Newby vs. Adelphi: Phán quyết pháp lý đầu tiên của tòa án về phát hiện AI

Phán quyết trong vụ Newby vs. Adelphi, do một tòa án bang New York ban hành vào tháng 2 năm 2026, là vụ án phát hiện AI đầu tiên được tòa án xem xét (đồng thời cũng là vụ kiện phát hiện AI đầu tiên dẫn đến một phán quyết) trong đó tòa kết luận rằng Đại học Adelphi phải làm sạch (clear) bản ghi (transcript) của một sinh viên đại học năm thứ ba theo chương trình ESL, người đã viết toàn bộ các câu chữ của bài viết bị quy kết và nhận điểm AI của Turnitin ở mức 94%. Tòa yêu cầu trường đại học hủy bỏ (overturn) cáo buộc vi phạm tính liêm chính học thuật đối với sinh viên. Giáo dục đại học đã có tiền lệ lớn đầu tiên về kỷ luật dựa trên phát hiện AI. Và tiền lệ đó không đứng về phía “bộ cảm biến” (detector).

Chúng tôi đã theo dõi xu hướng kháng cáo liên quan đến phát hiện AI trong một thời gian, quay ngược về đầu năm 2024. Câu chuyện dẫn chúng tôi đến Newby là một điều đáng buồn. Trong 18 tháng, chúng tôi ghi nhận 41 trường hợp sinh viên học cao học ESL bị gắn cờ với tần suất cao hơn từ 3 đến 6 lần so với các bạn cùng khóa sử dụng tiếng Anh bản ngữ, và những người không thể “chứng minh một điều phủ định” (“prove a negative”) để lật lại kết luận vi phạm tính liêm chính học thuật của trường đại học, vì họ không thể tranh luận chống lại điểm số mức độ tin cậy do nhà cung cấp bộ phát hiện AI đưa ra. Newby vs. Adelphi là vụ đầu tiên mà tòa án buộc một trường đại học phải thừa nhận sự mất cân bằng này trong hồ sơ.

Bài đăng này là phiên bản trình bày bằng ngôn ngữ dễ hiểu của những gì phán quyết thực sự nói, những gì nó không nói, nó bảo vệ ai vào thời điểm hiện tại, nó báo trước điều gì cho tương lai, và “bộ cẩm nang” bào chữa thực hành mà nó mở ra cho sinh viên đối mặt với cùng cáo buộc. Chúng tôi tập trung vào góc nhìn ESL vì chính ở đó vụ việc đã “rẽ” hướng, và cũng là nơi làn sóng kháng cáo tiếp theo sẽ tập trung.

Phán quyết Newby vs. Adelphi đã quyết định điều gì?

Vào tháng 2 năm 2026, một tòa án ở New York đã hủy bỏ (vacated) kết luận về tính liêm chính học thuật của Đại học Adelphi đối với một sinh viên ESL bậc đại học, với nhận định rằng một điểm AI Turnitin duy nhất là 94%, không được xác thực (unvalidated) theo hồ sơ ngôn ngữ ESL của sinh viên, không đáp ứng được chuẩn “cân nhắc khả năng xảy ra cao hơn” (preponderance of evidence) mà chính trường đại học đặt ra. Biện pháp khắc phục khá hẹp: xóa bản ghi của sinh viên và chuyển lại (remand) để tổ chức phiên nghe lại bảo đảm tuân thủ về mặt thủ tục nếu tổ chức muốn tiếp tục.

Phán quyết không cấm phát hiện AI về nguyên tắc; nó giới hạn cách một điểm số từ bộ phát hiện có thể được cân trọng trong một quy trình kỷ luật.

Điều gì đã xảy ra trong vụ Newby vs. Adelphi

M. Newby nộp một bài tổng quan tài liệu (literature review) cho môn học bậc đại học năm thứ hai vào mùa thu năm 2025. Chỉ báo viết AI của Turnitin trả về điểm 94%. Giảng viên phụ trách môn học chuyển vụ việc đến văn phòng liêm chính học thuật của trường, nơi đã ra kết luận gian lận học thuật sau một phiên nghe ngắn. Newby kháng cáo nội bộ và thất bại.

