[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"blog-article-ai-academic-integrity-pl":3},{"uuid":4,"title":5,"subtitle":6,"content":7,"preview":947,"date_published":950,"date_pinned":950,"img":951,"alias":952,"is_published":953,"is_pinned":954,"type":13,"category":955,"category_name":956,"category_alias":957,"background_color":958,"preview_icon":13,"category_value":959,"external_link":13},"3d0817c4-9c17-4c43-be1d-a04311b46323","Sztuczna inteligencja i uczciwość akademicka: nowe zasady edukacji","Generatywna AI zmienia zasady uczciwości akademickiej. Omawiamy granicę między pomocą AI a zastąpieniem własnej pracy, ujawnianie AI i budowanie uczciwego oceniania.",{"type":8,"content":9},"doc",[10,18,20,25,27,32,34,39,41,46,48,56,61,63,68,70,75,77,83,88,90,95,97,102,104,110,115,116,121,123,128,130,136,141,143,148,150,155,157,162,164,170,175,176,181,183,188,190,195,196,201,203,209,214,216,221,223,228,230,235,237,243,248,250,255,257,262,264,270,275,277,282,284,289,291,296,298,304,309,311,316,318,323,325,330,332,338,343,345,350,351,356,358,363,365,371,376,378,383,385,390,391,396,398,404,409,410,415,417,422,424,436,438,444,449,451,456,458,463,464,469,471,477,482,484,489,491,496,498,503,505,511,516,518,523,524,529,531,536,538,544,549,550,555,557,562,564,569,571,577,582,584,589,591,596,598,603,605,611,616,618,623,625,630,632,637,639,645,650,651,656,658,663,665,670,672,678,683,685,690,692,697,698,703,705,711,716,717,722,724,729,731,736,738,743,745,751,756,758,763,765,770,772,777,779,784,786,796,798,804,809,811,816,818,823,825,831,836,837,842,844,849,851,856,858,864,869,871,876,877,882,884,889,891,897,906,907,916,917,926,927,936,937,946],{"type":11,"attrs":12,"content":14},"paragraph",{"align":13},null,[15],{"text":16,"type":17},"Generatywna sztuczna inteligencja postawiła uczciwość akademicką w centrum dyskusji edukacyjnej. Dawniej główne ryzyka obejmowały ściąganie, plagiat, kupowanie gotowych prac lub fałszywe cytowanie. Teraz uczestnik może w kilka minut dostać nowy tekst niezgodny z żadną stroną internetową, choć znaczna część pracy intelektualnej mogła zostać wykonana przez system.","text",{"type":11,"attrs":19},{"align":13},{"type":11,"attrs":21,"content":22},{"align":13},[23],{"text":24,"type":17},"Stara zasada „jeśli tekst nie jest skopiowany, to jest autorski” przestała więc działać. Placówki muszą na nowo określić, gdzie kończy się dopuszczalna pomoc technologii, kiedy ujawniać jej użycie i co dokładnie uczestnik musi wykonać samodzielnie.",{"type":11,"attrs":26},{"align":13},{"type":11,"attrs":28,"content":29},{"align":13},[30],{"text":31,"type":17},"Skala problemu nie pozwala już traktować go jako wyjątku. Stanford AI Index 2026 podaje, że czterech na pięciu amerykańskich uczniów starszych klas szkoły średniej i studentów używa AI w pracy edukacyjnej, podczas gdy tylko około połowa szkół średnich niższego i wyższego stopnia ma formalne zasady AI. Tylko 6% badanych nauczycieli uznało polityki swoich szkół za jasne i kompleksowe.",{"type":11,"attrs":33},{"align":13},{"type":11,"attrs":35,"content":36},{"align":13},[37],{"text":38,"type":17},"OECD również odnotowuje napięcie między korzyścią a ryzykiem: 37% nauczycieli niższego poziomu szkoły średniej używało AI w pracy w 2024 roku, ale 72% uważało, że technologia może szkodzić uczciwości akademickiej, pozwalając oddawać cudzą lub wygenerowaną pracę jako własną.",{"type":11,"attrs":40},{"align":13},{"type":11,"attrs":42,"content":43},{"align":13},[44],{"text":45,"type":17},"Nowa uczciwość akademicka to zatem już nie walka z jednym narzędziem. To system zasad pomagający zachować autorstwo, przejrzystość, odpowiedzialność i rzeczywistą naukę w świecie stale dostępnej AI.",{"type":11,"attrs":47},{"align":13},{"type":49,"attrs":50,"content":53},"heading",{"align":13,"level":51,"id":52},2,"heading_2_1",[54],{"text":55,"type":17},"Co oznacza uczciwość akademicka w epoce AI",{"type":11,"attrs":57,"content":58},{"align":13},[59],{"text":60,"type":17},"Uczciwość akademicka nie ogranicza się do zakazu plagiatu. Jej sens jest szerszy: uczestnik powinien uczciwie pokazywać własną wiedzę, poprawnie korzystać z cudzych idei, nie fałszować danych i nie tworzyć fałszywego obrazu tego, kto wykonał pracę.",{"type":11,"attrs":62},{"align":13},{"type":11,"attrs":64,"content":65},{"align":13},[66],{"text":67,"type":17},"Właśnie ostatni punkt stał się szczególnie ważny po pojawieniu się generatywnej AI. Jeśli uczestnik sam sformułował tezę, napisał tekst i poprosił system o poprawę kilku błędów gramatycznych, jego autorstwo praktycznie nie budzi wątpliwości. Jeśli AI stworzyła strukturę, argumenty, przykłady i tekst końcowy, a uczestnik zmienił kilka słów, sytuacja jest zupełnie inna.",{"type":11,"attrs":69},{"align":13},{"type":11,"attrs":71,"content":72},{"align":13},[73],{"text":74,"type":17},"Między tymi skrajnościami