Canberra, Australia آخرین بررسی

Australian National University (ANU)

مستقل · دسترسی آزاد · صفحه رسمی دانشگاه نیست

چه چیزی را می‌خواهید بررسی کنید؟

جستجوی دانشگاه‌ها

مدخل فعلی را بر اساس موضوع بررسی کنید

تکالیف درسی و ارزیابی

مجوزهای خاص هر درس

دانشگاه ملی استرالیا (ANU) اختیارات مجوزدهی ارزیابی با هوش مصنوعی را به مسئولان دروس واگذار می‌کند. دانشجویان باید خلاصه‌های کلاسی و طرح‌های ارزیابی را برای قوانین خاص هوش مصنوعی در هر درس بررسی کنند. پیش‌نویس‌نویسی تأییدنشده ممنوع است.

منبع رسمی ↗

امتحانات

قواعد طرح ارزیابی اعمال می‌شود

این بررسی یک قاعده مرکزی فعلی ANU را که صراحتاً استفاده از هوش مصنوعی مولد در امتحانات را مجاز یا ممنوع کند، شناسایی نکرد. دستورالعمل‌های ارزشیابی مشخص را بررسی کنید؛ قواعد کلی تخلف، ممنوعیت کلی امتحان را ثابت نمی‌کنند.

منبع رسمی ↗

شفافیت و اعلام

اظهارنامه در صورت استفاده الزامی است

برای تکالیف ارسالی به دانشکده‌ی حقوق ANU که در آن‌ها از ابزارهای هوش مصنوعی استفاده شده، دانشجویان باید نام برنامه‌ها، هدف و میزان یا دفعات استفاده را اعلام کنند؛ بهتر است اعلامیه در اولین زیرنویس قرار گیرد. برای سایر ارزیابی‌های ANU، دستورالعمل‌های خاص درس را دنبال کنید.

منبع رسمی ↗

حریم خصوصی داده و مالکیت فکری دانشجو

رضایت لازم برای بارگذاری‌ها

اعضای هیئت علمی مجاز نیستند داده‌های دانشجویان یا آثار دانشگاهی را در پلتفرم‌های هوش مصنوعی مولد بارگذاری کنند. کاربران نباید از هوش مصنوعی برای جمع‌آوری، استفاده، ذخیره‌سازی یا افشای اطلاعات هویتی بدون رضایت صریح فرد استفاده کنند.

منبع رسمی ↗

خدمات هوش مصنوعی تأییدشده

حفاظت از داده‌های تجاری

Microsoft Copilot Enterprise (با حفاظت از داده‌های تجاری) برای همهٔ کارکنان و دانشجویان ANU از طریق SSO در دسترس است. Adobe Firefly برای کارکنان و گروه‌های خلاق مشخص ارائه می‌شود.

منبع رسمی ↗

پژوهش و انتشارات

استانداردهای ARC و ناشران

بر اساس سیاست شورای پژوهش استرالیا (ARC) که توسط کتابخانه ANU فهرست شده، پژوهشگرانی که برای بودجه‌های ARC درخواست می‌دهند باید از صحت و دقت درخواست‌ها اطمینان حاصل کنند و هرگونه استفاده از هوش مصنوعی مولد را افشا کنند. بر اساس سیاست انجمن ماشین‌های محاسباتی (ACM) که توسط کتابخانه ANU فهرست شده، ابزارهای هوش مصنوعی مولد مانند ChatGPT نمی‌توانند به‌عنوان نویسنده در یک اثر منتشرشده‌ی ACM فهرست شوند و تولید محتوا با کمک هوش مصنوعی باید به‌طور کامل افشا شود.

منبع رسمی ↗
موضوعات بیشتر از سوابق بررسی‌شده

چارچوب شرافت تحصیلی

انصاف رویه‌ای چندسطحی

بر اساس چارچوب قاعده صداقت آکادمیک ANU 2021، موارد مشکوک به نقض از طریق بررسی غیررسمی یا تحقیق رسمی رسیدگی می‌شود؛ دانشجویان حق دارند اطلاعیه کتبی و یک فرد حامی (مانند ANUSA یا معاون دانشجویی) داشته باشند. یافته‌ها در یکی از دسته‌های زیر طبقه‌بندی می‌شوند: بدون نقض (بدون ثبت در سوابق)، رویه نادرست آکادمیک (غیرعمدی یا بی‌احتیاطی؛ مجازات‌ها شامل تذکر، ارزیابی مجدد یا کاهش نمره تا 25 درصد نمرات ارزیابی، یا تا 10 درصد برای 48 درس اول دوره‌های کارشناسی؛ ثبت داخلی، نه در کارنامه)، یا سوءرفتار آکادمیک (جدی یا عمدی؛ مجازات‌های رسمی تا رد درس، محرومیت از امکانات، تعلیق یا اخراج).

