内容来源：https://aiweekly.co/issues/universities-cannot-grade-their-way-out-of-ai

内容总结：

本周，高校IT负责人首次将人工智能列为头号优先事项；剑桥大学因Turnitin新条款允许学生作品用于AI训练而拒绝签署；达特茅斯学院对自身教务长展开调查；肯·格里芬向卡内基梅隆大学捐赠30亿美元。学生使用AI已不再是未来场景。对大学而言，真正有用的问题是：能否教会学生与AI协作，同时仍能认证学生在没有AI时具备的能力。来自辅导试验、评估重新设计、学生支持系统和校园数据交易的新证据，指向了一个切实可行的答案。

核心要点

• 几乎所有学生都在使用AI。英国一项针对1054名本科生的调查显示，94%的人表示在评估工作中使用了生成式AI，但仅48%认为教职员工在帮助他们培养AI技能。EDUCAUSE的882名受访者首次将“确定AI在何处产生真正价值”列为行业头号IT议题，超过了网络安全。
• AI辅导只有在有学习设计时才有效。一项GRE预印本研究发现，AI辅导在一小时课程中与专家人类辅导效果相当；而一个为期一学期的课程聊天机器人对约500名本科生没有产生任何可衡量的改变。
• 大学正在将评估分为两条轨道：AI允许的工作，以及监督下的考试和口头答辩，用以验证学生独立完成的能力。
• 教职员工如今也处于聚光灯下。达特茅斯学院在学生会报纸发现疑似AI生成的文字后对其教务长展开调查，学生也在聘请律师应对AI学术不端指控。
• 学生作品正在成为训练数据。剑桥大学拒绝签署Turnitin新许可协议，该协议本将允许学生提交的作品用于开发AI工具；该变更现已推迟至2027年9月。

1. 争论已经结束，设计问题才刚刚开始

在2025年12月一项针对1054名英国全日制本科生的调查中，95%的人表示至少以某种方式使用过生成式AI。直接将在评估作品中包含AI生成文本的比例达到12%，高于一年前的8%。这些数据为自我报告、仅限英国，且来自一家教育科技公司赞助的调查。但加州州立大学一项规模大得多的自愿调查指向同一方向：超过94000名学生、教职员工参与，95%的人使用过所列21种AI工具中的至少一种。

负责校园技术的人也得出了相同结论。EDUCAUSE在丹佛年会上发布了2027年十大IT议题，首要议题不是“部署更多AI”，而是决定AI在哪里值得投入。

因此，院校的选择不是“用AI还是不用AI”，而是如何区分大学一直模糊处理的两项任务：

• 教授AI赋能的工作。学生需要练习使用、质疑和监督他们毕业后将遇到的工具。
• 验证独立能力。学位仍然必须意味着持有者能在工具不可用、出错或不适用时进行推理、解释、决策和执行。

2. AI辅导需要学习设计，而不仅仅是聊天框

StudentBench——一份9月预印本——将2383名参与者分配到AI辅导、专家人类辅导或无辅导三组。作者报告称，AI辅导在GRE学习增益上与专家人类辅导在统计上相当。但任务是GRE备考，课程仅一小时，后测为即时进行，并未证明持久学习效果。

经过同行评审的反例是一项为期一学期的入门市场营销试验，其中基于课程内容、采用检索增强生成的聊天机器人对兴趣、自我效能、参与度或成绩均未产生统计显著变化。

达特茅斯的Phosphor试点揭示了二者的区别所在。它将阅读材料、重复检索练习和AI评分简答题嵌入一门入门统计学课程。研讨会论文报告称，在期末考试中，完整剂量与零剂量的建模差距为0.71至1.30个标准差，但部署为可选且观察性，仅在一所选拔性院校进行，因此自我选择是主要威胁，该差距并非因果效应。其聊天助手仅收到72次查询；结构化练习功能的使用率远高于此。

