Alexandr Veaceslav Parahonco, Vladimir Andrunachievici Institute of Mathematics and Computer Science, Moldova State University, Moldova Faculty of Computer Science, Alexandru Ioan Cuza University of Iasi, Romania, e-mail:alexandr.parahonco@math.md
Иновације у настави, XXXIX, 2026/1, стр. 33–51

| PDF | | Extended summary PDF |
DOI: 10.5937/inovacije2601033V

Summary: This study investigates generative AI’s impact on academic integrity through mixed-method analysis combining systematic literature review (2023-2025), comparative evaluation of six AI detection platforms, and policy analysis across EU and US contexts.
Results reveal widespread AI adoption with 80% of students experimenting with AI tools and 50% using them without disclosure. Detection platform evaluation shows accuracy rates of 78-98% but persistent false positive risks affecting vulnerable populations. The technological arms race between generation and detection capabilities indicates inherent limitations in detection-based approaches.
Policy analysis reveals fragmented governance where EU’s rights-based AI Act contrasts the US innovation-focused strategies, yet both face enforcement challenges when detection proves unreliable. The study identifies a shift from traditional plagiarism to “cognitive outsourcing” where students delegate thinking processes rather than copying content.
We conclude that academic integrity requires moving from adversarial detection toward collaborative education helping students develop productive AI relationships. Recommendations include adaptive assessment designs, AI literacy programs, and equity-focused policies ensuring inclusive access to AI-enhanced education.

Keywords: academic integrity, generative AI, AI detection, plagiarism, educational policy

