নিউবি vs অ্যাডেলফাই: প্রথম AI-ডিটেকশন সংক্রান্ত আদালতের রায়

নিউবি বনাম অ্যাডেলফাই রায়টি ফেব্রুয়ারি ২০২৬-এ নিউইয়র্কের একটি আদালত দেয়। এটি প্রথম AI ডিটেকশন আদালত-সংক্রান্ত মামলা (এবং প্রথম AI ডিটেকশন সংক্রান্ত মামলা যা রায় পর্যন্ত গড়ায়), যেখানে আদালত রায় দেয় যে অ্যাডেলফাই ইউনিভার্সিটিকে তৃতীয় বর্ষের এক ESL (ইংরেজি অ্যাজ আ সেকেন্ড ল্যাঙ্গুয়েজ) স্নাতক শিক্ষার্থীর, যে ওই আপত্তিকর পেপারের সব শব্দই নিজে লিখেছে, তার ট্রান্সক্রিপ্ট থেকে AI-ডিটেকশনভিত্তিক অভিযোগ/চার্জ প্রত্যাহার করতে হবে। শিক্ষার্থীর Turnitin AI স্কোর ছিল ৯৪ শতাংশ। আদালত বিশ্ববিদ্যালয়কে শিক্ষার্থীর বিরুদ্ধে একাডেমিক ইন্টিগ্রিটি সংক্রান্ত অভিযোগটি বাতিল (overturn) করতে নির্দেশ দেয়। উচ্চশিক্ষা AI ডিটেকশনের ভিত্তিতে শাস্তি/শৃঙ্খলাবিধি নির্ধারণের বিষয়ে বড় একটি নজির পেল। এবং তা ডিটেক্টরের পক্ষেই যায়নি।

আমরা কিছুদিন ধরেই AI ডিটেকশন থেকে আসা আপিলের এই ধারাটি অনুসরণ করছি, ২০২৪ সালের শুরুর দিক পর্যন্ত ফিরে। নিউবির পথে আমাদের কাছে যে কাহিনি এসেছে, তা মনক্ষুণ্ণকর ছিল। ১৮ মাসে আমরা ৪১টি কেস নথিভুক্ত করেছি, যেখানে একই graduating class-এ স্থানীয় ইংরেজি বক্তাদের তুলনায় ৩ থেকে ৬ গুণ বেশি হারে ESL স্নাতকোত্তর শিক্ষার্থীদের ফ্ল্যাগ করা হয়েছিল, এবং তারা বিশ্ববিদ্যালয়ের একাডেমিক ইন্টিগ্রিটি সিদ্ধান্ত উল্টাতে “negative প্রমাণ” দিতে পারেনি। কারণ তারা AI ডিটেক্টরের ভেন্ডর প্রদত্ত কনফিডেন্স স্কোরের বিরুদ্ধে যুক্তি দাঁড় করানোর সুযোগই পায়নি। নিউবি বনাম অ্যাডেলফাই হলো প্রথম মামলা যেখানে আদালত রেকর্ডের ওপরেই বিশ্ববিদ্যালয়কে এই ভারসাম্যহীনতাটি স্বীকার করতে বাধ্য করেছে।

এই পোস্টটি রায়ের “সহজ ভাষার” সংস্করণ: রায়টি আসলে কী বলে, কী বলে না, আজকে কাকে সুরক্ষা দেয়, কালকে কাকে প্রভাবিত করবে, এবং একই ধরনের অভিযোগে অভিযুক্ত শিক্ষার্থীদের জন্য যে ব্যবহারিক প্রতিরক্ষা “প্লেবুক” উন্মুক্ত করে। আমরা ESL দিকটিতেই ফোকাস করছি, কারণ এখানেই মামলাটির মোড় ঘুরেছে, এবং পরবর্তী তরঙ্গের আপিলও এখান থেকেই আসবে।

নিউবি vs অ্যাডেলফাই রায়টি আসলে কী সিদ্ধান্ত দিল?

