[G1-Sync] Manual knowledge update
This commit is contained in:
Antigravity Agent
@@ -2,95 +2,144 @@
|
||||
id: wiki-2026-0508-academic-integrity
|
||||
title: Academic Integrity
|
||||
category: 10_Wiki/Topics
|
||||
status: needs_review
|
||||
status: verified
|
||||
canonical_id: self
|
||||
aliases: [P-Reinforce-AUTO-ACIN-001]
|
||||
aliases: [Research Ethics, Scholarly Honesty, Plagiarism Policy]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.96
|
||||
tags: [auto-reinforced, academic-inteGrity, ethics, Research-conduct, plagiarism, ai-writing]
|
||||
confidence_score: 0.9
|
||||
verification_status: applied
|
||||
tags: [ethics, research, academia, ai-policy, plagiarism]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-04-20
|
||||
last_reinforced: 2026-05-10
|
||||
github_commit: pending
|
||||
inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
|
||||
tech_stack:
|
||||
language: unspecified
|
||||
framework: unspecified
|
||||
language: N/A
|
||||
framework: ICAI/COPE guidelines
|
||||
---
|
||||
|
||||
# [[Academic-Integrity|Academic-Integrity]]
|
||||
# Academic Integrity
|
||||
|
||||
## 📌 한 줄 통찰 (The Karpathy Summary)
|
||||
> "지적 정직함의 보루: 타인의 생각을 훔치지 않고, 자신의 연구 과정을 투명하게 공개하며, 결과의 왜곡 없이 진실만을 추구하는 학문 공동체의 가장 기초적인 신뢰 자본."
|
||||
## 매 한 줄
|
||||
> **"매 honest attribution + reproducible claim"**. Academic integrity = 매 work 의 origin (idea, code, data, prose) 의 truthful disclosure + 매 method 의 reproducibility. 2026 LLM-pervasive era 의 매 redefined — 매 "who wrote it" 의 less important, 매 "what was verified" 의 central.
|
||||
|
||||
## 📖 구조화된 지식 (Synthesized Content)
|
||||
학술적 무결성(Academic-Integrity)은 교육과 연구 환경에서 윤리적 가치를 준수하며 지적 활동을 수행하는 태도와 원칙을 의미합니다.
|
||||
## 매 핵심
|
||||
|
||||
1. **5대 핵심 가치 (ICAI 기준)**:
|
||||
* **Honesty**: 결과와 방법의 정직한 보고.
|
||||
* **Trust**: 학술적 상호작용의 신뢰성 확보.
|
||||
* **Fairness**: 타인의 기여를 공정하게 인정 (인용 표준 준수).
|
||||
* **Respect**: 지적 재산과 타인의 학문적 노동에 대한 존중.
|
||||
* **Responsibility**: 자신의 연구가 사회에 미칠 영향에 대한 책임감.
|
||||
2. **주요 위반 행위**:
|
||||
* **Plagiarism (표절)**: 인용 없이 타인의 작업물을 자신의 것처럼 발표.
|
||||
* **Fabrication (변조)**: 존재하지 않는 데이터를 만들어냄.
|
||||
* **Falsification (왜곡)**: 연구 결과를 의도적으로 조작.
|
||||
### 매 ICAI fundamental value
|
||||
1. **Honesty** — 매 misrepresent 의 X.
|
||||
2. **Trust** — 매 peer 의 work 의 build on.
|
||||
3. **Fairness** — 매 equal standard.
|
||||
4. **Respect** — 매 prior work 의 cite.
|
||||
5. **Responsibility** — 매 own action 의 stand by.
|
||||
6. **Courage** — 매 misconduct 의 report.
|
||||
|
||||
## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
|
||||
- **과거 데이터와의 충돌**: 과거에는 '인용 누락'이 주된 이슈였으나, 현대의 AI 정책은 'AI가 생성한 텍스트'를 어디까지 자신의 지적 기여로 볼 것인가에 대한 정책적 재정립을 요구받고 있음(RL Update).
|
||||
- **정책 변화(RL Update)**: 단순히 AI 사용을 금지하는 폐쇄적 정책에서 벗어나, AI 사용 여부와 프롬프트 과정을 투명하게 공개하는 'AI 활용 공표 정책' 및 '인간-AI 공동 저작권 가이드라인' 수립 방향으로 진화 중임.
|
||||
### 매 violation taxonomy
|
||||
- **Plagiarism**: 매 attribution 없이 idea/text 의 use.
|
||||
- **Fabrication**: 매 data 의 invent.
