Postplagiarism: transdisciplinary ethics and integrity in the age of artificial intelligence and neurotechnology
Notice bibliographique
Résumé
Abstract In this article I explore the concept of postplagiarism, loosely defined as an era in human society and culture in which advanced technologies such as artificial intelligence and neurotechnology, including brain-computer interfaces (BCIs), become a normal part of life, including how we teach, learn, communicate, and interact on a daily basis. Ethics and integrity are intensely important in the postplagiarism era when technology cannot be decoupled from everyday life. I argue that it might be reasonable to assume that when commercialized neuro-educational technology is readily available in a form that is implantable/ingestible/embeddable and invisible then academic integrity arms race will be over, as detection will be an exercise in futility. In a postplagiarism era, humans are compelled to grapple with questions about ethics and integrity for a socially just world at a time when advanced technology cannot be unbundled from education or everyday life. I conclude with a call to action for transdisciplinary research to better understand ethical implications of advanced technologies in education, emphasizing that such research can be considered pre-emptive, rather than speculative. The ethical implications of ubiquitous artificial intelligence and neurotechnology (e.g., BCIs) in education are important at a global scale as we prepare today’s students for academic and lifelong success.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,036 | 0,041 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,014 | 0,107 |
| Communication savante | 0,017 | 0,019 |
| Science ouverte | 0,002 | 0,015 |
| Intégrité de la recherche | 0,008 | 0,017 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».