ফেব্রুয়ারি ২০২৬-এ নিউইয়র্কের একটি আদালত অ্যাডেলফাই ইউনিভার্সিটির ESL স্নাতক শিক্ষার্থীর বিরুদ্ধে একাডেমিক ইন্টিগ্রিটি সিদ্ধান্ত বাতিল (vacate) করে। কারণ আদালত মনে করেছে: শিক্ষার্থীর ESL ভাষাগত প্রোফাইলের সঙ্গে যাচাই (validated) করা হয়নি, এমন অবস্থায় কেবল Turnitin AI স্কোর ৯৪ শতাংশ হওয়ার ভিত্তিতে বিশ্ববিদ্যালয়ের নিজস্ব “preponderance of evidence” মানদণ্ড পূরণ হয়নি। প্রতিকার ছিল সীমিত (narrow): শিক্ষার্থীর রেকর্ড পরিষ্কার করা এবং প্রতিষ্ঠান যদি বিষয়টি আবার এগোতে চায়, তবে পদ্ধতিগতভাবে সঙ্গত (procedurally compliant) পুনঃশুনানির (rehearing) জন্য ফেরত পাঠানো (remand)। আদালত নীতিগতভাবে AI ডিটেকশন নিষিদ্ধ করেনি; বরং ডিটেক্টর-স্কোরকে কীভাবে শাস্তিমূলক প্রক্রিয়ায় ওজন (weight) দেওয়া যাবে, সেটির সীমা নির্ধারণ করেছে।

নিউবি vs অ্যাডেলফাই-এ কী ঘটেছিল

এম. নিউবি ২০২৫ সালের শরৎকালে এক জুনিয়র-লেভেলের কোর্সের জন্য একটি লিটারেচার রিভিউ জমা দেন। Turnitin-এর AI writing indicator ৯৪ শতাংশ স্কোর দেয়। কোর্সের শিক্ষক বিষয়টি বিশ্ববিদ্যালয়ের একাডেমিক ইন্টিগ্রিটি দপ্তরে পাঠান। সংক্ষিপ্ত শুনানির পর দপ্তরটি একাডেমিক অসততার (academic dishonesty) সন্ধান/ফাইন্ডিং জারি করে। নিউবি অভ্যন্তরীণভাবে আপিল করেন এবং হেরে যান।

এরপর নিউবির আইনজীবী নভেম্বর ২০২৫-এ নিউইয়র্ক স্টেট কোর্টে আবেদন করেন এবং আদালত ফেব্রুয়ারি ২০২৬-এ রায় দেয়। রায়টি প্রতিষ্ঠানের ফাইন্ডিং তিনটি ভিত্তিতে বাতিল করে। প্রথমত, যে কনফিডেন্স লেভেলে শুনানিতে স্কোরটি ব্যবহার করা হয়েছিল, সেই কনফিডেন্স লেভেলে ESL ইংরেজির জন্য Turnitin AI indicator যাচাইকৃত (validated) হয়েছে, এমন প্রমাণ বিশ্ববিদ্যালয় দিতে পারেনি। দ্বিতীয়ত, শুনানিতে স্কোরটিকে dispositive হিসেবে গ্রহণ করা হয়, কিন্তু ডিটেক্টরের error rate নিয়ে বিশেষজ্ঞ সাক্ষ্য (expert testimony) দেওয়ার সুযোগ রাখা হয়নি। তৃতীয়ত, বিশ্ববিদ্যালয়ের নিজস্ব একাডেমিক ইন্টিগ্রিটি নীতিতে “a preponderance of evidence” প্রয়োজন, এবং আদালত পায় যে কোনো অন্তর্নিহিত ব্যাখ্যাযোগ্যতা (underlying explainability) ছাড়াই কেবল একটি proprietary স্কোর ওই মানদণ্ড পূরণ করতে পারেনি।

আদালত নীতিগতভাবে AI ডিটেকশন অনুমোদনযোগ্য কি না, সে বিষয়ে রায় দেয়নি। তারা রায় দিয়েছে যে অ্যাডেলফাই যে পদ্ধতিতে স্কোরটি ব্যবহার করেছে, একেবারে প্রায়-চূড়ান্ত (near-conclusive) একটি যন্ত্র হিসেবে, স্বাধীনভাবে corroboration ছাড়াই, এবং বিদ্যমান ESL bias বিবেচনায় কোনো accommodation না দিয়ে, তা বিশ্ববিদ্যালয়ের নিজস্ব নীতির অধীনে পদ্ধতিগত ন্যায্যতা (procedural fairness) লঙ্ঘন। প্রতিকার ছিল সীমিত: ফাইন্ডিং বাতিল, রেকর্ড পরিষ্কার, এবং প্রতিষ্ঠানটি বিষয়টি আবার এগোতে চাইলে পদ্ধতিগতভাবে সঙ্গত পুনঃশুনানির জন্য ফেরত পাঠানো।

নিউবি বনাম অ্যাডেলফাই রায়টি কেন গুরুত্বপূর্ণ?

