Соблюдение академической честности: исследовательское изучение возможности ИИ-помощи в выявлении несанкционированного использования машинного перевода в студенческих переводах

Почему это важно для студентов и преподавателей

По мере того как онлайн-переводчики и чат-боты становятся повседневными учебными инструментами, преподавателям всё труднее определить, когда студентская работа действительно отражает собственные навыки учащегося. В этой статье рассматривается, может ли программа анализа письменных работ помочь преподавателям выявлять скрытое использование машинного перевода на занятиях по языку и что это значит для справедливости и доверия в образовании.

Рост цифровых помощников в изучении языков

Такие инструменты, как Google Translate и крупные чат-боты, теперь способны за секунды выдавать плавные и часто впечатляющие переводы. При разумном использовании они могут поддерживать развитие навыков чтения, аудирования и даже письма. Но когда студенты тайно вставляют эти результаты в задания, которые должны демонстрировать их собственные способности, грань между «полезной подсказкой» и «списыванием» стирается. Авторы определяют «несанкционированное» использование как копирование предложений или более длинных фрагментов из таких инструментов в письменную работу без разрешения или обязательного раскрытия. Это важно, потому что скрывает реальные способности студентов и подрывает честность и справедливость, на которых держится академическая этика.

Как было организовано исследование

Чтобы выяснить, может ли технология помочь преподавателям заметить такого рода скрытую помощь, исследователи провели двухэтапный эксперимент в одном китайском университете. Сначала 39 изучающих английский язык со средним и выше среднего уровнем выполнили два коротких задания по переводу с китайского на английский. Одна группа переводила полностью самостоятельно, одна группа редактировала постобработку Google Translate, а другая — постобработку ChatGPT. В результате получились 78 студенческих переводов в трёх разных условиях. Затем 78 преподавателей английского языка оценивали, был ли каждый образец создан с помощью машины или нет, и отмечали языковые подсказки, на которые они опирались. Половина преподавателей делала эти решения без посторонней помощи. Другой половине предоставили компактный отчёт от ProWritingAid — инструмента на базе ИИ, который суммирует такие характеристики, как грамматическая корректность, типичная длина предложений и частота употребления связующих слов.

Что изменил отчет ИИ

Ключевой вывод заключается в том, что преподаватели, имевшие доступ к отчёту ИИ, оказались значительно точнее в своих оценках. В среднем неспользовавшиеся отчётом преподаватели были правы примерно в половине случаев, тогда как те, кто использовал ProWritingAid, угадывали примерно в трёх из четырёх случаев. Сам инструмент не указывал, какие тексты обработаны машиной; он подчёркивал измеримые закономерности в письме. Например, некоторые переводы демонстрировали необычно высокий уровень корректности, сложную формулировку или плотное использование связок по сравнению с тем, чего преподаватели ожидали от этой группы учащихся. Отчёт делал такие контрасты легче заметными при сравнении нескольких образцов одновременно, давая преподавателям более веские основания для подозрений или для уверенности.

Разные инструменты — разные следы

Исследование также показало, что не все машинно-поддержанные тексты одинаково легко распознаются. В этих условиях переводы, созданные с участием ChatGPT, выявлялись чаще всего, с Google Translate — реже всего, а чисто человеческая работа оказалась между ними. Одна из вероятных причин в том, что выход ChatGPT иногда выглядел «слишком хорошим для этого уровня» в лексике и текучести, создавая резкий контраст с типичными студентскими работами. Напротив, слегка отредактированный результат Google Translate мог напоминать то, что реалистично мог бы создать учащийся со средним уровнем, что затрудняет отличение от подлинной работы. Авторы предостерегают, что эти результаты связаны с конкретным заданием, парой языков и группой студентов и в других условиях могут проявляться иначе.

Какие подсказки действительно используют преподаватели

Когда преподаватели объясняли свои решения, большинство ссылалось не на явные ошибки, а на сильные стороны, кажущиеся нехарактерными: продвинутый выбор слов, очень отточенные предложения, сильная когезия и почти полное отсутствие ошибок. Классические «промахи» машин, такие как неуклюжие обороты или неверный выбор слова, упоминались значительно реже. Преподаватели, получившие отчёт ИИ, называли более широкий набор подсказок для одного решения, что наводит на мысль, что инструмент побуждал их сверять сразу несколько аспектов текста, а не полагаться на одно предположение. Хотя такой более широкий подход повышал общую точность, он также создаёт риск: действительно отличная работа студента может быть ошибочно воспринята как подозрительная просто потому, что превосходит ожидания.

Что это значит для справедливой оценки

Для неспециалистов главный вывод в том, что ИИ действительно может помочь преподавателям выявлять скрытое использование машинного перевода, но он не является волшебным детектором лжи. Даже с поддержкой аналитики некоторые подлинные работы ошибочно помечаются, а часть машинно-поддержанных работ остаётся незамеченной. Авторы утверждают, что такие инструменты должны служить ориентиром, а не заменой человеческого суждения, и что любая «красная метка» должна приводить к тщательной проверке, а не к автоматическому наказанию. Они также призывают к чётким правилам в классе о том, когда и как можно использовать инструменты перевода, и к обучению, которое поможет и преподавателям, и студентам понять сильные стороны и ограничения этих технологий. При таком сбалансированном применении ИИ может поддерживать более честное и прозрачное изучение языка, вместо того чтобы противоречить ему.

Цитирование: Zhou, X., Wang, X. Upholding academic integrity: an exploratory study of AI-assisted detection of unauthorised machine translation use in student translations. Humanit Soc Sci Commun 13, 331 (2026). https://doi.org/10.1057/s41599-026-06827-7

Ключевые слова: академическая честность, машинный перевод, оценка языковых навыков, аналитика письменных работ на базе ИИ, обучение переводу