AI w pracy dyplomowej: przejrzystość użycia, odpowiedzialność i regulamin uczelni

AI zmienia warsztat, ale nie znosi odpowiedzialności studenta

Narzędzia generatywne mogą pomagać w wyszukiwaniu tropów badawczych, korekcie języka, porządkowaniu notatek czy tworzeniu technicznych skryptów. Nie oznacza to, że student może oddać tekst, którego tez nie rozumie lub których nie potrafi obronić. Praca dyplomowa ma wykazywać osiągnięcie określonych efektów uczenia się i samodzielność w zakresie wymaganym przez program. Uczelnia powinna wyraźnie oddzielić dozwoloną pomoc techniczną od niedopuszczalnego zastępowania pracy intelektualnej.

Nie każda treść AI jest plagiatem

Plagiat wiąże się z naruszeniem autorstwa cudzego utworu, natomiast tekst wygenerowany przez system AI może rodzić inne problemy: niesamodzielność, naruszenie regulaminu, fałszowanie danych albo niewłaściwe przypisanie wkładu twórczego. Nie należy mechanicznie uznawać każdej pracy zawierającej fragmenty przygotowane z pomocą AI za plagiat w sensie prawa autorskiego. Z drugiej strony student nie może przedstawiać wygenerowanych, niezweryfikowanych informacji jako wyniku własnego badania.

Regulamin powinien precyzować dopuszczalne zastosowania

Uczelnia może określić, czy AI wolno używać do korekty językowej, planowania struktury, tłumaczenia, analizy danych, kodowania lub formułowania podsumowań. Trzeba również wskazać czynności zakazane, np. generowanie fikcyjnych badań empirycznych albo przekazywanie poufnych materiałów badawczych bez podstawy. Nieczytelna formuła „AI zakazane” może nie odpowiadać rzeczywistym narzędziom wykorzystywanym w edukacji i prowadzić do nierównego traktowania studentów.

Oświadczenie o zakresie wykorzystania AI

Praktycznym rozwiązaniem bywa krótka deklaracja obejmująca nazwę narzędzia, zakres użycia i sposób weryfikacji rezultatów. Nie musi ujawniać każdego technicznego polecenia, jeśli nie jest to konieczne do oceny pracy, ale powinna pozwalać promotorowi zrozumieć wkład studenta. Warto rozróżnić generowanie treści merytorycznej od korekty interpunkcji. Oświadczenie nie zwalnia z odpowiedzialności za ostateczną treść ani z prawidłowego cytowania źródeł.

Problem fikcyjnych źródeł i przypisów

Modele językowe mogą generować wiarygodnie brzmiące tytuły, nazwiska, numery stron i sygnatury, które w rzeczywistości nie istnieją. Dlatego każda cytowana publikacja powinna zostać samodzielnie odnaleziona i sprawdzona. Nie wolno powoływać się na nieistniejące orzeczenie tylko dlatego, że AI przedstawiło je w formie profesjonalnego przypisu. Promotor i komisja powinni oceniać także metodologię weryfikacji źródeł.

Dane osobowe i poufne materiały w promptach

Student prowadzący badania ankietowe, wywiady lub analizujący dokumenty może dysponować danymi osobowymi, nieopublikowanymi materiałami i informacjami objętymi tajemnicą. Ich przesłanie do zewnętrznego narzędzia AI może powodować odrębne obowiązki prawne. Uczelnia powinna określić bezpieczne sposoby korzystania z narzędzi oraz zakres materiałów, których nie wolno wprowadzać do publicznych modeli bez odpowiedniego zabezpieczenia.

Detektory AI nie są nieomylnym dowodem

Oprogramowanie deklarujące wykrywanie tekstów generowanych przez AI może dawać wyniki fałszywie dodatnie i ujemne. Sam procentowy wskaźnik nie powinien przesądzać o popełnieniu przewinienia dyscyplinarnego. Właściwa ocena obejmuje porównanie szkiców, analizę bibliografii, rozmowę ze studentem i odtworzenie procesu pracy. Student powinien mieć możliwość wyjaśnienia wątpliwości i przedstawienia własnego materiału.