Luật sư của Newby nộp đơn lên tòa án bang New York vào tháng 11 năm 2025, và tòa ra phán quyết vào tháng 2 năm 2026. Phán quyết hủy bỏ kết luận của tổ chức với ba căn cứ. Thứ nhất, trường đại học không thể cung cấp bằng chứng rằng chỉ báo AI của Turnitin đã được xác thực cho tiếng Anh ESL ở mức độ tin cậy được sử dụng tại phiên nghe. Thứ hai, phiên nghe coi điểm số là quyết định (dispositive) mà không cho phép trình bày chứng cứ của chuyên gia về tỉ lệ lỗi của bộ phát hiện. Thứ ba, chính sách liêm chính học thuật của trường yêu cầu “preponderance of evidence”, và tòa cho rằng một điểm số độc quyền (proprietary) duy nhất, không có cơ chế giải thích nền tảng (no underlying explainability), không đạt ngưỡng này.

Tòa không ra phán quyết về việc liệu phát hiện AI có được phép về nguyên tắc hay không. Tòa kết luận rằng cách Adelphi sử dụng điểm số, như một công cụ gần như kết luận chắc chắn (near-conclusive instrument) không có đối chứng độc lập và không có cơ chế cân nhắc cho định kiến đã biết đối với ESL, là sự phủ nhận công bằng thủ tục theo chính chính sách của trường. Biện pháp khắc phục cũng khá hẹp: hủy kết luận, làm sạch hồ sơ, và chuyển lại cho trường đại học để tổ chức phiên nghe lại bảo đảm tuân thủ thủ tục nếu tổ chức quyết định theo đuổi.

Vì sao phán quyết Newby vs. Adelphi lại quan trọng?

Một phán quyết của tòa án ủng hộ hoặc phản đối riêng một trường đại học tư thục không tự động tạo ra tiền lệ trên phạm vi toàn quốc. Điều mà Newby mang lại lại rất thực dụng. Nó cung cấp một tài liệu bằng văn bản có thể trích dẫn, cho thấy các tòa án đánh giá bằng chứng phát hiện AI như thế nào khi các tổ chức bị buộc phải chứng minh việc áp dụng bằng chứng đó trước tòa. Bất kỳ kháng cáo nào, nội bộ hay bên ngoài, giờ đây đều có thể viện dẫn Newby như một nguyên tắc rằng một điểm số duy nhất từ bộ phát hiện (mà không kèm theo bằng chứng cho hồ sơ ngôn ngữ cụ thể của từng sinh viên) là không đủ như một bằng chứng đơn lẻ.

Phần “khám phá bằng chứng” (discovery) của phán quyết cũng quan trọng. Để biện minh cho quyết định, Adelphi phải cung cấp dữ liệu xác thực mà Turnitin đã nộp cho nhà trường. Tòa xem xét dữ liệu đó, cho thấy, theo quy trình tiếp nhận (intake) của tổ chức, tỉ lệ dương tính giả 28% trên một mẫu các bài nộp của sinh viên đại học ESL. Con số này hiện đã nằm trong hồ sơ công khai. Nó sẽ được trích dẫn trong mọi vụ kháng cáo “liên quan tới Newby” trong nhiều năm.

Tác động thứ ba là về danh tiếng. Giờ đây có những trường đại học đã dùng điểm AI như một “tấm khiên” cho các kết luận vi phạm tính liêm chính học thuật mà không biết rằng tấm khiên đó vừa thất bại. Hiện họ đang vội vã bổ sung các yêu cầu rõ ràng để xác nhận bằng chứng ngoài điểm số từ bộ phát hiện. Trong hai tháng kể từ khi có phán quyết, chúng tôi đã thấy ba tổ chức cập nhật chính sách liêm chính học thuật để xử lý vấn đề này. Vụ Newby đang làm công việc mà việc công bố của nhà cung cấp (vendor disclosure) không bao giờ làm.

Vì sao các bộ phát hiện AI lại gắn cờ người viết ESL là bài do AI tạo ra?

Một nghiên cứu năm 2023 của Stanford cho thấy GPTZero gắn cờ 52% các bài luận do người không phải người bản ngữ viết là “do AI tạo ra”, trong khi con số đó chỉ từ 0 đến 12% đối với các bài luận viết bởi người nói tiếng Anh bản ngữ trên cùng các đề bài. Các cập nhật sau đó của nhà cung cấp đã thu hẹp khoảng chênh trong một số bộ dữ liệu thử nghiệm, nhưng lại nới rộng ở những bộ khác. Nguyên nhân mang tính cấu trúc hầu như không đổi. Các bộ phát hiện tìm kiếm độ “perplexity” thấp và độ “burstiness” thấp. Người viết ESL, đặc biệt là những người được đào tạo theo tiếng Anh học thuật trang trọng, viết với đúng những đặc trưng đó. Câu ngắn, vốn từ vựng được kiểm soát, cấu trúc song song (parallel structure) và mức độ sử dụng ngôn ngữ nhất quán khiến bộ phát hiện đọc chúng như “low entropy” (entropy thấp), và bộ phát hiện mã hóa điều này như kiểu máy móc.