একটি বেসরকারি বিশ্ববিদ্যালয়ের পক্ষে বা বিপক্ষে একক আদালত-রায় জাতীয় নজির তৈরি করে না। কিন্তু নিউবি যা করে, তা অনেক বেশি ব্যবহারিক। এটি একটি লিখিত ও উদ্ধৃতিযোগ্য (citable) হিসাব দেয় যে আদালত কীভাবে AI ডিটেকশন সংক্রান্ত প্রমাণ মূল্যায়ন করে, যখন প্রতিষ্ঠানকে আদালতে দেখাতে বাধ্য করা হয় যে তারা এই প্রমাণটি কীভাবে প্রয়োগ করেছে। এখন যেকোনো আপিল, অভ্যন্তরীণ বা বাহ্যিক, নিউবিকে একটি নীতির (principle) উদাহরণ হিসেবে উল্লেখ করতে পারে: নির্দিষ্ট শিক্ষার্থীর ভাষাগত প্রোফাইলের জন্য কোনো সহায়ক প্রমাণ না থাকলে কেবল একটি ডিটেক্টর স্কোর নিজে নিজে যথেষ্ট প্রমাণ নয়।

রায়ের “discovery” দিকটিও গুরুত্বপূর্ণ। সিদ্ধান্তকে টিকিয়ে রাখতে অ্যাডেলফাইকে Turnitin যে validation data প্রতিষ্ঠানকে জমা দিয়েছিল, সেটি সরবরাহ করতে হয়েছিল। আদালত তথ্যগুলো বিবেচনায় নেয়। প্রতিষ্ঠানটির intake অনুযায়ী, সেই তথ্য থেকে দেখা যায় ESL স্নাতক শিক্ষার্থীদের সাবমিশনের নমুনায় ২৮ শতাংশ false positive rate ছিল। সংখ্যাটি এখন পাবলিক রেকর্ডে আছে। আগামী বহু বছর ধরে প্রতিটি নিউবি-সংশ্লিষ্ট আপিলে এটি উদ্ধৃত হবে।

তৃতীয় প্রভাবটি হলো সুনামগত (reputational)। এখন এমন কয়েকটি বিশ্ববিদ্যালয় আছে যারা AI স্কোরকে এক ধরনের “shield” হিসেবে ব্যবহার করেছে একাডেমিক ইন্টিগ্রিটি ফাইন্ডিং টিকিয়ে রাখতে, কিন্তু তারা জানতই না যে ওই shield ঠিক তখনই ব্যর্থ হয়েছে। ফলে এখন তারা মরিয়া হয়ে ডিটেক্টর স্কোরের বাইরে confirming evidence-এর জন্য স্পষ্ট শর্ত যোগ করতে ছুটছে। রায়ের পর দুই মাসের মধ্যেই আমরা দেখেছি তিনটি প্রতিষ্ঠান এই সমস্যাটি মোকাবিলায় তাদের একাডেমিক ইন্টিগ্রিটি নীতিমালা হালনাগাদ করছে। নিউবি কেসটি সেই কাজ করছে যা ভেন্ডর disclosure কখনো করেনি।

কেন AI ডিটেক্টররা ESL লেখকদের AI-উৎপাদিত বলে ফ্ল্যাগ করে?

২০২৩ সালের স্ট্যানফোর্ডের এক গবেষণায় দেখা গেছে: GPTZero একই প্রম্পটে লেখা অ-নেটিভ ইংরেজি বক্তাদের রচিত ৫২ শতাংশ প্রবন্ধকে AI-generated হিসেবে ফ্ল্যাগ করেছে; আর নেটিভ বক্তাদের ক্ষেত্রে ছিল ০ থেকে ১২ শতাংশ। পরবর্তী ভেন্ডর আপডেটগুলো কিছু টেস্ট সেটে এই ব্যবধান কমিয়েছে, আবার অন্যগুলোতে বাড়িয়েছে। গঠনগত কারণ (structural reason) বদলায়নি। ডিটেক্টররা খোঁজে low perplexity এবং low burstiness। ESL লেখকেরা, বিশেষ করে যারা ফরমাল একাডেমিক ইংরেজিতে প্রশিক্ষিত, ঠিক এই বৈশিষ্ট্যগুলোর সঙ্গে লিখে। ছোট বাক্য, নিয়ন্ত্রিত শব্দভাণ্ডার, parallel structure, এবং ধারাবাহিক রেজিস্টার একটি ডিটেক্টরের কাছে “low entropy” হিসেবে ধরা পড়ে; ডিটেক্টর সেটি কোড করে মেশিনের মতো আউটপুট হিসেবে।