jest wiele scenariuszy pośrednich. Uniwersalna zasada „każda AI to ściąganie” staje się więc zbyt uproszczona. Edukacja potrzebuje dokładniejszych granic: co wolno, co trzeba ujawnić i co przeczy celowi konkretnego zadania.",{"type":11,"attrs":76},{"align":13},{"type":49,"attrs":78,"content":80},{"align":13,"level":51,"id":79},"heading_2_2",[81],{"text":82,"type":17},"Dlaczego AI nie można po prostu zrównać z kalkulatorem",{"type":11,"attrs":84,"content":85},{"align":13},[86],{"text":87,"type":17},"Generatywną AI często porównuje się z kalkulatorem, wyszukiwarką lub korektą pisowni. Jest w tym część prawdy: narzędzia edukacyjne stale automatyzują operacje wcześniej wykonywane ręcznie.",{"type":11,"attrs":89},{"align":13},{"type":11,"attrs":91,"content":92},{"align":13},[93],{"text":94,"type":17},"Generatywna AI różni się jednak skalą. Kalkulator wykonuje konkretne obliczenie. Model językowy może jednocześnie sformułować tezę, znaleźć kontrargumenty, zaproponować strukturę, napisać wniosek i zredagować styl. Potrafi więc przejąć niemal całą intelektualną drogę zadania, a nie jedną czynność techniczną.",{"type":11,"attrs":96},{"align":13},{"type":11,"attrs":98,"content":99},{"align":13},[100],{"text":101,"type":17},"Dlatego uczciwość akademicką trzeba wiązać z funkcją edukacyjną, a nie nazwą narzędzia. Automatyzacja czynności pomocniczej przez uczestnika może być całkowicie dopuszczalna. Jeśli powierzył systemowi właśnie kompetencję sprawdzaną przez prowadzącego, pojawia się problem.",{"type":11,"attrs":103},{"align":13},{"type":49,"attrs":105,"content":107},{"align":13,"level":51,"id":106},"heading_2_3",[108],{"text":109,"type":17},"Główne pytanie: kto wykonał pracę intelektualną",{"type":11,"attrs":111,"content":112},{"align":13},[113],{"text":114,"type":17},"W tradycyjnym plagiacie źródło naruszenia jest stosunkowo jasne: osoba kopiuje cudzy tekst lub pomysł i nie oznacza autorstwa. Przy AI sytuacja jest trudniejsza, bo rezultat może być nowy i nie mieć oczywistego źródła pierwotnego.",{"type":11},{"type":11,"attrs":117,"content":118},{"align":13},[119],{"text":120,"type":17},"Uczciwość akademicką warto więc oceniać przez wkład. Kto sformułował problem? Kto wybrał argumenty? Kto analizował źródła? Kto podjął decyzję? Kto sprawdził fakty? Kto odpowiada za wniosek?",{"type":11,"attrs":122},{"align":13},{"type":11,"attrs":124,"content":125},{"align":13},[126],{"text":127,"type":17},"Jeśli uczestnik potrafi odpowiedzieć i wyjaśnić dokładne użycie AI, przejrzystość jest znacznie większa. Jeśli natomiast celowo ukrywa rolę systemu i przedstawia wynik jako całkowicie samodzielny, tworzy fałszywy obraz kompetencji autora.",{"type":11,"attrs":129},{"align":13},{"type":49,"attrs":131,"content":133},{"align":13,"level":51,"id":132},"heading_2_4",[134],{"text":135,"type":17},"Dlaczego jedna polityka dla wszystkich zadań nie działa",{"type":11,"attrs":137,"content":138},{"align":13},[139],{"text":140,"type":17},"Uniwersalna zasada kursu „AI dozwolona” lub „AI zabroniona” wydaje się prosta, ale często pomija różnice celów nauki.",{"type":11,"attrs":142},{"align":13},{"type":11,"attrs":144,"content":145},{"align":13},[146],{"text":147,"type":17},"Na sprawdzianie podstawowej matematyki AI może być zabroniona, bo trzeba sprawdzić indywidualną zdolność rozwiązania zadania. W dużym projekcie analitycznym może być dozwolona do burzy mózgów i redakcji językowej. Na kursie AI literacy jej użycie może wręcz stanowić obowiązkową część zadania.",{"type":11,"attrs":149},{"align":13},{"type":11,"attrs":151,"content":152},{"align":13},[153],{"text":154,"type":17},"Zasady muszą więc wiązać się z konkretną aktywnością. Uczestnik powinien widzieć je w chwili rozpoczęcia pracy, a nie zgadywać po oddaniu.",{"type":11,"attrs":156},{"align":13},{"type":11,"attrs":158,"content":159},{"align":13},[160],{"text":161,"type":17},"Komisja Europejska w 2026 roku zaktualizowała zalecenia etycznego użycia AI i danych w nauczaniu, podkreślając potrzebę krytycznych kompetencji AI, bezpieczeństwa, odpowiedzialnego użycia i jasnych ram pedagogicznych.",{"type":11,"attrs":163},{"align":13},{"type":49,"attrs":165,"content":167},{"align":13,"level":51,"id":166},"heading_2_5",[168],{"text":169,"type":17},"Model trzech stref: dozwolone, ograniczone, zabronione",{"type":11,"attrs":171,"content":172},{"align":13},[173],{"text":174,"type":17},"Praktycznym sposobem wyjaśnienia zasad jest podział użycia AI na trzy tryby.",{"type":11},{"type":11,"attrs":177,"content":178},{"align":13},[179],{"text":180,"type":17},"W zielonej strefie AI jest dozwolona jako zwykłe narzędzie. Na przykład do generowania dodatkowych pytań treningowych, wyjaśniania terminu lub ćwiczeń językowych.",{"type":11,"attrs":182},{"align":13},{"type":11,"attrs":184,"content":185},{"align":13},[186],{"text":187,"type":17},"W żółtej