还有一种理由需要对最常见的学生用法——摘要——保持警惕。乔治城大学和华盛顿大学的一项研究将于本月在AAAI/ACM AI、伦理与社会会议上发表，向331名参与者展示了一段简短动画视频，一两天后给他们一份AI生成的摘要。在关于他们所看内容的关键问题上，获得准确摘要的人中83.6%回答正确，而获得误导性摘要的人中仅44.8%回答正确。这些片段并非课程材料，但这一警告适用于任何允许用摘要替代阅读的课程。

教训不是“买一个辅导工具”，而是“买一套学习机制”。要问：学生将有什么不同的行为？教职员工能否检查系统的来源？试点衡量的是无辅助表现还是点击量？谁受益、谁被落下？

3. 围绕学习证据构建评估，而非检测

哈佛学院院长提出了“杠铃”方案：在深化学习的地方鼓励AI，使掌握性评估对AI具有抵抗力，增加监督下的测验和考试，以及对大型项目的口头答辩。他明确表示这些是建议性想法，尚未成为政策。

芝加哥大学法学院走得更远。其2026-27战略将通常无设备的一年级核心课程和现场考试与基础优先的法律写作相结合：学生先学习不用AI写作，然后将其用于研究、修改和口头辩论准备。高年级研究论文增加现场口头讨论。

这一转变有一位哲学辩护者。在《纽约时报》客座文章中，威廉姆斯学院哲学与认知科学系主任乔·克鲁兹认为，写作是发展思维最佳方式的证据薄弱，学生可能通过说话、回答问题并为自己的观点辩护来最好地思考。你不必接受他的全部论点，也能领会其实践意义：口头答辩测试了精修论文不再能测试的东西。

允许使用AI的工作仍然可以要求真正的思考。伦敦大学学院的一个案例研究要求学生批判性评估ChatGPT生成的科学输出；学生表示这培养了独立研究技能和对AI局限的理解。这只是一个小 cohort，但模式很有用：让模型的输出成为判断的对象，而非判断的替代品。

4. 保留一名具名人员对成绩和不端行为负责

下一个诱惑是自动化办公桌的另一端。AI Weekly专家池中分享的一个故事发现，多所澳大利亚大学允许在评估或反馈中有限使用AI，但有附加条件：西悉尼大学表示教职员工仍对成绩负责，纽卡斯尔大学提供选择退出，迪肯大学禁止AI分配成绩。西悉尼一位讲师警告“验证漂移”——过度劳累的审阅者仔细检查早期输出，慢慢变成橡皮图章。

教职员工规范也未确定。在《高等教育纪事报》对460名发表学术成果的学者的调查中，65%表示在准备发表写作时从未使用过生成式AI，四分之一称其对学者“完全不可接受”。这一差距已在产生事件。达特茅斯教务长圣地亚哥·施内尔已道歉，《泰晤士报》报道多所校园的学生称此类案例为虚伪。

规则应该简单。AI可以帮助组织证据或检查评分标准，但具名学者拥有成绩、反馈和任何不端指控。学生应知道AI何时接触了他们的作品，有途径获得人工复核，且绝不因检测器分数而失去申诉权。搞错的代价正在上升：《金融时报》报道学生现在带律师参加不端行为案件。

5. 大学也在成为数据供应商

AI政策不能止步于课堂。《卫报》报道称OpenAI在博德利图书馆资料上进行了训练。牛津表示使用规模适度、非排他性且限于版权过期作品，图书馆保留扫描权并计划开放出版。

学生作品是下一个。Turnitin原计划允许学生提交的作品用于“改进或开发AI工具”。在英国行业的反对下，该变更暂停至2027年9月，将与大学IT机构UCISA重新起草。剑桥在2027年7月前继续使用旧条款；南安普顿表示2026-27年后不再续约。Turnitin表示不训练生成式AI模型，也无计划以那种方式使用学生论文。正如约克学生会官员在Wonkhe上所言，当使用该工具是提交作业的条件时，学生无法有意义地同意。

