Матеріал
Урок 89
Що таке академічна доброчесність?
Повторення: словосполучення, складнопідрядне речення.
Поглиблення: синтаксичні синоніми
- академічна доброчесність;
- принципи академічної доброчесности;
- словосполучення;
- складнопідрядне речення;
- синтаксичні синоніми.
Перегляньте кліп: Артем Пивоваров х Klavdia Petrivna – Барабан. Поміркуйте, чи має місце порушення академічної доброчесности й авторського права у творчості митця.
Завдання 1
Ознайомся з принципами академічної доброчесности для вишів. Створи ментальну карту на основі прочитаного. Який із принципів, на твою думку, є найважливішим? Поясни. Хто формує приницпи академічної доброчесности? Чи вважаєш ти цей перелік вичерпним? Якщо ні, то який пункт хотів/-ла б додати?
Принципи академічної доброчесности
Чесність. Науковці зобов’язані використовувати надійні й перевірені методи збору та аналізу даних, а також уникати фальсифікації або фабрикації результатів. Чесність також передбачає правильне цитування джерел та визнання внеску інших дослідників, які були залучені до роботи над спільним проєктом.
Відповідальність. Науковці мають нести відповідальність за свої висновки та методи досліджень. Тому мусять ретельно перевіряти дані перед публікацією та бути впевненими у правдивості використаних джерел. А також дотримуватися правил етичного використання ресурсів та норм законодавства і регуляцій.
Повага. Цей принцип полягає у визнанні ідей колег з наукового середовища, поваги до їхньої праці та інтелектуальної власності. Тому обов’язково потрібно дотримуватися правил цитування, уникати плагіату та необґрунтованої критики інших науковців.
Прозорість. Дослідники повинні надавати повну та точну інформацію про всі методи проведення експериментів, отримані дані та зроблені висновки, робити детальний опис експериментальних процедур, а також надавати доступу до проміжних даних, якщо це можливо. Це допомагає іншим науковцям повторювати експерименти та перевіряти їх результати, що сприяє науковому прогресу.
Справедливість. Цей принцип є найважливішим в оцінюванні наукових робіт. Всі праці науковців повинні оцінюватися об’єктивно та неупереджено, незалежно від особистих або професійних зв’язків. Слід використовувати подвійне сліпе рецензування, коли рецензенти не знають, чиї роботи вони оцінюють. Справедливість забезпечує рівні можливості для всіх дослідників та сприяє високій якості наукових публікацій.
Етичність. Дотримання етичних норм дослідницької діяльності передбачає повагу до прав та гідності учасників досліджень, уникнення конфліктів інтересів та дотримання принципів гуманності й справедливості. Етичність забезпечує довіру до наукових досліджень та захищає права всіх учасників.
Джерело: https://happymonday.ua/akademichna-dobrochesnist
Завдання 2
Порада для вчителя
Зважаючи на складність і значний обсяг тексту, ви можете запропонувати учнівству виконати не всі завдання, а лише частину чи, скажімо, запропонувати написати й прорецензувати есе як домашню роботу. Орієнтуйтеся на особливості саме вашого класу, будьте гнучкими у використанні запропонованих матеріалів.
Опрацюй текст статті й виконайте завдання.
Як ШІ змінює рецензування науки (фрагменти)
Система рецензування десятиліттями працювала як головний фільтр довіри в науці. Не ідеальний, часто повільний, інколи несправедливий. Але все ж такий, що дозволяє спільноті домовлятися, які наукові результати варто вважати надійними. Сьогодні цей механізм входить у нову фазу, бо штучний інтелект (ШІ) став не просто інструментом для авторів, а потенційним учасником усієї екосистеми оцінювання наукового доробку. І ця трансформація відбувається у момент, коли рецензування і без того працює на межі можливостей.
Перед публікацією роботу читають незалежні експерти, вказують на помилки, просять додаткові докази, перевіряють логіку і новизну. Ідея в тому, щоб знання проходили через «сито» колег, а не лише базувалися на авторському ентузіазмі.
На цьому тлі генеративний ШІ виглядає не як модна іграшка, а як «автоматизований костиль» для системи, яка вже кульгала від перевантаження. Він обіцяє швидкі резюме рукописів, структуровані зауваження, перевірки на відповідність вимогам журналу, допомогу з мовою і навіть попередній скринінг для редакторів.
