Опубликована статья научного сотрудника Центра ИИ МГИМО О.Н.Гурова "Генеративный ИИ и качество студенческих научных исследований".
В статье проводится комплексный анализ влияния генеративных систем искусственного интеллекта на качество студенческих научно-исследовательских работ. На эмпирической основе, которую составили результаты летней сессии 2025 года (наблюдения и экспертная оценка руководства и проверок курсовых и выпускных работ) и данные опроса Higher Education Policy Institute, авторы описывают реальные практики применения ИИ студентами и преподавателями, выделяют типичные сценарии и сопоставляют их с выводами исследований о свойствах больших языковых моделей.
Философско-теоретическая часть предлагает трёхуровневый анализ (эпистемический, инструментальный, нормативный), в ходе которого демонстрируется, какие процедуры обоснования знания сохраняют ключевую роль и какие операции необходимо оставить за человеком. Выявлены ключевые риски: иллюзия понимания и стилистической корректности вместо эпистемической обоснованности, кризис достоверности источников, снижение навыков критического мышления при длительном использовании инструментов, неравномерный доступ к технологиям, а также неопределённость в части возложения ответственности за результаты.
Вместе с тем отмечаются и позитивные эффекты ИИ, среди которых можно отметить дополнительные возможности при обзоре литературы, облегчение процессов структурирования аргументации и редактуры текстов – все это справедливо при условии внедрения адекватных процедур. В результате авторы предлагают прозрачность практические критерии оценки качества (к которым относятся содержательная новизна, процедур, воспроизводимость рассуждений, декларирование инструментального вклада), систему обязательной отчётности (декларация использования ИИ, рабочее портфолио с рядом промежуточных версий и перечнем промптов, пояснительная записка), регламентированные процедуры проверки и санкций, а также образовательные модули для студентов и преподавателей.
Авторы приходят к выводу, что сочетание прозрачных правил, обучающих программ и институциональных процедур позволяет интегрировать генеративные инструменты так, чтобы они усиливали, а не подменяли исследовательские практики.
Философско-теоретическая часть предлагает трёхуровневый анализ (эпистемический, инструментальный, нормативный), в ходе которого демонстрируется, какие процедуры обоснования знания сохраняют ключевую роль и какие операции необходимо оставить за человеком. Выявлены ключевые риски: иллюзия понимания и стилистической корректности вместо эпистемической обоснованности, кризис достоверности источников, снижение навыков критического мышления при длительном использовании инструментов, неравномерный доступ к технологиям, а также неопределённость в части возложения ответственности за результаты.
Вместе с тем отмечаются и позитивные эффекты ИИ, среди которых можно отметить дополнительные возможности при обзоре литературы, облегчение процессов структурирования аргументации и редактуры текстов – все это справедливо при условии внедрения адекватных процедур. В результате авторы предлагают прозрачность практические критерии оценки качества (к которым относятся содержательная новизна, процедур, воспроизводимость рассуждений, декларирование инструментального вклада), систему обязательной отчётности (декларация использования ИИ, рабочее портфолио с рядом промежуточных версий и перечнем промптов, пояснительная записка), регламентированные процедуры проверки и санкций, а также образовательные модули для студентов и преподавателей.
Авторы приходят к выводу, что сочетание прозрачных правил, обучающих программ и институциональных процедур позволяет интегрировать генеративные инструменты так, чтобы они усиливали, а не подменяли исследовательские практики.
