen Sie nicht, dass es keine gibt. Das Verfahren Ihrer Einrichtung muss darlegen, was nach der letzten internen Stufe passiert. Dieser Satz ist der, den Sie finden müssen.

Dann ist der obige Ansatz der falsche für Sie, und ihn dennoch zu übernehmen, ist der Weg, auf dem Menschen ihre Position verschlechtern. Zwei Dinge aus dem Befund bleiben dennoch von Bedeutung.

Einräumung wird berücksichtigt, aber sie tilgt keinen Befund. In CS072503 räumte der Studierende seine KI-Nutzung in der Viva ein und argumentierte, dass das zu seinen Gunsten zählen sollte. Die OIA befand, dass der Anbieter dies neben den Entwurfsnotizen und schriftlichen Antworten berücksichtigt, seine Verfahren befolgt und eine verhältnismäßige Strafe verhängt hatte. Die Beschwerde wurde nicht aufrechterhalten. Offen dazu zu stehen, ist dennoch der bessere Zug, und es ist der einzige Zug, der den Kontakt mit einer Viva übersteht, aber es ist keine Verteidigung.

Die Linie zwischen einem zulässigen und einem unzulässigen Tool ist enger, als die meisten Menschen annehmen. Turnitin sagt, sein Detektor "is not tuned to target Grammarly-generated spelling, grammar, and punctuation modifications" (ist nicht darauf ausgelegt, von Grammarly stammende Änderungen an Rechtschreibung, Grammatik und Zeichensetzung zu erfassen), und dass in Tests „in den meisten Fällen“ Änderungen, die von Grammarly und ähnlichen Grammatikprüfern stammten, nicht markiert wurden. Dieselbe Antwort sagt dann, dies gelte für "excludes content generated by Grammarly's generative AI-powered features, including draft generation, paraphrasing, summarizing, and other features" (schließt Inhalte aus, die von Grammarlys generativen KI-Funktionen erzeugt wurden, darunter Entwurfserstellung, Umformulieren, Zusammenfassen und weitere Funktionen), und dass Inhalte, die mit diesen Funktionen erzeugt wurden, "will likely be flagged as AI-generated by our detector" (wird von unserem Detektor wahrscheinlich als KI-generiert markiert). „Ich habe nur Grammarly verwendet“ ist also nicht ein einziger Satz. Benennen Sie die Funktion.

Kann ich den Bericht über KI-geschriebene Texte selbst einsehen? Nicht direkt. Turnitin stellt fest, dass der Indikator und der Bericht zur Erkennung von KI-geschriebenen Texten für Studierende nicht sichtbar sind. Es stellt auch fest, dass Dozenten den Bericht als PDF herunterladen und teilen können, also verlangen Sie das, statt aus der Beschreibung irgendjemandes zu arbeiten, was hervorgehoben wurde.

Mein Bericht zeigt ein Sternchen statt einer Prozentzahl. Was bedeutet das? Turnitin zeigt bei KI-Detektionswerten zwischen 1 % und 19 % keine Zahl an, sondern ein Sternchen. Es führt dies auf eine höhere Inzidenz möglicher Fehlalarme in diesem Bereich zurück.

Wenn der Bericht 40 % sagt, bedeutet das, dass 40 % meiner Arbeit KI-geschrieben waren? Nein. Turnitin sagt, das Modell analysiere nur qualifizierenden Text, also Prosa in standardmäßigen grammatikalischen Sätzen, und dass die Prozentzahl "is not necessarily the percentage of the entire submission" (ist nicht zwangsläufig der Prozentsatz der gesamten Einreichung). Es sagt auch, dass ein Dokument, das mehrere verschiedene Schreibtypen enthält, eine Diskrepanz zwischen Prozentzahl und Hervorhebung aufweisen wird, sodass ein Nicht-Übereinstimmen beider erwartet wird und nicht auf einen Bug hindeutet.

Ich habe Grammarly verwendet. Habe ich ein Problem? Es kommt ganz darauf an, welcher Teil von Grammarly und was Ihre Aufgabe erlaubt hat. Turnitin sagt, sein Detektor sei nicht darauf abgestellt, Rechtschreib-, Grammatik- und Zeichensetzungsänderungen zu markieren, und dass in Tests solche Änderungen in den meisten Fällen nicht markiert wurden, dass jedoch Inhalte aus Grammarlys generativen Funktionen, einschließlich Entwurfserstellung, Paraphrasierung und Zusammenfassen, wahrscheinlich markiert werden. Benennen Sie die spezifische Funktion, die Sie verwendet haben, und prüfen Sie den Aufgabenbrief ebenso wie die allgemeine Richtlinie, da ein Brief das Zulässige einengen kann.

Mein Essay hatte nur 700 Wörter. Spielt die Länge eine Rolle? Turnitin sagt, ja. Bei kürzeren Dokumenten von nur wenigen hundert Wörtern ist die Vorhersage "meist 'alles oder nichts'", weil es ein einzelnes Segment ohne Überschneidungsmöglichkeit gibt, und es fügt hinzu, dass dies bedeutet, "some text that is a mix of AI-generated and original content could be flagged as entirely AI-generated." (Text, der KI-generierte und eigene Inhalte mischt, kann unter Umständen vollständig als KI-generiert markiert werden.) Wenn Ihr Dokument kurz ist, ist dieser Satz es wert, dem vor die Augen gestellt zu werden, der den Wert liest.

Sollte ich ihn durch einen anderen Detektor laufen lassen, um meinen Fall zu beweisen? Nein. Ein sauberer Wert anderswo begründet nichts, und eine zweite Markierung gibt dem Gremium eine zweite Zahl. Investieren Sie den Aufwand stattdessen in Ihre Schreibdokumentation.

Ich habe keine Versionsgeschichte und keine Entwürfe. Ist es aussichtslos? Nein, aber Ihr Fall beruht nun auf der Fähigkeit, die Arbeit zu erklären. Das ist das Gebiet, das die veröffentlichten Fälle ohnehin als am stärksten nahelegen. Rekonstruieren Sie, was Sie können, aus Dingen, die Sie nicht für diesen Zweck erstellt haben: Ausleihvermerke der Bibliothek, E-Mails, LMS-Zugriffs-Protokolle, Seminar-Notizen, Nachrichten an einen Mitstudierenden über die Aufgabe.

Wer trifft die Entscheidung eigentlich? Menschen, die die Richtlinie Ihrer Einrichtung anwenden. Turnitin sagt, sein Wert „is not meant to provide definitive answers in isolation“ (ist nicht dafür gedacht, für sich allein endgültige Antworten zu liefern) und sollte nicht alleinige Grundlage für nachteilige Maßnahmen sein, und dass die Feststellung, ob ein Fehlverhalten vorlag, „takes further scrutiny and human judgment in conjunction with an organization's application of its specific academic policies“ (erfordert weitere Prüfung und menschliches Urteil, zusammen mit den konkreten Richtlinien der jeweiligen Einrichtung) erfordert. Die Zahl öffnet die Datei. Sie schließt sie nicht.

Diese Seite ist allgemeine Information, keine Rechtsberatung. Verfahren bei akademischem Fehlverhalten, Beweisregeln und Widerspruchsrechte unterscheiden sich nach Land und Einrichtung. Das Material der OIA ist direkt relevant für Anbieter im Hochschulwesen in England und Wales; andernorts ist es ein nützliches Beispiel dafür, wie ein faires Verfahren aussieht, nicht eine Regel, die irgendjemanden bindet.