同样的逻辑适用于大学正在购买的AI平台。新南威尔士大学悉尼分校已向超过80000名学生和教职员工提供ChatGPT Edu。在Tech Policy Press上，皇家空军学院的汤姆·史密斯认为大学应拥有任何单一模型之上的治理层，并保持数据可移植。他的测试标准是：“机构必须能够离开。”

获取也是其中一部分。9月30日，卡内基梅隆大学宣布肯·格里芬30亿美元承诺，称其为高等教育史上最大规模，其中包括5亿美元用于计算机科学学院，将支付GPU和AI基础设施费用。大多数大学永远不会有这样的预算。对它们而言，协商校园访问权，附带隐私默认设置和退出条款，才是公平问题。

头条背后的模式

本周每个故事都关于同一条缺失的线：谁对AI触及的事物负责。学生在评估工作中使用AI、教务长在发表写作中使用AI、澳大利亚评分者在成绩中使用AI、Turnitin寻求学生论文权利、牛津分享图书馆扫描件——都提出同一个问题：是否有一个具名的人做出了决定，受影响的人能否看到并质疑该决定？逐门课程、逐份合同回答这个问题的大学将保持其学位的可信度。用禁令或全校许可来回答的大学则不能。

本周行动建议

• 明确每个项目认证的人类能力，并标记哪些评估允许AI、哪些验证无AI的掌握程度。
• 运行一个基于内容的学习试点，而非全校聊天机器人部署。衡量无辅助表现并设定停止规则。
• 对评分和不端行为采用人类问责规则：披露、人工复核、申诉和具名决策者。检测器分数本身永远不够。
• 向教职员工提出与学生相同的AI披露问题，并公布答案。
• 审计学生无法选择退出的合同，从抄袭检测器和学习管理系统开始，检查AI训练和数据复用条款。
• 发布AI采购登记册，包含用途、数据流、训练权利、保留、成本和退出条款。

等等，什么？

一家澳大利亚辅导公司告诉家长省钱改用AI。Dymocks Tutoring和Talent 100于9月底关闭了其五家悉尼中心，告诉客户Gemini和ChatGPT等工具已使其服务过时。一家企业在退出时推荐其替代品实属罕见。大学卖的远不止辅导，应将其视为一个问题：我们提供了什么聊天机器人不能提供的？

值得关注

• 麻省理工学院8月关于AI与教育的报告：一个教职委员会发现AI正在使学生远离学习小组和办公时间，建议从学习目标出发重新设计课程，采用口头考试和作品集，而非试图AI免疫。网络内10位专家分享。
• 布朗大学对AI学生支持系统的四年研究：短信提醒改善了时间敏感行政任务的完成，但对成绩或坚持没有可检测的影响。这是校园代理归属的有用指南。

本周投票

你的大学应该在哪里划定最坚定的AI界限？

中文翻译：

本周，校园IT负责人首次将AI列为他们的首要任务；剑桥拒绝接受Turnitin的新条款，因其涉及用学生作业训练AI；达特茅斯学院对自身教务长的写作展开调查；肯·格里芬向卡内基梅隆大学捐赠30亿美元。学生使用AI已不再是未来场景。对大学而言，有用的问题是：它们能否教会学生与AI协作，同时仍能认证这些学生在没有AI时能做什么。来自辅导试验、评估重新设计、学生支持系统和校园数据交易的新证据指向一个切实的答案。

赞助商
创建你的数字孪生
Your Sentience是一个个人AI，它理解你的价值观，知道你在意什么，并主动代表你行动。
使用优惠码AIWEEKLY注册

太长不看

• 几乎所有学生现在都在使用AI。在一项针对1054名英国本科生的调查中，94%表示他们在被评估的作业中使用了生成式AI，但只有48%觉得教职人员在帮助他们培养AI技能。EDUCAUSE的882名受访者刚刚将“确定AI在何处带来真正价值”列为该领域的头号IT问题，首次超过网络安全。
• AI辅导只有在有学习设计时才有效。一篇GRE预印本发现，AI辅导在一小时课程中与专家人类辅导效果相当，而一个为期一学期的课程聊天机器人对约500名本科生没有产生任何可测量的变化。
• 大学正在将评估分为两条轨道：AI允许的作业，以及监督下的考试和口试答辩，用以验证学生独立能做什么。
• 教职人员现在也处于聚光灯下。达特茅斯学院正在调查其教务长，因为学生报纸发现了疑似AI生成的文字，而学生们正在聘请律师来应对AI学术不端指控。
• 学生作业正在变成训练数据。剑桥拒绝签署Turnitin的新许可，该许可将允许学生提交的作业被用于开发AI工具；这一变更现已推迟至2027年9月。