strefie użycie jest częściowo dozwolone. Uczestnik może uzyskać pomysły, zredagować styl lub poprosić o informację zwrotną, ale musi samodzielnie wykonać kluczową część pracy i poinformować o pomocy AI.",{"type":11,"attrs":189},{"align":13},{"type":11,"attrs":191,"content":192},{"align":13},[193],{"text":194,"type":17},"W czerwonej strefie AI jest zabroniona, bo zadanie sprawdza fundamentalną kompetencję indywidualną. Może to być egzamin, podstawowe obliczenie, obrona ustna lub inna aktywność, w której obca pomoc zniekształca wynik.",{"type":11},{"type":11,"attrs":197,"content":198},{"align":13},[199],{"text":200,"type":17},"Zaletą modelu jest konkretność, a nie kolory. Uczestnik widzi granicę przed pracą.",{"type":11,"attrs":202},{"align":13},{"type":49,"attrs":204,"content":206},{"align":13,"level":51,"id":205},"heading_2_6",[207],{"text":208,"type":17},"Ujawnianie AI staje się nową formą przejrzystości akademickiej",{"type":11,"attrs":210,"content":211},{"align":13},[212],{"text":213,"type":17},"W wielu przypadkach najlepszym rozwiązaniem jest ujawnienie zamiast zakazu. Uczestnik krótko podaje narzędzie, zadanie i to, co pozostało jego własną pracą.",{"type":11,"attrs":215},{"align":13},{"type":11,"attrs":217,"content":218},{"align":13},[219],{"text":220,"type":17},"Na przykład: „AI wykorzystano do generowania kontrargumentów i redakcji językowej; analizę źródeł, strukturę i wnioski wykonano samodzielnie”. Taki przypis zajmuje jeden wiersz, ale znacznie zwiększa przejrzystość procesu.",{"type":11,"attrs":222},{"align":13},{"type":11,"attrs":224,"content":225},{"align":13},[226],{"text":227,"type":17},"W złożonym projekcie badawczym odpowiedni może być dokładniejszy opis: nazwa narzędzia, kluczowe prompty, sposób weryfikacji wyniku i lista części pracy, w których AI wpłynęła na treść.",{"type":11,"attrs":229},{"align":13},{"type":11,"attrs":231,"content":232},{"align":13},[233],{"text":234,"type":17},"Ujawnianie nie powinno zamieniać się w biurokrację. Ma pomóc prowadzącemu poprawnie interpretować wynik i wykształcić u uczestnika nawyk odpowiedzialności za własny proces cyfrowy.",{"type":11,"attrs":236},{"align":13},{"type":49,"attrs":238,"content":240},{"align":13,"level":51,"id":239},"heading_2_7",[241],{"text":242,"type":17},"Czy trzeba cytować ChatGPT jako źródło",{"type":11,"attrs":244,"content":245},{"align":13},[246],{"text":247,"type":17},"Generatywna AI i źródło naukowe to nie to samo. Model może pomóc wyjaśnić temat, ale jego odpowiedź nie powinna automatycznie zastępować oryginalnego artykułu, raportu lub dokumentu.",{"type":11,"attrs":249},{"align":13},{"type":11,"attrs":251,"content":252},{"align":13},[253],{"text":254,"type":17},"Jeśli AI podała statystykę, opisała badanie lub twierdzenie teoretyczne, uczestnik powinien znaleźć źródło pierwotne i powołać się właśnie na nie. Ogranicza to ryzyko wymyślonych cytatów i pozwala sprawdzić kontekst.",{"type":11,"attrs":256},{"align":13},{"type":11,"attrs":258,"content":259},{"align":13},[260],{"text":261,"type":17},"W niektórych zadaniach prowadzący może wymagać formalnego podania samego narzędzia AI. Nawet wtedy czat nie staje się jednak dowodem prawdziwości twierdzenia. Zapisuje tylko sposób otrzymania pomocy przez uczestnika.",{"type":11,"attrs":263},{"align":13},{"type":49,"attrs":265,"content":267},{"align":13,"level":51,"id":266},"heading_2_8",[268],{"text":269,"type":17},"Wymyślone źródła to nowe ryzyko prac akademickich",{"type":11,"attrs":271,"content":272},{"align":13},[273],{"text":274,"type":17},"Jednym z najniebezpieczniejszych błędów generatywnej AI są wymyślone odnośniki. System może stworzyć tytuł artykułu, nazwisko autora, rok i nawet wiarygodnie brzmiące czasopismo, choć publikacja nie istnieje.",{"type":11,"attrs":276},{"align":13},{"type":11,"attrs":278,"content":279},{"align":13},[280],{"text":281,"type":17},"Dla uczestnika nieznającego jeszcze tematu błąd wygląda przekonująco. Jeśli bibliografia zostanie automatycznie przeniesiona do pracy, naruszenie akademickie może nastąpić nawet bez zamiaru oszustwa.",{"type":11,"attrs":283},{"align":13},{"type":11,"attrs":285,"content":286},{"align":13},[287],{"text":288,"type":17},"Dlatego zasada musi być stanowcza: każde źródło w pracy akademickiej trzeba samodzielnie otworzyć i sprawdzić. Nie wystarcza zobaczenie go w odpowiedzi AI.",{"type":11,"attrs":290},{"align":13},{"type":11,"attrs":292,"content":293},{"align":13},[294],{"text":295,"type":17},"To także dobra zasada nauki. Kultura akademicka opiera się na rzeczywistym kontakcie z dowodami, a nie pięknej bibliografii.",{"type":11,"attrs":297},{"align":13},{"type":49,"attrs":299,"content":301},{"align":13,"level":51,"id":300},"heading_2_9",[302],{"text":303,"type":17},"Detektory AI nie mogą być ostatecznym dowodem",{"type":11,"attrs":305,"content":306},{"align":13},[307],{"text":308,"type":17},"Po