ChatGPT dla studentów w nauce i pracy dyplomowej: fakty, regulacje i praktyka

Narzędzie ChatGPT dla studentów stało się w ostatnich semestrach jednym z podstawowych programów otwieranych obok edytora tekstu czy wyszukiwarki naukowej. Powszechnie dostępne generatywne AI dla studentów zreorganizowało sposób przygotowywania się do zajęć, porządkowania notatek oraz tworzenia pierwszych szkiców akademickich. Choć algorytmy oparte na architekturze wielkich modeli językowych dostarczają natychmiastowych odpowiedzi, ich implementacja w środowisku uniwersyteckim wiąże się ze ścisłymi regułami metodologicznymi. Zrozumienie, gdzie kończy się dopuszczalna pomoc technologiczna, a zaczyna naruszenie zasad etyki naukowej, decyduje dziś o poprawności procesu dyplomowania.

Skala zjawiska: do czego studenci faktycznie wykorzystują sztuczną inteligencję

Skalę adaptacji modeli językowych precyzyjnie obrazują badania empiryczne. W międzynarodowym projekcie opublikowanym w prestiżowym czasopiśmie PLOS ONE (Higher education students’ perceptions of ChatGPT: A global study of early reactions, 2025), przeprowadzonym przez zespół niemal 150 badaczy z udziałem dr. hab. Artura Strzeleckiego z Uniwersytetu Ekonomicznego w Katowicach, wzięło udział $23;218$ studentów ze 109 państw. Badanie wykazało, że z narzędzia korzystają głównie słuchacze studiów I stopnia ($83,4%$) oraz II stopnia ($12,6%$).

Z analizy PLOS ONE wynika, że studenci najczęściej traktują model jako partnera do wstępnych etapów pracy koncepcyjnej. Wśród konkretnych zastosowań dominują:

• burza mózgów i generowanie wstępnych pomysłów badawczych: $29%$,
• podsumowywanie oraz streszczanie długich artykułów i rozdziałów monografii: $27%$,
• wyszukiwanie informacji oraz wstępna kwerenda zagadnień do esejów: $25%$,
• pomoc w redagowaniu tekstów akademickich i prac zaliczeniowych: $22%$,
• powtarzanie materiału przed egzaminami, tłumaczenia i wsparcie w pisaniu kodu: po ok. $20%$.

Znacznie rzadziej respondenci sięgali po narzędzie w celu tworzenia oficjalnej korespondencji ($12%$) czy zadań ściśle kreatywnych, co dowodzi, że studenci zachowują rezerwę wobec automatyzacji własnej ekspresji językowej. Jednocześnie dane brytyjskiego instytutu Higher Education Policy Institute (HEPI), publikowane we współpracy z platformą Kortext w serii dorocznych raportów badawczych, pokazują gwałtowną ewolucję zachowań akademickich na przestrzeni zaledwie dwunastu miesięcy.

Dane: Raporty HEPI / Kortext (Policy Note 51 i Policy Note 61)

Dynamika ta potwierdza, że sztuczna inteligencja przestała być niszowym eksperymentem. W Polsce, według rejestrów Mediapanel Gemius, serwisy OpenAI gromadzą ponad 11 milionów realnych użytkowników, a raporty NASK wskazują, że $70%$ młodych osób miało kontakt z systemami generatywnymi, z czego ChatGPT stanowi dominujący wybór ($53%$ wskazań).

Praktyczny warsztat badawczy: rola asystenta i technika pracy z modelem

W codziennej nauce model sprawdza się przede wszystkim jako asystent dydaktyczny. W badaniu HEPI aż $36%$ studentów określiło go mianem „wirtualnego korepetytora”, który potrafi przełożyć hermetyczny język podręcznika akademickiego na zrozumiałe definicje lub podać alternatywne przykłady zjawisk ekonomicznych, prawnych czy fizycznych. Aby jednak współpraca z algorytmem przynosiła merytoryczne rezultaty, niezbędna jest podstawowa wiedza o tym, jak korzystać z ChatGPT bez powielania typowych błędów poznawczych.

Wielkie modele językowe operują na prawdopodobieństwie występowania kolejnych sekwencji wyrazów, przez co jakość odpowiedzi zależy od precyzji zapytania. W procesie przygotowywania konspektu czy ekstrakcji kluczowych tez z artykułów źródłowych to, jak pisać prompty, bezpośrednio determinuje stopień szczegółowości otrzymywanej odpowiedzi. Wprowadzanie roli, określanie kontekstu oraz żądanie wskazania ograniczeń danej teorii chroni studenta przed otrzymaniem banalnych lub zniekształconych podsumowań.