নিউবির লেখার প্রোফাইলটি ছিল প্রায় আদর্শ উদাহরণ। তার লিটারেচার রিভিউতে ছিল কম্প্যাক্ট বাক্য, সীমিত connector palette (“however,” “in addition,” “therefore”), এবং অনুচ্ছেদজুড়ে এক ধরনের সমান রেজিস্টার। একজন মানুষের ESL লেখালেখির শিক্ষক কাছে এটি বহু বছরের স্পষ্ট নির্দেশনার পাঠ্যপুস্তক-সমতুল্য ফল (textbook product)। কিন্তু নেটিভ-ইংরেজি বৈচিত্র্যে প্রশিক্ষিত একটি ডিটেক্টরের কাছে এটি মেশিন আউটপুটের মতো স্কোর করেছে। পক্ষপাতের (bias) প্রশ্নটি আদালতের abstract অর্থে বিচার করারও প্রয়োজন হয়নি। ডিটেক্টরের নিজস্ব validation data, যা discovery পর্যায়ে জমা হয়েছিল, সেটিই তাদের কাজ করে দিয়েছে।

এখন “ai detection esl false positive” প্যাটার্নটি আইনিভাবে নথিভুক্ত, শুধু একাডেমিকভাবে বিতর্কিত নয়। আপনি যদি একজন ESL শিক্ষার্থী হন, এই নথিটাই এই পোস্টের সবচেয়ে কার্যকর বাক্য।

নিউবি কী করে না

রায় ভুলভাবে পড়া, আরও ঝামেলায় জড়িয়ে পড়ার সবচেয়ে দ্রুত পথ। রায়টি তিনটি বিষয়ে কিছু করে না।

এটি AI ডিটেকশন নিষিদ্ধ করে না। বিশ্ববিদ্যালয়গুলো এখনো Turnitin, GPTZero, Pangram, Originality.ai এবং এ ধরনের অনুরূপ টুল ব্যবহার করতে পারে। এই রায় স্কোরকে শৃঙ্খলাবিধি/শাস্তিমূলক প্রক্রিয়ায় কীভাবে ওজন দেওয়া হবে, সেটিকে নিয়ন্ত্রিত করে; স্কোর একেবারেই তৈরি/উৎপন্ন করা যাবে কি না, তা নির্ধারণ করে না।

এটি নিউইয়র্কের বাইরে বিশ্ববিদ্যালয়গুলোকে সরাসরি বাধ্য করে না। প্ররোচনামূলক (persuasive) নজির সত্যিই কাজে লাগে, কিন্তু সেটা binding precedent-এর মতো নয়। টেক্সাসের একটি রাজ্য বিশ্ববিদ্যালয়ের একাডেমিক ইন্টিগ্রিটি কর্মকর্তা আইনি বাধ্যবাধকতামূলকভাবে নিউবিকে অনুসরণ করতে বাধ্য নন। তবে তারা জানিয়ে দেওয়া হয়েছে যে তাদের শুনানিতেও একই ধরনের যুক্তি তোলা হবে, এবং তাদের প্রতিষ্ঠানের জেনারেল কাউন্সেলও Adelphi যেভাবে শেষ পর্যন্ত কেসটি পড়েছে, ঠিক সেভাবেই কেসটি পড়বেন।

AI আসলেই ব্যবহার করা হয়ে থাকলে এটি শিক্ষার্থীদের দায়মুক্তি দেয় না। আদালত স্পষ্ট করে বলেছে: এই রায়টি একটি বিরোধিত (contested-evidence) প্রক্রিয়ায় পদ্ধতিগত ন্যায্যতা নিয়েই। শিক্ষার্থী যদি AI-generated টেক্সট জমা দেয় এবং প্রতিষ্ঠানের কাছে স্বাধীন প্রমাণ থাকে (ড্রাফট-হিস্ট্রি মিসম্যাচ, সাক্ষীর বর্ণনা, বা near-verbatim ChatGPT লগ), তাহলে নিউবি তাদের সুরক্ষা দেয় না। কেসটি ডিটেক্টরগুলো কীভাবে ব্যবহৃত হয়, সে বিষয়ে; AI-generated সাবমিশন গ্রহণযোগ্য কি না, সে বিষয়ে নয়।