upowszechnieniu generatywnej AI powstał duży popyt na serwisy obiecujące rozpoznawanie tekstu maszynowego. Samo prawdopodobieństwo wskazane przez detektor nie dowodzi jednak autorstwa.",{"type":11,"attrs":310},{"align":13},{"type":11,"attrs":312,"content":313},{"align":13},[314],{"text":315,"type":17},"Tekst ludzki może zostać błędnie uznany za AI, a wygenerowany tekst po redakcji przejść kontrolę. Szczególnie niebezpieczne jest automatyczne oskarżenie uczestnika na podstawie jednego procentu.",{"type":11,"attrs":317},{"align":13},{"type":11,"attrs":319,"content":320},{"align":13},[321],{"text":322,"type":17},"Pewniej patrzeć na zbiór dowodów: szkice, źródła, historię zmian, obronę ustną, wcześniejszy styl prac i zdolność wyjaśnienia kluczowych decyzji przez uczestnika.",{"type":11,"attrs":324},{"align":13},{"type":11,"attrs":326,"content":327},{"align":13},[328],{"text":329,"type":17},"Uczciwość akademicka nie powinna zamieniać się w technologiczne polowanie, w którym jeden nieprzejrzysty system próbuje wykryć drugi.",{"type":11,"attrs":331},{"align":13},{"type":49,"attrs":333,"content":335},{"align":13,"level":51,"id":334},"heading_2_10",[336],{"text":337,"type":17},"Obrona ustna staje się ważniejsza",{"type":11,"attrs":339,"content":340},{"align":13},[341],{"text":342,"type":17},"Krótka rozmowa często szybko pokazuje, czy uczestnik rozumie własną pracę. Nie trzeba pełnego egzaminu. Czasem wystarczy zadać trzy pytania.",{"type":11,"attrs":344},{"align":13},{"type":11,"attrs":346,"content":347},{"align":13},[348],{"text":349,"type":17},"Dlaczego wybrano tę metodę? Który argument był najsłabszy? Co zmieni się, jeśli warunek przypadku będzie inny?",{"type":11},{"type":11,"attrs":352,"content":353},{"align":13},[354],{"text":355,"type":17},"Osoba rzeczywiście pracująca nad materiałem zwykle potrafi wyjaśnić logikę, wątpliwości i kompromisy. Tekst stworzony przez system zewnętrzny bez głębokiego udziału uczestnika znacznie trudniej obronić.",{"type":11,"attrs":357},{"align":13},{"type":11,"attrs":359,"content":360},{"align":13},[361],{"text":362,"type":17},"EDUCAUSE w badaniu z 2026 roku pokazuje, że prowadzący już zmieniają praktyki oceniania z powodu AI, a uczciwość akademicka ściśle wiąże się z nowym projektem zadań i potrzebą jaśniejszych zasad.",{"type":11,"attrs":364},{"align":13},{"type":49,"attrs":366,"content":368},{"align":13,"level":51,"id":367},"heading_2_11",[369],{"text":370,"type":17},"Uczciwość akademicka zaczyna się od projektu zadania",{"type":11,"attrs":372,"content":373},{"align":13},[374],{"text":375,"type":17},"Jeśli zadanie łatwo całkowicie powierzyć AI, sam zakaz nie zawsze rozwiązuje problem. Czasem trzeba zmienić samo zadanie.",{"type":11,"attrs":377},{"align":13},{"type":11,"attrs":379,"content":380},{"align":13},[381],{"text":382,"type":17},"Zamiast ogólnego eseju można dać konkretny przypadek lokalny, pracę z danymi kursu lub wymagać wyjaśnienia procesu decyzji. Zamiast powtarzania teorii — porównać podejścia i uzasadnić wybór. Zamiast jednego pliku końcowego — dodać plan, wersję pośrednią i krótką refleksję.",{"type":11,"attrs":384},{"align":13},{"type":11,"attrs":386,"content":387},{"align":13},[388],{"text":389,"type":17},"Im silniejszy związek zadania z rzeczywistym kontekstem, własnym doświadczeniem uczestnika i procesem pracy, tym trudniej po prostu delegować całość.",{"type":11},{"type":11,"attrs":392,"content":393},{"align":13},[394],{"text":395,"type":17},"To nie „ochrona przed ChatGPT”. To po prostu lepszy projekt pedagogiczny.",{"type":11,"attrs":397},{"align":13},{"type":49,"attrs":399,"content":401},{"align":13,"level":51,"id":400},"heading_2_12",[402],{"text":403,"type":17},"Proces staje się równie ważny jak rezultat",{"type":11,"attrs":405,"content":406},{"align":13},[407],{"text":408,"type":17},"W tradycyjnym ocenianiu często widzi się tylko plik końcowy. W epoce AI to nie wystarcza.",{"type":11},{"type":11,"attrs":411,"content":412},{"align":13},[413],{"text":414,"type":17},"Warto zbierać niewielkie dowody procesu: początkowe pytanie, listę źródeł, krótki szkic, decyzję po informacji zwrotnej i końcowy wniosek. Nie oznacza to konieczności osobnej oceny każdego etapu.",{"type":11,"attrs":416},{"align":13},{"type":11,"attrs":418,"content":419},{"align":13},[420],{"text":421,"type":17},"Główna zaleta jest inna: prowadzący widzi rozwój myśli. Uczestnik też lepiej rozumie, że wartość pracy nie polega tylko na pięknym wyniku.",{"type":11,"attrs":423},{"align":13},{"type":11,"attrs":425,"content":426},{"align":13},[427,429,434],{"text":428,"type":17},"W kursie cyfrowym łatwo budować to podejście przez kolejne punkty kontrolne. Jeśli ",{"text":430,"type":17,"marks":431},"platforma LMS WeStudy",[432],{"type":433},"strong",{"text":435,"type":17}," służy jako główne środowisko kursu, zasady