Integratsiyalashgan akademik halollik boshqaruvi doirasi, generativ sun’iy intellekt akademik ish, baholash va universitetlarning akademik halollik qarorlariga jalb etilgan sharoitlarda; aniq qoidalar, axloqiy AI savodxonligi, valid baholash, boshqariladigan tekshiruv, mutanosib mas’uliyat, restorativ jarayonlar, intizom va institutsional o‘rganishni o‘zaro bog‘lash uchun taklif etilgan konseptual boshqaruv modelidir. Tadqiqot tizimli sharh yoki eksperimental samaradorlik tadqiqoti emas. Mualliflar 64 ta akademik va siyosat manbasidan iborat maqsadli korpusni qiyosiy kodlash, salbiy-holat tahlili, manbadan-konsepsiyaga kuzatuv va normativ talqin orqali o‘rgangan; natijada akademik halollikni uchta alohida, ammo bog‘liq darajada ko‘rib chiqadigan model ishlab chiqqan: akademik ish halolligi, baholash halolligi va institutsional protsessual halollik.

Modelning asosiy yondashuvi shuki, “talaba AI ishlatdimi?” degan savolning o‘zi yetarli emas. Aslida baholanishi kerak bo‘lgan jihatlar: AI qaysi funksiyani bajargani, qaysi o‘rganish kompetensiyasi AI ga topshirilgani, foydalanishga ruxsat berilgan-berilmagani, hissa oshkor qilingan-qilinmagani, talaba yakuniy mahsulotni tushunib himoya qila olishi, da’volar va manbalarni tekshirgani hamda baholash dizayni haqiqatan ko‘zlangan o‘rganishni o‘lchashi yoki o‘lchamasligidir.

Tadqiqot universitet foydalanadigan AI texnologiyalarini ham akademik halollik muammosining bir qismiga aylantiradi. AI-content detection, similarity analysis, automated grading, proctoring yoki risk prediction kabi tizimlardan olingan ballar o‘z-o‘zicha ayb yoki mualliflik dalili bo‘la olmasligini ta’kidlaydi. Manbaga ko‘ra, bunday ko‘rsatkichlar mazmunli bo‘lishi uchun ularni tasdiqlovchi boshqa dalillar, malakali inson ko‘rigi, yozma asos, talabaning javob berish imkoniyati va mustaqil apellyatsiya mexanizmi zarur.

Mualliflarning markaziy hissasi akademik halollik holatlarini faqat yakunlangan individual voqealar bo‘lishdan chiqarib, case-to-governance feedback deb ataladigan institutsional o‘rganish sikliga bog‘lashdir. Agar bir holat qoidaning noaniqligi, zaif baholash dizayni, AI savodxonligi yetishmasligi, kirish tengsizligi, texnologiya xaridi muammosi yoki protsessual xatoni yuzaga chiqarsa, muassasa faqat talaba haqida qaror berib qolmasligi; tegishli siyosat, baholash, qo‘llab-quvvatlash yoki texnologiya tizimini ham qayta ko‘rib chiqishi kerak.

Biroq bu doira tasdiqlangan aralashuv emas. Manba model normativ va empirik sinovdan o‘tkazilishi mumkin bo‘lgan taklif ekanini; barcha muassasa, fan yoki madaniyatlarda samarali ekani ko‘rsatilgan universal yechim emasligini aniq bildiradi.

Generativ sun’iy intellekt akademik halollik muammosini nega o‘zgartirmoqda?

Akademik halollik generativ sun’iy intellektdan oldin ham faqat plagiatni aniqlashdan iborat emas edi. Akademik madaniyat, halollik, ishonch, adolat, hurmat, mas’uliyat, baholash dizayni, o‘qitish, talaba qo‘llab-quvvatlashi va institutsional tartibga solish allaqachon sohaning asosiy tarkibiy qismlari edi. Tadqiqot yondashuviga ko‘ra, generativ AI bu asoslarni yo‘q qilmaydi; insonning akademik ishlab chiqarishga qanday hissa qo‘shganini kuzatishni qiyinlashtiradi.

Masalan, ayni generativ AI tizimi:

• g‘oya yaratishga,
• argumentni qayta tuzishga,
• matnni tarjima qilishga,
• kod yaratishga,
• manbalarni qisqacha bayon qilishga,
• fikr-mulohazani simulyatsiya qilishga,
• muammoni hal qilishga,
• yoki bevosita topshiriladigan yakuniy matnni yozishga

hissa qo‘shishi mumkin. Manba bu funksiyalar axloqiy jihatdan bir xil emasligini ta’kidlaydi. Foydalanishning maqbulligi AI mavjudligidan ko‘ra u qaysi akademik funksiyani o‘z zimmasiga olgani va maqsadli o‘rganish natijasi bilan aloqasiga bog‘liq.

Kognitiv delegatsiya nima?