আপনি কীভাবে প্রমাণ করবেন যে আপনি AI ব্যবহার করেননি? নিউবি-স্টাইল প্রতিরক্ষা

এই কেসটি প্রতিটি অভিযুক্ত শিক্ষার্থীর জন্য চার ভাগের একটি টেমপ্লেট দেয়। আইনজীবী ছাড়াও প্রতিটি অংশই করা সম্ভব, তবে বড়/গুরুতর কেসে একজন আইনজীবী উপকারী।

1. underlying validation data দাবি করুন। প্রতিষ্ঠানকে লিখিতভাবে বলুন, একজন শিক্ষার্থীর ভাষাগত প্রোফাইল অন্তর্ভুক্ত করে এমন টেস্ট পপুলেশনের জন্য ডিটেক্টর ভেন্ডরের validation report উৎপাদন করতে। যদি আপনি ESL হন, বিশেষভাবে ESL false-positive rates চাইুন। প্রতিষ্ঠানটি অনেক সময় এটি দিতে পারে না, এবং সেই অক্ষমতাটাও আপনার প্রতিরক্ষার অংশ।

2. আপনার প্রক্রিয়া/পাঠ-রেকর্ড (process record) তৈরি করুন। ভার্সন ইতিহাস (version history), Word AutoRecover ফাইল, OneDrive কার্যকলাপের লগ, ব্রাউজার ট্যাব ইতিহাস, এবং রেফারেন্স-ম্যানেজারের স্ন্যাপশট, এসবই দেখায় আপনি সময় ধরে পেপারটি লিখেছেন। নিউবি রায়ে বিশেষভাবে দেখা হয়েছে যে ড্রাফট হিস্ট্রির অনুপস্থিতিকে তারা অপরাধ প্রমাণ হিসেবে ব্যবহার করে অ্যাডেলফাই ভুল করেছে, যদিও তাদের সাবমিশন পোর্টাল ড্রাফট আপলোড বাধ্যতামূলক করেনি। আপনি যদি process record দেখাতে পারেন, দেখান। আপনার পোর্টাল যদি এগুলো ধারণ না করে, সেটিও আপনার প্রতিরক্ষার অংশ।

3. স্কোরকে প্রকাশিত error rate-এর সঙ্গে তুলনা করে দেখান। অ্যাডেলফাই-এর validation data-তে ESL false-positive rate ছিল ২৮ শতাংশ। স্ট্যানফোর্ড ২০২৩ স্টাডিতে দেখা যায় ৫২ শতাংশ। আপনার লিখিত জবাবে এগুলো উদ্ধৃত করুন। যে ডিটেক্টরের error rate এই পর্যায়ের, সেটিকে মূল প্রমাণ হিসেবে ব্যবহার করলে তা “preponderance of evidence” নয়।

4. একটি explainability report চাইুন। বেশিরভাগ ভেন্ডর “highlighted” ভিউ দেয়, যা দেখায় কোন কোন বাক্য স্কোরটি তৈরি করেছে। এটি অনুরোধ করুন। ভেন্ডর এটি দিতে না পারলে, প্রতিষ্ঠান কার্যত আপনাকে একটি ব্যাখ্যাতীত সংখ্যার বিরুদ্ধে দাঁড় করাতে চাইছে, এটাই আবার unfairness-এর যুক্তি।

আমাদের appeal-letter playbook আরও বিস্তারিতভাবে দেখায় কীভাবে লিখিত প্রতিক্রিয়া সাজাবেন, এর মধ্যে নিউবি-সচেতন (Newby-aware) লেটার টেমপ্লেটও আছে, এবং কোর্স-লেভেলের আপিল ব্যর্থ হলে পদ্ধতিগতভাবে কীভাবে escalation করবেন তার পথও রয়েছে।