1. 争论已经结束。设计问题还没有。
   在2025年12月一项针对1054名英国全日制本科生的调查中，95%表示他们至少以某种方式使用过生成式AI。表示在被评估作业中直接包含AI生成文本的比例达到12%，高于一年前的8%。这些数据是自我报告的、针对英国的，且来自一家教育科技公司赞助的调查。但加州州立大学一项规模大得多的自愿调查指向同一方向：超过94000名学生、教职员工做出回应，95%使用过所列21种AI工具中的至少一种。
   管理校园技术的人也得出了同样的结论。EDUCAUSE在丹佛举行的年度会议上发布了其2027年十大IT问题，会议于10月2日闭幕。头号问题不是“部署更多AI”，而是决定AI在何处值得投入。
   因此，机构的选择不是“用AI还是不用AI”，而是如何区分大学已经模糊化的两项工作：

   • 教授AI赋能的工作。学生需要练习使用、质疑和监督他们毕业后将遇到的工具。
   • 验证独立能力。学位仍然必须意味着其持有者能在工具不可用、出错或不适用时进行推理、解释、决策和执行。

2. AI辅导员需要的是学习设计，而不只是一个聊天框
   StudentBench，一篇9月的预印本出现在AI Weekly的实时推送中，将2383名参与者分配到AI辅导、专家人类辅导或无辅导三组。作者报告称，AI辅导在GRE学习增益上与专家人类辅导在统计上相当。但任务是GRE备考，课程持续一小时，后测是即时的。这并不能证明持久的学习效果。
   经过同行评审的反面证据是一项为期一学期的入门市场营销试验，其中一个基于课程内容、检索增强的聊天机器人对兴趣、自我效能、参与度或成绩均未产生统计上显著的变化。
   达特茅斯学院的Phosphor试点暗示了两者的区别所在。它将阅读材料、重复检索练习和AI评分的简答题嵌入一门入门统计学课程。该研讨会论文报告，在期末考试中，建模的全剂量与零剂量差距为0.71至1.30个标准差，但部署是可选的、观察性的，且仅在一所选拔性院校进行，因此自我选择是核心威胁，该差距并非因果效应。其聊天助手仅收到72次查询；结构化练习功能的使用频率远高于此。
   还有一个理由需要对最常见的学生用途保持警惕：摘要。乔治城大学和华盛顿大学的一项研究将于本月在AAAI/ACM AI、伦理与社会会议上展示，该研究向331名参与者展示了一段短动画视频，一两天后给他们一份AI生成的摘要。在一个关于他们所看内容的关键问题上，获得准确摘要的人中有83.6%回答正确，而获得误导性摘要的人中只有44.8%回答正确。这些片段不是课程材料，但这一警告适用于任何允许用摘要替代阅读的课程。
   教训不是“买个辅导员”，而是“买个学习机制”。要问：学生将会有什么不同的做法？教职人员能否检查系统的来源？试点衡量的是无辅助表现还是点击量？谁得到了帮助，谁被落下了？