Kognitiv delegatsiya, talabaning odatda o‘zi bajaradigan fikrlash, tahlil qilish, muammoni hal qilish, yozish, kodlash, sintez qilish yoki qaror qabul qilish jarayonining bir qismini AI tizimiga topshirishidir.

Delegatsiyaning o‘zi avtomatik tarzda akademik qoidabuzarlik degani emas. Agar vazifa AI yordamidagi tanqidiy tahlil ko‘nikmasini o‘lchasa, keng ko‘lamli AI generatsiyasi vazifaning qonuniy qismi bo‘lishi mumkin. Aksincha, boshlang‘ich dasturlash kursida maqsad talabaning muayyan algoritmni o‘zi tuzishi bo‘lsa, ayni turdagi kod generatsiyasi maqsad kompetensiyasini yo‘qqa chiqarishi mumkin.

Shu sababli tadqiqot AI dan foydalanishni vosita brendiga ko‘ra emas, funksiyaga ko‘ra tasniflashni taklif qiladi.

Bu Tadqiqot Tizimli Sharhmi?

Yo‘q. Mualliflar tadqiqotni ochiq ravishda “critical conceptual synthesis” deb ta’riflaydi; 64 manbali korpus maqsadli va konseptual yetarlilik maqsadi bilan tuzilgan, tizimli sharhlarda kutiladigan exhaustive/reproducible retrieval, duplicate-removal audit, study-level quality aggregation yoki meta-analitik ta’sir hisobi bajarilmagan.

Nega tizimli sharh qilinmagan?

Tadqiqot savollari bitta aralashuvning ta’siri, prevalensiya yoki o‘xshash tajriba natijalarini jamlash bilan bog‘liq emas. Mualliflar turli bilim an’analaridagi tushunchalarni taqqoslaydi:

• academic integrity,
• assessment validity va assessment security,
• generative AI in education,
• AI literacy,
• responsible AI governance,
• algorithmic accountability,
• restorative justice.

Bu manbalarning ayrimlari empirik tadqiqot, ayrimlari konseptual maqola, ayrimlari siyosat matni, ayrimlari kitob yoki amaliy doiradir. Tadqiqot ularni bir xil turdagi dalildek birlashtirmaydi. Empirik tadqiqot naqsh va xavflarni ko‘rsatish, konseptual asar tushunchalarni aniqlash, siyosat matni normativ majburiyatlarni ko‘rsatish, amaliy doira esa protseduralarni tushunish uchun ishlatiladi.

To‘rtta tadqiqot savoli

1. RQ1: Generativ AI akademik ish, baholash va institutsional protsedura darajalarida akademik halollikni qanday o‘zgartirmoqda?
2. RQ2: Profilaktik boshqaruv, axloqiy AI savodxonligi, boshqariladigan tekshiruv va restorativ hisobdorlikni qaysi vazifa va mexanizmlar o‘zaro bog‘laydi?
3. RQ3: AI bilan bog‘liq akademik halollik qoidabuzarliklarida qaysi sharoitlarda ta’limiy, restorativ, intizomiy yoki birlashtirilgan javob qo‘llanishi kerak?
4. RQ4: Qaysi tamoyillar kontekstlar bo‘ylab o‘zgarmas qolishi; qaysi unsurlar fan, huquq, madaniyat yoki muassasa sharoitiga moslashtirilishi kerak?

Akademik halollikning uch darajasi

Nega bu uch darajani ajratish kerak?

Manbaga ko‘ra, baholash dizaynidagi muammo avtomatik ravishda talabaning akademik qoidabuzarligi emas. Masalan, vazifa yo‘riqnomasi AI dan foydalanishni aniq tartibga solmasa, bu holat individual mas’uliyatni baholashda muhim. Xuddi shuningdek, talabaning qoidaga rioya qilishi vazifa haqiqatan o‘rganishni o‘lchaydi degani emas.

Ayni farq muassasa uchun ham amal qiladi. AI detector ballining yuqoriligi talabaning muallifligi yoki niyatini o‘z-o‘zicha isbotlamaydi. Agar muassasa bu ballni natijani belgilovchi dalil sifatida ishlatsa, muammo faqat talabaning xatti-harakati emas, institutsional protseduraning ishonchliligiga aylanadi.

Mualliflik, hissa, atributsiya va mas’uliyat bir xil narsa emas

Tadqiqot to‘rtta tushunchani ataylab ajratadi:

• Authorship: fan akademik qoidalari doirasida mas’uliyat yuklaydigan intellektual hissa maqomidir.
• Contribution: inson yoki vosita qaysi funksiyani bajarganini bildiradi.
• Attribution: yordam, manba yoki ta’sirning ko‘rinadigan tarzda tan olinishi.
• Responsibility: yakuniy da’vo, mulohaza, dalil, xato va oqibatlar uchun kim javob berishini anglatadi.