منبع رسمی ↗

طراحی آموزش و ارزیابی

منابع راهنمای CLT

کادر آموزشی تشویق می‌شود ارزیابی‌هایی طراحی کند که بر یادگیری اصیل تأکید دارند و سیاست‌های روشن درباره هوش مصنوعی مولد را در سرفصل درس ارائه دهد.

منبع رسمی ↗

امنیت فناوری اطلاعات و تدارکات

نیازمند تأیید نهادی است.

همه راه‌حل‌های فنی که برای امور دانشگاه و/یا روی دستگاه‌های تحت مدیریت ANU استفاده می‌شوند، باید توسط دانشگاه تأیید شوند.

منبع رسمی ↗

قبل از ارسال

انجام دهید

  • پیش از استفاده از هوش مصنوعی مولد، خلاصه جلسات درس و سرفصل‌های ارزیابی را برای الزامات هوش مصنوعی ویژه درس بررسی کنید.
    راهنمای منبع
  • برای ارسالی‌های دانشکده حقوق ANU که از هوش مصنوعی استفاده می‌کنند، نام ابزارها، هدف و میزان استفاده را اعلام کنید؛ اظهارنامه باید در اولین پانویس باشد. برای سایر دروس، دستورالعمل‌های درس را دنبال نمایید.
    الزام در این محدوده
  • برای دسترسی به نسخه سازمانی تأییدشده Copilot Enterprise با حفاظت تجاری داده‌ها، با حساب ANU خود وارد شوید.
    راهنمای منبع

نکنید

  • متن یا تحلیل تولیدشده توسط هوش مصنوعی را بدون مجوز به عنوان کار مستقل خود تحویل ندهید.
    الزام در این محدوده
  • کارکنان آموزشی نباید داده‌های دانشجویان یا آثار علمی را در پلتفرم‌های هوش مصنوعی مولد بارگذاری کنند، و کاربران نباید بدون رضایت صریح، اطلاعات شخصی را در هوش مصنوعی وارد کنند.
    الزام در این محدوده
  • فرض نکنید که هوش مصنوعی مولد در امتحانات مجاز یا ممنوع است؛ دستورالعمل‌های خاص ارزیابی را بررسی کنید.
    راهنمایی این وب‌سایت

استفاده از هوش مصنوعی زیر سؤال رفته است؟

Australian National University (ANU)

دامنهٔ مخاطب و فعالیت به‌دقت بر اساس منبع متفاوت است: سرفصل‌های درس بر تکالیف ارزیابی‌شدنی حاکم‌اند؛ قواعد دانشکدهٔ حقوق بر ارسال‌های حقوقی همراه با اعلام پانوشت تعیین می‌کند؛ راهنمای تدریس، کارکنان آموزشی را از بارگذاری داده‌های دانشجویان در سکوهای GenAI منع می‌کند؛ قواعد حریم خصوصی دانشگاه مدیریت اطلاعات شخصی همهٔ کاربران را تعیین می‌کند؛ و شرایط Copilot Enterprise دسترسی سازمانی SSO را تعیین می‌کند.

بررسی و پاسخ

رویه‌ی ANU برای سوءاستفاده‌ی مظنون از هوش مصنوعی مولد همان رویه‌ای است که برای هر تخلف دیگری به کار می‌رود و تضمین می‌کند که دانشجو پیش از تصمیم رسمی، فرصت پاسخگویی داشته باشد.

شواهد اصلی و دامنه

رویه‌ی ANU برای سوءاستفاده‌ی مظنون از هوش مصنوعی مولد همان رویه‌ای است که برای هر تخلف دیگری به کار می‌رود و تضمین می‌کند که دانشجو پیش از تصمیم رسمی، فرصت پاسخگویی داشته باشد.

claim-anu-005c
The  ANU procedure  for suspected misuse of generative AI is the same as for any misconduct, which includes giving a student the opportunity to respond.

Section: AI FAQs - procedure for suspected misuse; Extracted text SHA256 9e01dabe33ec988df7e6d95fe52c0c80665d46313747fa72659e7d235ba8d03d; original binding lines 114–114; characters 5619–5771; excerpt offset 0–152

منبع رسمی دانشگاه ↗

بر اساس چارچوب قاعده صداقت آکادمیک ANU 2021، موارد مشکوک به نقض از طریق بررسی غیررسمی یا تحقیق رسمی رسیدگی می‌شود؛ دانشجویان حق دارند اطلاعیه کتبی و یک فرد حامی (مانند ANUSA یا معاون دانشجویی) داشته باشند. یافته‌ها در یکی از دسته‌های زیر طبقه‌بندی می‌شوند: بدون نقض (بدون ثبت در سوابق)، رویه نادرست آکادمیک (غیرعمدی یا بی‌احتیاطی؛ مجازات‌ها شامل تذکر، ارزیابی مجدد یا کاهش نمره تا 25 درصد نمرات ارزیابی، یا تا 10 درصد برای 48 درس اول دوره‌های کارشناسی؛ ثبت داخلی، نه در کارنامه)، یا سوءرفتار آکادمیک (جدی یا عمدی؛ مجازات‌های رسمی تا رد درس، محرومیت از امکانات، تعلیق یا اخراج).