প্রক্রিয়াই এখন নতুন প্রমাণ

নিউবি রায়টি ২০২৫-২০২৬ সময়ে একাডেমিক-ইন্টিগ্রিটি আলোচনায় যে পরিবর্তন হয়েছে, সেটার তিনটি সংকেতের একটি। আগে প্রশ্ন ছিল “ডিটেক্টর কি এটা ফ্ল্যাগ করেছে?” এখন প্রশ্ন হলো “process record-এ কী দেখা যাচ্ছে?”। এছাড়া ২০২৫-২০২৬-এ Turnitin Clarity বড় পরিসরে চালু করা হয়, যা ড্রাফট ফরেনসিক্স এবং রিভিশন পেসিং (revision pacing) ধারণ করে। বড় জার্নালগুলো (Nature, Cell, the Lancet) তাদের AI নীতিগুলো “no AI-generated text” থেকে সরিয়ে “disclose AI use and preserve revision history” করেছে। ২০২৬ সালের শুরুর দিকে Curtin University Turnitin নিষ্ক্রিয় করে, যুক্তি ছিল, স্কোরটি যতগুলো বিরোধ তৈরি করছে, তা সমাধান দিচ্ছে তার চেয়ে বেশি।

শিক্ষার্থী এবং গবেষকদের বার্তাটি একই: আপনার ড্রাফটগুলো সংরক্ষণ করুন। রিভিশন হিস্ট্রি আছে, এমন টুল ব্যবহার করুন। আপনি যে প্রম্পট ব্যবহার করেন তা নথিভুক্ত করুন (আপনি সবকিছু নিজেই লিখলেও)। manuscripts এর জন্য আমাদের AI disclosure গাইডটি জার্নাল সাবমিশনের ক্ষেত্রে disclosure দিকটা ব্যাখ্যা করে; একই যুক্তি কোর্সওয়ার্কেও প্রযোজ্য, কারণ আগামী ১২ মাসে প্রতিষ্ঠানগুলো তাদের নীতি হালনাগাদ করবে।

তবে humanizer দিকটিও গুরুত্বপূর্ণ, এবং সেটি সত্যিই ভুল বোঝা হয়। সাইটেশন-সচেতন (citation-aware) একটি humanizer তৈরি করা হয়নি AI ব্যবহার লুকানোর জন্য। এটি তৈরি করা হয়েছে, যাতে একটি ESL লেখকের একাডেমিক গদ্যকে এমন ডিটেক্টরের চোখে AI হিসেবে স্কোর না করা হয় যেগুলো আসল পার্থক্য বুঝতে পারে না; একই সঙ্গে রিভিউয়ার বা ইনস্ট্রাক্টর যেটা যাচাই করবেন, সেই reference list সংরক্ষণ থাকে। ঠিক ওই নির্দিষ্ট কেসের জন্যই আমরা আমাদের humanizer বানিয়েছি, এবং নিউবি রায় হলো, এই কেসটি বাস্তব এবং সত্য, তার পক্ষে আমাদের এখন পর্যন্ত সবচেয়ে পরিষ্কার যুক্তি।

প্রায়শই জিজ্ঞাসিত প্রশ্নাবলি

প্রশ্ন: নিউবি বনাম অ্যাডেলফাই কোর্ট আসলে কী সিদ্ধান্ত দিল?

আদালত শিক্ষার্থীর বিরুদ্ধে অ্যাডেলফাই ইউনিভার্সিটির একাডেমিক ইন্টিগ্রিটি ফাইন্ডিং বাতিল করে। রায়টি বলে যে: কেবল একটি Turnitin AI স্কোর, যেখানে শিক্ষার্থীর ESL ভাষাগত প্রোফাইলের জন্য কোনো validation evidence নেই এবং expert testimony দিয়ে স্কোরটিকে চ্যালেঞ্জ করার সুযোগও নেই, তা বিশ্ববিদ্যালয়ের নিজস্ব “preponderance of evidence” মানদণ্ড পূরণ করে না। প্রতিকার ছিল সীমিত: রেকর্ড পরিষ্কার করা এবং প্রতিষ্ঠানটি চাইলে procedurally compliant পুনঃশুনানির জন্য ফেরত পাঠানো। এই রায় নীতিগতভাবে AI ডিটেকশন নিষিদ্ধ করে না।

প্রশ্ন: নিউবি রায় কি নিউইয়র্কের বাইরে বিশ্ববিদ্যালয়গুলোর শিক্ষার্থীদের সুরক্ষা দেয়?