AI matn, kod, tasvir yoki hisob yaratishi mumkin; biroq akademik mas’uliyatni o‘z zimmasiga ola olmaydi, tanqidga javob bera olmaydi yoki xatoning oqibatini qabul qila olmaydi. Shu sababli AI ning muhim hissasi ochiq ko‘rsatilsa ham yakuniy akademik mas’uliyat insonda qoladi.

Epistemik mas’uliyat nima?

Epistemik mas’uliyat, talaba yoki tadqiqotchi AI yaratgan mahsulotni shunchaki topshirmasligi; undagi faktlar, hisoblar va manbalarni tekshirishi, muhim tanlovlarni asoslashi, zarur bo‘lsa AI hissasini oshkor qilishi, mahsulotni fan dalil standartlari bilan solishtirishi va xatolar uchun mas’uliyatni zimmasiga olishidir.

Nega AI dan foydalanishni foiz bilan o‘lchash yetarli emas?

Manba “matnning necha foizi AI tomonidan yaratildi?” yondashuvini asosiy qaror usuli sifatida rad etadi. AI hissasi yuqori bo‘lishi AI mahsulotini tanqid qilishga qaratilgan vazifada mutlaqo qonuniy bo‘lishi mumkin. Aksincha, bir necha jumlalik AI yordami maqsadli asosiy javobni bevosita beradigan bo‘lsa, miqdoran kichik ko‘rinsa ham o‘rganish natijasini yaroqsiz qilishi mumkin.

Shu sabab baholanishi kerak bo‘lgan o‘lchamlar:

• AI bajargan funksiya,
• talabaning nazorat darajasi,
• AI dan foydalanishning oshkor qilinishi,
• talabaning o‘rganish dalili,
• yuzaga kelgan akademik halollik xavfi.

AI dan foydalanishning funksional tasnifi

Manba ayniqsa bu toifalarning o‘lchangan xavf ballari emasligini ta’kidlaydi. Bular muassasa vazifa va fanga moslashtirishi kerak bo‘lgan analitik qaror toifalaridir.

To‘rt qatlamli siyosat arxitekturasi

Manba universitet miqyosidagi bitta “AI ishlatish mumkin/mumkin emas” jumlasi yetarli emasligini ta’kidlaydi. Umumiy qoida dastur, kurs va nihoyat alohida baholash vazifasigacha tarjima qilinishi kerak.

Bu yondashuv mahsulot nomiga asoslangan qoidalardan ko‘ra funksiyaga asoslangan qoidalarni afzal ko‘radi. Chunki yozuv yordamchisi vaqt o‘tishi bilan tadqiqot, kodlash yoki multimodal generatsiya qila olishi mumkin; mahsulot nomlarining ruxsat/taqiq ro‘yxati tez eskiradi.

AI-resilient assessment nima?

Tadqiqotdagi AI-resilient assessment tushunchasi “AI ishlatib bo‘lmaydigan imtihon” degani emas. Maqsad AI mavjud bo‘lsa ham talaba ko‘zlangan o‘rganishni haqiqatan ko‘rsatgan-ko‘rsatmaganini talqin qilish imkonidir.

Buning uchun jarayon hujjatlari, tanlangan qoralamalar, commentary, oral explanation, method reconstruction yoki qo‘shimcha vazifa kabi to‘ldiruvchi dalillardan foydalanish mumkin. Biroq manba ularning hech birini avtomatik yechim deb hisoblamaydi.

Masalan, oral assessment:

• talabaning mulohazasini ko‘rsatishi mumkin,
• biroq xavotir, nogironlik, til kompetensiyasi yoki baholovchilar o‘rtasidagi farq sabab yangi adolatsizliklar yaratishi mumkin.

Xuddi shuningdek, portfolio jarayon dalilini berishi mumkin, biroq soxta ishlab chiqilishi yoki ortiqcha ish yukini keltirishi mumkin. Shu sabab manba “AI-proof assessment” izlash o‘rniga turli dalillardan birgalikda va mutanosib foydalanishni taklif qiladi.

AI Detektori Bergan Ball Akademik Qoidabuzarlik Dalilimi?

Yo‘q. Manbaga ko‘ra AI-content detector, similarity score, proctoring flag yoki risk score faqat tekshirilishi kerak bo‘lgan ko‘rsatkich bo‘lishi mumkin; mualliflik, niyat yoki aybning o‘zi emas va oqibatli qaror uchun boshqa dalillar bilan tasdiqlash, malakali inson ko‘rigi, yozma asos va mustaqil apellyatsiya yo‘li zarur.

Governed verification nima?

Governed verification, akademik shubhani tekshirish huquqini bekor qilmaydigan, biroq tekshiruvni ochiq dalil va protsedura chegaralariga kiritadigan yondashuvdir.

Manba quyidagi farqlarni keltiradi:

• similarity percentage → matn o‘xshashligini ko‘rsatadi, niyatni ko‘rsatmaydi;
• AI-content score → ehtimollik tasnifi, mualliflik dalili emas;
• risk model → naqshni ko‘rsatadi, ayb dalili emas.