AI, zadania pośrednie i ujawnienia można umieścić bezpośrednio w ścieżce nauki, zamiast pozostawiać w osobnym dokumencie, którego nikt nie otwiera.",{"type":11,"attrs":437},{"align":13},{"type":49,"attrs":439,"content":441},{"align":13,"level":51,"id":440},"heading_2_13",[442],{"text":443,"type":17},"Co robić z projektami grupowymi",{"type":11,"attrs":445,"content":446},{"align":13},[447],{"text":448,"type":17},"AI komplikuje znany od dawna problem: w pracy grupowej trudno zrozumieć wkład każdego uczestnika. Teraz do zespołu dołącza jeszcze automatyczny pomocnik.",{"type":11,"attrs":450},{"align":13},{"type":11,"attrs":452,"content":453},{"align":13},[454],{"text":455,"type":17},"Warto więc oceniać nie tylko wspólny produkt. Każdy uczestnik może krótko opisać swoją rolę, obronić jedną część decyzji lub wyjaśnić użycie AI przez zespół.",{"type":11,"attrs":457},{"align":13},{"type":11,"attrs":459,"content":460},{"align":13},[461],{"text":462,"type":17},"Warto też uzgodnić odpowiedzialność. Kto sprawdzał fakty? Kto redagował tekst AI? Kto kontrolował źródła? Jakie automatyczne propozycje zespół odrzucił?",{"type":11},{"type":11,"attrs":465,"content":466},{"align":13},[467],{"text":468,"type":17},"Podejście jest bliższe rzeczywistemu środowisku zawodowemu, w którym ludzie też pracują z technologiami, ale odpowiedzialność nie znika.",{"type":11,"attrs":470},{"align":13},{"type":49,"attrs":472,"content":474},{"align":13,"level":51,"id":473},"heading_2_14",[475],{"text":476,"type":17},"Kod, wzory i dyscypliny techniczne mają własne zasady",{"type":11,"attrs":478,"content":479},{"align":13},[480],{"text":481,"type":17},"W uczciwości akademickiej nie istnieje uniwersalny poziom dopuszczalnej automatyzacji. W zadaniu pisarskim AI może pomagać językowo. W programowaniu nawet mały wygenerowany fragment kodu może realizować kluczowy cel nauki.",{"type":11,"attrs":483},{"align":13},{"type":11,"attrs":485,"content":486},{"align":13},[487],{"text":488,"type":17},"Dlatego prowadzący powinien konkretnie wskazać, czy wolno używać AI do szukania błędu składni, generowania funkcji, pisania testów lub wyjaśniania algorytmu.",{"type":11,"attrs":490},{"align":13},{"type":11,"attrs":492,"content":493},{"align":13},[494],{"text":495,"type":17},"Podobnie w matematyce: kalkulator może być dozwolony, ale generatywna AI budująca całe rozwiązanie pełni już inną rolę.",{"type":11,"attrs":497},{"align":13},{"type":11,"attrs":499,"content":500},{"align":13},[501],{"text":502,"type":17},"Uczestnik musi rozumieć nie tylko „co wolno”, ale dlaczego dana granica istnieje. Zasady stają się wtedy częścią logiki nauki, a nie przypadkowym zakazem.",{"type":11,"attrs":504},{"align":13},{"type":49,"attrs":506,"content":508},{"align":13,"level":51,"id":507},"heading_2_15",[509],{"text":510,"type":17},"Badania i praca z danymi wymagają osobnej uwagi",{"type":11,"attrs":512,"content":513},{"align":13},[514],{"text":515,"type":17},"GenAI może pomagać formułować hipotezy, pisać kod analityczny, tworzyć strukturę przeglądu literatury i wyjaśniać metody statystyczne. Uczciwość akademicka w badaniach ma jednak wyższe wymagania niż w zwykłej pracy domowej.",{"type":11,"attrs":517},{"align":13},{"type":11,"attrs":519,"content":520},{"align":13},[521],{"text":522,"type":17},"Nie wolno pozwalać systemowi wymyślać danych, źródeł lub wyników eksperymentu. Jeśli AI pomagała z kodem, metodyką lub tekstem, rolę technologii trzeba opisać zgodnie z zasadami czasopisma, uczelni lub projektu.",{"type":11},{"type":11,"attrs":525,"content":526},{"align":13},[527],{"text":528,"type":17},"Szczególnie ważne jest, aby nie przekazywać do zewnętrznych serwisów poufnych danych uczestników badania bez właściwych podstaw i procedur.",{"type":11,"attrs":530},{"align":13},{"type":11,"attrs":532,"content":533},{"align":13},[534],{"text":535,"type":17},"OECD w lipcu 2026 roku wymieniło uczciwość akademicką, ochronę danych i wiarygodność wygenerowanej treści wśród głównych wyzwań systemowego wdrażania GenAI w szkolnictwie wyższym.",{"type":11,"attrs":537},{"align":13},{"type":49,"attrs":539,"content":541},{"align":13,"level":51,"id":540},"heading_2_16",[542],{"text":543,"type":17},"Prywatność również jest częścią uczciwości",{"type":11,"attrs":545,"content":546},{"align":13},[547],{"text":548,"type":17},"Etyka akademicka dotyczy nie tylko autorstwa. Obejmuje odpowiedzialne traktowanie danych innych ludzi.",{"type":11},{"type":11,"attrs":551,"content":552},{"align":13},[553],{"text":554,"type":17},"Prowadzący nie powinien automatycznie przesyłać prac uczestników z danymi osobowymi do zewnętrznego serwisu AI. Uczestnik nie powinien przekazywać poufnych materiałów firmy tylko po to, by szybciej wykonać analizę przypadku.",{"type":11,"attrs":556},{"align":13},{"type":11,"attrs":558,"content":559},{"align":13},[560],{"text":561,"type":17},"Zaktualizowane