Etika, Integritas Akademik, Batasan dan Alur Kerja End-to-End

Keuntungan:

• Kemampuan untuk memahami dan menerapkan prinsip etika penggunaan kecerdasan buatan dalam matematika (dalam pelayanan pembelajaran, transparansi, tanggung jawab manusia, keadilan, kerahasiaan).
• Kemampuan untuk menilai risiko privasi dan mengambil tindakan pencegahan yang tepat dalam konten sensitif seperti soal ujian, data siswa, dan penelitian yang tidak dipublikasikan
• Kemampuan untuk menggabungkan semua bagian modul (produksi + verifikasi) ke dalam satu alur kerja ujung ke ujung, menyelesaikan setiap langkah produksi dengan langkah verifikasi dan persetujuan akhir manusia

Pada unit akhir ini kami menggabungkan dua hal: di satu sisi, dimensi etika, integritas akademik, dan kerahasiaan penggunaan kecerdasan buatan dalam matematika; Di sisi lain, untuk menyatukan apa yang kita pelajari sepanjang modul dalam satu alur kerja menyeluruh. AI dalam matematika adalah alat yang ampuh, namun ia disertai dengan tanggung jawab dan juga kekuatan: untuk siapa Anda menggunakannya, untuk apa Anda menggunakannya, dan bagaimana Anda menggunakannya memiliki konsekuensi etis. Seorang siswa yang pekerjaan rumahnya diselesaikan dengan AI dan seorang guru yang mempercepat materi pelajaran dengan AI adalah dua hal yang sangat berbeda. Unit ini melengkapi keterampilan teknis dengan penggunaan yang bertanggung jawab.

Beberapa definisi. Integritas akademik artinya menunjukkan secara jujur ​​siapa yang benar-benar memiliki suatu karya dan tidak mengambil jalan pintas dalam pembelajaran. Plagiarisme adalah menyajikan produk orang lain (atau suatu media) seolah-olah itu adalah produk asli Anda sendiri. Transparansi berarti menyatakan dengan jelas di mana AI digunakan. Konsep-konsep ini telah menjadi inti pendidikan matematika di era AI.

Prinsip dasar penggunaan etis

1. Bukan sebagai tempat belajar, tapi untuk mengabdi. AI dapat mendukung siswa dalam mempelajari suatu konsep (penjelasan, penjelasan alternatif), namun tidak boleh membuatnya berpikir. Meminta AI mengerjakan pekerjaan rumah akan melemahkan pembelajaran.
2. Transparansi. Tunjukkan di mana AI digunakan — dalam artikel, materi kursus, atau laporan. Menyembunyikan itu tidak jujur.
3. Tanggung jawab adalah milik manusia. Siapa pun yang menerbitkan, mengajar, atau menyampaikan keluaran AI bertanggung jawab atas keakuratannya. “AI berkata begitu” bukanlah sebuah alasan.
4. Keadilan. Penggunaan AI dalam penilaian harus diatur dengan aturan yang setara dan jelas bagi semua siswa.
5. Keamanan. Jangan memasukkan informasi sensitif, seperti soal ujian, data siswa, atau penelitian yang tidak dipublikasikan, ke dalam alat AI yang kerahasiaannya tidak terjamin.

Privasi: apa artinya dalam konteks matematika?

Meskipun matematika tampak seperti "tidak memiliki data tersembunyi", konteksnya penting. Hasil penelitian yang tidak dipublikasikan, bank soal ujian suatu institusi, data kinerja pribadi siswa, atau algoritme milik perusahaan—semuanya sensitif. Segala sesuatu yang Anda masukkan ke dalam alat AI dapat diproses oleh penyedia alat tersebut dan, dalam beberapa kasus, digunakan dalam pelatihan model. Jadi untuk konten sensitif, gunakan alat yang diamankan secara lokal/institusional atau anonimkan konten tersebut.