شواهد اصلی و دامنه

بر اساس چارچوب قاعده صداقت آکادمیک ANU 2021، موارد مشکوک به نقض از طریق بررسی غیررسمی یا تحقیق رسمی رسیدگی می‌شود؛ دانشجویان حق دارند اطلاعیه کتبی و یک فرد حامی (مانند ANUSA یا معاون دانشجویی) داشته باشند. یافته‌ها در یکی از دسته‌های زیر طبقه‌بندی می‌شوند: بدون نقض (بدون ثبت در سوابق)، رویه نادرست آکادمیک (غیرعمدی یا بی‌احتیاطی؛ مجازات‌ها شامل تذکر، ارزیابی مجدد یا کاهش نمره تا 25 درصد نمرات ارزیابی، یا تا 10 درصد برای 48 درس اول دوره‌های کارشناسی؛ ثبت داخلی، نه در کارنامه)، یا سوءرفتار آکادمیک (جدی یا عمدی؛ مجازات‌های رسمی تا رد درس، محرومیت از امکانات، تعلیق یا اخراج).

draft-anu-015
No Breach No Breach means that the course convenor concludes that the conduct has not breached the academic integrity principle. This is the end of the process. There will be no record on the student’s record or official transcript. Poor Academic Practice This is when the course convenor believes that the conduct is a breach of the academic integrity principle, however the conduct is excusable due to mitigating circumstances (e.g. personal, emotional, health-related circumstances, etc.) or the conduct is unintended, careless, inadvertent or uninformed. The breach is also not of a serious nature nor is it a recurrence. The course convenor can take certain actions, e.g. require the student to

Section: Step 4: Notification of outcome; Extracted text SHA256 c821f16619d66cb622a6b5cc289b036d9577d884e00f98834ee1658848d76907; original binding lines 410–414; characters 11103–11879; excerpt offset 0–700

منبع رسمی دانشگاه ↗
re-submit their assessment, or reduce the student’s mark for the assessment.

Section: Step 4: Notification of outcome; Extracted text SHA256 c821f16619d66cb622a6b5cc289b036d9577d884e00f98834ee1658848d76907; original binding lines 410–414; characters 11103–11879; excerpt offset 700–776

منبع رسمی دانشگاه ↗
Step 2: Seek support if required If support and/or assistance is needed at any point in time of the process, please contact ANUSA or the Dean of Students for advice.

Section: Step 2: Seek support; Extracted text SHA256 c821f16619d66cb622a6b5cc289b036d9577d884e00f98834ee1658848d76907; original binding lines 401–403; characters 10241–10407; excerpt offset 0–166

منبع رسمی دانشگاه ↗
reduce the student’s mark for the relevant examination or other assessment no more than 25% of the mark available for the assessment (Rule 30(2) (g)/ Rule 51(2) (g)) no more than 10% of the mark available for the assessment for students within their first 48 units of an undergraduate coursework award (Rule 30(3)/ Rule 51(3))

Table of Outcomes - Poor Academic Practice mark reduction limits; Extracted text SHA256 c821f16619d66cb622a6b5cc289b036d9577d884e00f98834ee1658848d76907; original binding lines 476–478; characters 18851–19177; excerpt offset 0–326

منبع رسمی دانشگاه ↗
(g)     subject to subsection (3 ), reduce the student’s mark for the relevant examination or other assessment by no more than 25% of the ma rk available for the assessment; (h)     tell any relevant professional, government or other organisation or agency about the finding and any action taken in relation to it. [ Note:   For action under paragraph (d), (e) and (f), see section 56 (Undertakings and requirements: finding of poor academic practice). ] (3)     However, under subsection (2)(g) the course convener may reduce the student’s mark by no more than 10% of the mark available for the assessment if the student’s c onduct is in relation to coursework undertaken by the st udent during the

Section 30(2)(g) and Section 30(3) - Course convener mark reduction limits; Extracted text SHA256 41ef5d6b92e42e666b95a9173f64b61863606d72f2381612a86966cb6adb56ed; original binding lines 414–417; characters 36237–37004; excerpt offset 0–700

منبع رسمی دانشگاه ↗
f irst 48 units of a program for an undergraduate coursework award.

