Современные инструменты искусственного интеллекта (ИИ) существенно расширили спектр возможностей, доступных для научных исследований, позволяя студентам проводить исследования быстрее и качественнее. Сегодня ИИ-инструменты представлены в нескольких основных категориях, включая генерацию текста, автоматический поиск источников, создание аналитических таблиц и проведение анализа больших массивов данных. Среди наиболее востребованных инструментов выделяются нейросетевые модели, такие как ChatGPT, Claude, Gemini и YandexGPT, каждая из которых обладает уникальными возможностями и подходит для разных этапов написания выпускной квалификационной работы, таблица 4.
Модель ChatGPT, разработанная OpenAI, является наиболее универсальной и востребованной для генерации текста, благодаря способности создавать убедительные и структурированные академические тексты на различных языках. Claude, разработка компании Anthropic, демонстрирует повышенную безопасность и хорошее понимание сложных запросов, Gemini (Google AI) славится мощными возможностями обработки и анализа больших массивов научных данных, а YandexGPT наиболее эффективен при работе с русскоязычным контентом, помогая повысить оригинальность текста и обеспечить соответствие формальным требованиям вузов.
Таблица 4 — Сравнительный анализ популярных ИИ-моделей для научных исследований
Каждая нейросеть наиболее эффективна на конкретных задачах подготовки магистерской диссертации. На начальных этапах, таких как постановка цели и задач исследования, формулировка научной новизны и актуальности темы, идеально подходят ChatGPT и Claude. Для поиска и анализа источников, а также обработки эмпирических данных — Gemini. Финальный этап, связанный с рерайтом и адаптацией текста под требования антиплагиата, может эффективно реализовать YandexGPT, что позволяет существенно поднять процент оригинальности текста без потери смысла и качества содержания. Разрекламированный и «дорогой» Grok-3, хорошо справляется с библиографическими списками, в версии расширенного поиска и глубоких исследованиях показывает себя крайне слабо.
Цитируя экспертов, следует подчеркнуть, что «правильная формулировка промпта (запроса к нейросети) напрямую влияет на качество полученного результата, его релевантность и соответствие академическим стандартам» [1, С. 112—119]. Именно от умения задавать нейросетям правильные вопросы зависит эффективность их использования в процессе написания научных работ. Исходя из данного посыла заметим, что методичка ВУЗа — требования к написанию ВКР, это отличная основа качественных промптов для написания выпускной квалификационной работы.
Использование искусственного интеллекта должно происходить в строгом соответствии с академической этикой, таблица 5. Понятие честного интеллектуального соавторства предполагает прозрачность методов работы с нейросетью, точное указание доли участия ИИ и обязательную проверку качества и достоверности полученных текстов. Нарушением же академической этики считается прямое копирование текстов, сгенерированных ИИ, без последующей обработки и авторского анализа, поскольку это может привести к санкциям со стороны комиссии по защите и автоматизированных систем проверки на плагиат.
Таблица 5 — Этические аспекты использования ИИ в академических исследованиях
Методология правильной формулировки промптов (prompt engineering) играет ключевую роль в получении релевантного и качественного текста. Промпты должны быть максимально точными, конкретными и содержать указания на стиль изложения, структуру и объём текста. Качественные промпты позволяют получать тексты, которые можно использовать для увеличения уникальности текста, а также облегчить написание теоретической и эмпирической частей работы, таблица 6.
Также необходимо учитывать, что современные нейросети способны эффективно обрабатывать эмпирические данные. Использование таких моделей, как Gemini или ChatGPT, позволяет автоматизировать анализ анкет, интервью, статистических таблиц и графиков. Это особенно полезно при наличии в магистерской диссертации сложного эмпирического исследования, где требуется быстрая и точная обработка большого объёма информации.
Таблица 6 — Применение ИИ в обработке эмпирических данных
В завершении, следует отметить, что правильное использование инструментов искусственного интеллекта является мощным средством поддержки магистрантов на всех этапах написания диссертации. С соблюдением этических норм и методических рекомендаций, студент сможет не только сэкономить время и усилия, но и существенно повысить оригинальность антиплагиат, обеспечивая высокое качество и достоверность своего исследования.
Таким образом, грамотно организованная работа с нейросетями не заменяет, а значительно усиливает интеллектуальные и творческие способности автора, позволяя создавать оригинальные, научно значимые тексты, полностью соответствующие строгим академическим требованиям и стандартам современных университетов.