“Inson nazorati bor” deyish nega o‘z-o‘zicha yetarli emas?

Manba human-in-the-loop iborasini avtomatik kafolat deb qabul qilmaydi. Ko‘rib chiquvchi shaxsda:

• mavzu bo‘yicha yetarli bilim,
• dalilni ko‘rib chiqish uchun vaqt,
• tizim ballini rad eta olish vakolati,
• zarur hujjatlarga kirish,
• qarorini asoslash mas’uliyati

bo‘lishi kerak. Insonning faqat AI tizimi bergan natijani tasdiqlashi haqiqiy substantive human oversight emas.

AI savodxonligi faqat talabaning vazifasi emas

Maqolaning muhim farqlaridan biri AI literacy faqat “talaba ChatGPT dan to‘g‘ri foydalansin” ko‘nikmasi emasligidir. Manba AI savodxonligini institutsional salohiyat sifatida ham ko‘radi.

AI Savodxonligi Akademik Qoidabuzarlikning Oldini Olish uchun Yetarlimi?

Yo‘q. Manba AI savodxonligi tekshirish, oshkor qilish, xatoni tanish va axloqiy mulohazani rivojlantirishi mumkinligini; biroq raqobat, bosim, ish yuki, sezilgan adolatsizlik yoki ustunlik izlash sabab qoidani biladigan shaxs baribir ongli qoidabuzarlik qilishi mumkinligini ta’kidlaydi.

Bu farq muhim: bilim va xatti-harakat bir xil o‘zgaruvchi emas. Universitet faqat talabalarga AI bo‘yicha ta’lim berib, akademik halollik mas’uliyatini individga yuklay olmaydi. Qoidalar, assessment design, incentives, opportunity, staff capacity va enforcement tizimi ham baholanishi kerak.

Javob tanlash mantiqi

Manba bitta qoidabuzarlikka bitta turdagi jazo qo‘llashni ham, barcha holatlarni restorativ yo‘lga yuborishni ham yoqlamaydi. Qaror quyidagi omillarga ko‘ra berilishi kerak:

• qoida qanchalik aniq va kirish mumkin edi?
• xatti-harakat qasddan qilinganmi yoki noto‘g‘ri tushunishga asoslanganmi?
• AI maqsad kompetensiyasining o‘rnini qay darajada egalladi?
• nohaq ustunlik yoki zarar yuzaga keldimi?
• holat birinchi marta sodir bo‘ldimi yoki takrormi?
• dalilning sifati qanday?
• tiklanishi mumkin bo‘lgan zarar bormi?
• restorativ ishtirok xavfsiz va haqiqatan ixtiyoriymi?

Ta’limiy javob qaysi holatda ustun turadi?

Manbaga ko‘ra qoida noaniq, kirish imkonsiz yoki yetarlicha o‘rgatilmagan bo‘lsa; holat past ta’sirli, birinchi marta sodir bo‘lgan va noto‘g‘ri tushunish yoki zaif mulohazaga asoslangan bo‘lsa, ta’limiy tuzatish ko‘proq ahamiyat kasb etishi mumkin. Bunday holatda clarification, rework yoki learning plan kabi natijalar ko‘rib chiqilishi mumkin.

Intizomiy javob qaysi holatda zarur bo‘lishi mumkin?

Qoida aniq ma’lum bo‘lishiga qaramay qasddan yashirish, strategik nohaq ustunlik, jiddiy akademik/professional/safety ta’siri, takroriy xatti-harakat yoki oldingi aralashuvlarning muvaffaqiyatsizligi bo‘lsa formal disciplinary procedure zarur bo‘lishi mumkin.

Manba intizomni olib tashlashni yoqlamaydi. Tanqid qilinayotgan narsa tekshiruv va intizomning dalilsiz, avtomatik yoki nomutanosib qo‘llanishidir.

Restorativ Yondashuv Faqat Talabaga “Xatongni O‘yla va Qayta Qil” Deyishmi?

Yo‘q. Manba reflection, retraining yoki resubmission ning o‘zi restorativ adolat emasligini aniq bildiradi; haqiqiy restorativ jarayon uchun zarar va ta’sirlangan tomonlarni aniqlash, ixtiyoriy va xabardor ishtirok, mas’uliyat, xavfsiz/facilitated dialogue, aniq repair agreement, kuzatuv va reintegration zarur.

Restorativ jarayon uchun minimal shartlar

Talabaning restorativ jarayonda ishtirok etishni rad etishi aybdorlik dalili yoki og‘irlashtiruvchi omil hisoblanmaydi. Restorativ jarayon mos bo‘lmasa, formal protsedura qo‘llanishi mumkin.

Integratsiyalashgan doira qanday ishlaydi?