Section 30(2)(g) and Section 30(3) - Course convener mark reduction limits; Extracted text SHA256 41ef5d6b92e42e666b95a9173f64b61863606d72f2381612a86966cb6adb56ed; original binding lines 414–417; characters 36237–37004; excerpt offset 700–767

منبع رسمی دانشگاه ↗

نتایج احتمالی

بر اساس چارچوب قاعده صداقت آکادمیک ANU 2021، موارد مشکوک به نقض از طریق بررسی غیررسمی یا تحقیق رسمی رسیدگی می‌شود؛ دانشجویان حق دارند اطلاعیه کتبی و یک فرد حامی (مانند ANUSA یا معاون دانشجویی) داشته باشند. یافته‌ها در یکی از دسته‌های زیر طبقه‌بندی می‌شوند: بدون نقض (بدون ثبت در سوابق)، رویه نادرست آکادمیک (غیرعمدی یا بی‌احتیاطی؛ مجازات‌ها شامل تذکر، ارزیابی مجدد یا کاهش نمره تا 25 درصد نمرات ارزیابی، یا تا 10 درصد برای 48 درس اول دوره‌های کارشناسی؛ ثبت داخلی، نه در کارنامه)، یا سوءرفتار آکادمیک (جدی یا عمدی؛ مجازات‌های رسمی تا رد درس، محرومیت از امکانات، تعلیق یا اخراج).

شواهد اصلی و دامنه

بر اساس چارچوب قاعده صداقت آکادمیک ANU 2021، موارد مشکوک به نقض از طریق بررسی غیررسمی یا تحقیق رسمی رسیدگی می‌شود؛ دانشجویان حق دارند اطلاعیه کتبی و یک فرد حامی (مانند ANUSA یا معاون دانشجویی) داشته باشند. یافته‌ها در یکی از دسته‌های زیر طبقه‌بندی می‌شوند: بدون نقض (بدون ثبت در سوابق)، رویه نادرست آکادمیک (غیرعمدی یا بی‌احتیاطی؛ مجازات‌ها شامل تذکر، ارزیابی مجدد یا کاهش نمره تا 25 درصد نمرات ارزیابی، یا تا 10 درصد برای 48 درس اول دوره‌های کارشناسی؛ ثبت داخلی، نه در کارنامه)، یا سوءرفتار آکادمیک (جدی یا عمدی؛ مجازات‌های رسمی تا رد درس، محرومیت از امکانات، تعلیق یا اخراج).

draft-anu-015
No Breach No Breach means that the course convenor concludes that the conduct has not breached the academic integrity principle. This is the end of the process. There will be no record on the student’s record or official transcript. Poor Academic Practice This is when the course convenor believes that the conduct is a breach of the academic integrity principle, however the conduct is excusable due to mitigating circumstances (e.g. personal, emotional, health-related circumstances, etc.) or the conduct is unintended, careless, inadvertent or uninformed. The breach is also not of a serious nature nor is it a recurrence. The course convenor can take certain actions, e.g. require the student to

Section: Step 4: Notification of outcome; Extracted text SHA256 c821f16619d66cb622a6b5cc289b036d9577d884e00f98834ee1658848d76907; original binding lines 410–414; characters 11103–11879; excerpt offset 0–700

منبع رسمی دانشگاه ↗
re-submit their assessment, or reduce the student’s mark for the assessment.

Section: Step 4: Notification of outcome; Extracted text SHA256 c821f16619d66cb622a6b5cc289b036d9577d884e00f98834ee1658848d76907; original binding lines 410–414; characters 11103–11879; excerpt offset 700–776

منبع رسمی دانشگاه ↗
Step 2: Seek support if required If support and/or assistance is needed at any point in time of the process, please contact ANUSA or the Dean of Students for advice.

Section: Step 2: Seek support; Extracted text SHA256 c821f16619d66cb622a6b5cc289b036d9577d884e00f98834ee1658848d76907; original binding lines 401–403; characters 10241–10407; excerpt offset 0–166

منبع رسمی دانشگاه ↗
reduce the student’s mark for the relevant examination or other assessment no more than 25% of the mark available for the assessment (Rule 30(2) (g)/ Rule 51(2) (g)) no more than 10% of the mark available for the assessment for students within their first 48 units of an undergraduate coursework award (Rule 30(3)/ Rule 51(3))

Table of Outcomes - Poor Academic Practice mark reduction limits; Extracted text SHA256 c821f16619d66cb622a6b5cc289b036d9577d884e00f98834ee1658848d76907; original binding lines 476–478; characters 18851–19177; excerpt offset 0–326

منبع رسمی دانشگاه ↗
(g)     subject to subsection (3 ), reduce the student’s mark for the relevant examination or other assessment by no more than 25% of the ma rk available for the assessment; (h)     tell any relevant professional, government or other organisation or agency about the finding and any action taken in relation to it. [ Note:   For action under paragraph (d), (e) and (f), see section 56 (Undertakings and requirements: finding of poor academic practice). ] (3)     However, under subsection (2)(g) the course convener may reduce the student’s mark by no more than 10% of the mark available for the assessment if the student’s c onduct is in relation to coursework undertaken by the st udent during the

Section 30(2)(g) and Section 30(3) - Course convener mark reduction limits; Extracted text SHA256 41ef5d6b92e42e666b95a9173f64b61863606d72f2381612a86966cb6adb56ed; original binding lines 414–417; characters 36237–37004; excerpt offset 0–700

منبع رسمی دانشگاه ↗
f irst 48 units of a program for an undergraduate coursework award.