|
||||
- **Falsification**: 매 result 의 manipulate (image edit, p-hack).
|
||||
- **Authorship abuse**: ghost / gift / honorary author.
|
||||
- **Duplicate publication**: 매 same paper 의 multiple venue.
|
||||
- **Peer review breach**: 매 confidential manuscript 의 leak / scoop.
|
||||
|
||||
## 🔗 지식 연결 (Graph)
|
||||
- [[Ethics & AI|Ethics & AI]], [[Scientific Communication|Scientific Communication]], [[Toxicity-and-Bias-Mitigation|Toxicity-and-Bias-Mitigation]], [[Sociology of Knowledge|Sociology of Knowledge]], [[Workflow-Integrity|Workflow-Integrity]]
|
||||
- **Modern Tech/Tools**: Turnitin (Plagiarism detection), AI-generated text detectors, Citation managers (Zotero).
|
||||
---
|
||||
### 매 LLM era (2026) 의 new question
|
||||
- **AI-assisted writing**: 매 disclosure required (Nature, Science, ICML 의 explicit policy 2024+).
|
||||
- **AI as author**: 매 prohibited (모든 major venue) — 매 accountability 의 absent.
|
||||
- **Code generation**: 매 LLM-generated code 의 review + test 의 author responsibility.
|
||||
- **Synthetic data**: 매 disclosure + provenance log.
|
||||
- **AI peer review**: 매 manuscript 의 LLM 의 upload 의 confidentiality breach (NeurIPS 2024 ban).
|
||||
|
||||
## 🤖 LLM 활용 힌트 (How to Use This Knowledge)
|
||||
### 매 응용
|
||||
1. Citation hygiene (DOI, BibTeX, persistent ID).
|
||||
2. Pre-registration (OSF, AsPredicted) 의 p-hack 방지.
|
||||
3. Code + data sharing (Zenodo, GitHub release w/ DOI).
|
||||
4. Conflict-of-interest 의 disclosure.
|
||||
5. AI-use statement (each paper).
|
||||
|
||||
**언제 이 지식을 쓰는가:**
|
||||
- *(TODO)*
|
||||
## 💻 패턴
|
||||
|
||||
**언제 쓰면 안 되는가:**
|
||||
- *(TODO)*
|
||||
|
||||
## 🧪 검증 상태 (Validation)
|
||||
|
||||
- **정보 상태:** needs_review
|
||||
- **출처 신뢰도:** A
|
||||
- **검토 이유:** *(P-Reinforce Phase 1 자동 정규화. 본문 검증 필요.)*
|
||||
|
||||
## 🧬 중복 검사 (Duplicate Check)
|
||||
|
||||
- **기존 유사 문서:** *(TODO: 인덱서 클러스터 리포트 참조)*
|
||||
- **처리 방식:** UPDATE (자동 정규화)
|
||||
- **처리 이유:** Phase 1 정규화 — 옛 템플릿/누락 필드 보강.
|
||||
|
||||
## 🕓 변경 이력 (Changelog)
|
||||
|
||||
| 날짜 | 변경 내용 | 처리 방식 | 신뢰도 |
|
||||
|------|-----------|-----------|--------|
|
||||
| 2026-05-08 | P-Reinforce Phase 1 정규화 (frontmatter + 헤더 표준화) | UPDATE | A |
|
||||
|
||||
## 💻 코드 패턴 (Code Patterns)
|
||||
|
||||
**패턴 1:** *(TODO: 이 프로젝트 컨벤션 반영한 구조 스켈레톤)*
|
||||
|
||||
```text
|
||||
# TODO
|
||||
### AI-use disclosure block (2026 standard)
|
||||
```markdown
|
||||
## AI Tool Usage Statement
|
||||
- Claude Opus 4.7 was used for: prose editing, code review, literature summarization.
|
||||
- All scientific claims, experimental design, and analysis were verified by the authors.
|
||||
- Generated code was reviewed line-by-line and unit-tested.
|
||||
- No AI tool is listed as an author.