Tipe data

Resiko

tindakan pencegahan

Teorema/masalah yang dipublikasikan

rendah

tersedia secara bebas

Soal ujian aktif

tinggi

Jangan memasuki atau mengamankan kendaraan

Data pribadi/kinerja siswa

tinggi

Anonimkan/jangan masuk

Penelitian yang tidak dipublikasikan

tinggi

Alat aman/lokal

Garis besar kuliah

rendah-sedang

Umumnya cocok

Perhatian: Sebelum menggunakan AI untuk memverifikasi soal ujian, pertimbangkan apakah pertanyaan tersebut harus tetap dirahasiakan. Soal-soal dari ujian aktif secara teoritis dapat terungkap ketika dimasukkan ke dalam alat AI yang kerahasiaannya tidak terjamin. Untuk ujian penting, ubah pertanyaan atau hanya gunakan alat yang terjamin privasi datanya dan disetujui perusahaan.

Alur kerja ujung ke ujung: contoh tugas

Katakanlah Anda perlu mempersiapkan materi kursus dan ujian suatu mata pelajaran dalam waktu seminggu. Alur yang menggabungkan semua bagian modul bisa seperti ini:

1. Perencanaan. Memperjelas topik, level dan tujuan (Unit 7).

2. Menyusun materi. Minta AI menghasilkan ceramah yang sesuai level + contoh penyelesaian (Unit 7).

3. Verifikasi sampel. Periksa setiap contoh yang diselesaikan dengan SymPy (Unit 4).

4. Visualisasi. Memproduksi dan merender grafik untuk mendukung narasi dengan kode Matplotlib dan membandingkannya dengan matematika (Unit 6).

5. Notasi. Bersihkan indeks, render, dan verifikasi rumus dengan LaTeX (Unit 10).

6. Pembuatan pertanyaan. Siapkan soal pilihan ganda + pengecoh untuk ujian (Unit 8).

7. Verifikasi massal. Selesaikan semua pertanyaan secara massal dengan SymPy dan periksa kunci jawabannya (Unit 8, 9).

8. Pengendalian etika dan transparansi. Apakah kerahasiaannya pantas? Sudahkah Anda menyatakan penggunaan AI dalam materi bila diperlukan? Anda memiliki tanggung jawab utama (unit ini).

9. Persetujuan manusia. Tinjau dan konfirmasi semuanya untuk terakhir kalinya. Karya apa pun yang belum diverifikasi tidak akan ditayangkan/diuji.

Tip: Dalam alur kerja end-to-end, strategi yang paling efisien adalah memposisikan AI sebagai “lapisan kecepatan”, alat deterministik (SymPy, render) sebagai “lapisan kebenaran”, dan diri Anda sendiri sebagai “lapisan penilaian dan akuntabilitas.” Setiap langkah produksi harus diikuti dengan langkah verifikasi; Keluaran yang belum diverifikasi sebaiknya tidak diteruskan ke langkah berikutnya.

tiga kasus mini

Kasus 1 — Transparansi membangun kepercayaan. Seorang akademisi menggunakan AI dalam draf pertama bab buku teks, kemudian memverifikasi setiap klaim matematis dan menyatakan dalam kata pengantar bahwa "Dukungan AI diperoleh dalam produksi naskah, semua konten diverifikasi oleh penulis." Transparansi ini meningkatkan kepercayaan rekan kerja dan menjaga standar integritas.

Kasus 2 - Penggunaan yang melemahkan pembelajaran. Seorang siswa meminta AI menyelesaikan seluruh pekerjaan rumahnya dan menyerahkannya. Dia gagal dalam ujian mata pelajaran yang sama karena dia tidak pernah mempelajari konsepnya. Guru menyarankan penggunaan AI untuk “mendapatkan solusi yang diperiksa dan mendapatkan penjelasan alternatif”, tetapi untuk menyelesaikan masalahnya sendiri terlebih dahulu. AI harus berperan dalam pembelajaran, bukan menggantikannya.