Section 30(2)(g) and Section 30(3) - Course convener mark reduction limits; Extracted text SHA256 41ef5d6b92e42e666b95a9173f64b61863606d72f2381612a86966cb6adb56ed; original binding lines 414–417; characters 36237–37004; excerpt offset 700–767

منبع رسمی دانشگاه ↗

بررسی و تجدیدنظر

شواهدی که اکنون نگهداری می‌شوند، شامل رویه یا مهلت مشخصِ تأییدشده نیستند. مقررات دانشگاهِ مربوط را بررسی کنید.

ابزارهای هوش مصنوعی و دسترسی

  • Microsoft Copilotتوصیهٔ رسمیدر دامنه منبع، مجاز ثبت شده است

    با ایمیل ANU در copilot.microsoft.com یا از طریق پورتال برنامه‌های Microsoft 365 وارد شوید.

  • Adobe Fireflyدسترسی نهادی / مجوزمحدودشده در محدوده منبع

    دسترسی از طریق پورتال Adobe Creative Cloud با استفاده از اطلاعات ورود یکپارچه ANU برای کاربران تخصیص‌یافته.

به‌روزرسانی سوابق90 روز گذشته · به‌روزرسانی‌های ثبت‌شده: 2

این موارد به‌روزرسانی‌های پروندهٔ بررسی‌شدهٔ این سایت هستند، نه تأیید اینکه دانشگاه سیاست خود را تغییر داده است.

  1. به‌روزرسانی صفحه

    سایر سوابق · به‌روزرسانی صفحه

    مشاهده بازبینی

    در حال بارگذاری نسخه…

  2. نگه‌داشته‌شده / حذف‌شده از نتیجه‌گیری‌های فعلی · افزودن رکورد · اصلاح سایت

    امتحانات · Research & publication · 7 موضوع دیگر · Records involved: 34 (29 corrected / adjusted · 4 added · 1 held)

    مشاهده بازبینی

    در حال بارگذاری نسخه…

ادعاهای بررسی‌شده

33

نتیجه‌گیری‌های معوق و شواهد تاریخی (1)

این سوابق اصلی و وضعیت‌های بررسی پیشین برای پیگیری منشأ نگهداری می‌شوند، نه به‌عنوان مجوزها، وظایف یا مهلت‌های دقیقِ کنونی.

ANU was developing governance document changes to require students to acknowledge any use of artificial intelligence in their work (as of early 2023).

وضعیت کنونی: معوق؛ وضعیت بررسی تاریخی: agent_reviewed

claim-anu-010a

Minor changes to a range of relevant governance documents and academic integrity guidance for students are also being considered. Once approved, these changes are likely to require students to acknowledge any use of artificial intelligence in their work.

منابع رسمی

16 نشانی رسمی؛ 16 منبع‌های انتساب‌شده و نسخه‌های ضبط‌شده‌ی آن‌ها حفظ شده‌اند.

ANU Institutional AI Principles

learningandteaching.anu.edu.au

منبع رسمی دانشگاه

learningandteaching.anu.edu.au

هش و نسخه ثبت‌شده

ANU Institutional AI Principles · 2026-10-20T23:13:00Z

Representation unspecified in this historical record; do not assume an original-file hash.

f024609de98a615b3f99b4980000df01b170b694202271e7bd6e13bc38b7daeb

Hashes identify a captured version; they do not establish current policy or review approval.

منبع رسمی ↗

AI for learning and assessment

learningandteaching.anu.edu.au

منبع رسمی دانشگاه

learningandteaching.anu.edu.au

هش و نسخه ثبت‌شده

AI for learning and assessment · 2026-10-20T23:13:00Z

Representation unspecified in this historical record; do not assume an original-file hash.

57c0904702e932c3f0ae8034fbf2dfdd3e75e74b09d8baf5056c973b3a8eb5c1

Hashes identify a captured version; they do not establish current policy or review approval.

منبع رسمی ↗

Generative AI and Data Governance

www.anu.edu.au

منبع رسمی دانشگاه

anu.edu.au

هش و نسخه ثبت‌شده

Generative AI and Data Governance · 2026-10-20T23:13:00Z

Representation unspecified in this historical record; do not assume an original-file hash.

605ff5a82dcfcd3a14bd3941de843ea6ebd4958ba1f5e0e5a5b7a83a5a2b8ec2

Hashes identify a captured version; they do not establish current policy or review approval.

منبع رسمی ↗

Guide for students: best practice when using Generative AI

www.anu.edu.au

منبع رسمی دانشگاه

anu.edu.au

هش و نسخه ثبت‌شده

Guide for students: best practice when using Generative AI · 2026-10-20T23:13:00Z

Representation unspecified in this historical record; do not assume an original-file hash.

f4dafbf640430ff726327475c32331321c3f506becbdec299de38ac4cc4ccfda

Hashes identify a captured version; they do not establish current policy or review approval.