3. 围绕学习证据构建评估，而非检测
   哈佛学院院长提出了“杠铃”方案：在加深学习的地方鼓励AI，同时使掌握度评估对AI具有抵抗力，增加监督下的测验和考试，以及对大型项目进行口试答辩。他明确表示这些是建议性想法，尚未成为政策。
   芝加哥大学法学院走得更远。其2026-27战略将通常无设备的一年级核心课程和现场考试与基础优先的法律写作相结合：学生学习在没有AI的情况下写作，然后将其用于研究、修改和口头辩论准备。高年级研究论文增加现场口头讨论。
   这一转变有一位哲学辩护者。在《纽约时报》的一篇客座文章中，威廉姆斯学院哲学与认知科学系主任乔·克鲁兹认为，写作是发展思维最佳方式的证据薄弱，学生可能通过说话、回答问题 and 为自己的观点辩护来最好地思考。你不必接受他的全部论点就能领会其实践要点：口试答辩测试了精雕细琢的论文不再能测试的东西。
   允许使用AI的作业仍然可以要求真正的思考。伦敦大学学院的一个案例研究要求学生批判性地评估ChatGPT生成的科学输出；学生表示这培养了独立研究技能和对AI局限的理解。这只是一个小的队列，但模式是有用的：让模型的输出成为判断的对象，而不是判断的替代品。

4. 让具名的人对评分和不端行为负责
   下一个诱惑是自动化桌子的另一边。在AI Weekly专家池中分享的一个故事发现，几所澳大利亚大学允许在评估或反馈中有限使用AI，但附带条件：西悉尼大学表示教职人员仍对评分负责，纽卡斯尔大学提供选择退出，迪肯大学禁止AI分配成绩。西悉尼大学的一位讲师警告“验证漂移”，即一个过度劳累的审核者仔细检查早期输出，然后慢慢变成橡皮图章。
   教职人员的规范也未确定。在《高等教育纪事报》对460名从事发表写作的学者的调查中，65%表示他们在准备发表写作时从未使用过生成式AI，四分之一称其对学者“完全不可接受”。这一差距已经在产生事件。达特茅斯学院的教务长圣地亚哥·施内尔已道歉，《泰晤士报》报道多所校园的学生称此类案例为虚伪。
   规则应该很简单。AI可以帮助组织证据或检查评分标准，但一位具名的学者拥有成绩、反馈和任何不端行为指控。学生应该知道AI何时接触了他们的作业，有一条通往人工审核的途径，并且永远不会因为检测器分数而失去申诉权。《金融时报》报道学生现在正带律师参加不端行为案件，做错的代价正在上升。

5. 大学也正在成为数据供应商
   AI政策不能止步于教室。《卫报》报道称OpenAI在博德利图书馆资料上进行了训练。牛津表示使用是适度的、非排他性的，且限于版权过期的作品，图书馆保留了扫描权并计划开放出版。
   学生作业是下一批。Turnitin计划允许学生提交的作业被用于“改进或开发AI工具”。在英国行业的反对之后，该变更被暂停至2027年9月，将与大学IT机构UCISA一起重新起草。剑桥在2027年7月之前继续使用旧条款；南安普顿表示将在2026-27之后不再续约。Turnitin表示它不训练生成式AI模型，也没有计划以那种方式使用学生论文。正如约克大学学生会官员在Wonkhe中所论证的，当使用该工具是提交作业的条件时，学生无法有意义地同意。
   同样的逻辑适用于大学正在购买的AI平台。新南威尔士大学悉尼分校已向超过80000名学生和教职员工提供了ChatGPT Edu。在Tech Policy Press中，皇家空军学院的汤姆·史密斯认为大学应该拥有任何单一模型之上的治理层，并保持其数据可移植。他的测试标准是：“机构需要能够离开。”
   访问权也是其中一部分。9月30日，卡内基梅隆大学宣布肯·格里芬承诺捐赠30亿美元，该校称之为高等教育史上最大一笔，其中包括5亿美元用于其计算机科学学院，将用于支付GPU和AI基础设施。大多数大学永远不会有那样的预算。对它们来说，通过谈判获得的校园访问权，附带隐私默认设置和退出条款，才是公平问题。

头条背后的模式
本周的每个故事都关乎同一条缺失的线：谁对AI所触及的事物负责。学生在被评估作业中使用AI，教务长在发表写作中使用AI，澳大利亚评分者在成绩中使用AI，Turnitin寻求学生论文的权利，牛津分享图书馆扫描件——都提出同一个问题。是否有一个具名的人做出了决定，受影响的人能否看到并质疑该决定？逐门课程、逐份合同回答这个问题的大学将保持其学位的可信度。那些用禁令或全校许可来回答的大学则不会。