Kasus 3 — Risiko pelanggaran privasi. Seorang guru mempertimbangkan untuk meretas alat AI umum untuk memverifikasi pertanyaan ujian pusat yang belum dilaksanakan, tetapi kemudian memutuskan untuk tidak melakukannya; sebaliknya dia memecahkan pertanyaan di SymPy sendiri dan seorang rekannya. Memasukkan soal ujian aktif ke alat eksternal merupakan risiko privasi yang serius; otentikasi lokal menyediakan jalur aman.

Empat templat yang dapat disalin

1) Penggunaan yang mendukung pembelajaran (bagi siswa):

Saya memecahkan masalah ini PERTAMA, solusi saya terlampir. JANGAN beri saya solusinya; tunjukkan saja di mana kesalahan saya dan konsep apa yang salah saya pahami sehingga saya dapat memperbaikinya. Solusi saya: [di sini]

2) Menghasilkan catatan transparansi:

Saya menyiapkan [materi/laporan kursus] dan menggunakan AI pada tahap draf, memverifikasi sendiri semua perhitungannya. Tulis catatan transparansi singkat dan profesional yang menyatakan hal ini dengan jujur.

3) Pra-pemeriksaan privasi:

Saya ingin memenuhi syarat privasi konten berikut sebelum memasukkannya ke dalam alat AI: [tipe konten]. Apakah jenis konten ini dianggap sensitif, apa risikonya, tindakan pencegahan apa (anonimisasi, alat lokal) yang harus saya ambil? Katakan dengan singkat dan jelas.

4) Rencana pengendalian verifikasi ujung ke ujung:

Saya menyiapkan materi pelajaran + ujian untuk [mata pelajaran]. Buat daftar sebagai rencana pengendalian verifikasi apa yang perlu saya lakukan pada setiap langkah produksi: verifikasi sampel, kontrol grafis, notasi, kunci jawaban, kerahasiaan, persetujuan manusia.

Perintah lemah / Perintah kuat

Lemah: "Selesaikan soal pekerjaan rumah ini dan saya akan menyerahkannya." (siswa)

Akibat: Pembelajaran terlewati, integritas akademik dilanggar, siswa gagal mempelajari konsep. Hal ini tidak pantas secara etis dan pedagogis.

Güçlü: "Saya mencoba menyelesaikan soal pekerjaan rumah ini, tetapi saya menemui jalan buntu; solusi saya terlampir. Jangan berikan jawaban secara langsung; tunjukkan dengan petunjuk langkah mana dan mengapa saya melakukan kesalahan, ingatkan saya tentang konsep yang benar, lalu saya akan coba lagi."

Kesimpulan: AI digunakan dalam layanan pembelajaran; Siswa terus berpikir, kejujuran tetap terjaga.

Kesalahan umum

• Menggunakannya untuk melewatkan pembelajaran. Meminta AI untuk mengerjakan pekerjaan rumah itu mudah dalam jangka pendek, namun menghancurkan pembelajaran dalam jangka panjang.
• Tidak transparan. Menyembunyikan penggunaan AI bertentangan dengan integritas akademik; tentukan bila diperlukan.
• Menempatkan tanggung jawab pada AI. “AI berkata demikian” bukanlah alasan; Penerbit/guru bertanggung jawab.
• Memasukkan konten rahasia ke alat eksternal. Ujian aktif, data siswa, penelitian yang tidak dipublikasikan bersifat sensitif.
• Membiarkan validasi hingga akhir alur kerja. Verifikasi harus dilakukan setelah setiap langkah produksi; Kesalahan tidak boleh menumpuk.

Singkatnya

Penggunaan AI dalam matematika memerlukan tanggung jawab etis serta keterampilan teknis: AI harus digunakan untuk pembelajaran (bukan sebagai penggantinya), transparan, tetap memegang tanggung jawab utama, mematuhi aturan yang adil, dan menghormati kerahasiaan. Dalam alur kerja end-to-end, AI adalah lapisan kecepatan, SymPy dan alat rendering adalah lapisan akurasi, dan manusia adalah lapisan penilaian dan tanggung jawab. Setiap langkah produksi harus diikuti dengan langkah verifikasi; Tidak ada keluaran yang belum diverifikasi yang boleh dimasukkan ke dalam publikasi, ceramah, atau ujian. Itulah inti dari modul ini: menjadi lebih cepat dengan AI, namun verifikasi dan bertanggung jawab untuk setiap langkah.