منبع رسمی ↗

FAQs about AI

learningandteaching.anu.edu.au

منبع رسمی دانشگاه

learningandteaching.anu.edu.au

هش و نسخه ثبت‌شده

FAQs about AI · 2026-10-20T23:13:00Z

Representation unspecified in this historical record; do not assume an original-file hash.

dc615efccb81982ad6bf53da2256fed2eed85fc4859c7ae84f292a68aaca19d8

Hashes identify a captured version; they do not establish current policy or review approval.

منبع رسمی ↗

Use of Generative AI Tools in Assessment - Guidance for ANU Law Students

law.anu.edu.au

منبع رسمی دانشگاه

law.anu.edu.au

هش و نسخه ثبت‌شده

Use of Generative AI Tools in Assessment - Guidance for ANU Law Students · 2026-10-20T23:13:00Z

Representation unspecified in this historical record; do not assume an original-file hash.

1feb20643879b74b6a7e8726b607225f7a1cacaf6034052d5f2b143eba291c1c

Hashes identify a captured version; they do not establish current policy or review approval.

منبع رسمی ↗

Generative AI and Assessment - ANU Learning and Teaching

learningandteaching.anu.edu.au

منبع رسمی دانشگاه

learningandteaching.anu.edu.au

هش و نسخه ثبت‌شده

Generative AI and Assessment - ANU Learning and Teaching · 2026-10-20T23:13:00Z

Representation unspecified in this historical record; do not assume an original-file hash.

65b8c9cf2abce99c6cfce4c62d333ff23eb71ee042e4c4b90f70668acf97a049

Hashes identify a captured version; they do not establish current policy or review approval.

منبع رسمی ↗

AI Essentials - ANU Learning and Teaching

learningandteaching.anu.edu.au

منبع رسمی دانشگاه

learningandteaching.anu.edu.au

هش و نسخه ثبت‌شده

AI Essentials - ANU Learning and Teaching · 2026-10-20T23:13:00Z

Representation unspecified in this historical record; do not assume an original-file hash.

368d26ba42d07f956756ccb6bc4566db9db7dbc1996fa6195efe3f653bd1afca

Hashes identify a captured version; they do not establish current policy or review approval.

منبع رسمی ↗

Referencing and generative AI - Artificial Intelligence including generative AI LibGuide

libguides.anu.edu.au

منبع رسمی دانشگاه

libguides.anu.edu.au

هش و نسخه ثبت‌شده

Referencing and generative AI - Artificial Intelligence including generative AI LibGuide · 2026-10-20T23:13:00Z

Representation unspecified in this historical record; do not assume an original-file hash.

40f47aa9174485cad2a1c6e1e3d7d76e9ff77aa33e464291cf9aebbe186f7396

Hashes identify a captured version; they do not establish current policy or review approval.

منبع رسمی ↗

ChatGPT: What ANU academics need to know

learningandteaching.anu.edu.au

منبع رسمی دانشگاه

learningandteaching.anu.edu.au

هش و نسخه ثبت‌شده

ChatGPT: What ANU academics need to know · 2026-10-20T23:13:00Z

Representation unspecified in this historical record; do not assume an original-file hash.

1223317d00fb55b63da5ef7c2a769d59dc50f25527eccf1efbe2e75ac3a964c6

Hashes identify a captured version; they do not establish current policy or review approval.

منبع رسمی ↗

AI Guidelines for CAP Students

asiapacific.anu.edu.au

منبع رسمی دانشگاه

asiapacific.anu.edu.au

هش و نسخه ثبت‌شده

AI Guidelines for CAP Students · 2026-10-20T23:13:00Z

Representation unspecified in this historical record; do not assume an original-file hash.

3e258f61a779fcc14517bbdd57e55f6757e2460178ee0f81e84e2ba936573d93

Hashes identify a captured version; they do not establish current policy or review approval.

منبع رسمی ↗

Chat GPT and other generative AI tools: What ANU academics need to know (PDF)

learningandteaching.anu.edu.au

منبع رسمی دانشگاه

learningandteaching.anu.edu.au

هش و نسخه ثبت‌شده

Chat GPT and other generative AI tools: What ANU academics need to know (PDF) · 2026-10-20T23:13:00Z

Representation unspecified in this historical record; do not assume an original-file hash.

596f3a57445d657da0ef2a05eebca2b5354e6885b540ff576fc8fd8b4f8e0667

Hashes identify a captured version; they do not establish current policy or review approval.

منبع رسمی ↗

Microsoft Copilot AI | Services

services.anu.edu.au

منبع رسمی دانشگاه

services.anu.edu.au

هش و نسخه ثبت‌شده

Microsoft Copilot AI | Services · 2026-10-20T23:13:00Z

Representation unspecified in this historical record; do not assume an original-file hash.

0e36d1aca4efd18cc79cdece23d91a8e8d5bfb7c39bce9bfb325aad061646123

Hashes identify a captured version; they do not establish current policy or review approval.

