我喜欢克雷格·里夫斯（Craig Reeves）博士（6月17日）的来信，他认为高等教育机构有意识地选择不使用生成AI来解决广泛作弊，以免牺牲国际学生的收入。他是正确的，国际学生正在支撑英国的大学，到本学年结束时，其中有五分之二以上的五分之一以上。但是，如果大学愿意的话，大学可能会发现AI作弊是不真实的。里夫斯博士说，他们应该使用AI探测器，但他引用的研究反驳了这一论点。
他引用的最后一项研究（Perkins等，2024）表明，在不到40％的病例中，AI探测器的准确性是准确的，当故意掩盖了AI的使用时，这仅为“对抗性”病例的22％。换句话说，AI探测器未能发现AI当时已经使用了四分之三。
这就是为什么说对生成AI问题有一个简单的解决方案是错误的。一些大学正在针对使用AI的学生进行学术不当行为案件。但是，由于AI没有留下痕迹，因此除非他们承认，否则几乎不可能确定地表明学生使用了AI。
同时，机构正在改用“安全”评估，例如他庆祝的面对面考试。其他人正在设计评估，假设学生将使用AI。没有人说大学的一切都正确。但是，当混乱是更简单的解释时，我们不应该假设阴谋。
乔什·弗里曼
高等教育政策研究所政策经理；作者， 学生生成的AI调查2025
在高等教育中使用AI在“写”事物中促进了机构的大量研究和讨论，并且对该研究的准确报告显然很重要。克雷格·里夫斯（Craig Reeves）提到了三篇论文，以支持Turnitin AI检查员，声称大学在没有测试的情况下选择退出此功能，因为担心对人为所产生的人为所产生的人为所产生的文本的误解。其中一篇论文说：“研究人员得出的结论是，可用的检测工具既不准确也不可靠，并且主要偏见将输出分类为人类写的，而不是检测AI生成的文本”（Weber-Wulff等人）；第二个发现的转弯蛋白是七个AI检测器中的第二次最差，该检测器已测试了AI生成的文本，其中84％未被发现（Perkins等人）。 AI检测器可以通过不标记任何文本轻松避免误报。
我们需要仔细考虑如何评估工作，当点击几乎可以产生无限的表面上有可能的文本。
保罗·约翰逊教授
切斯特大学
克雷格·里夫斯（Craig Reeves）对明显（可能方便）的盲点高等教育对使用AI的明显（可能方便）的盲点高等教育的批评似乎鼓励返回传统考试，以此作为解决这个问题的一种手段。
虽然我同情（并坚信应该做些事情），但我希望这种回归较旧的做法不会以“一件大小适合所有的方式”进行。我已经标记了30多年的考试。在此期间，我经常对学生的理解给我留下了深刻的印象。我记得只喜欢阅读一篇考试文章。其他人，无论多么好，都像偏执的意识流一样读。人文学科提供的一项核心转移技能是在研究后能够很好地写出任何给定主题的能力。考试没有 – 无法提供。
我呼吁采取更大的分析评估，在这种评估中，学生面临必须在短时间内考虑的新材料。我认为，由于评估的唯一形式可能有助于减少（当然，因此停止）外部投入的影响，因此从传统的论文中转移到了传统论文。从经验来看，这种重点还可以帮助学生朝着应用新理解的应用，而不是对思想的被动消化。
罗伯特·麦科尔·米拉教授
阿伯丁大学语言学和苏格兰语言主席
关键词：