ВЕШТАЧКА ИНТЕЛИГЕНЦИЈА У АКАДЕМСКИМ ТЕКСТОВИМА: ИДЕНТИФИКАЦИЈА И АНАЛИЗА

У раду се истражује трансформативни утицај генеративних алата вештачке интелигенције (ChatGPT, Google Gemini, Claude) на академски интегритет и образовну праксу, у настојању да се нађу одговори засновани на доказима на питања везана за широко распрострањено усвајање вештачке интелигенције у образовању. Значај истраживања лежи у свеобухватној анализи феномена који се развија брже од институционалних одговора и захтева систематску евалуацију, како технолошких решења, тако и педагошких адаптација. Теоријски контекст обухвата фундаментални помак од традиционалног плагијаризма – копирања постојећег садржаја – до онога што називамо „когнитивним аутсорсингом” (енг. cognitive outsourcing), где студенти делегирају мисаоне процесе системима вештачке интелигенције. Ова трансформација доводи у питање основне образовне претпоставке о учењу, оцењивању и интелектуалном развоју и захтева реконцептуализацију оквира академског интегритета у ери вештачке интелигенције.
У истраживању је коришћена мешовита метода која комбинује четири комплементарне компоненте: систематски преглед литературе из 100 извора (2023–2025) из база података Scopus, Web of Science, IEEE Xplore и докумената образовне политике; упоредну евалуацију шест платформи за детекцију вештачке интелигенције (Turnitin, GPTZero, Originality.ai, ZeroGPT, Copyleaks, Scribbr) са анализом тачности, стопама лажно позитивних резултата и језичке покривености; анализу доказа добијених из студија случаја везаних за образовни контекст Велике Британије, САД и ЕУ; и анализу политике која испитује Закон ЕУ о вештачкој интелигенцији, оквире Савета Европе, смернице Унеска и националне иницијативе. Метрика учинка извучена је из рецензираних студија валидације и независних бенчмаркинг извештаја (енг. benchmarking), уз триангулацију већег броја платформи ради смањења пристрасности. Аналитички оквир односио се на три кључна питања: распрострањеност ВИ и мотивација за њену употребу, ефикасност алата за детекцију у академским контекстима, као и педагошке мере којима се успоставља равнотежа између иновација и интегритета.
Резултати истраживања потврђују широко распрострањену интеграцију вештачке интелигенције, будући да више од 80% студената у високом образовању експериментише са алатима вештачке интелигенције, а 50% студената користи ВИ без откривања извора.
Компаративна евалуација показује значајне варијације у перформансама међу платформа ма за детекцију, са стопама тачности у распону од 78% до 98%, али сталним, лажно позитивним ризицима који несразмерно погађају вишејезичне и неуродивергентне студенте. Анализа образовних политика открива фрагментиране области управљања. Закон ЕУ о вештачкој интелигенцији заснован на људским правима разликује се од приступа САД усмереног на иновације, али се оба суочавају са изазовима у спровођењу регулатива када се технологије детекције покажу непоузданим. Технолошка трка између ВИ генерације и система за детекцију указује на инхерентна ограничења у погледу технолошких решења. Закључак је да академски интегритет у ери вештачке интелигенције захтева прелазак са детекције на колаборативно образовање које помаже студентима да развију продуктивне односе са алатима вештачке интелигенције. Докази показују да су приступи засновани на детектовању сами по себи недовољни и потенцијално дискриминаторни, због чега је неопходна фундаментална педагошка трансформација.
Педагошке импликације подразумевају примену адаптивних модела процене који се одупиру аутоматизацији својом сложеношћу, а не тајношћу, затим развој свеобухватних програма ВИ писмености за студенте и наставнике, као и усвајање оквира попут модела „Стоплајт” (енг. Stoplight Model), који пружају јасне смернице за одговарајућу употребу вештачке интелигенције у различитим контекстима учења.
Институције морају да дају предност питањима равноправности тако што ће да обезбеде да интеграција вештачке интелигенције не погорша додатно постојеће неједнакости у образовању. То захтева развој алата за детекцију који узимају у обзир језичку разноликост, стварање приступачних програма ВИ писмености и спровођење политика које штите рањиве популације од алгоритамске пристрасности.
Трансформација захтева да наставници и сами постану писмени у области ВИ и да разумеју предности и ограничења ових алата како би креирали задатке који се допуњују са ВИ, а не такмиче се са њом. Будући успех у образовању зависи од неговања способности својствених само човеку – критичког размишљања, етичког промишљања, стваралачке синтезе – које вештачка интелигенција не може да реплицира, уз употребу ВИ као партнера у размишљању, а не алата који мисли за вас.

Kључне речи: aкадемски интегритет, генеративна ВИ, детекција ВИ, плагијаризам, образовна политика