منبع رسمی ↗

Academic Integrity Rule 2021 for Learners | Services

services.anu.edu.au

منبع رسمی دانشگاه

services.anu.edu.au

هش و نسخه ثبت‌شده

Academic Integrity Rule 2021 for Learners | Services · 2026-10-20T23:13:00Z

Representation unspecified in this historical record; do not assume an original-file hash.

3f2d83db751409c6e737c61bc386189c9dc9e7d8351888e4f044f1c8534ade2d

Hashes identify a captured version; they do not establish current policy or review approval.

منبع رسمی ↗

Academic Integrity Rule 2021 (Australian National University)

www.legislation.gov.au

منبع رسمی دانشگاه

legislation.gov.au

هش و نسخه ثبت‌شده

Academic Integrity Rule 2021 (Australian National University) · 2026-10-20T23:13:00Z

Representation unspecified in this historical record; do not assume an original-file hash.

6376e448c385da241e70efcd784820927273e7048fc613c620878c1edd2c3c00

Hashes identify a captured version; they do not establish current policy or review approval.

منبع رسمی ↗

AI writing detection now available in Turnitin - TELT @ SMP

telt.weblogs.anu.edu.au

منبع رسمی دانشگاه

telt.weblogs.anu.edu.au

هش و نسخه ثبت‌شده

AI writing detection now available in Turnitin - TELT @ SMP · 2026-10-20T23:13:00Z

Representation unspecified in this historical record; do not assume an original-file hash.

58edd97e0948aea446d1cbeff8d68f841dc1aa0fcabd5df8f82c5d856a4ed78d

Hashes identify a captured version; they do not establish current policy or review approval.

منبع رسمی ↗
اطلاعات رکورد، JSON و استناد

Review layers: claim review applies to the claims only. Analysis is a separate machine-generated summary awaiting review. Coverage scores do not establish complete policy knowledge.

Claim review state
agent_reviewed
Analysis review state
machine_candidate
Record revision
v6-target-r7-candidate-20261021
Dataset release
public-release-20260924-002
Correction published
Student snapshot
Not published
Current reviewed JSON · Historical baseline

Published V6 presentation; JSON and MCP retain the existing public record. Supplementary quotations and scope notes remain pending review. Local candidate corrections, tools and student summaries are not approved for publication. Institution-wide audit remains PARTIAL.

  • ابزار قانونی اولیه F2021L00997 به‌صورت تصویب‌شده در ژوئیه 2021 حفظ شده است (لازم‌الاجرا از 1 دسامبر 2021). در حالی که راهنمای فعلی خدمات ANU برای یادگیرندگان تداوم کارکرد قاعده 2021 را تأیید می‌کند، تأییدِ مستقل مبنی بر اینکه بین 2021 و 2026 هیچ تدوین بعدی یا قاعده اصلاحی تصویب نشده است، به‌عنوان شکاف صریح در جاری بودن زمانی ثبت شده است.
  • در مواد بررسی‌شده، هیچ سیاست مستقل و مرکزیِ سراسر دانشگاه دربارهٔ هوش مصنوعی در امتحانات تثبیت نشد؛ شرایط امتحان به طرح‌های ارزشیابی هر درس و دستورالعمل‌های ناظر امتحان بستگی دارد.
  • هیچ خط‌مشی رسمی صریح هوش مصنوعی در سطح دانشگاه برای پذیرش در مجموعه رسمی بررسی‌شده شناسایی نشد.
  • متن Claim به‌ارث‌رسیده برای claim-anu-002b به «بدون رضایت دانشجو» اشاره دارد، اما قطعهٔ شواهد خام زیربنایی («کارکنان دانشگاهی مجاز به بارگذاری داده‌های دانشجویان یا آثار تحصیلی روی پلتفرم‌های GenAI نیستند. بنابراین، در حال حاضر امکان تولید بازخورد برای دانشجو وجود ندارد») استثنای رضایت دانشجو برای بازخورد کارکنان را اثبات نمی‌کند. متن کانونی Claim و شواهد خام دست‌نخورده حفظ شده‌اند؛ ارائه‌های جدید محدودیت‌های بارگذاری توسط کارکنان را به‌دقت از قواعد رضایت کاربر برای داده‌های شخصی جدا می‌کنند.
        Current reviewed JSON
        پرسش‌هایی که دانشجویان می‌پرسند

        پرسش‌هایی که دانشجویان می‌پرسند

        آیا می‌توانم برای تکالیف درسی‌ام از هوش مصنوعی استفاده کنم؟

        دانشگاه ملی استرالیا (ANU) اختیارات مجوزدهی ارزیابی با هوش مصنوعی را به مسئولان دروس واگذار می‌کند. دانشجویان باید خلاصه‌های کلاسی و طرح‌های ارزیابی را برای قوانین خاص هوش مصنوعی در هر درس بررسی کنند. پیش‌نویس‌نویسی تأییدنشده ممنوع است.