Manba integratsiyani oltita asosiy mexanizm bilan tushuntiradi:

1. Clarity: umumiy tamoyillarni dastur, kurs va assessment darajasigacha tarjima qilish.
2. Capable judgement: talaba, o‘qituvchi va muassasaning AI mahsuloti va qoidalarni baholay oladigan kompetensiyaga ega bo‘lishi.
3. Evidential validity: o‘rganish dalilining valid, kirish mumkin va talqin qilinadigan bo‘lishi; avtomatik indicator ni proof ga aylantirmaslik.
4. Differentiated responsibility: talaba, o‘qituvchi, muassasa va provider vazifalarini ko‘rinadigan, biroq aralashtirilmagan holda ko‘rib chiqish.
5. Restorative–disciplinary complementarity: ta’lim, restoratsiya va intizom bir-birini avtomatik istisno qilmasligi; holatga qarab tanlanishi.
6. Case-to-governance feedback: holatlar siyosat va tizim o‘zgarishiga qayta aloqa berishi.

Model nega chiziqli jarayon zanjiri emas?

Siyosat AI savodxonligiga ta’sir qilishi mumkin; biroq AI savodxonligi ham qoidadagi noaniqlikni yuzaga chiqarishi mumkin. Verification assessment dizaynidagi muammoni ko‘rsatishi mumkin. Restorativ muloqot kirish yoki ish yuki muammolarini ko‘rinadigan qilishi mumkin. Shu sabab manba Figure 12 ni qat’iy xronologiya emas, o‘zaro ta’sir qiluvchi munosabatlar arxitekturasi sifatida o‘qishni istaydi.

Yettita vaqtinchalik propozitsiya

Bu jadvalda “propozitsiya” so‘zi muhim. Manba ularni isbotlangan qonunlar sifatida taqdim etmaydi. Masalan, P1 ning kelajak tadqiqotida qo‘llab-quvvatlanmasligi framework ni ilmiy sinash uchun mazmunli natija bo‘ladi.

Tadqiqot Usuli va Natijalari

Tadqiqot dizayni

Conceptual sufficiency nimani anglatadi?

Mualliflar manba qidiruvini “endi barcha maqolalar topildi” degan da’vo bilan to‘xtatmagan. Qidiruv to‘rtta tadqiqot savoli talab qiladigan asosiy toifalar, qarama-qarshi pozitsiyalar va aloqalar yetarlicha namoyon bo‘lib, yangi manbalar asosan allaqachon topilgan konseptual funksiyalarni takrorlay boshlagan nuqtaga qadar davom ettirilgan.

Manba buni empirik qualitative saturation yoki exhaustive systematic retrieval bilan tenglashtirmaydi.

64 manbali korpusning sohalar bo‘yicha taqsimoti

Bu sonlar sifat reytingi yoki sohaning haqiqiy adabiyot hajmi emas. Ular faqat mualliflar maqsadli tanlagan 64 manbaning framework ichidagi analitik rol taqsimotini ko‘rsatadi.

Tahlil olti bosqichda olib borildi

1. Tadqiqot savollari va qamrov chegarasi belgilandi.
2. Established literature ichidan sensitising concepts ajratildi.
3. Open va focused coding orqali tushunchalar va aloqalar taqqoslandi.
4. Negative cases va counter-positions framework ga qarshi sinovdan o‘tkazildi.
5. Tushunchalar oddiy mavzu ro‘yxati o‘rniga mexanizmlarga aylantirildi.
6. Yettita provisional proposition yaratildi va boundary cases ga nisbatan tekshirildi.

Sensitising concepts boshlang‘ich nuqtalardir; natija sifatida qabul qilinmagan. Masalan, prevention, literacy va restoration tadqiqot boshida allaqachon muhim sohalar edi. Shu sabab mualliflar framework faqat boshlang‘ich farazlarni takrorlamasligi uchun ataylab qarshi misollar izlagan.

Negative-case analysis nega muhim?

Mualliflar afzal ko‘rgan qarashni tasdiqlovchi manbalar bilan birga quyidagi qarshi holatlar ham izlangan:

• AI literacy qoidabuzarlikning oldini olmagan holatlar,
• verification va sanction legitim bo‘lishi mumkin bo‘lgan holatlar,
• oral yoki process-rich assessment yangi tengsizlik yaratgan holatlar,
• human review automation bias sabab muvaffaqiyatsiz bo‘lishi mumkin bo‘lgan holatlar,
• restorative yondashuv majburlovchi, xavfsiz bo‘lmagan yoki mos kelmagan holatlar.

Shu sabab framework “profilaktika har doim aniqlashdan yaxshi”, “AI ta’limi bersak muammo hal bo‘ladi” yoki “restorativ yondashuv har holatda jazodan yaxshi” kabi biryoqlama da’volarni yaratmaydi.