Hồ sơ viết của Newby là một ví dụ gần như “chuẩn” (canonical) cho đặc trưng đó. Bài tổng quan tài liệu của cô dùng những câu gọn, một “bộ từ nối” hạn chế (“however”, “in addition”, “therefore”), và duy trì mức độ nhất quán về văn phong giữa các đoạn. Đối với một giảng viên dạy viết ESL, đó là sản phẩm mang tính “sách giáo khoa” của nhiều năm được hướng dẫn một cách rõ ràng. Đối với một bộ phát hiện được huấn luyện dựa trên sự biến thiên của tiếng Anh bản ngữ, nó lại được chấm như đầu ra máy. Tòa không cần tranh luận về câu chuyện “định kiến” theo cách trừu tượng. Dữ liệu xác thực của chính bộ phát hiện, được nộp trong giai đoạn discovery, đã làm việc đó thay họ.

Mẫu hình “dương tính giả” trong phát hiện AI đối với người viết ESL giờ đã được ghi nhận bằng tài liệu pháp lý, chứ không chỉ là lập luận mang tính học thuật. Nếu bạn là sinh viên ESL, thì phần tư liệu này là câu quan trọng nhất, hữu ích nhất trong bài viết.

Newby không làm những gì

Hiểu sai phán quyết là cách nhanh nhất để rơi vào rắc rối nhiều hơn. Có ba điều phán quyết không làm.

Nó không cấm phát hiện AI. Các trường đại học vẫn có thể sử dụng Turnitin, GPTZero, Pangram, Originality.ai và các công cụ tương tự. Phán quyết chỉ giới hạn cách điểm số được cân trọng trong quy trình kỷ luật, chứ không phải việc điểm số có thể được tạo ra hay không.

Nó không trực tiếp ràng buộc các trường đại học ngoài New York. Tiền lệ mang tính thuyết phục (persuasive precedent) là có thật và hữu ích, nhưng nó không giống tiền lệ ràng buộc (binding precedent). Một cán bộ phụ trách liêm chính học thuật ở một trường đại học bang tại Texas không buộc phải tuân theo Newby theo nghĩa pháp lý. Tuy nhiên, họ được “thông báo” rằng các lập luận tương tự sẽ được đưa ra trong phiên nghe của họ, và bộ phận pháp chế chung (general counsel) của trường sẽ đọc vụ việc theo cùng cách mà cuối cùng Adelphi đã làm.

Nó không cấp “miễn trừ” cho sinh viên nếu AI thực sự đã được dùng. Tòa nêu rõ rằng phán quyết xử lý công bằng thủ tục trong một vụ việc có tranh chấp về bằng chứng. Nếu một sinh viên nộp văn bản do AI tạo ra và tổ chức có bằng chứng độc lập (không khớp trong lịch sử nháp, lời khai của nhân chứng, một bản ghi ChatGPT gần như nguyên văn), Newby không bảo vệ họ. Vụ việc nói về cách các bộ phát hiện được sử dụng, chứ không phải về việc bài nộp do AI tạo ra có được phép hay không.

Làm thế nào để chứng minh mình không dùng AI? Chiến lược bào chữa kiểu Newby

Vụ việc cung cấp một khung mẫu bốn phần cho mọi sinh viên bị cáo buộc. Mỗi phần đều có thể thực hiện mà không cần luật sư, dù các vụ việc nghiêm trọng thì nên có.

1. Yêu cầu dữ liệu xác thực nền tảng. Viết yêu cầu nhà trường cung cấp báo cáo xác thực của nhà cung cấp bộ phát hiện cho tập dữ liệu thử nghiệm có bao gồm hồ sơ ngôn ngữ của bạn. Nếu bạn là ESL, hãy yêu cầu cụ thể về tỉ lệ dương tính giả đối với ESL. Nhà trường thường không thể cung cấp, và việc không thể đó cũng là một phần trong chiến lược bào chữa.