Promotor zachowuje rolę merytoryczną

Promotor powinien oceniać jakość problemu badawczego, metodę, argumentację i zdolność studenta do samodzielnego przedstawienia wyników. Narzędzie AI może być pomocne, ale nie zastępuje konsultacji dotyczących konstrukcji i ograniczeń badania. Dobrą praktyką jest regularna ocena kolejnych wersji pracy, dzięki której łatwiej odróżnić samodzielny rozwój projektu od nagłego pojawienia się gotowej, niezweryfikowanej treści.

Prawo autorskie i rzetelność akademicka

Jeżeli student wykorzystuje cudze utwory, powinien respektować prawa autorskie i zasady cytowania. Używanie AI nie znosi ochrony materiałów źródłowych, w tym grafik i tekstów wykorzystanych w pracy. Jednocześnie nie każde zdanie wygenerowane automatycznie jest utworem, do którego student może przenieść pełnię praw. Trzeba ocenić własny wkład twórczy i ewentualne warunki dostawcy narzędzia.

Procedura zarzutu naruszenia zasad

W razie podejrzenia niesamodzielności uczelnia powinna działać według właściwego regulaminu i przepisów dyscyplinarnych. Należy ustalić konkretne naruszenie, zgromadzić materiał i zapewnić studentowi prawo do obrony. Nie jest poprawne automatyczne zastosowanie najcięższej sankcji wyłącznie na podstawie informacji z jednego detektora. Jasne kryteria oraz proporcjonalność postępowania chronią zarówno rzetelność dyplomów, jak i prawa studentów.

Badania empiryczne i odpowiedzialność za dane

W pracy opartej na ankietach, wywiadach lub eksperymencie student powinien dokumentować rzeczywiste pochodzenie danych. Model językowy może pomagać w przygotowaniu struktury analizy, ale nie powinien tworzyć fikcyjnych wyników przypisywanych realnym respondentom. Uczelnia powinna oceniać możliwość odtworzenia podstawowych kroków badania i zgodność metodologii z deklarowanym opisem. Fałszywe dane są problemem rzetelności naukowej niezależnie od tego, czy powstały przez AI, czy zostały wpisane samodzielnie.

Rozsądna dokumentacja wykorzystania modeli

Nie każda korekta językowa wymaga drukowania setek promptów, lecz uczelnia może oczekiwać przejrzystości w zakresie istotnej pomocy merytorycznej. Oświadczenie powinno opisywać narzędzie, rodzaj zastosowania, sposób weryfikacji i udział studenta w powstaniu ostatecznej treści. Takie rozwiązanie pozwala zachować proporcjonalność, a jednocześnie ogranicza ryzyko zatajenia całkowicie zautomatyzowanego przygotowania pracy. Kryteria powinny być znane przed rozpoczęciem procesu dyplomowania.

Ocena podejrzenia niesamodzielności

Jeżeli promotor ma wątpliwości, warto skonfrontować pracę z materiałami źródłowymi, kolejnymi wersjami dokumentu i wiedzą studenta przedstawioną w rozmowie. Sam wskaźnik programu wykrywającego AI nie powinien być rozstrzygającym dowodem. Postępowanie musi pozwalać na wyjaśnienie różnic stylu i przedstawienie sposobu pracy. Uczelnia powinna również odróżnić naruszenie regulaminu od ustawowo określonych przesłanek odpowiedzialności dyscyplinarnej albo zakwestionowania dyplomu.

Standard uczelni powinien być jednolity dla wszystkich studentów

Zasady wykorzystania narzędzi AI powinny być komunikowane przed rozpoczęciem przygotowania prac i stosowane w sposób spójny między promotorami. Jeżeli różne kierunki mają odmienne potrzeby, można przewidzieć reguły szczególne, ale student powinien znać ich podstawę. Wątpliwości dotyczące wkładu AI należy oceniać na podstawie rzeczywistych działań studenta i konkretnej treści, nie zaś wyłącznie na podstawie reputacji określonego modelu lub stylu pisania. Przejrzystość standardu zwiększa zaufanie do jakości dyplomów.

Powiązane analizy

Plagiat pracy dyplomowej · Prawo autorskie do materiałów dydaktycznych