В академической среде студентам все чаще задают вопрос: «Не ChatGPT ли это написал?». Обсудим, почему искусственный интеллект вызывает споры и настороженность в образовательном деле.
Почему не доверяют учебным работам, созданным с помощью нейросетей
Настороженность преподавателей во многом уходит корнями в прошлое. Еще несколько лет назад тексты, созданные генеративными моделями, легко выдавали неживое происхождение: в них встречались неловкие фразы, неуклюжие повторы и логические сбои. Казалось, будто эти тексты не прошли «человеческую» редактуру, поэтому выглядели искусственно. Эти примеры хорошо запомнились и сформировали восприятие ИИ как посредственного автора.
Со временем модели усовершенствовались, но машинный почерк все равно видно: в неестественных речевых оборотах, грамматических неточностях или в «артефактах генерации». Для опытного преподавателя это может быть сигналом: перед ним не самостоятельная работа, а результат работы алгоритма.
Дело не только в самих технологиях, важно и то, как студенты ими пользуются. Неправильно или слишком широко заданный запрос («промпт») часто приводит к шаблонным ответам. Без редактуры эти тексты производят впечатление дежурных и поверхностных, что снижает доверие к итоговому материалу. Добавим сюда безответственное обращение с результатом: студенты нередко копируют сгенерированный текст без последующей проверки и редактуры. Так в работах появляются фактические ошибки, выдуманные источники, исследования или вовсе очевидные следы общения с нейросетью.
Само собой, ситуацию стоит рассматривать и с педагогической позиции. Многие типы учебных заданий изначально создавались для развития самостоятельного мышления. А когда студент привлекает нейросеть, это воспринимается как нежелательное упрощение процесса. Чтобы, например, выучить иностранный язык, нужно научиться самостоятельно переводить тексты и выстраивать грамматику. Поэтому, если работа внезапно выполнена идеально, у преподавателя закономерно возникает вопрос – действительно ли ее сделал студент.
Где заканчивается помощь ИИ и начинается обман
Пока нет четкой границы между легитимным использованием нейросети и действием, которое может считаться нарушением. В каких-то университетах созданы регламенты и составлены методические указания по использованию генеративных моделей, но таких вузов пока немного. В основном студенты ориентируются на общие нормы, здравый смысл и логику задания. Некоторые пытаются апеллировать к формальной логике: раз не запрещено, значит, можно.
Этичнее и безопаснее уточнить у преподавателя, допустимо ли использование ИИ. Но пока единого подхода нет. Сфера образования ищет баланс, а многие вузы выбирают путь осторожности – ограничить или запретить использование алгоритмов, чтобы избежать злоупотреблений.
Почему студенты скрывают, что им помогает ИИ
Несмотря на распространенность нейросетей, многие авторы предпочитают не афишировать их присутствие в своих работах. Главная причина – страх предвзятости. Студенты и исследователи опасаются, что факт использования искусственного интеллекта будет рассматриваться как обман, даже если ИИ применялся честно, лишь как вспомогательный инструмент.
Есть и внутренняя мотивация молчать. Когда сложная задача решается за считанные минуты с помощью алгоритма, возникает ощущение, будто результат дался чересчур легко. В академической среде, где поощряется самостоятельный поиск, такой подход может восприниматься почти как моральное нарушение: труд без усилий кажется ненастоящим.
Знаковая история произошла в 2023 году: студент РГГУ публично признался, что использовал ChatGPT при написании диплома и подробно описал процесс. Признание стало прецедентом – ранее никто не говорил об этом открыто. Реакция оказалась бурной: диплом попытались аннулировать, однако после общественного резонанса работу все же признали, хотя оценка осталась минимальной. Этот случай показал, как болезненно воспринимается открытость.
Наконец, студенты боятся неопределенности. В большинстве университетов до сих пор нет единых и прозрачных правил обращения с нейросетями. В таких условиях даже добросовестные студенты не чувствуют себя в безопасности, предпочитая просто не говорить о цифровом помощнике.
Почему нет единых правил использования ИИ в учебной работе
Создать универсальный свод норм для работы с генеративными моделями оказалось непростым делом. Пока нет общего понимания, где проходит граница между допустимой помощью технологии и нарушением академической добросовестности. ИИ вошел в образовательную среду слишком стремительно, институты просто не успели выработать устойчивые и проверенные правила.
Обычно такие регламенты появляются не сразу, а постепенно – через накопление опыта, обсуждение спорных кейсов и сравнение разных подходов. Фактически, система образования находится в режиме эксперимента: вузы самостоятельно пробуют собственные модели регулирования, вводят локальные ограничения и смотрят, как это работает на практике. Каждый такой пример становится пилотным проектом, за которым внимательно наблюдают другие учебные заведения. И если решение окажется удачным, его могут взять за основу другие заведения или даже регуляторы. Спешить опасно. Если на федеральном уровне закрепить неудачные правила, они рискуют надолго зафиксировать неэффективный подход и затормозить развитие более гибких решений.