To‘rtta normativ asos

Doira to‘rtta fikrlash an’anasini birgalikda qo‘llaydi:

1. Academic-integrity values: honesty, trust, fairness, respect, responsibility va courage.
2. Assessment scholarship: validity, transparency, evaluative judgement, accessibility va social justice.
3. Responsible AI: human agency, accountability, explainability, privacy, risk management va contestability.
4. Restorative justice: harm, affected parties, participation, responsibility, repair va reintegration.

Manba bu qadriyatlarni har bir holatda bir vaqtda maksimal darajaga olib chiqib bo‘lmasligini ta’kidlaydi. Masalan, ko‘proq transparency accountability ni oshirishi, ammo privacy ni kamaytirishi mumkin. Ko‘proq verification assessment ishonchliligini saqlashi, biroq surveillance va accessibility muammolarini keltirishi mumkin.

Differentiated responsibility

Barqaror tamoyillar va mahalliy moslashtirilishi mumkin bo‘lgan unsurlar

Amalga oshirish yo‘l xaritasi

Baholashda faqat “holatlar soni kamaydimI?” savoli nega noto‘g‘ri bo‘lishi mumkin?

Akademik halollik holatlarining kamroq bo‘lishi turli narsalarni anglatishi mumkin:

• haqiqatan kamroq qoidabuzarlik sodir bo‘lgan bo‘lishi mumkin,
• holatlar kamroq xabar qilingan bo‘lishi mumkin,
• enforcement izchil bo‘lmasligi mumkin,
• talabalar tizimga ishonmagani sabab xabar berish yoki apellyatsiya kamaygan bo‘lishi mumkin.

Shu sabab manba faqat holatlar sonini muvaffaqiyat ko‘rsatkichi sifatida qabul qilmaydi.

Baholash ko‘rsatkichlari kamida quyidagi sohalarni ajratishi kerak:

• implementation,
• procedural legitimacy,
• educational outcome,
• equity,
• institutional learning.

Tadqiqot bevosita qo‘llab-quvvatlaydigan xulosalar

• Generativ AI assistance va authorship o‘rtasidagi chegarani murakkablashtiradi va cognitive delegation imkoniyatlarini oshiradi.
• Academic work integrity, assessment integrity va institutional procedural integrity bir-biridan ajratilishi kerak.
• AI dan foydalanishni axloqiy baholash faqat “AI ishlatildimi?” savoli bilan amalga oshirilmaydi; AI funksiyasi va learning outcome aloqasi baholanishi kerak.
• Avtomatik indicator lar proof sifatida ishlatilmasligi kerak.
• AI literacy zarur salohiyat, biroq compliant conduct kafolati emas.
• Restorative justice faqat reflection/retraining/resubmission emas.
• Restorativ jarayon voluntary participation va substantive safeguards ni talab qiladi.
• Discipline ayrim jiddiy yoki deliberate holatlarda legitim bo‘lishi mumkin.
• Institutsional mas’uliyat talaba agency sini yo‘q qilmaydi; talaba mas’uliyati ham institutsional muvaffaqiyatsizliklarni ko‘rinmas qilmasligi kerak.
• Holatlar anonymized pattern analysis orqali siyosat va assessment ni yaxshilash manbasi bo‘lishi mumkin.

Tadqiqot bevosita qo‘llab-quvvatlamaydigan xulosalar

• Taklif qilingan framework akademik qoidabuzarlikni kamaytirishi isbotlanmagan.
• AI literacy dasturlari o‘z-o‘zicha misconduct ni kamaytirishi ushbu maqolada sinovdan o‘tkazilmagan.
• AI-resilient assessment o‘lchash validligini haqiqatan oshirishi empirik tasdiqlanmagan.
• Governed verification protsessual xatolarni kamaytirishi bu tadqiqotda o‘lchanmagan.
• Restorativ jarayonlar recurrence ni kamaytirishi yoki reintegration ni oshirishi ko‘rsatilmagan.
• Case-to-governance feedback barcha muassasalarda haqiqiy institutsional o‘rganish hosil qilishi isbotlanmagan.
• AI detector ballari muayyan chegaradan yuqori bo‘lsa, ishonchli ayb dalili degan xulosa qo‘llab-quvvatlanmaydi.
• Bitta assessment formati “AI-proof” degan xulosa qo‘llab-quvvatlanmaydi.
• Framework har bir mamlakat, madaniyat, huquq tizimi yoki akademik fanga aynan bir xil ko‘chirilishi mumkinligi ko‘rsatilmagan.

Tadqiqotning kuchli jihatlari

Dalil turlarini aralashtirmaslik: Empirik maqola, siyosat hujjati, konseptual tadqiqot va muallif taklifi bir xil epistemik maqomda taqdim etilmaydi.

Counter-case dan foydalanish: Framework faqat qo‘llab-quvvatlovchi misollar ustiga qurilmagan; afzal yechimlar muvaffaqiyatsiz bo‘lishi mumkin bo‘lgan sharoitlar ham o‘rganilgan.

