TAFE SA作为注册培训组织和高等教育研究所的地位由国家监管机构,澳大利亚技能质量局(ASQA)和高等教育质量和标准局(TEQSA)管理。这是对ASQA和TEQSA进行注册的要求,TAFE SA表明了持续遵守兽医质量框架和高等教育标准框架的所有要求。通过常规审核评估合规性。作为TAFE SA也是高等教育提供者,其Cricos注册也受到Teqsa的监管。
Insearch Limited – ABN 39 001 425 065 Insearch Limited (UTS College) CRICOS 提供商代码:00859D / TEQSA 提供商识别号:PRV12022,提供商类别:高等教育机构 悉尼科技大学 CRICOS 提供商代码:00099F / TEQSA 提供商识别号:PRV12060,提供商类别:澳大利亚大学 Insearch Limited (UTS College) 是悉尼科技大学 (UTS) 的受控实体,作为高等教育机构,UTS College 提供 UTS 的衔接课程。1231303008_1123
1. 澳大利亚政府为该行业制定关于在教学、学习、评估和研究中使用生成人工智能 (AI) 的可选指导。例如,政府可以概述机构在制定和更新其内部政策时可能希望考虑的各种实际和道德问题(包括数据隐私、偏见、问责制和生成人工智能的可靠性)。但是,大学应继续自主制定自己的生成人工智能政策,以确保这些政策适合其社区。 2. 澳大利亚政府与该行业合作,在大学、政府和行业合作伙伴之间建立教育生成人工智能实践社区。这可能包括会议、研讨会和论坛,利益相关者可以在其中交流高等教育生成人工智能的想法、最佳实践和经验教训。参与者可以讨论和分享降低学术不端行为风险的替代评估形式、将生成人工智能融入教学和评估的创造性方法以及新出现的道德问题。 3. TEQSA 继续为该行业制定指导并分享有关人工智能的有用资源。在现阶段,可能无需更新门槛标准以反映生成性人工智能,因为标准已经要求机构有效评估学习成果并降低学术和研究诚信风险。但随着技术的进步,这种情况可能会改变。4. 澳大利亚政府鼓励大学和其他教育机构在面向学生和教职员工的核心职能中透明地使用生成性人工智能。5. 澳大利亚政府和产业界投资人工智能和相关技术的研发和劳动力发展,并注意到生成性人工智能资源主要集中在美国私营公司,对澳大利亚构成风险。6. 澳大利亚研究委员会考虑设立基金或卓越中心,用于研究教育中的生成性人工智能。
• 在准备/生成研究内容时,所有由人工智能生成的材料都必须按照大学的研究政策(如上所述)得到适当的承认和引用。由于从生成人工智能获得的信息未在任何地方发表(尽管它可能来自已发表的来源),因此其引用可能会出现问题。来自人工智能的内容必须得到适当引用。• 作者对其出版物的学术完整性和准确性负全部责任。请注意,生成人工智能工具不能被视为共同作者,也不能假定对内容负责。• 作者必须充分了解并熟悉 SCU 大学的人工智能相关规则以及他们希望发表的特定期刊或同等期刊。虽然有些期刊可能允许使用人工智能生成的文本,但有些期刊(例如《科学》)不允许使用,除非获得出版商的明确批准。• 作者必须了解与使用人工智能相关的知识产权 (IP) 问题。例如,除非获得 IP 问题(例如出版商的明确许可),否则不能使用由 ChatGPT 等人工智能系统生成的图像。7.HDR 候选人必须确保他们完全了解使用人工智能的详细信息,方法是仔细阅读 TEQSA 指南提供的全面信息。8.在没有适当承认来源的情况下,故意直接或通过第三方使用生成人工智能工具来生成/编写/制作任何作品(付费或免费),相当于故意的学术和研究不端行为。所有不遵守上述准则的 HDR 候选人可能会受到大学学术不端行为政策中概述的处罚。9.为了引用提供内容的数字辅助工具的输出,建议:
安迪·韦斯特 2024 年 4 月 在任何关于诚信的讨论中,无论是在商业、政府还是学术机构中,数据诚信都是一个关键组成部分。在任何组织中,数据诚信对于决策、提供支持主张的证据、质量保证和法规遵从性都至关重要。在学术机构中,数据诚信还提供教职员工和学生学业成就的证据。数据诚信通过记录真实评估结果来捕捉学生获得的毕业属性和学习成果,以确保学术机构颁发的资格的完整性。在数字时代,数据无处不在,组织可以从设备、传感器、视频、图像等形式捕获数据,从而实现大数据、人工智能、区块链和物联网。数据是新石油的说法首次由克莱夫·亨比于 2006 年提出(Charles,2013 年)。这个比喻有力地传达了数据作为数字时代基本资源的重要性。