Tugas aplikasi

Rancang tugas menyeluruh berskala kecil: narasi singkat + 1 bagan + 3 pertanyaan pilihan ganda untuk suatu topik. Ikuti alur modul: (1) merencanakan, (2) membuat draf dengan AI, (3) memvalidasi contoh dengan SymPy, (4) merender dan memeriksa grafik, (5) membersihkan dan merender notasi dengan LaTeX, (6) memvalidasi pertanyaan secara batch dengan SymPy, (7) melakukan pemeriksaan privasi dan transparansi, (8) memberikan persetujuan akhir dari manusia. Catat verifikasi apa yang Anda lakukan dan apa yang Anda temukan di setiap langkah. Di akhir proses, evaluasi di mana AI menghemat waktu dan di mana penilaian Anda sangat diperlukan.

daftar periksa

• [ ] Saya menggunakan AI untuk (bukan sebagai pengganti) pembelajaran.
• [ ] Saya telah secara transparan menyatakan penggunaan AI jika diperlukan.
• [ ] Saya memikul tanggung jawab atas keakuratan tertinggi.
• [ ] Saya tidak mengakses konten rahasia/sensitif melalui alat yang tidak aman.
• [ ] Saya mengikuti setiap langkah produksi dengan langkah verifikasi.
• [ ] Saya tidak membawa hasil apa pun yang belum diverifikasi ke dalam siaran/pelajaran/ujian.

Ujian Modul

1. Manakah dari berikut ini yang merupakan penentuan posisi kecerdasan buatan dalam matematika yang paling akurat?

• A) Kecerdasan buatan adalah sebuah strategi, cetak biru dan alat pengorganisasian; Terserah pada manusia untuk memverifikasi perhitungan dan hasil yang tepat dengan cara deterministik ✔
• B) Kecerdasan buatan itu seperti kalkulator dan setiap hasil numerik yang diberikannya tepat
• C) Kecerdasan buatan tidak pernah salah dalam kesimpulan yang disajikannya dengan percaya diri, sehingga verifikasi tidak diperlukan
• D) Kecerdasan buatan hanya berguna untuk menulis teks, tidak ada hubungannya dengan tugas matematika apa pun

Deskripsi: Model bahasa besar adalah alat yang menghasilkan teks secara statistik; Ini bukan kalkulator atau pemeriksa bukti. Ini sering kali menghasilkan matematika yang benar, tetapi tidak menjamin; jadi setiap keluaran harus diverifikasi dengan alat deterministik (SymPy, kalkulator, validasi manual) dan tanggung jawab harus tetap berada di tangan manusia.

2. Seorang siswa meminta kecerdasan buatan untuk menyelesaikan suatu integral dan ingin mendapatkan hasilnya. Apa cara paling andal untuk memverifikasi hasilnya?

• A) Membedakan hasil dan memeriksa apakah kembali ke fungsi aslinya (SymPy atau manual) ✔
• B) Tanyakan pada kecerdasan buatan 'apakah ini benar?' untuk bertanya
• c) Menerima hasil apa adanya karena disajikan dengan lancar dan percaya diri.
• D) Pindah ke pertanyaan lain dan tidak memeriksa hasilnya sama sekali

Penjelasan: Invers turunan-integral adalah alat verifikasi bawaan dalam matematika: mengambil turunan dari hasil yang ditemukan dan memeriksa apakah hasil tersebut kembali ke fungsi aslinya secara independen akan memastikan kebenaran integral. Pemeriksaan silang yang sama dapat dilakukan dengan SymPy.

3. Apa yang dimaksud dengan prinsip 'hasil yang benar bukan cara yang benar' dalam penyelesaian masalah dengan kecerdasan buatan?