Talabani markazga qo‘ygan ayblash yondashuvidan qochish: Assessment, siyosat, texnologiya provider i va institutsional protsedura ham accountability sohasiga kiritiladi.

Due process ni saqlash: Verification, human review, reason-giving va appeal aniq o‘zaro bog‘lanadi.

Sinovdan o‘tkazish mumkinligi: Yettita proposition uchun mechanism, counter-case va illustrative indicator berilib, framework kelajakda falsifiable/qualifiable tadqiqot dasturiga aylantirilgan.

Asosiy cheklovlar

Purposive selection: Korpus exhaustive emas va manbalarni tanlash ehtimolini hisoblab bo‘lmaydi

Ingliz tili cheklovi: Ingliz tilidan tashqaridagi madaniy va mintaqaviy akademik halollik, mualliflik, vakolat, ishonch va repair tushunchalari yetarlicha namoyon bo‘lmagan bo‘lishi mumkin.

Geterogen manba turlari: Kitoblar, empirik tadqiqotlar, siyosat matnlari va konseptual tadqiqotlar turli dalil turlarini taqdim etadi.

Interpretive coding: Konseptual sintez tadqiqotchi mulohazasini talab qiladi va confirmation bias ehtimolini butunlay yo‘q qila olmaydi.

Texnologiyaning tez o‘zgarishi: Generative AI tizimlari va tartibga solishlar tez o‘zgargani sabab task-level tavsiyalar vaqt o‘tishi bilan yangilanishi kerak.

Empirik tasdiqlash yo‘q: Framework expert consensus, stakeholder deliberation, institutional case testing yoki intervention evaluation jarayonidan o‘tmagan.

Bevosita stakeholder ishtiroki yo‘q: Framework ishlab chiqilayotganda talaba, o‘qituvchi, integrity practitioner, accessibility specialist yoki policymaker bevosita ishtirokchi sifatida kiritilmagan.

Institutsional salohiyat farazi: Model staff training, appeal, accessibility support, facilitator, procurement expertise va data-protection review uchun resurs talab qiladi. Barcha universitetlarda bunday salohiyat mavjud bo‘lmasligi mumkin.

Sababiy xulosa chiqarib bo‘lmaydi: Tadqiqot policy clarity breach ni kamaytirishi, literacy xatti-harakatni yaxshilashi yoki restoration recurrence ni pasaytirishini ko‘rsatmaydi.

Kelajakda qanday sinash mumkin?

Manba framework ni longitudinal studies, comparative assessment research, case audits, appeal analysis, vignette experiments, implementation studies va participant research kabi dizaynlar bilan sinashni tavsiya qiladi.

P1 uchun task guidance va comprehension ma’lumotlari; P2 uchun literacy + behavioural/process evidence; P3 uchun validity, accessibility va workload; P4 uchun appeal, reversal va differential error; P6 uchun consent, repair va recurrence; P7 uchun holat tahlilidan real policy/assessment o‘zgarishigacha cho‘zilgan kuzatiladigan zanjir baholanishi mumkin.

Manba va Usul Haqida Izoh

Asl sarlavha: Preventive and Restorative Academic Integrity in AI-Assisted Higher Education: A Critical Conceptual Synthesis and Integrated Governance Framework

Mualliflar: Gabriel Bădescu; Mihail Susinski; Cristian Vasile; Petre Săvescu; Emilia Constantinescu; Gabriel Tănasie; Nicolae Dima; Larisa-Ofelia Filip; Adrian Savu; Caius Didulescu.

Mualliflar tartibi: Manbada berilgan to‘liq tartib saqlangan.

Teng hissa: Manbada equal-contribution bayonoti mavjud emas.

Corresponding authors: Mihail Susinski va Adrian Savu.

Muassasa 1: Faculty of Agronomy, University of Craiova, Craiova, Romania.

Muassasa 2: Faculty of Mining, University of Petroșani, Petroșani, Romania.

Muassasa 3: Faculty of Geodesy, Technical University of Civil Engineering Bucharest, Bucharest, Romania.

Jurnal: Education Sciences.

Nashriyot: MDPI, Basel, Switzerland.

Jild / maqola raqami: 16, 1365.

Son: 9.

DOI: 10.3390/educsci16091365.

Rasmiy DOI havolasi: https://doi.org/10.3390/educsci16091365

Received: 30 June 2026.

Revised: 2 August 2026.

Accepted: 21 August 2026.

Published: 24 August 2026.

Manba turi: Review; critical conceptual synthesis.

Systematic review: Yo‘q. Mualliflar bu farqni metodologik jihatdan alohida ta’kidlaydi.

Meta-analysis: Yo‘q.

Yangi tajriba / survey / participant data: Yo‘q.

Taqriz: Education Sciences anonymous peer review dan foydalanadigan taqrizli akademik jurnaldir.

Litsenziya: Creative Commons Attribution — CC BY.