本周该做什么

• 列出每个项目所认证的人类能力，并标明哪些评估允许AI，哪些验证没有AI时的掌握度。
• 运行一个基于内容的学习试点，而不是全校范围的聊天机器人发布。衡量无辅助表现并设定停止规则。
• 对评分和不端行为采用人类问责规则：披露、人工审核、申诉和具名决策者。检测器分数本身永远不够。
• 向教职人员提出你向学生提出的同样AI披露问题，并公布答案。
• 审计学生无法选择退出的合同，从抄袭检查器和学习管理系统开始，查看AI训练和数据复用条款。
• 发布AI采购登记册，包含目的、数据流、训练权、保留、成本和退出条款。

等等，什么？
一家澳大利亚辅导公司告诉家长省钱并使用AI。Dymocks Tutoring和Talent 100在9月底关闭了其在悉尼的五家中心，告诉客户Gemini和ChatGPT等工具已使其服务过时。一家企业在退出时推荐其替代品是罕见的。大学销售的远不止辅导，应该将其视为一个问题：我们能提供什么聊天机器人不能提供的？

值得关注

• 麻省理工学院8月关于AI与教育的报告：一个教职人员委员会发现AI正在将学生从学习小组和办公时间中拉走，并建议从学习目标出发重新设计课程，采用口试和作品集，而不是试图让课程对AI免疫。我们网络中的10位专家分享了该报告。
• 布朗大学对AI学生支持系统的四年研究：短信提醒改善了时间敏感行政任务的完成率，但对成绩或留存没有可检测的影响。这是关于校园代理应处于何处的有用指南。

本周投票
你的大学应该在哪里划下最坚定的AI底线？
你的大学应该在哪里划下最坚定的AI底线？
——Alexis

英文来源：

This week, campus IT leaders voted AI their top priority for the first time, Cambridge refused Turnitin's new terms over AI training on student work, Dartmouth opened an investigation into its own provost's writing, and Ken Griffin gave Carnegie Mellon $3 billion. Student AI use is no longer a future scenario. The useful question for universities is whether they can teach students to work with AI and still certify what those students can do without it. New evidence from tutoring trials, assessment redesigns, student-support systems and campus data deals points to a practical answer.
Sponsor
Create your digital twin
Your Sentience is a personal AI that understands your values, knows what you care about, and acts proactively on your behalf.
Sign up with code AIWEEKLY
TL;DR