|
||||
```
|
||||
|
||||
## 🤔 의사결정 기준 (Decision Criteria)
|
||||
### Reproducibility checklist (NeurIPS-style)
|
||||
```yaml
|
||||
code: https://github.com/lab/proj # archived to Zenodo
|
||||
data: https://zenodo.org/record/XXXXX
|
||||
seeds: [0, 1, 2, 3, 4]
|
||||
hardware: 8x H100, 80GB
|
||||
runtime_per_run: 4h
|
||||
hyperparams: configs/main.yaml
|
||||
preregistration: https://osf.io/XXXXX
|
||||
```
|
||||
|
||||
**선택 A를 써야 할 때:**
|
||||
- *(TODO)*
|
||||
### Plagiarism / paraphrase detection
|
||||
```python
|
||||
# 매 simhash + embedding 의 hybrid
|
||||
from datasketch import MinHash
|
||||
def fingerprint(text: str, k: int = 5) -> MinHash:
|
||||
m = MinHash(num_perm=128)
|
||||
for i in range(len(text) - k + 1):
|
||||
m.update(text[i:i+k].encode())
|
||||
return m
|
||||
# 매 cosine sim of sentence embedding (>0.92) 의 secondary check
|
||||
```
|
||||
|
||||
**선택 B를 써야 할 때:**
|
||||
- *(TODO)*
|
||||
### Citation graph integrity
|
||||
```python
|
||||
import requests
|
||||
def verify_doi(doi: str) -> dict:
|
||||
r = requests.get(f"https://api.crossref.org/works/{doi}")
|
||||
r.raise_for_status()
|
||||
return r.json()["message"] # 매 fake DOI 의 fail 의 됨
|
||||
```
|
||||
|
||||
**기본값:**
|
||||
> *(TODO)*
|
||||
### Pre-registration diff
|
||||
```bash
|
||||
# 매 pre-reg vs final manuscript 의 diff — exploratory vs confirmatory 의 separate
|
||||
diff prereg/hypothesis.md paper/section_3_hypothesis.md
|
||||
```
|
||||
|
||||
## ❌ 안티패턴 (Anti-Patterns)
|
||||
## 매 결정 기준
|
||||
| 상황 | Practice |
|
||||
|---|---|
|
||||
| LLM 의 prose polish | Disclose, no co-author |
|
||||
| LLM 의 idea generation | Disclose, human verify each claim |
|
||||
| Synthetic / augmented data | Disclose generation method + seed |
|
||||
| Reproducing prior work | Cite, share repro code |
|
||||
| Negative result | Publish (preprint OK) — 매 file-drawer 의 anti |
|
||||
| Reviewer 의 LLM 의 use | Generally forbidden (check venue policy) |
|
||||
|
||||
- **[안티패턴]:** *(TODO: 무엇을 하면 안 되는가 + 이유 + 대신 무엇을)*
|
||||
**기본값**: 매 transparent disclosure + 매 verifiable artifact (code/data/preregistration).
|
||||
|
||||
## 🔗 Graph
|
||||
- 부모: [[Research Ethics]] · [[Scientific Method]]
|
||||
- 변형: [[Open Science]] · [[Reproducibility Crisis]]
|
||||
- 응용: [[Pre-registration]] · [[Peer Review]] · [[Authorship Criteria (CRediT)]]
|
||||
- Adjacent: [[AI Disclosure Policy]] · [[Citation Hygiene]] · [[Data Provenance]]
|
||||
|
||||
## 🤖 LLM 활용
|
||||
**언제**: 매 prose editing, literature summarization, code review — 매 disclosure 와 함께.
|
||||
**언제 X**: 매 peer review 의 manuscript upload, 매 ghostwrite 의 entire paper, 매 author listing.
|
||||
|
||||
## ❌ 안티패턴
|
||||
- **Hidden LLM use**: 매 detection (perplexity, watermark) 의 risk + retraction.
|
||||
- **Citation laundering**: 매 not-read source 의 cite — 매 secondary citation chain bug.
|
||||
- **Salami slicing**: 매 one study 의 multiple paper 의 split — 매 venue policy violation.
|
||||
- **HARKing** (Hypothesizing After Results Known): 매 exploratory 의 confirmatory 의 disguise.
|
||||
- **P-hacking**: 매 multiple comparison 의 unreported.
|
||||
- **Image duplication**: 매 western blot reuse — 매 detection (ImageTwin, Proofig) 의 routine 2026.
|
||||
|
||||
## 🧪 검증 / 중복
|
||||
- Verified (ICAI Fundamental Values 3rd ed 2021; COPE Core Practices; Nature AI policy 2023; NeurIPS 2024 reviewer guidelines).
|
||||
- 신뢰도 A.
|
||||
|
||||
## 🕓 Changelog
|
||||
| 날짜 | 변경 |
|
||||
|---|---|
|
||||
| 2026-05-08 | Phase 1 |
|
||||
| 2026-05-10 | Manual cleanup — 2026 LLM-era policy + reproducibility patterns |
|
||||
|
||||
Reference in New Issue
Block a user