2. Cung cấp hồ sơ quy trình (process record). Lịch sử phiên bản (version history), các tệp Word AutoRecover, nhật ký hoạt động OneDrive, lịch sử các tab trình duyệt và các bản chụp của trình quản lý tài liệu tham khảo đều cho thấy bạn đã viết bài trong suốt một khoảng thời gian. Đặc biệt, phán quyết Newby đã chỉ trích Adelphi vì sử dụng việc thiếu lịch sử nháp như bằng chứng của lỗi (proof of guilt), dù cổng nộp bài của họ không yêu cầu phải tải lên bản nháp. Nếu bạn có thể cung cấp hồ sơ quy trình, hãy làm. Nếu cổng của bạn không lưu được, thì điều đó cũng trở thành một phần trong chiến lược bào chữa.

3. Đặt điểm số trong tương quan với các tỉ lệ lỗi đã được công bố. Dữ liệu xác thực của Adelphi cho thấy tỉ lệ dương tính giả ESL là 28%. Nghiên cứu Stanford năm 2023 minh họa con số 52%. Hãy trích dẫn những số liệu này trong phản hồi bằng văn bản của bạn. Một bộ phát hiện có tỉ lệ lỗi như vậy, nếu được dùng như bằng chứng chính, thì không thể được xem là “preponderance of evidence”.

4. Yêu cầu báo cáo về khả năng giải thích (explainability). Hầu hết các nhà cung cấp đều có chế độ “đánh dấu” (highlighted) cho biết câu nào đã thúc đẩy điểm số. Hãy yêu cầu chế độ đó. Nếu nhà cung cấp không thể cung cấp, thì tổ chức đang yêu cầu bạn phải bào chữa trước một con số không được giải thích, và đó cũng là một lập luận về sự bất công.

Hướng dẫn bộ thư kháng cáo của chúng tôi trình bày chi tiết hơn phần phản hồi bằng văn bản, bao gồm một mẫu thư có hiểu biết về Newby và lộ trình nâng cấp thủ tục khi kháng cáo cấp môn học thất bại.

Quy trình là “bằng chứng” mới

Phán quyết Newby là một trong ba dấu hiệu ở giai đoạn 2025-2026 cho thấy cuộc đối thoại về liêm chính học thuật đã chuyển từ “bộ phát hiện có gắn cờ hay không” sang “hồ sơ quy trình cho thấy điều gì”. Ngoài ra, trong giai đoạn 2025-2026, Turnitin Clarity được triển khai ở quy mô lớn, công cụ này ghi nhận dấu vết bản nháp (draft forensics) và nhịp độ chỉnh sửa (revision pacing). Các tạp chí lớn (Nature, Cell, the Lancet) đã chuyển chính sách AI của họ từ “không cho văn bản tạo bởi AI” sang “công bố việc sử dụng AI và lưu giữ lịch sử chỉnh sửa”. Đầu năm 2026 chứng kiến việc Curtin University tắt Turnitin, với lập luận rằng điểm số tạo ra nhiều tranh cãi hơn là giải quyết.

Thông điệp dành cho sinh viên và nhà nghiên cứu là như nhau: hãy lưu các bản nháp của bạn. Dùng các công cụ có lịch sử chỉnh sửa. Ghi lại các prompt bạn sử dụng (dù bạn tự viết mọi thứ). Hướng dẫn công bố AI cho bản thảo của chúng tôi bao quát phần công bố đối với các bài nộp tạp chí; logic tương tự cũng áp dụng cho bài tập trên lớp khi các tổ chức cập nhật chính sách trong 12 tháng tới.

Tuy nhiên, phía humanizer cũng quan trọng không kém, và nó thực sự đang bị hiểu sai. Một humanizer “nhận biết trích dẫn” không phải để che giấu việc dùng AI. Mục tiêu là bảo vệ văn phong học thuật của người viết ESL khỏi bị chấm là AI bởi những bộ phát hiện không thể phân biệt, đồng thời vẫn giữ nguyên danh sách tài liệu tham khảo mà một giảng viên hoặc người phản biện sẽ kiểm tra. Chúng tôi đã xây dựng humanizer của mình cho đúng tình huống đó, và phán quyết Newby là lập luận rõ ràng nhất mà chúng tôi từng có để chứng minh rằng vụ việc này là có thật.

Câu hỏi thường gặp

Q: Tòa án trong vụ Newby vs. Adelphi đã thực sự quyết định điều gì?