Почему нельзя просто разрешить использование ИИ
На практике не получится разделить типы заданий к простому списку «можно» и «нельзя». Правила нужно устанавливать исходя из целей обучения и типа задания: где-то ИИ можно разрешить как инструмент для черновика, поиска идей или самооценки, а где-то важно, чтобы работа оставалась полностью самостоятельной. Дело в том, что генеративный ИИ меняет логику учебных заданий: можно быстро создавать текст, план, анализ или ответы, поэтому привычные формы проверки не всегда показывают реальный уровень знаний студента.
Во многих практиках задания разделяют не по формальному признаку, а по образовательной цели. ИИ можно допускать для мозгового штурма, подготовки черновиков, объяснения сложных тем или критической оценки сгенерированного текста, но ограничивать или запрещать там, где важно проверить индивидуальное понимание, оригинальность или способность самостоятельно искать решение. Для задач, где важно личное участие, часто рекомендуют добавлять устную защиту работ, промежуточные черновики и работу с локальными или офлайн-источниками, чтобы результат было труднее подменить генерацией.
Выводы
Запрет на использование ИИ выглядит маловероятным сценарием. Скорее, наоборот: в ближайшие годы технология станет таким же базовым инструментом, как поиск в интернете или текстовый редактор. Такой подход выглядит более жизнеспособным, потому что сохраняет академическую честность и одновременно признает, что ИИ – это часть реальной образовательной среды.
Также читайте:
ИИ для меня - это как раз то средство, что выводит из ступора на старте. И с гипотезами у ИИ порядок, но проверка гипотез стоит дороже, чем их генерация. И вот тут инструкторы по ИИ предлагают выполнить эту задачу вручную вместо того, чтобы научить писать промпты для проверки - возможно адресовав их другой ИИ или использовав другой контекст/аккаунт.
А со студентами.. Мы учились в ту эру, когда большинство (не то что я идиот-отличник) списывали.. ручкой, а потом пришла эра копипаста... ИИ пока еще не стабилен: то американцы для нас закроют доступ, то какая-то система штампует для всех одинаковые ответы - да и промпты не каждый может написать грамотно. Но удержать студентов от возможности написать финальную работу целиком, и желательно не утруждая себя правками - не удержите ))
Ну шахматные алгоритмы, написанные в формальной логике тоже не каждый обыгрывал. Даже Каспарову в свое время потребовалось сыграть несколько партий, чтобы найти уязвимости. Так что выигрыш программы у большого количества людей не говорит о том, что алгоритм безупречен.
Что касается темы статьи, то есть еще один нюанс - самостоятельный поиск решения ставит навык мышления.
Я не претендую на экспертность в вопросах обучения в вузе. И все же, сгенерированный ИИ диплом или работу придется представлять преподавателю, обсуждать ее идеи, обосновывать предложенные решения. Разве это не обучает думать студентов? Т.е. процесс обучения становится в разы эффективнее...
И преподаватель при проверке всегда может задать вопрос "на понимание" изложенного материала, если, конечно, сам понимает.
Вот и получается, что работы, написанные с помощью ИИ становятся вызовом для преподавателей. Теперь придется уходить от старых шаблонов обучения. Придется искать новые формы взаимодействия со студентами с учетом того, что ИИ активно включился в процесс обучения современных студентов (по инициативе студенотов). И хорошо бы это возглавить, а не пытаться остановить.
В принципе можно согласиться с Вашей позицией, но может ее немного дополнить.
Возьмем некоторую аналогию. Сдавать на права на вождение автомобиля можно как на автомобиле с ручным переключением передачи, так и с автоматическим переключением передачи, но в последнем случае в правах будет отметка о том, что у данного человека есть право на вождение только такого автомобиля.
Может с дипломом поступить аналогично, пусть пишет диплом с помощью ИИ, но тогда в дипломе сделаем такую отметку. И когда работодатель будет принимать его на работу, то будет это учитывать.
Если например ИИ будет отсутствовать в офисе работодателя (постоянно или временно, по той или иной причине), то сможет ли этот специалист выполнять свою работу. То есть насколько это критично для деятельности работодателя.
Так будет по честному для всех.
На это никто никогда не пойдет. Если обучает ИИ, пишет диплом ИИ, экзамены принимает ИИ - зачем тогда преподаватель?
Нет, студент должен уметь доказать, что он владеет темой, причем доказать комиссии из "живых людей". А вот как он к этому придет - читая книги или читая "выжимки" из них, подготовленные ИИ - это личное дело студента. К тому же, никогда достоверно не удастся установить, написана ли качественная работа с помощью ИИ или нет. Я как-то здесь писал про свои статьи из доИИшной эры: они воспринимаются как сгенерированные ИИ - просто потому что ИИ на них обучали.