বাইন্ডিং নজির হিসেবে নয়। তবে এই ধরনের রায় persuasive authority, অর্থাৎ অন্য কোনো কোর্ট (বা অন্য কোনো বিশ্ববিদ্যালয়ের আপিল বোর্ড) এটি উদ্ধৃত করে যুক্তি প্রয়োগ করতে পারে, কিন্তু বাধ্যতামূলক নয়। ব্যবহারিক প্রভাব আইনগতটির চেয়ে বিস্তৃত। নিউইয়র্কের বাইরে কয়েকটি প্রতিষ্ঠান ইতিমধ্যেই তাদের একাডেমিক ইন্টিগ্রিটি নীতিমালা হালনাগাদ করেছে যাতে ডিটেক্টর স্কোরের বাইরে corroborating evidence প্রয়োজন হয়, এবং সেই উদ্যোগের অংশ হিসেবে নিউবিকেও উল্লেখ করেছে।

প্রশ্ন: নিউবি হওয়ার পরও কি আমার বিশ্ববিদ্যালয় Turnitin AI ডিটেকশন ব্যবহার করতে পারে?

হ্যাঁ। এই রায় শাস্তিমূলক প্রক্রিয়ায় স্কোরটি কীভাবে ব্যবহার হবে, তা নিয়ন্ত্রিত করে; টুলটি চালানো যাবে কি না, তা নিয়ে নয়। অধিকাংশ প্রতিষ্ঠান এখনো সাবমিশন স্টেজেই AI ডিটেকশন চালায়। পরিবর্তন হচ্ছে স্কোরকে কীভাবে ওজন দেওয়া হবে: ক্রমে এটি একটি screening signal হিসেবে কাজ করছে যা আরও ঘনিষ্ঠ মানবীয় পর্যালোচনা (human review) ট্রিগার করে, নিজে নিজে প্রধান প্রমাণ হিসেবে নয়। আপনার প্রতিষ্ঠান যদি এখনও স্কোরটিকে dispositive হিসেবে ধরে নেয়, তাহলে সেটাই ঠিক সেই ফাঁক (gap) যেটি নিউবি ঠিক করে দেখিয়েছে।

প্রশ্ন: আমি একজন ESL শিক্ষার্থী। প্রথম থেকেই আমি কীভাবে false-positive ফ্ল্যাগ ঠেকাব?

এখানে আমি মনে করি, তিনটি অভ্যাস সত্যিই পার্থক্য তৈরি করে। প্রথমত, আপনার draft history সংরক্ষণ করুন। Google Docs এবং Word, দুই জায়গাই আপনার কাজের আগের ভার্সনগুলো স্বয়ংক্রিয়ভাবে সেভ করে; পরিষ্কার কপি (clean copy) এক্সপোর্ট করে মূল ফাইলটি ফেলে দেবেন না। আপনার বাক্যের pacing-এর দিকে নজর দিন। ESL প্রশিক্ষণ অনেক সময় বাক্যগঠনের একরকমতা (uniformity) তৈরি করে, যা low-burstiness হিসেবে রেট হতে পারে। আপনি যদি কোনো AI ডিটেক্টরে AI স্কোর পান, যদিও আপনার লেখা সবই আপনার নিজের, তাহলে সাবমিট করার আগে এটিকে একটি citation-aware humanizer দিয়ে চালিয়ে দেখুন। এটি শনাক্তকরণ সফটওয়্যার যে ধরনের “surface variation” খোঁজে, সেটি যোগ করে, তবে আপনার শব্দ এবং citation অক্ষুণ্ণ রেখে।

প্রশ্ন: AI ডিটেকশন সংক্রান্ত অভিযোগে আমি কি আইনজীবী নেব?

কোর্স-লেভেলের আপিলের মতো ছোট পরিণতি (minor outcomes) যেখানে ঝুঁকি, সেখানে appeal-letter সাধারণত appeal-letter playbook এবং process documentation অনুসরণ করলে ভালো ফল দিতে পারে। কিন্তু আপনি যদি ডিগ্রি হারাতে পারেন, নির্বাসিত (expelled) হতে পারেন, ভিসার অবস্থা প্রভাবিত হতে পারে (আন্তর্জাতিক শিক্ষার্থী), অথবা স্থায়ী ট্রান্সক্রিপ্টে কোনো নোটেশন (permanent transcript notation) সামনে আসে, তাহলে একজন অ্যাটর্নি নিয়োগ করা উচিত। এখন এমন কিছু অ্যাটর্নির একটি ছোট সীমারেখা আছে যারা নিউবি কেসের সঙ্গে সরাসরি কাজ করেছেন এবং নজির (precedent) ও অন্তর্নিহিত ডিটেক্টর প্রযুক্তি সম্পর্কে জানেন।