AI w pracy dyplomowej: regulacje uczelniane i detekcja w systemie JSA

Szczególnym obszarem podlegającym ścisłemu reżimowi jest AI w pracy dyplomowej. Zgodnie z polskim prawem powszechnym – w tym Ustawą – Prawo o szkolnictwie wyższym i nauce – praca licencjacka, inżynierska czy magisterska musi stanowić samodzielne dzieło dyplomanta. Przedłożenie tekstu wygenerowanego przez algorytm jako własnego utworu stanowi podstawę do wszczęcia procedury dyscyplinarnej, niedopuszczenia do egzaminu dyplomowego, a w skrajnym wypadku – do późniejszego odebrania tytułu zawodowego.

Polskie uczelnie (w tym m.in. Uniwersytet Warszawski, Uniwersytet im. Adama Mickiewicza w Poznaniu czy Szkoła Główna Handlowa) wypracowały regulacje wewnętrzne, które jasno wyznaczają granice dopuszczalności:

1. Dozwolona pomoc pomocnicza: dopuszcza się użycie narzędzi AI na etapie planowania badań, burzy mózgów, formatowania układu pracy oraz sprawdzania poprawności językowej i interpunkcyjnej.
2. Kategoryczny zakaz generowania merytoryki: algorytm nie może tworzyć tekstu rozdziałów, opisu metodologii, analizy materiału źródłowego ani formułować wniosków badawczych.
3. Jawność i transparentność: student ma obowiązek poinformować promotora o zamiarze korzystania z modeli językowych oraz dołączyć oświadczenie lub aneks z wykazem użytych promptów.

Od lutego 2024 roku weryfikację ułatwia Jednolity System Antyplagiatowy (JSA), rozwijany przez Ośrodek Przetwarzania Informacji – Państwowy Instytut Badawczy (OPI PIB). OPI PIB zintegrował z systemem moduł detekcji sztucznej inteligencji, udostępniony bezpłatnie wszystkim polskim szkołom wyższym. Algorytm JSA analizuje tzw. miarę perplexity – parametr mierzący statystyczną przewidywalność doboru kolejnych jednostek językowych (tokenów). Modele generatywne tworzą tekst wysoce ustrukturyzowany i statystycznie przewidywalny, podczas gdy styl człowieka cechuje się wyższą wariancją słownictwa. Należy jednak pamiętać, że raport JSA ma charakter pomocniczy: algorytm określa prawdopodobieństwo maszynowego pochodzenia fragmentu, a ostateczną weryfikację zawsze przeprowadza promotor, eliminując ewentualne fałszywe alarmy (false positives).

Krytyczne ograniczenia: halucynacje, fałszywa bibliografia i ochrona danych

Wykorzystanie sztucznej inteligencji w dysertacjach wiąże się z dwoma fundamentalnymi zagrożeniami, o których autorzy prac często zapominają. Pierwszym z nich jest zjawisko halucynacji faktograficznych. Wielkie modele językowe potrafią z pełną powagą generować nieistniejące pozycje bibliograficzne, dopisując realnym autorom zmyślone tytuły artykułów, fałszywe tomy czasopism i sztucznie skonstruowane numery DOI. Przypisanie pracy dyplomowej zmyślonych źródeł natychmiast dyskwalifikuje tekst podczas recenzji naukowej.

Drugim aspektem jest ochrona danych i poufność. W badaniu PLOS ONE aż $66%$ ankietowanych studentów z całego świata uznało ochronę prywatności za kwestię priorytetową. Wprowadzanie do ogólnodostępnych modeli nieopublikowanych wyników badań laboratoryjnych, ankiet zawierających dane osobowe respondentów czy poufnych dokumentów przedsiębiorstwa, w którym realizowana jest praca dyplomowa, grozi naruszeniem przepisów o ochronie danych i prawach autorskich.

Świadomy student traktuje ChatGPT wyłącznie jako zaawansowane narzędzie wspierające warsztat badawczy, a nie jako zastępstwo dla własnej analizy intelektualnej. Każde wygenerowane twierdzenie wymaga konfrontacji z literaturą recenzowaną, a ostateczna odpowiedzialność za treść, wnioski oraz poprawność faktograficzną pracy dyplomowej spoczywa wyłącznie na jej autorze.