• Almost every student now uses AI. In a UK survey of 1,054 undergraduates, 94% said they used generative AI for assessed work, yet only 48% felt staff were helping them build AI skills. EDUCAUSE's 882 respondents just made "determining where AI adds real value" the sector's top IT issue, ahead of cybersecurity for the first time.
• AI tutoring works only with a learning design. A GRE preprint found AI tutoring matched expert human tutors in a one-hour session, while a semester-long course chatbot changed nothing measurable for roughly 500 undergraduates.
• Universities are splitting assessment into two lanes: AI-enabled work, plus supervised exams and oral defences that verify what students can do alone.
• Faculty are now in the spotlight too. Dartmouth is investigating its provost after the student paper found writing that appeared AI-generated, and students are hiring lawyers to fight AI-misconduct accusations.
• Student work is becoming training data. Cambridge refused to sign Turnitin's new licence, which would have allowed student submissions to be used to develop AI tools; the change is now postponed to September 2027.
  1. The argument is over. The design problem is not.
     In a December 2025 survey of 1,054 full-time UK undergraduates, 95% said they used generative AI in at least one way. The share who said they directly included AI-generated text in assessed work reached 12%, up from 8% a year earlier. The figures are self-reported, UK-specific and from a survey sponsored by an education-technology company. But a much larger voluntary California State University survey points the same way: more than 94,000 students, faculty and staff responded, and 95% had used at least one of 21 listed AI tools.
     The people who run campus technology have reached the same conclusion. EDUCAUSE released its 2027 Top 10 IT Issues at its annual conference in Denver, which closed on October 2. The top issue was not "deploy more AI." It was deciding where AI is worth it.
     So the institutional choice is not "AI or no AI." It is how to separate two jobs universities have let blur together:
• Teach AI-enabled work. Students need practice using, questioning and supervising the tools they will meet after graduation.
• Verify independent capability. A degree still has to mean its holder can reason, explain, decide and perform when the tool is unavailable, wrong or inappropriate.
  2. An AI tutor needs a learning design, not just a chat box
     StudentBench, a September preprint surfaced in AI Weekly's live feed, assigned 2,383 participants to AI tutoring, expert human tutoring or no tutoring. The authors report that AI tutoring produced statistically equivalent GRE learning gains to expert human tutors. But the task was GRE preparation, the session lasted one hour and the post-test was immediate. It does not establish durable learning.
     The peer-reviewed counterweight is a semester-long trial in introductory marketing, where a course-grounded, retrieval-augmented chatbot produced no statistically significant change in interest, self-efficacy, engagement or achievement.
     Dartmouth's Phosphor pilot hints at what separates the two. It built readings, repeated retrieval practice and AI-graded short answers into an introductory statistics course. The workshop paper reports a modeled full-versus-zero-dosage gap of 0.71 to 1.30 standard deviations on the final exam, but the deployment was optional and observational at one selective institution, so self-selection is the central threat and the gap is not a causal effect. Its chat assistant got only 72 queries; the structured practice features were used far more.
     There is also a reason to be careful about the most common student use of all: summarising. A Georgetown and University of Washington study, to be presented at the AAAI/ACM AI, Ethics and Society conference this month, showed 331 participants a short animated video and, a day or two later, gave them an AI summary of it. On a key question about what they had seen, 83.6% of those given an accurate summary answered correctly, against 44.8% of those given a misleading one. The clips were not course material, but the warning applies to any course that lets a summary stand in for the reading.
     The lesson is not "buy a tutor." It is "buy a learning mechanism." Ask what students will do differently, whether faculty can inspect the system's sources, whether the pilot measures unaided performance rather than clicks, and who is helped or left behind.
  3. Build assessment around evidence of learning, not detection
     Harvard College's dean has proposed a “barbell” approach: encourage AI where it deepens learning, and make mastery assessments resistant to it, with more supervised quizzes and exams and oral defences for big projects. He is explicit that these are advisory ideas, not yet policy.
     The University of Chicago Law School has gone further. Its 2026–27 strategy combines generally device-free first-year core classes and in-person exams with foundation-first legal writing: students learn to write without AI, then use it for research, revision and oral-argument preparation. Upper-level research papers add an in-person oral discussion.
     That shift has a philosophical defender. In a New York Times guest essay, Joe Cruz, who chairs philosophy and cognitive science at Williams College, argues that the evidence for writing as the best way to develop thinking is thin, and that students may think best by speaking, answering questions and defending their ideas. You do not have to accept his whole case to take the practical point: an oral defence tests something a polished essay no longer can.
     AI-permitted work can still demand real thought. A UCL case study asked students to critically evaluate ChatGPT-generated scientific output; students said it built independent research skills and an understanding of AI's limits. It is one small cohort, but the pattern is useful: make the model's output the object of judgment, not a substitute for it.
