Dies ist eine Übersichtsseite mit Metadaten zu dieser wissenschaftlichen Arbeit. Der vollständige Artikel ist beim Verlag verfügbar.
An Analysis of Students’ Ethics in Using AI for Writing Task At Uin Bukittinggi
0
Zitationen
4
Autoren
2026
Jahr
Abstract
Penelitian ini mengkaji permasalahan etika mahasiswa dalam menggunakan AI untuk tugas menulisdi UIN Bukittinggi. Peningkatan pesat penggunaan aplikasi AI seperti ChatGPT, Perplexity AI, QuillBot, Grammarly, dan Gemini tidak disertai dengan pedoman resmi dari universitas, yang mengakibatkan rendahnya kesadaran mahasiswa tentang penggunaan AI yang etis. Penelitian ini menggunakan pendekatan kualitatif dengan desain studi kasus yang melibatkan sepuluh mahasiswa semester lima yang dipilih melalui sampling purposif. Data dikumpulkan melalui wawancara mendalam dan analisis dokumen, yaitu dengan membandingkan riwayat penggunaan AI dengan tugas menulis yang dikumpulkan mahasiswa. Analisis data dilakukan menggunakan model Miles dan Huberman, yang meliputi reduksi data, penyajian data, dan penarikan kesimpulan. Temuan menunjukkan beberapa permasalahan etika, termasuk keengganan mahasiswa untuk mengungkapkan penggunaan AI mereka, kegagalan untuk meninjau atau mengevaluasi secara kritis konten yang dihasilkan AI, penyalinan langsung hasil AI tanpa kontribusi pribadi, ketergantungan berlebihan pada AI yang membatasi pembelajaran mandiri dan pengembangan keterampilan menulis, kurangnya tanggung jawab atas hasil tulisan yang dibantu AI, dan ketakutan untuk mengakui penggunaan AI karena kekhawatiran melanggar peraturan akademik. Studi ini menyimpulkan bahwa tidak adanya pedoman penggunaan AI yang jelas dan rendahnya kesadaran etika di kalangan mahasiswa secara signifikan berkontribusi tergadap prilaku tidak etis dalam praktik penulisan akademik.
Ähnliche Arbeiten
Explainable Artificial Intelligence (XAI): Concepts, taxonomies, opportunities and challenges toward responsible AI
2019 · 8.764 Zit.
Stop explaining black box machine learning models for high stakes decisions and use interpretable models instead
2019 · 8.674 Zit.
High-performance medicine: the convergence of human and artificial intelligence
2018 · 8.234 Zit.
BioBERT: a pre-trained biomedical language representation model for biomedical text mining
2019 · 6.898 Zit.
Proceedings of the 19th International Joint Conference on Artificial Intelligence
2005 · 5.781 Zit.