В образовании нет задачи "поймать за руку" студента - есть задача научить его пользоваться современными технологиями, причем с получением ценного для рынка результата. Если это удается - задача системы образования выполняется.
Лично мне вообще без разницы, что написано в дипломе, какого он цвета, как получен. Слишком хорошо знаю я, "как это работает".
Если у сотрудника есть компетенции - я найму его именно из-за них, а не за длинные списки регалий. Были у меня сотрудники, которых студентами приглашали с Авито, были и доктора наук, которые "обтекали" публично, причем именно в области их докторантуры - таких убирали с проектов.
Но если посмотреть в более глобальном масштабе - многих преподавателей появление ИИ страшит тем, что его освоить молодым проще. Это стирает границы между "экспертной экспертизой" опытного читателя методичек по построению научного коммунизма и вчерашним школьником, который о современных трендах такому "читателю" сможет рассказать больше, точнее и быстрее, чем тот сможет осилить сам.
Ореол экспертности растворяется, и это меняет привычный порядок вещей: просто монетизировать должность становится сложнее, "отлив показывает, кто в воде был без плавок".
Именно на опережение этой угрозе начинается борьба с ИИ: как наступит выход на пенсию - случится переобувание в прыжке, и цифровизация будет признана "единственно верным путем развития". Не с технологией борются - сражаются за зону личного комфорта.
А "на знамена" поднять можно что угодно - в том числе и искреннюю заботу о благе студента. В конце концов, и гусиное перо хорошо развивает мелкую моторику пальцев, а она стимулирует нейроны - такую инновацию можно приберечь, например, на будущее без Интернета.
Если студент пользуются информацией, рекомендацией, методикой из монографии, написанной авторитетными специалистами, прошедшими редакционную проверку другими авторитетными специалистами, допущенными для использования в ВУЗах третьими авторитетными специалистами, есть шанс, что серьезных ошибок тут нет, хотя опечатки могут быть.
А с ИИ так сказать сложно.
Хотя сейчас очень часто конкретные задачи решаются с помощью программных пакетов, используемых в данной организации.
А далеко ходить не будем - возьмем Perplexity в платной редакции (студентам, кстати, даются серьезные скидки) и попросим написать статью на любую тему. На выходе получим не только аналитический материал, но и список десятков источников на разных языках, из которых данный материал получен.
Серьезный исследователь, пройдясь по ссылкам, сможет убедиться, что информация выбрана верно. А далее - просто проверит логичность полученных выводов. Конечно, новизны для диссертационной работы там не появится, но вопросы школьного и вузовского образования закрыть получится "с запасом".
Кстати, в подавляющем большинстве случаев такие статьи выигрывают у публикуемых якобы "живыми" авторами работ. Однажды я описывал практику одного из исследователей в одном из вузов: у него индекс цитирования будет на уровне нобелевских лауреатов. Но достигается это за счет "литературных негров": разным группам студентов поручают проработать списки тем, а потом поток посредственных статей льется в редакции. Некоторые из них добираются до типографии, а затем оседают в кармане автора премиями за публикационную активность. Как по мне - был бы опыт в работе с Perplexity, премий можно было бы собрать больше. Да и опечаток ИИ делает сильно меньше.
Ну я как технарь, понимаю курсовой или дипломный проект это проектная техническая работа - редуктор, насос, какая-то установка, система автоматики, где надо выбрать схему, конструкцию, рассчитать на технологические параметры, на прочность и т.д. Экономический расчет сделать.
Есть программы, которые помогают это делать. Ну а ИИ здесь как-то не очень вписывается.
Вот прямо сейчас - ради интереса - задайте Perplexity в бесплатной версии написать реферат о сравнительном анализе различных типов насосов (или ином хорошо известном из личного опыта вопросе).
С указанием:
1) обзора технико-технологических параметров;
2) особенностей режимов функционирования и
3) подбора конкретной марки для решения конкретной задачи.
Все должно быть подкреплено ссылками на международные исследования не старше 5 лет, не менее 40 источников, целевой объем - не менее 30 листов А4, кегль Arial 12 pt., интервал 1,5 пт., включая схемы сечений и диаграммы распределения рабочей нагрузки.
Если ранее так не делали - предположу, что этот опыт окажется весьма интересным. А потом сможем обсудить результаты.
А зачем это надо?
Проект делается под какую-то технологическую базу, то есть для производства на конкретном заводе (или рассматриваются варианты для нескольких заводов), поэтому выбор делается на основе тех базовых элементов и технологических решений, используемых на этом заводе.
Когда делал проекты систем автоматики, уже когда работал, опять же отталкивался от какой-то элементной базы. Ну иногда приходилось расширять элементную базу.
То есть перечень изготовителей, подрядчиков, поставщиков в реальной жизни ограничен (по разным причинам). Обычно работают с каким-то кругом партнеров.
Это если мы говорим о реальном проекте, а если мы делаем анализ на перспективу, то это другая категория задач. Тут может быть есть смысл делать то, что Вы предлагаете.