References

• Academic integrity (n.d.). University of Sheffield. https://sheffield.ac.uk/study-skills/assessment/academicintegrity/academic-integrity
• Bordalejo, B., Pafumi, D., Onuh, F., Khalid, A. K. M. I., Pearce, M. S., & O’Donnell, D. P. (2025). “Scarlet Cloak and the Forest Adventure”: A preliminary study of the impact of AI on commonly used writing tools. International Journal of Educational Technology in Higher Education, 22(6). https://doi.org/10.1186/s41239-025-00505-5
• Chounta, I.-A., Cyndecka, M., Dimitrova, V., Holmes, W., Kralj, L., Persson, J., Vicente, P. N., & Wasson, B. (2024). The state of artificial intelligence and education across Europe: The results of a survey of Council of Europe member states. Council of Europe. https://rm.coe.int/the-state-of-artificial-intelligence-and-educationaccross-europe-the-/1680b29929
• Council of Europe (2024). Artificial intelligence and education: A critical view through the lens of human rights, democracy and the rule of law: 1st working conference, 18–19 October 2022: Conference highlights. https://rm.coe.int/artificial-intelligence-and-education-1st-working-conference-conferenc/1680b29998
• European Parliament and the Council of the European Union (2024). Regulation (EU) 2024/1689 of the European Parliament and of the Council of 13 June 2024. Official Journal of the European Union. https://eur-lex.europa.eu/eli/reg/2024/1689/oj
• Freeman, J. (2025). Student Generative AI Survey 2025. Higher Education Policy Institute. https://www.hepi.ac.uk/2025/02/26/student-generative-ai-survey-2025/
• For students: Standard of conduct for academic integrity (n.d.). University of Missouri, Office of Academic Integrity. https://oai.missouri.edu/students/
• Generative AI: Encouraging academic integrity (2025). University of Pittsburgh, University Center for Teaching and Learning. https://teaching.pitt.edu/resources/encouraging-academic-integrity/
• Goodier, M. (2025). Revealed: Thousands of UK university students caught cheating using AI. The Guardian. https://www.theguardian.com/education/2025/jun/15/thousands-of-uk-university-students-caught-cheating-using-ai-artificial-intelligence-surveyl
• Guidance on the appropriate use of generative artificial intelligence in graduate theses. (2025). University of Toronto, School of Graduate Studies. https://www.sgs.utoronto.ca/about/guidance-on-the-use-of-generativeartificial-intelligence/
• Hallikaar, V. (2025). Western N.Y. student’s AI use accusation questions validity, raises concerns. Spectrum Local News. https://spectrumlocalnews.com/nys/central-ny/news/2025/05/14/ub-student-says-false-ai-useaccusation-caused-stress–inspired-petition
• Havinga, B., Holmes, W., & Persson, J. (2024). Regulating the use of artificial intelligence systems in education. Council of Europe. https://www.coe.int/en/web/education/-/regulating-the-use-of-artificial-intelligencesystems-in-education
• Hirsch, A. (2024). AI detectors: An ethical minefield. Center for Innovative Teaching and Learning, Northern Illinois University. https://citl.news.niu.edu/2024/12/12/ai-detectors-an-ethical-minefield/
• Holmes, W., Persson, J., Chounta, I.-A., Wasson, B., & Dimitrova, V. (2022). Artificial intelligence and education: A critical view through the lens of human rights, democracy and the rule of law. Council of EuropePublishing.
• Kim, M. (2025). AI begins in the classroom: Sweden commits to major overhaul of education system. Sweden Herald. https://swedenherald.com/article/ai-begins-in-the-classroom-sweden-commits-to-major-overhaulof-education-system
• London school launches UK’s first teacherless classroom. (2024). Education Today. https://education-today.co.uk/london-school-launches-uks-first-teacherless-classroom/
• Lucas, C. (2025, May 29). Reimagining assessment design in the era of AI. UNSW Sydney. https://www.education.unsw.edu.au/news-events/events/reimagining-assessment-design-era-ai
• Mormando, S. (2023). A stoplight model for guiding student AI usage. Edutopia. https://www.edutopia.org/article/creating-ai-usage-guidelines-students
• Quality Assurance Agency for Higher Education (2023). Reconsidering assessment for the ChatGPT era:QAA advice on developing sustainable assessment strategies. https://www.qaa.ac.uk/docs/qaa/members/reconsidering-assessment-for-the-chat-gpt-era.pdf
• Swisher, D., & Els, A. (2024). Rethinking assessment in light of generative AI. C2C Digital Magazine. https://scalar.usc.edu/works/c2c-digital-magazine-fall-2023–winter-2024/rethinking-assessment-in-light-of-generative-ai
• The White House (2025). Winning the race: America’s AI action plan. https://www.whitehouse.gov/wpcontent/uploads/2025/07/Americas-AI-Action-Plan.pdf
• Yiakup, F. (2024). AI in Swedish education: From vision to reality. AI Sweden. https://my.ai.se/resources/3799

Copyright © 2026 by the publisher Faculty of Education, University of Belgrade, SERBIA. This is an open access article distributed under the terms of the Creative Commons Attribution License (CC BY 4.0) (https://creativecommons.org/licenses/by/4.0/), which permits unrestricted use, distribution, and reproduction in any medium, provided the original paper is accurately cited.