        مشاهده شواهد →
        آیا باید استفاده از هوش مصنوعی را افشا کنم؟

        برای تکالیف ارسالی به دانشکده‌ی حقوق ANU که در آن‌ها از ابزارهای هوش مصنوعی استفاده شده، دانشجویان باید نام برنامه‌ها، هدف و میزان یا دفعات استفاده را اعلام کنند؛ بهتر است اعلامیه در اولین زیرنویس قرار گیرد. برای سایر ارزیابی‌های ANU، دستورالعمل‌های خاص درس را دنبال کنید.

        مشاهده شواهد →
        آیا می‌توانم داده‌های حساس را بارگذاری کنم؟

        اعضای هیئت علمی مجاز نیستند داده‌های دانشجویان یا آثار دانشگاهی را در پلتفرم‌های هوش مصنوعی مولد بارگذاری کنند. کاربران نباید از هوش مصنوعی برای جمع‌آوری، استفاده، ذخیره‌سازی یا افشای اطلاعات هویتی بدون رضایت صریح فرد استفاده کنند.

        مشاهده شواهد →
        به کدام ابزارها می‌توانم دسترسی داشته باشم؟

        Microsoft Copilot Enterprise (با حفاظت از داده‌های تجاری) برای همهٔ کارکنان و دانشجویان ANU از طریق SSO در دسترس است. Adobe Firefly برای کارکنان و گروه‌های خلاق مشخص ارائه می‌شود.

        مشاهده شواهد →
        مقررات امتحان چیست؟

        این بررسی یک قاعده مرکزی فعلی ANU را که صراحتاً استفاده از هوش مصنوعی مولد در امتحانات را مجاز یا ممنوع کند، شناسایی نکرد. دستورالعمل‌های ارزشیابی مشخص را بررسی کنید؛ قواعد کلی تخلف، ممنوعیت کلی امتحان را ثابت نمی‌کنند.

        مشاهده شواهد →
        کدام قواعد برای پژوهش و انتشار اعمال می‌شود؟

        بر اساس سیاست شورای پژوهش استرالیا (ARC) که توسط کتابخانه ANU فهرست شده، پژوهشگرانی که برای بودجه‌های ARC درخواست می‌دهند باید از صحت و دقت درخواست‌ها اطمینان حاصل کنند و هرگونه استفاده از هوش مصنوعی مولد را افشا کنند. بر اساس سیاست انجمن ماشین‌های محاسباتی (ACM) که توسط کتابخانه ANU فهرست شده، ابزارهای هوش مصنوعی مولد مانند ChatGPT نمی‌توانند به‌عنوان نویسنده در یک اثر منتشرشده‌ی ACM فهرست شوند و تولید محتوا با کمک هوش مصنوعی باید به‌طور کامل افشا شود.

        مشاهده شواهد →
        چه چیزی تخلف علمی محسوب می‌شود؟

        بر اساس چارچوب قاعده صداقت آکادمیک ANU 2021، موارد مشکوک به نقض از طریق بررسی غیررسمی یا تحقیق رسمی رسیدگی می‌شود؛ دانشجویان حق دارند اطلاعیه کتبی و یک فرد حامی (مانند ANUSA یا معاون دانشجویی) داشته باشند. یافته‌ها در یکی از دسته‌های زیر طبقه‌بندی می‌شوند: بدون نقض (بدون ثبت در سوابق)، رویه نادرست آکادمیک (غیرعمدی یا بی‌احتیاطی؛ مجازات‌ها شامل تذکر، ارزیابی مجدد یا کاهش نمره تا 25 درصد نمرات ارزیابی، یا تا 10 درصد برای 48 درس اول دوره‌های کارشناسی؛ ثبت داخلی، نه در کارنامه)، یا سوءرفتار آکادمیک (جدی یا عمدی؛ مجازات‌های رسمی تا رد درس، محرومیت از امکانات، تعلیق یا اخراج).

        مشاهده شواهد →
        کدام راهنمایی برای تدریس اعمال می‌شود؟

        کادر آموزشی تشویق می‌شود ارزیابی‌هایی طراحی کند که بر یادگیری اصیل تأکید دارند و سیاست‌های روشن درباره هوش مصنوعی مولد را در سرفصل درس ارائه دهد.

        مشاهده شواهد →
        چه الزامات امنیتی و تدارکاتی اعمال می‌شود؟

        همه راه‌حل‌های فنی که برای امور دانشگاه و/یا روی دستگاه‌های تحت مدیریت ANU استفاده می‌شوند، باید توسط دانشگاه تأیید شوند.

        مشاهده شواهد →
        این رکورد چه زمانی بررسی شد؟

        رکورد بررسی‌شده:

        نسخه ثبت‌شده →
        کدام منابع رسمی از این قواعد پشتیبانی می‌کنند؟منبع رسمی →
        کجا می‌توانم شواهد کامل را بخوانم؟

        33 · مستندات کامل خط‌مشی

        مستندات کامل خط‌مشی →