• A) Hasil yang benar selalu membuktikan bahwa jalannya juga benar
• B) Jalan tidak penting, yang penting hanya hasil
• C) Langkah-langkah peralihan yang salah dapat secara tidak sengaja menghasilkan hasil yang benar; Oleh karena itu, baik hasil maupun setiap langkah perantara harus diperiksa ✔
• D) Tidak mungkin menemukan jalan yang kokoh, jadi kita hanya melihat hasilnya

Penjelasan: Terkadang langkah perantara yang salah menghasilkan hasil yang benar secara kebetulan; Meskipun hasilnya benar, jalurnya mungkin tidak valid. Itu sebabnya dalam matematika hanya 'apakah hasilnya benar?' melainkan 'apakah setiap langkah peralihan sudah benar?' Pertanyaannya juga penting dan setiap langkah harus diawasi.

4. Apa yang harus Anda lakukan ketika AI menggunakan frasa 'tanpa kehilangan keumuman' dalam sebuah pembuktian?

• A) Menerima bahwa pembuktian itu sah karena pernyataannya lancar
• B) Membenarkan diri sendiri bahwa keumuman sebenarnya tidak rusak; ✔ tidak menerima tanpa pertanyaan
• C) Menganggap bukti itu sah tanpa membacanya sama sekali
• D) Mencari ungkapan ini dari sumbernya sebagai nama teorema

Klarifikasi: Pernyataan 'tanpa kehilangan sifat umum' terkadang valid (jika terdapat simetri asli) namun terkadang merupakan kesalahan tersembunyi. Kecerdasan buatan banyak menggunakan ungkapan ini; Anda harus memberikan alasan kepada diri Anda sendiri setiap kali bahwa pernyataan umum tersebut tidak benar-benar dilanggar, dan Anda tidak boleh menerima pernyataan tersebut tanpa pertanyaan.

5. Anda menulis kode SymPy ke kecerdasan buatan. Bagaimana cara mendapatkan hasilnya dengan benar?

• A) Membuat kecerdasan buatan memprediksi keluaran kode
• B) Dengan asumsi kode tersebut benar tanpa membacanya
• C) Mempercayai interpretasi AI terhadap keluarannya
• D) Jalankan sendiri kodenya di lingkungan Python nyata dan lihat keluaran persisnya ✔

Deskripsi: Kekuatan SymPy hanya terungkap ketika kode dijalankan di lingkungan Python nyata. Tanyakan pada kecerdasan buatan 'apa yang dihasilkan kode ini?' meminta bukanlah verifikasi, karena AI juga dapat membuat keluaran kode. Anda harus menjalankan kodenya sendiri.

6. Jika solusi persamaan yang ditemukan secara manual oleh kecerdasan buatan dan hasil yang diberikan oleh SymPy berbeda, manakah yang harus Anda percayai dan mengapa?

• A) Hasil SymPy karena bersifat deterministik dan tepat; Kemudian mintalah kecerdasan buatan menemukan lokasi kesalahannya ✔
• B) Hasil kecerdasan buatan karena menjelaskan lebih lancar
• C) Memilih salah satu secara acak karena keduanya sama-sama dapat diandalkan
• D) Menolak keduanya dan menganggap pertanyaan itu tidak terpecahkan

Deskripsi: SymPy adalah sistem komputasi simbolik deterministik: sistem ini selalu memberikan hasil yang sama persis dan benar pada masukan yang sama. Kecerdasan buatan menghasilkan teks secara statistik dan dapat berhalusinasi. Dalam perselisihan tersebut, SymPy harus dijadikan dasar dan kecerdasan buatan harus dibuat untuk menemukan lokasi kesalahannya.

7. Mengapa kondisi '0.1 + 0.2 == 0.3' tidak berfungsi seperti yang diharapkan dalam kode Python dan bagaimana cara memperbaikinya?

• A) Penambahan rusak dengan Python; perlu menggunakan bahasa lain
• B) Kesetaraan yang tepat tidak berlaku karena presisi bilangan floating-point; Toleransi seperti 'abs(a-b) < 1e-9' harus digunakan ✔
• C) Nilai 0,3 salah; Anda perlu menulis 0,30000000004
• D) Kondisi selalu berfungsi dengan baik, tidak ada masalah

Penjelasan: Komputer menyimpan angka desimal dalam format floating-point dengan presisi terbatas; 0,1 + 0,2 disimpan dengan deviasi yang sangat kecil, tidak tepat 0,3. Oleh karena itu, alih-alih menggunakan persamaan persis '==', toleransi seperti 'abs(a-b) < 1e-9' harus digunakan.