w 2026 roku zalecenia Komisji Europejskiej dotyczące etycznego użycia AI i danych osobno wskazują ryzyka prawne, etyczne i pedagogiczne towarzyszące aktywnemu rozpowszechnieniu AI w edukacji.",{"type":11,"attrs":563},{"align":13},{"type":11,"attrs":565,"content":566},{"align":13},[567],{"text":568,"type":17},"Dobra polityka uczciwości akademickiej musi więc wyjaśniać nie tylko to, co wolno generować, lecz także jakie dane w ogóle można przekazywać systemom.",{"type":11,"attrs":570},{"align":13},{"type":49,"attrs":572,"content":574},{"align":13,"level":51,"id":573},"heading_2_17",[575],{"text":576,"type":17},"Niesprawiedliwe oskarżenia też naruszają zaufanie",{"type":11,"attrs":578,"content":579},{"align":13},[580],{"text":581,"type":17},"Placówka może tak skupić się na walce z AI, że stworzy inny problem — atmosferę ciągłych podejrzeń.",{"type":11,"attrs":583},{"align":13},{"type":11,"attrs":585,"content":586},{"align":13},[587],{"text":588,"type":17},"Jeśli uczestników regularnie oskarża się na podstawie słabych wskaźników, zaczynają ukrywać nawet dozwolone użycie technologii. Prowadzący poświęcają czas na rolę detektywów zamiast mentorów.",{"type":11,"attrs":590},{"align":13},{"type":11,"attrs":592,"content":593},{"align":13},[594],{"text":595,"type":17},"Stanford AI Index pokazuje, że niemal połowa badanych uczniów spotkała się już z sytuacją chęci użycia AI bez pewności, czy wolno. To raczej oznaka niejasnych zasad niż problem samych uczestników.",{"type":11,"attrs":597},{"align":13},{"type":11,"attrs":599,"content":600},{"align":13},[601],{"text":602,"type":17},"Zaufanie nie oznacza braku kontroli. Oznacza przewidywalną procedurę: jasne zasady, możliwość wyjaśnienia pracy, kilka źródeł dowodów i prawo do sprawiedliwego rozpatrzenia sytuacji.",{"type":11,"attrs":604},{"align":13},{"type":49,"attrs":606,"content":608},{"align":13,"level":51,"id":607},"heading_2_18",[609],{"text":610,"type":17},"Nowy kodeks uczciwości musi być krótszy i konkretniejszy",{"type":11,"attrs":612,"content":613},{"align":13},[614],{"text":615,"type":17},"Wiele polityk uczelni napisano językiem prawnym i ukryto w kilkudziesięciostronicowych dokumentach. W świecie szybkich zmian technologicznych to nie wystarcza.",{"type":11,"attrs":617},{"align":13},{"type":11,"attrs":619,"content":620},{"align":13},[621],{"text":622,"type":17},"Uczestnik potrzebuje krótkich odpowiedzi: gdzie AI jest dozwolona, gdzie zabroniona, kiedy ujawnić użycie, jak sprawdzać źródła, jakich danych nie przekazywać i co stanie się po naruszeniu.",{"type":11,"attrs":624},{"align":13},{"type":11,"attrs":626,"content":627},{"align":13},[628],{"text":629,"type":17},"Lepiej mieć jedną stronę jasnych zasad i konkretne reguły każdego zadania niż duży dokument formalnie istniejący, ale niewpływający na zachowanie.",{"type":11,"attrs":631},{"align":13},{"type":11,"attrs":633,"content":634},{"align":13},[635],{"text":636,"type":17},"Politykę trzeba też regularnie przeglądać. Scenariusze użycia AI zmieniają się szybciej niż tradycyjne normy akademickie.",{"type":11,"attrs":638},{"align":13},{"type":49,"attrs":640,"content":642},{"align":13,"level":51,"id":641},"heading_2_19",[643],{"text":644,"type":17},"Uczestników trzeba uczyć uczciwości, a nie tylko karać",{"type":11,"attrs":646,"content":647},{"align":13},[648],{"text":649,"type":17},"Jeśli uczestnik nie rozumie, dlaczego dane użycie AI jest problematyczne, sam zakaz daje słaby efekt edukacyjny.",{"type":11},{"type":11,"attrs":652,"content":653},{"align":13},[654],{"text":655,"type":17},"Warto pokazywać rzeczywiste scenariusze. Dać kilka przykładów i poprosić o określenie, gdzie AI jest redaktorem, współautorem, wykonawcą, a gdzie tylko narzędziem szukania pomysłów.",{"type":11,"attrs":657},{"align":13},{"type":11,"attrs":659,"content":660},{"align":13},[661],{"text":662,"type":17},"Można też pokazać, jak weryfikować odnośniki AI, ujawniać pomoc i zmieniać zapytanie „napisz za mnie” w „pomóż mi zrozumieć”.",{"type":11,"attrs":664},{"align":13},{"type":11,"attrs":666,"content":667},{"align":13},[668],{"text":669,"type":17},"Komisja Europejska w 2026 roku wprost wiąże etyczne użycie AI z rozwojem krytycznych kompetencji AI pedagogów i uczniów. Uczciwe zachowanie staje się kompetencją do wykształcenia, a nie tylko wymogiem regulaminu.",{"type":11,"attrs":671},{"align":13},{"type":49,"attrs":673,"content":675},{"align":13,"level":51,"id":674},"heading_2_20",[676],{"text":677,"type":17},"Prowadzący też powinni ujawniać użycie AI",{"type":11,"attrs":679,"content":680},{"align":13},[681],{"text":682,"type":17},"Uczciwość akademicka nie może być jednostronna. Jeśli od uczestników wymaga się przejrzystości, prowadzący również muszą odpowiedzialnie korzystać z technologii.",{"type":11,"attrs":684},{"align":13},{"type":11,"attrs":686,"content":687},{"align":13},[688],{"text":689,"type":17},"Jeśli