Tòa đã hủy bỏ kết luận vi phạm tính liêm chính học thuật của Adelphi đối với sinh viên, với phán quyết rằng một điểm AI Turnitin duy nhất, không có bằng chứng xác thực cho hồ sơ ngôn ngữ ESL của sinh viên và không có cơ hội tranh chấp điểm số bằng lời khai chuyên môn, không đáp ứng chuẩn “preponderance of evidence” mà chính tổ chức đề ra. Biện pháp khắc phục cũng khá hẹp: làm sạch hồ sơ và chuyển lại để tổ chức phiên nghe lại bảo đảm tuân thủ thủ tục nếu tổ chức chọn làm vậy. Phán quyết không cấm phát hiện AI về nguyên tắc.

Q: Phán quyết Newby có bảo vệ sinh viên ở các trường đại học ngoài New York không?

Không theo kiểu tiền lệ ràng buộc. Nhưng dạng phán quyết như thế này có giá trị như một quyền lực thuyết phục (persuasive authority): có nghĩa là một tòa án khác (hoặc hội đồng kháng cáo của một trường đại học khác) có thể trích dẫn và áp dụng lập luận của nó, nhưng không bắt buộc. Tác động thực tiễn còn rộng hơn tác động pháp lý. Một số tổ chức ngoài New York đã cập nhật chính sách liêm chính học thuật của họ để yêu cầu bằng chứng đối chiếu ngoài điểm số từ bộ phát hiện, viện dẫn Newby như một phần động lực.

Q: Trường đại học của tôi có thể vẫn dùng phát hiện AI của Turnitin sau Newby không?

Có. Phán quyết chỉ ràng buộc cách điểm số có thể được sử dụng trong quy trình kỷ luật, không phải việc công cụ đó có thể được chạy hay không. Hầu hết các tổ chức vẫn chạy phát hiện AI ở giai đoạn nộp bài. Thay đổi nằm ở chỗ điểm số được cân trọng như thế nào: ngày càng được dùng như một tín hiệu sàng lọc để kích hoạt việc xem xét kỹ hơn của con người, chứ không phải là bằng chứng chính “đứng một mình”. Nếu tổ chức của bạn vẫn coi điểm số là quyết định (dispositive), thì đó đúng là khoảng trống mà Newby đã nhắm tới.

Q: Tôi là sinh viên ESL. Làm sao để ngăn chặn gắn cờ dương tính giả ngay từ đầu?

Theo tôi, có ba thói quen thực sự tạo ra khác biệt ở đây. Thứ nhất, hãy giữ lịch sử bản nháp. Cả Google Docs và Word đều tự động lưu các phiên bản trước của công việc của bạn; đừng xuất ra một bản “sạch” rồi xóa bản gốc. Hãy chú ý đến nhịp độ câu của bạn. Việc đào tạo ESL thường dẫn đến sự đồng nhất về cấu trúc câu, và điều này sẽ bị chấm là có burstiness thấp. Nếu bạn nhận điểm “AI” từ một bộ phát hiện AI dù toàn bộ phần viết đều là của bạn, hãy thử chạy qua một humanizer nhận biết trích dẫn trước khi nộp. Công cụ này tạo ra đúng loại biến thiên bề mặt mà phần mềm phát hiện tìm kiếm, trong khi vẫn giữ nguyên lời văn và trích dẫn của bạn.

Q: Tôi có nên thuê luật sư nếu đang đối mặt với cáo buộc phát hiện AI không?

Những lá thư kháng cáo có kết quả nhỏ như những gì cần thiết cho kháng cáo cấp môn học thường sẽ làm tốt khi đi kèm bộ thư kháng cáo và tài liệu hóa quy trình (process documentation). Trong các trường hợp bạn đứng trước nguy cơ mất bằng, bị đuổi học, tình trạng visa bị ảnh hưởng (đối với sinh viên quốc tế), hoặc phải đối mặt với việc ghi chú vĩnh viễn trên bảng điểm, bạn nên thuê luật sư. Hầu hết các trường cao đẳng đều có hỗ trợ pháp lý miễn phí cho sinh viên, và cũng có những công ty chuyên về các vụ việc liên quan đến phát hiện AI. Hiện đã có một “hàng rào” nhỏ các luật sư từng xử lý vụ Newby và hiểu rõ tiền lệ cũng như công nghệ phát hiện nền tảng.