Korpus: 64 academic and policy publications.

Asosiy vaqt oralig‘i: 2016–July 2026; zarur foundational pre-2016 manbalar saqlangan.

Manbalarni aniqlash: Scopus, Web of Science, Google Scholar, publisher platforms va UNESCO/OECD/EU/NIST rasmiy repositories orqali iterative purposive identification.

Tanlash mantiqi: Manba tadqiqot savollaridan kamida biriga construct definition, relevant practice/risk, ethical/policy principle, counter-position yoki implementation izohi orqali bevosita hissa qo‘shsa saqlangan.

Til cheklovi: Ingliz tilidagi manbalar.

Citation impact threshold: Ishlatilmagan.

Stopping rule: Conceptual sufficiency.

Analitik bosqichlar: Scope/RQ definition; sensitising concepts; open/focused coding; counter-position and boundary-case analysis; mechanism mapping; seven provisional propositions.

Framework ning uch integrity darajasi: Integrity of academic work; integrity of assessment; institutional procedural integrity.

Integratsiyalashgan asosiy komponentlar: Preventive governance; ethical AI literacy; governed verification; restorative accountability; proportionate discipline; case-to-governance feedback.

Formula / tenglama: Tadqiqotning asosiy ilmiy hissasi matematik model emas; markaziy raqamli tenglama yoki ta’sir formulasi hisobot qilinmagan.

Yettita proposition: P1 policy clarity; P2 AI literacy; P3 AI-resilient assessment; P4 governed verification; P5 differentiated responsibility; P6 restorative processes; P7 case-to-governance feedback.

Framework validation: Amalga oshirilmagan. Expert consensus, stakeholder deliberation, institutional case testing va intervention evaluation qo‘llanmagan.

Empirik samaradorlik: Isbotlanmagan.

Universal transferability: Da’vo qilinmaydi.

Funding: Tadqiqot tashqi moliyalashtirish olmagan.

Institutional Review Board: Not applicable.

Informed Consent: Not applicable.

Data Availability: Yangi empirik ma’lumot yaratilmagan yoki tahlil qilinmagan. Konseptual source corpus va framework-comparison audit Appendices A va B da hujjatlashtirilgan.

AI-assisted revision disclosure: Mualliflar reviziya paytida ingliz tilini yaxshilash, structural organisation va draft visual materials tayyorlash uchun AI-assisted language and formatting tools dan foydalanganini; barcha mahsulotlarni tanqidiy ko‘rib chiqqanini va yakuniy maqola uchun mas’uliyatni o‘z zimmasiga olganini bildiradi.

Conflicts of Interest: Mualliflar manfaatlar to‘qnashuvi yo‘qligini bildirgan.

CRediT / muallif hissalari

• Conceptualization: Gabriel Bădescu, Mihail Susinski, Nicolae Dima, Adrian Savu, Caius Didulescu.
• Methodology: Gabriel Bădescu, Cristian Vasile, Petre Săvescu, Nicolae Dima, Larisa-Ofelia Filip.
• Formal analysis: Gabriel Bădescu, Emilia Constantinescu, Caius Didulescu.
• Investigation: Mihail Susinski, Petre Săvescu, Gabriel Tănasie.
• Resources: Larisa-Ofelia Filip, Adrian Savu, Caius Didulescu.
• Data curation: Gabriel Bădescu, Nicolae Dima.
• Visualization: Gabriel Bădescu, Mihail Susinski, Cristian Vasile, Petre Săvescu, Emilia Constantinescu, Gabriel Tănasie, Nicolae Dima.
• Supervision: Gabriel Bădescu, Cristian Vasile, Adrian Savu.
• Project administration: Gabriel Bădescu.
• Writing — original draft preparation: Gabriel Bădescu, Emilia Constantinescu, Gabriel Tănasie, Caius Didulescu.
• Writing — review and editing: Gabriel Bădescu, Caius Didulescu.

Asosiy metodologik cheklovlar: Purposive va exhaustive bo‘lmagan corpus; faqat ingliz tilidagi manbalardan foydalanish; akademik, policy, conceptual va practice manbalarining geterogen epistemik maqomi; interpretive coding va confirmation-bias ehtimoli; AI va regulation sohasidagi tez o‘zgarish; framework empirik sinovdan o‘tmagan; bevosita stakeholder participation mavjud emas; qo‘llash muhim institutional capacity talab qiladi.

Asosiy talqin chegarasi: Tadqiqot “bu model qo‘llansa akademik qoidabuzarlik kamayadi” degan xulosani isbotlamaydi. Tadqiqot akademik halollik muammolarini qanday tasniflash, institutsional mas’uliyatni qanday taqsimlash, dalil va apellyatsiya jarayonlarini qanday himoya qilish hamda kelajakda qaysi aloqalarni empirik sinash mumkinligini tushuntiradigan normativ va konseptual boshqaruv arxitekturasini taklif qiladi.