8. Apa 'uji akal sehat' terbaik sebelum menerapkan kode pencarian akar skalar pada masalah sebenarnya?

• A) Menerapkan kode langsung ke masalah sebenarnya tanpa mengujinya sama sekali
• B) Periksa panjang kode dan hitung dengan benar jika panjang.
• C) Menguji kode dengan input sederhana yang jawabannya diketahui (misalnya x²-4=0 akar ±2) dan memeriksa apakah kode tersebut memberikan hasil yang diharapkan ✔
• D) Mengonfirmasi kepada kecerdasan buatan bahwa kode tersebut benar

Penjelasan: Menguji kode dengan input sederhana yang jawabannya sudah Anda ketahui (misalnya ±2 untuk x²-4=0 dengan akar yang jelas) adalah verifikasi termurah dan paling efektif. Jika kode memberikan situasi yang diketahui dengan benar, kemungkinan kode tersebut dapat diandalkan untuk masalah yang tidak Anda ketahui akan meningkat.

9. Dalam visualisasi, bagaimana Anda memeriksa bahwa suatu grafik mencerminkan matematika dengan benar?

• A) Jika grafik terlihat estetis, maka dianggap benar.
• B) Membandingkan grafik dengan sifat fungsi yang diketahui dan nilai sebenarnya dari setidaknya satu titik ✔
• C) Tidak melihat label sumbu sama sekali
• D) Mengandalkan deskripsi verbal AI terhadap grafik

Penjelasan: Grafik yang terlihat bagus tidak harus akurat; AI mungkin menggambar fungsi yang salah, dalam rentang yang salah, atau dengan asimtot yang terdistorsi. Membandingkan grafik dengan properti fungsi yang diketahui (rentang osilasi, simetri, asimtot) dan setidaknya perhitungan satu titik akan menemukan kesalahan.

10. Apa titik verifikasi paling penting dalam materi kursus yang dihasilkan dengan kecerdasan buatan dan mengapa?

• A) Font dan skema warna material
• B) Panjang materi dan jumlah halaman
• C) Akurasi contoh-contoh yang diselesaikan; karena siswa menjadikannya sebagai model dan mengajarkan contoh yang salah dan metode yang salah ✔
• D) Seberapa cepat bahan diproduksi

Penjelasan: Contoh-contoh yang diselesaikan diambil sebagai model oleh siswa; Contoh penyelesaian yang salah secara langsung mengajarkan siswa metode yang salah. Oleh karena itu, setiap contoh yang diselesaikan harus diverifikasi secara individual, langkah demi langkah, baik dengan SymPy atau secara manual. Sedikit ambiguitas dalam penjelasan subjek dapat dikompensasikan, namun contoh yang salah menyebabkan kerusakan yang berantai.

11. Apa cara paling efisien dan andal untuk memverifikasi kumpulan pertanyaan pilihan ganda yang dihasilkan oleh kecerdasan buatan?

• A) Menanyakan kembali kecerdasan buatan apakah pertanyaannya benar
• B) Memeriksa hanya beberapa pertanyaan secara acak dan memercayai sisanya
• C) Menggunakan kunci jawaban apa adanya tanpa memeriksa satupun
• D) Mengecek kunci jawaban secara kolektif dan deterministik dengan mencetak dan menjalankan kode yang menyelesaikan semua soal dengan SymPy ✔

Penjelasan: Kecerdasan buatan paling sering melakukan kesalahan seperti salah menandai kunci jawaban dan menghasilkan pilihan benar ganda/nol. Menulis dan menjalankan kode yang menyelesaikan semua pertanyaan sekaligus dengan SymPy adalah cara paling efisien untuk memeriksa kunci jawaban secara deterministik dan massal.

