From Draft to Digital: Using AI in College Writing for Professors

If you teach college writing, you are already grading work that may have started in a chatbot. Guarneri gives you a practical way forward: define your AI policy in plain words, build assignments that ask for process and reflection, and treat detection tools with skepticism. It suits writing instructors, first-year composition coordinators, and faculty development leaders who need language and structures they can use this semester, not someday.

1. 1Early chapters on course design and syllabus language

   Start with your policy, not your panic

   A professor sits down to revise a composition syllabus and hits the same wall every instructor faces now: what do I actually say about ChatGPT? Guarneri's answer is to decide before the semester starts. She lays out the spectrum of stances—from banning AI outright to inviting it into every draft—and shows what each choice demands of you. A ban means you must design assessments a chatbot cannot complete. Full permission means you must teach students to verify and cite what the tool produces. The scene that matters is the professor who never stated a policy, then received a stack of essays with machine-flavored prose and had no ground to stand on. The outcome: the syllabus becomes the first line of defense, written in plain sentences students can quote back.

   L'idée

   Ambiguity is what breaks AI-era classrooms, not the technology itself. When students cannot tell whether using a chatbot counts as cheating, they guess, and their guesses vary wildly. A written policy does double duty: it sets expectations and it forces you to decide what writing is for in your course. The surprise is how much pedagogy gets clarified by writing two or three honest sentences about AI.

   À essayer : Draft a three-sentence AI statement for your syllabus this week—what students may use, what they must disclose, and what happens if they don't.

2. 2Chapters on academic integrity and AI detection

   Detection tools are not lie detectors

   An instructor runs a student essay through a detection tool, gets a percentage back, and feels the pull to act on it. Guarneri slows the moment down. She explains that these tools estimate patterns, they do not prove authorship, and their errors fall hardest on students writing in a second language. The stakes are a student accused, a record possibly marked, a trust between teacher and learner gone. Her alternative is a conversation: ask the student to walk through their draft history, their notes, their choices. The outcome she aims for is integrity built on evidence and dialogue, not on a number in a sidebar.

   L'idée

   A probability is not a verdict. Detection scores can be wrong in both directions, and acting on them alone risks punishing honest students while missing actual misuse. The deeper point is that integrity is a teaching problem, not a surveillance problem. When you ask students to show process—drafts, notes, version history—you get better evidence than any tool offers, and you model the very habits of revision you are trying to teach.

   À essayer : Before your next suspicious essay, ask for the student's draft history or writing process notes instead of a detection score.

3. 3Middle chapters on assignment design and the writing process

   Make the process visible again

   The classic take-home essay, Guarneri shows, is now the easiest assignment in the world to outsource. Her redesign starts with the process: annotated bibliographies, proposal memos, in-class freewrites, reflective cover letters where students explain their choices. Picture a student writing a cover letter that says, here is what I changed and why, and the professor reading it and knowing the mind behind the paper. The stakes are real—if you only grade the final product, you are grading something a machine can produce. The outcome: assignments that reward thinking in stages, where the machine can help but cannot replace the student's own decisions on the page.

   L'idée

   When the product is cheap, the process becomes the evidence. Asking students to document their choices—what they tried, what they rejected, what they learned—turns every assignment into a record of thinking that a chatbot cannot fake. This surprises instructors who assume redesign means more grading; often it means grading differently, with the reflection doing work the final draft no longer does alone.

   À essayer : Add a short reflective cover letter to your next essay prompt: what did you change between drafts, and why?

4. 4Chapitres sur les limites de l'IA, l'exactitude et la lecture critique

   Enseigner l'hallucination

   Un étudiant demande des sources à un chatbot et reçoit une liste de références en apparence parfaite — auteurs, titres, années — sauf que certaines n'existent pas. Guarneri transforme cet échec en programme de cours. La scène en classe : les étudiants vérifient chaque référence, découvrent les fabrications et sentent le sol se dérober sous leur confiance en la machine. L'enjeu, ce sont les habitudes d'un esprit savant : si vous acceptez un texte fluide comme vrai, vous ne faites pas de recherche, vous transcrivez. Le résultat qu'elle souhaite, c'est un cours où la vérification est un réflexe, où chaque citation est tracée, chaque source ouverte, chaque affirmation confrontée à ce que la bibliothèque contient réellement.

   L'idée

   La fluidité n'est pas l'exactitude. Les modèles de langage produisent du texte plausible, et c'est précisément cette plausibilité qui rend les erreurs dangereuses — elles arrivent avec un ton assuré et un format impeccable. Apprendre aux étudiants à repérer les références fabriquées fait plus que les protéger de l'embarras ; cela leur enseigne le geste savant fondamental : vérifier une affirmation à l'aide d'une source indépendante. La surprise, c'est que les échecs de l'IA offrent les meilleures leçons de lecture critique.