然而,就像石油需要精炼才能生产出塑料、天然气、石化产品和其他对我们现代至关重要的副产品一样,数据也需要精炼才能充分发挥其潜力,推动数字化转型、创新、技术进步、生产力提高和经济增长 Palmer (2021)。数据精炼或处理的基础是数据的质量和完整性。这将数据变成支撑知识经济的关键资产。 数据完整性定义 数据完整性是指数据在其生命周期内的准确性和一致性。它是一个综合术语,涵盖了完整、未更改和正确的状态,使数据可靠地用于其预期用途 (Cote, 2021)。确保数据完整性涉及遵守一套旨在安全准确地管理数据的标准和控制,保护数据免遭未经授权的访问、更改或破坏。因此,数据完整性的维护不仅仅是处理,还包括存储数据以保持其有用性、可靠性和有效性。数据完整性是数据价值的基石,可确保数据在整个生命周期内始终保持准确和安全。数据完整性合规性的重要性:对于澳大利亚所有注册的高等教育机构而言,数据完整性是遵守一系列监管要求和监管机构的基础。高等教育质量标准局负责授予、管理并确保遵守《2021 年高等教育标准框架(门槛标准)》、《2011 年高等教育质量和标准 (TEQSA) 法案》(联邦)、《2003 年高等教育支持法案》(HESA)《注册机构国家行为准则》(联邦)、《2018 年海外学生教育和培训提供者国家行为准则》(国家准则),《2000 年海外学生教育服务法案》(联邦法案)和《2001 年海外学生教育服务条例》,其中概述了联邦海外学生机构和课程登记册 (CRICOS),用于国际学生教育。其他政府机构管理的一系列联邦立法也要求采取强有力的数据完整性措施。这些是《1988 年隐私法案》(联邦法案)和《1958 年移民法案》(联邦法案)和《公司法案》(2001 年)。欧洲的《GDPR》、美国的《健康保险隐私及责任法》等国际法规以及世界各地的其他法规都执行严格的数据完整性标准,对不遵守规定的行为处以严厉的处罚。
对信息请求的回应(REQ07997)弗林德斯大学要感谢Teqsa提供的机会,以响应于2024年6月3日收到的信息请求(REQ07997)。这种反应和相关的支持证据旨在代表一项可靠的机构行动计划,证明了弗林德斯大学如何与之互动,并具有减轻生成人工智能对我们奖励完整性的影响。弗林德斯大学AI行动计划在过去18个月中,弗林德斯大学(Flinders University)踏上了迭代,变革性的旅程,以应对生成人工智能(Gen AI)带来的挑战和机遇。对工作的核心是AI解释性的重要性,尤其是在解决周围AI的普遍恐惧时,信任和理解的促进。AI Gen Gen对学术诚信的含义是关于传统评估项目(尤其是那些需要书面文物(例如论文和论文)的评估项目)可能不再准确地反映了学生的能力,从而破坏了学生的学位价值,如果学生在AI上依靠Gen Gen Gen Gen。我们可以维持未来书面作业的使用还是太高的风险?什么构成真实评估?我们是否需要对我们如何评估学生进行基本重新思考?我们正在评估什么学习?我们是否应该摆脱书面人工制品,而更多地转移到产生人工制品,解释,解释或审查文物的过程?我们如何确保在这种环境中的评估安全性?就像该行业一样,作为一个机构,我们正在努力迅速采用新技术和迅速的变革速度,事实证明,这既具有挑战性,又令人兴奋。这种速度需要创新和敏捷性,这在一个系统中可能会具有挑战性,在这个系统中,教学方法通常保持在传统方法和课程更改过程中的根深蒂固。在学术界,对AI代的态度各不相同。有些人寻求明确的指导和框架以将AI整合到他们的工作中,但其他人则更喜欢自治,以抵制其专业实践的外部指导。同时,我们的一些学生似乎比我们的许多学者更熟悉AI。这是公平,访问和AI“扫盲”的困境。涉足这些复杂性,弗林德斯(Flinders)致力于继续发展和适应我们的教育策略。作为一个机构,我们认识到AI已经是我们日常生活和专业景观不可或缺的一部分。未来的学生来到Flinders将会意识到,即使不是积极利用AI代。我们致力于为毕业生提供利用其全部潜力所需的知识和技能。我们要确保我们的学生可以有效利用AI工具和技术,但他们以正直和真实性的方式来做到这一点。本文档概述了制度策略,详细介绍了当前的行动和回应,以及在短期,中期和长期时间内的未来倡议。它通过学习和教学报告人工智能和数字文学党工作党的人工智能和数字文学工作聚会于2022年下半年与大学学术诚信官员进行了研讨会,以回应2022年11月的Chatgpt发布。它包括学术和专业员工,旨在监督和告知我们与AI相关的风险和减轻风险的机构方法。工作组评估了AI在各个领域的含义,设计了积极的措施来解决潜在的风险,并促进了负责的AI使用。