12. Manakah dari berikut ini yang merupakan alasan utama mengapa kecerdasan buatan membuat kesalahan dalam matematika?

• A) Kecerdasan buatan adalah model bahasa; tidak memeriksa validitas logis, menghasilkan teks secara statistik ✔
• B) Kecerdasan buatan tidak pernah mempelajari matematika
• C) Kecerdasan buatan sengaja diprogram untuk memberikan jawaban yang salah
• D) Kecerdasan buatan hanya membuat kesalahan dalam masalah yang sangat sulit, tidak pernah dalam masalah yang mudah.

Deskripsi: Kecerdasan buatan bukanlah mesin logika, melainkan model bahasa yang menghasilkan teks dengan pola statistik; Ia tidak memiliki mekanisme internal untuk memeriksa validitas logis dari langkah-langkah tersebut. 'Pembuktian sahih' dengan 'perkalian 3 angka' baginya adalah tugas menghasilkan jenis teks yang sama, sehingga kebenarannya tidak dapat dijamin.

13. Jika hasil suatu soal probabilitas adalah 1,4, bagaimana cara mengetahui adanya kesalahan tanpa merincinya?

• A) Perhitungannya benar karena hasilnya 1,4, kemungkinannya bisa melebihi 1
• B) Tanda peluang tidak penting, nilainya diterima berapapun
• C) Tidak dipahami adanya kesalahan, hasil dianggap final.
• D) Probabilitas harus antara 0 dan 1; ✔ Pengujian akal sehat menunjukkan kesalahan karena 1,4 melebihi batas ini

Deskripsi: Tes akal sehat dan urutan besarnya memeriksa dalam hitungan detik apakah hasilnya berada dalam kisaran yang wajar. Sebuah probabilitas menurut definisinya harus antara 0 dan 1; 1.4 berada diluar batas tersebut, sehingga terlihat jelas adanya kesalahan tanpa melihat detail perhitungannya.

14. Mengapa penting untuk menulis 'e^{x^2}' daripada 'e^x^2' di LaTeX?

• A) Sama persis, yang membedakan hanya estetika saja
• B) Tanda kurung kurawal menentukan cakupan eksponen; Tanpanya, ekspresi akan menjadi salah atau ambigu, sehingga eksponen multi-karakter {} sangat penting ✔
• C) Tanda kurung kurawal tidak berguna di LaTeX
• D) 'e^x^2' selalu benar, tidak perlu menggunakan '{}'

Penjelasan: Kesalahan paling umum di LaTeX adalah kesalahan cakupan: jika tanda kurung kurawal '{}' tidak digunakan dalam eksponen multi-karakter, subskrip, atau pecahan, hanya karakter pertama yang ditutupi dan ekspresi menjadi salah (atau bahkan ambigu). 'e^{x^2}' memperjelas bahwa seluruh eksponennya adalah x²; Kode harus dirender dan diverifikasi dengan inspeksi visual.

15. Anda ingin agar soal-soal ujian pusat aktif diverifikasi oleh kecerdasan buatan. Apa pendekatan terbaik dalam hal etika dan privasi?

• A) Memasukkan pertanyaan secara bebas ke dalam alat AI umum apa pun karena matematika tidak mengandung data rahasia
• B) Menggunakan pertanyaan dalam ujian tanpa memverifikasinya
• C) Memvalidasi pertanyaan dengan alat yang aman/asli (misalnya SymPy) atau hanya menggunakan alat perusahaan dengan jaminan privasi ✔
• D) Berbagi pertanyaan di media sosial dan meminta kontrol kepada orang lain

Deskripsi: Soal ujian aktif bersifat sensitif; Secara teori, hal ini dapat terungkap ketika alat kecerdasan buatan yang kerahasiaannya tidak terjamin diretas. Pendekatan yang benar adalah dengan memvalidasi pertanyaan dengan alat yang aman/asli (misalnya dengan kolega di SymPy) atau hanya menggunakan alat yang bersertifikat perusahaan dan terjamin privasi datanya.