AI pomaga tworzyć test, trzeba go sprawdzić. Jeśli system tworzy informację zwrotną, prowadzący nadal odpowiada za treść komentarza. Jeśli praca uczestnika jest analizowana automatycznie, zasady użycia danych muszą być jasne.",{"type":11,"attrs":691},{"align":13},{"type":11,"attrs":693,"content":694},{"align":13},[695],{"text":696,"type":17},"To ważne dla zaufania. Uczestnicy powinni widzieć, że polityka AI chroni jakość nauki, a nie służy kontroli jednej strony.",{"type":11},{"type":11,"attrs":699,"content":700},{"align":13},[701],{"text":702,"type":17},"OECD podaje, że znaczna część prowadzących używa już AI w pracy. Kultura uczciwości musi więc obejmować wszystkich uczestników procesu edukacyjnego.",{"type":11,"attrs":704},{"align":13},{"type":49,"attrs":706,"content":708},{"align":13,"level":51,"id":707},"heading_2_21",[709],{"text":710,"type":17},"Trzeba oddzielić błąd od celowego oszustwa",{"type":11,"attrs":712,"content":713},{"align":13},[714],{"text":715,"type":17},"Uczestnik może celowo naruszyć zasadę. Może jednak również źle zrozumieć niejasną politykę, nie wiedzieć o obowiązku ujawnienia wsparcia AI lub przypadkiem użyć źródła wymyślonego przez system.",{"type":11},{"type":11,"attrs":718,"content":719},{"align":13},[720],{"text":721,"type":17},"Sytuacje te nie muszą mieć jednakowych konsekwencji.",{"type":11,"attrs":723},{"align":13},{"type":11,"attrs":725,"content":726},{"align":13},[727],{"text":728,"type":17},"Dobra polityka uwzględnia proporcjonalność. Najpierw trzeba ustalić zdarzenie, rolę AI i rzeczywistą możliwość zrozumienia zasady przez uczestnika.",{"type":11,"attrs":730},{"align":13},{"type":11,"attrs":732,"content":733},{"align":13},[734],{"text":735,"type":17},"Przy pierwszym niewielkim naruszeniu reakcja edukacyjna — wyjaśnienie, ponowne wykonanie lub refleksja — czasem daje więcej korzyści niż maksymalna kara.",{"type":11,"attrs":737},{"align":13},{"type":11,"attrs":739,"content":740},{"align":13},[741],{"text":742,"type":17},"Nie oznacza to tolerowania oszustwa. Oznacza zachowanie celu edukacyjnego nawet w procedurze dyscyplinarnej.",{"type":11,"attrs":744},{"align":13},{"type":49,"attrs":746,"content":748},{"align":13,"level":51,"id":747},"heading_2_22",[749],{"text":750,"type":17},"Co szkoła online lub uczelnia może zrobić już teraz",{"type":11,"attrs":752,"content":753},{"align":13},[754],{"text":755,"type":17},"Pierwszy krok to audyt zadań. Które da się w całości wykonać uniwersalną AI bez rzeczywistego rozumienia? Właśnie one wymagają pierwszej uwagi.",{"type":11,"attrs":757},{"align":13},{"type":11,"attrs":759,"content":760},{"align":13},[761],{"text":762,"type":17},"Drugi — stworzyć prostą politykę ogólną i dodać konkretne zasady do każdego dużego zadania.",{"type":11,"attrs":764},{"align":13},{"type":11,"attrs":766,"content":767},{"align":13},[768],{"text":769,"type":17},"Trzeci — nauczyć uczestników ujawniać AI i sprawdzać źródła pierwotne.",{"type":11,"attrs":771},{"align":13},{"type":11,"attrs":773,"content":774},{"align":13},[775],{"text":776,"type":17},"Czwarty — zrezygnować z automatycznych kar opartych na detektorach AI i przejść do zbioru dowodów.",{"type":11,"attrs":778},{"align":13},{"type":11,"attrs":780,"content":781},{"align":13},[782],{"text":783,"type":17},"Piąty — nauczyć prowadzących nie tylko wykrywania naruszeń, ale także projektowania zadań odpornych na powierzchowne delegowanie.",{"type":11,"attrs":785},{"align":13},{"type":11,"attrs":787,"content":788},{"align":13},[789,791,794],{"text":790,"type":17},"Jeśli ",{"text":430,"type":17,"marks":792},[793],{"type":433},{"text":795,"type":17}," jest używana do organizacji nauki, zasady uczciwości akademickiej można włączyć do samej struktury kursu: dodawać do zadań, testów i modułów oraz tworzyć kolejne punkty kontrolne zamiast jednego pliku końcowego.",{"type":11,"attrs":797},{"align":13},{"type":49,"attrs":799,"content":801},{"align":13,"level":51,"id":800},"heading_2_23",[802],{"text":803,"type":17},"Dlaczego pełny zakaz AI raczej nie stanie się modelem długoterminowym",{"type":11,"attrs":805,"content":806},{"align":13},[807],{"text":808,"type":17},"W niektórych ocenach zakaz jest całkiem logiczny. Jako ogólna strategia całej edukacji przeczy jednak rzeczywistości, w której uczestnicy będą żyć i pracować.",{"type":11,"attrs":810},{"align":13},{"type":11,"attrs":812,"content":813},{"align":13},[814],{"text":815,"type":17},"Generatywna AI już integruje się z wyszukiwaniem, programami biurowymi, programowaniem, analityką i serwisami zawodowymi. Absolwent musi umieć używać jej krytycznie, zamiast poznawać technologię dopiero po uczelni.",{"type":11,"attrs":817},{"align":13},{"type":11,"attrs":819,"content":820},{"align":13},[821],{"text":822,"type":17},"OECD w 2026 roku opisuje odpowiedzialne wdrożenie