  4. Keep a named human accountable for marks and misconduct
     The next temptation is to automate the other side of the desk. A story shared in AI Weekly's expert pool found that several Australian universities permit limited AI assistance in assessment or feedback, with caveats: Western Sydney says staff remain responsible for marks, Newcastle offers an opt-out, and Deakin bars AI from assigning grades. A Western Sydney lecturer warns of "verification drift," where an overworked reviewer checks early outputs carefully and slowly becomes a rubber stamp.
     Faculty norms are not settled either. In a Chronicle of Higher Education survey of 460 academics who write for publication, 65% said they had never used generative AI when preparing writing for publication, and a quarter called it "completely unacceptable" for academics. The gap is already producing incidents. Dartmouth's provost, Santiago Schnell, has apologised, and the Times reports students on several campuses calling such cases hypocrisy.
     The rule should be simple. AI may help organise evidence or check a rubric, but a named academic owns the grade, the feedback and any misconduct allegation. Students should know when AI touched their work, have a route to human review, and never lose an appeal to a detector score. The cost of getting this wrong is rising: the Financial Times reports students are now bringing lawyers to misconduct cases.
  5. Universities are becoming data suppliers, too
     AI policy cannot stop at the classroom. Guardian reporting says OpenAI trained on Bodleian Library material. Oxford said the use was modest, non-exclusive and limited to out-of-copyright works, and that the library kept scan rights and planned open publication.
     Student work is next in line. Turnitin planned to let student submissions be used for "improving or developing AI tools." After objections from the UK sector, the change was paused until September 2027, to be redrafted with the university IT body UCISA. Cambridge stays on the old terms until July 2027; Southampton says it will not renew after 2026–27. Turnitin says it does not train a generative AI model and has no plans to use student essays that way. As a York Students' Union officer argues in Wonkhe, students cannot meaningfully consent when using the tool is a condition of handing in their work.
     The same logic applies to the AI platforms universities are buying. UNSW Sydney has given ChatGPT Edu to more than 80,000 students and staff. In Tech Policy Press, Tom Smith of the Royal Air Force College argues universities should own the governance layer above any single model and keep their data portable. His test: "Institutions need to be able to leave."
     Access is part of this too. On September 30, Carnegie Mellon announced a $3 billion commitment from Ken Griffin, which it calls the largest in higher-education history, including $500 million for its School of Computer Science that will pay for GPUs and AI infrastructure. Most universities will never have that budget. For them, negotiated campus access, with privacy defaults and an exit clause, is the equity question.
     The pattern behind the headlines
     Every story this week is about the same missing line: who is accountable for what an AI touches. Students using AI on assessed work, a provost using it on published writing, an Australian marker using it on grades, Turnitin seeking rights to student essays, and Oxford sharing library scans all raise one question. Did a named person decide, and can the people affected see and challenge that decision? Universities that answer it course by course and contract by contract will keep their degrees credible. Those that answer it with a ban or a campus-wide licence will not.
     What to do this week
• Name the human capabilities each programme certifies, and mark which assessments allow AI and which verify mastery without it.
• Run one grounded learning pilot instead of a campus-wide chatbot launch. Measure unaided performance and set a stopping rule.
• Adopt a human-accountability rule for grading and misconduct: disclosure, human review, appeal and a named decision-maker. A detector score is never enough on its own.
• Ask staff the same AI-disclosure question you ask students, and publish the answer.
• Audit the contracts students cannot opt out of, starting with plagiarism checkers and the learning management system, for AI-training and data-reuse clauses.
• Publish an AI procurement register with purpose, data flows, training rights, retention, cost and exit terms.
  Wait, What?
  An Australian tutoring company told parents to save their money and use AI instead. Dymocks Tutoring and Talent 100 closed its five Sydney centres at the end of September, telling customers that tools like Gemini and ChatGPT had made its service obsolete. It is rare for a business to recommend its replacement on the way out. Universities, which sell much more than tutoring, should read it as a question: what do we offer that a chatbot cannot?
  Worth Watching
• MIT's August report on AI and education: a faculty committee finds AI is pulling students away from study groups and office hours, and recommends redesigning courses from their learning goals, with oral exams and portfolios, rather than trying to AI-proof them. Shared by 10 experts in our network.
• Brown's four-year study of an AI student-support system: text-message nudges improved completion of time-sensitive admin tasks but had no detectable effect on grades or persistence. A useful guide to where campus agents belong.
  This week’s poll
  Where should your university draw its firmest AI line?
  Where should your university draw its firmest AI line?
  — Alexis