   À essayer : Faites vérifier par vos étudiants une liste de références générée par l'IA à l'aide des bases de données de votre bibliothèque, et leur faire rapport de ce qu'ils trouvent.

5. 5Chapitres ultérieurs sur l'utilisation de l'IA comme outil d'écriture

   Le prompting est une compétence d'écriture

   Guarneri recadre le prompt lui-même comme un texte doté d'un public, d'un objectif et d'une révision. La scène : un professeur démontre en classe comment une demande vague produit un résultat vague, puis révise le prompt comme on révise une thèse — en ajoutant du contexte, des contraintes, un rôle, un lecteur cible. Les étudiants voient le résultat se préciser à chaque révision. L'enjeu, c'est l'autonomie : un étudiant capable de diriger l'outil est un écrivain ; un étudiant qui accepte le premier résultat est un passager. Le résultat est une classe où le prompting est enseigné, critiqué et amélioré comme n'importe quel brouillon.

   L'idée

   La qualité de ce qu'une machine vous donne dépend de la qualité de ce que vous demandez. Cela fait du prompting une compétence enseignable et évaluable plutôt qu'un truc — quelque chose avec des critères, une révision et un savoir-faire. Ce qui surprend les enseignants, c'est que l'enseignement du prompting renforce l'enseignement traditionnel de l'écriture : la clarté, la précision et la conscience du public comptent dans les deux sens. L'outil devient un miroir de la précision avec laquelle un étudiant peut penser.

   À essayer : Lors de votre prochain cours, rédigez un prompt en direct, puis révisez-le devant les étudiants et comparez les deux résultats.

6. 6Chapitres sur la paternité, la voix et la révision

   La voix est ce qui mérite d'être protégé

   La préoccupation la plus personnelle de Guarneri arrive tard : que devient la voix d'un étudiant quand une machine lisse chaque phrase ? La scène est un atelier où un brouillon qui sonnait autrefois comme une personne particulière se lit désormais comme tout le monde — compétent, propre et vide. Elle demande aux étudiants de comparer leurs premiers brouillons avec les versions polies par l'IA et de nommer ce qui a été perdu. L'enjeu est la raison même pour laquelle l'écriture est enseignée : non pas la correction, mais la découverte de ce que vous pensez et de la façon dont vous sonnez en le disant. Le résultat : des pratiques de révision qui gardent la main humaine dans le texte, avec l'IA comme partenaire d'entraînement plutôt que comme nègre littéraire.

   L'idée

   L'enseignement de l'écriture a toujours porté sur plus qu'une prose propre ; c'est ainsi que les étudiants découvrent ce qu'ils croient. Si un outil supprime la lutte, il supprime l'apprentissage. La réponse pratique n'est pas d'interdire l'assistance mais de garder les décisions de l'étudiant visibles — quelles phrases il a gardées, lesquelles il a réécrites, lesquelles il a rejetées. La voix survit quand l'appropriation survit.

   À essayer : Demandez aux étudiants de soumettre un paragraphe qu'ils ont écrit entièrement sans IA et de marquer ce qu'ils ne laisseraient jamais une machine changer.

7. 7Chapitres consacrés à l'évaluation et à la notation

   Noter la réflexion, pas seulement le texte

   Guarneri boucle la boucle de l'évaluation : si l'IA peut produire l'artefact, l'artefact seul ne peut plus porter la note. Ses scènes montrent des grilles d'évaluation en pleine révision — des points glissant de la finition finale vers les preuves du processus, les défenses orales, les écrits en classe et les entretiens où un étudiant explique son propre argumentaire. Imaginez un professeur recevant un étudiant en tête-à-tête, lui demandant de défendre la structure d'un paragraphe, et sachant en moins d'une minute si la réflexion est bien la sienne. L'enjeu, c'est l'équité : des notes qui reflètent l'apprentissage, et non l'accès aux outils. Le résultat est un système d'évaluation qui survit à la technologie parce qu'il mesure ce que les machines ne peuvent pas fournir.

   L'idée

   L'évaluation est le pivot de tout le livre. Quand vous notez uniquement le texte final, vous invitez à la substitution ; quand vous notez le raisonnement qui le sous-tend, la substitution devient difficile. Les entretiens, les défenses et les remises échelonnées ne sont pas des ajouts — ils constituent la nouvelle norme de ce à quoi ressemble une preuve d'apprentissage. Les enseignants qui opèrent ce basculement disent ressentir moins d'anxiété face à la triche, car la note ne repose plus sur un document qui peut être emprunté.

   À essayer : Convertissez, ce trimestre, la note d'une dissertation en deux parties : le texte écrit et une conversation de dix minutes pour le défendre.

College writing instructors, first-year composition coordinators, and faculty development staff who need practical AI-era classroom language and assignment designs. Also useful to any professor whose students submit written work.