GenAI w szkolnictwie wyższym jako połączenie zasad, rozwoju kompetencji, ochrony danych, oceny skuteczności i specjalistycznych narzędzi edukacyjnych. Kierunek międzynarodowy zmierza więc do kontrolowanego użycia, a nie prostego zakazu.",{"type":11,"attrs":824},{"align":13},{"type":49,"attrs":826,"content":828},{"align":13,"level":51,"id":827},"heading_2_24",[829],{"text":830,"type":17},"Przyszłość uczciwości akademickiej leży w dowodach autorstwa, a nie detektorach",{"type":11,"attrs":832,"content":833},{"align":13},[834],{"text":835,"type":17},"Im lepsze będą modele AI, tym słabszy pomysł „rozpoznania stylu maszynowego” w gotowym tekście.",{"type":11},{"type":11,"attrs":838,"content":839},{"align":13},[840],{"text":841,"type":17},"Znacznie pewniej budować naukę tak, aby autorstwo było widoczne w procesie: uczestnik formułuje pytanie, pracuje ze źródłami, pokazuje decyzje pośrednie, ujawnia pomoc i potrafi obronić wynik.",{"type":11,"attrs":843},{"align":13},{"type":11,"attrs":845,"content":846},{"align":13},[847],{"text":848,"type":17},"W takim systemie nie trzeba dowodzić, że każde zdanie napisano bez AI. Trzeba dowieść, że kompetencja należy do uczestnika.",{"type":11,"attrs":850},{"align":13},{"type":11,"attrs":852,"content":853},{"align":13},[854],{"text":855,"type":17},"To zmiana fundamentalna. Uczciwość akademicka przechodzi od kontroli podobieństwa tekstowego do przejrzystości wkładu intelektualnego.",{"type":11,"attrs":857},{"align":13},{"type":49,"attrs":859,"content":861},{"align":13,"level":51,"id":860},"heading_2_25",[862],{"text":863,"type":17},"Nowe zasady w rzeczywistości przywracają edukację do podstaw",{"type":11,"attrs":865,"content":866},{"align":13},[867],{"text":868,"type":17},"Generatywna AI uczyniła stare mechanizmy kontroli mniej wiarygodnymi, ale zarazem zmusiła edukację do postawienia właściwszych pytań.",{"type":11,"attrs":870},{"align":13},{"type":11,"attrs":872,"content":873},{"align":13},[874],{"text":875,"type":17},"Co dokładnie uczestnik ma umieć? Jakie części pracy można automatyzować? Jak dowieść rozumienia własnego wyniku? Jaka pomoc jest normalna, a jaka tworzy fałszywy obraz kompetencji?",{"type":11},{"type":11,"attrs":878,"content":879},{"align":13},[880],{"text":881,"type":17},"Przy jasnych odpowiedziach uczciwość akademicka przestaje być listą zakazów. Staje się kulturą przejrzystej pracy: uczestnik uczciwie pokazuje wkład, prowadzący tworzy sprawiedliwe zasady, a AI używa się tam, gdzie wspiera naukę, zamiast maskować jej brak.",{"type":11,"attrs":883},{"align":13},{"type":11,"attrs":885,"content":886},{"align":13},[887],{"text":888,"type":17},"Technologie będą się zmieniać. Dziś to chatboty, jutro autonomiczni agenci wykonujący całe łańcuchy działań. Zasada pozostanie jednak ta sama: autorstwo, odpowiedzialność i rzeczywista kompetencja powinny pozostać ludzkie.",{"type":11,"attrs":890},{"align":13},{"type":49,"attrs":892,"content":894},{"align":13,"level":51,"id":893},"heading_2_26",[895],{"text":896,"type":17},"Źródła",{"type":11,"attrs":898,"content":899},{"align":13},[900,904],{"text":901,"type":17,"marks":902},"Stanford Institute for Human-Centered AI — The 2026 AI Index Report: Education.",[903],{"type":433},{"text":905,"type":17}," Dane o rozpowszechnieniu AI wśród uczniów i studentów oraz jasności polityk.",{"type":11},{"type":11,"attrs":908,"content":909},{"align":13},[910,914],{"text":911,"type":17,"marks":912},"OECD — Digital Education Outlook 2026: Exploring Effective Uses of Generative AI in Education.",[913],{"type":433},{"text":915,"type":17}," Dane o użyciu AI przez prowadzących i ryzykach dla uczciwości akademickiej.",{"type":11},{"type":11,"attrs":918,"content":919},{"align":13},[920,924],{"text":921,"type":17,"marks":922},"OECD — Policies supporting responsible and systematic GenAI adoption in higher education",[923],{"type":433},{"text":925,"type":17},", 17 lipca 2026 roku.",{"type":11},{"type":11,"attrs":928,"content":929},{"align":13},[930,934],{"text":931,"type":17,"marks":932},"EDUCAUSE — The Impact of AI on Learning Assessment",[933],{"type":433},{"text":935,"type":17},", 2026. Badanie 438 prowadzących i pracowników szkolnictwa wyższego.",{"type":11},{"type":11,"attrs":938,"content":939},{"align":13},[940,944],{"text":941,"type":17,"marks":942},"European Commission — Guidelines on the ethical use of artificial intelligence and data in teaching and learning",[943],{"type":433},{"text":945,"type":17},", aktualizacja z 2026 roku.",{"type":11},{"type":8,"content":948},[949],{"type":11},1787270400,"https:\u002F\u002Fcloud.cs3.westudy.ua\u002Ffile?path=westudy_online\u002Fpublic\u002Fwestudy\u002F4d703f3e-5b96-49e0-8f38-ac4106078e82.webp","ai-academic-integrity",true,false,"28e9fbb1-1c4a-479f-b157-23f0bb17cc8d","Штучний інтелект в освіті","artificial-intelligence","light","news.articles"]