Паралельно з дискусією про те, чи можуть інструменти генеративного ШІ допомагати рецензентам, відбувається інша зміна: дедалі більше статей потребують рецензування не лише як текстів, а як ШІ-систем. Для значної частини сучасних робіт у медицині, біології, соціальних науках або комп’ютерній інженерії ШІ — це не інструмент написання, а ядро методології: модель, що ухвалює рішення, прогнозує, класифікує чи узагальнює дані10. І це змінює саме запитання, які має ставити рецензент. Не «Чи добре написано?», а «Чи адекватно описані дані і навчання?», «Чи коректно оцінена похибка й узагальнюваність?», «Чи не є результати артефактом вибірки або налаштувань?». На цьому тлі поява нових чеклистів і рекомендацій щодо звітності про використання генеративного ШІ є логічною відповіддю системи на методологічний зсув.
На рівні щоденної практики бачимо, що генеративний ШІ у рецензуванні вже став помітною поведінковою реальністю, проте ще не перетворився на норму з усталеними правилами.
Емпіричне підтвердження цьому дає звіт IOP Publishing. Опитування охопило 348 дослідників, яких запрошували як активних рецензентів або авторів у журналах видавництва. Оцінки впливу генеративного ШІ розійшлися: 41% очікують позитивного ефекту, 37% — негативного, а частка нейтральних позицій зменшилася. Показово й те, що соціальна легітимність автоматизованих рецензій залишається обмеженою: 57% були б незадоволені, якби генеративний ШІ написав рецензію на їхню статтю, і 42% — навіть якщо ШІ лише підсилював людський текст.
Сьогодні до класичних ризиків генеративного ШІ, на кшталт галюцинування, загроз конфіденційності і надмірної ввічливості, додався новий, майже несподіваний вимір. Процес рецензування раптом отримав нові атаки, знайомі з кібербезпеки. …автори вставляють у рукопис приховані інструкції для великих мовних моделей. Часто це роблять білим текстом або шрифтом мінімального розміру, так щоб людина їх не помітила, а машина прочитала. Зміст таких інструкцій може містити прохання дати позитивну рецензію або не згадувати недоліки взагалі.
Влітку 2025 року на arXiv виявили цілу низку таких препринтів, і частину з них планували зняти або виправити. У статті «Приховані промпти в рукописах експлуатують рецензування за допомогою штучного інтелекту» випадок із arXiv інтерпретується як нова форма порушення доброчесності, а не як невинний експеримент.
Крім цього, потрібні чіткі редакторські правила щодо використання ШІ рецензентами. Великі видавці вже рухаються у цьому напрямку. Elsevier і Nature Portfolio, наприклад, наголошують, що рецензенти не повинні завантажувати конфіденційні рукописи в зовнішні генеративні інструменти, щоб не порушувати угоди про конфіденційність і права авторів.
У препринті «Коли твій рецензент — велика мовна модель» автори порівнюють ШІ-оцінки з людськими рецензіями на наборах робіт із двох відомих конференцій ICLR 2023 і NeurIPS 202219. Автори показують, що моделі загалом краще узгоджуються з людьми щодо сильніших робіт, але мають тенденцію завищувати оцінки слабшим. Це важлива деталь для культури якості, оскільки автоматизований оптимізм може підривати здатність системи відсіювати сирі результати досліджень.
Ще один висновок із цього дослідження — великі мовні моделі чутливі до інструкцій, зашитих в тексти, і такі промпти можуть зміщувати акценти рецензії. Це перегукується з ширшим занепокоєнням про розмиття межі між асистуванням і делегуванням судження, яке підтверджують також і інші дослідження.
Отже, навіть коли рецензії видаються формально коректними, ШІ може непомітно змістити акценти, винагороджуючи відповідність структурі, а не новизну. Це не аргумент проти використання великих мовних моделей, а аргумент за обережний дизайн ролей, в якому людина має оцінювати значущість і науковий сенс.
ШІ вже став частиною екосистеми рецензування. І головне питання сьогодні — де саме його роль легітимна і корисна. Глобальна дискусія говорить про те, що ШІ має доповнювати, а не замінювати експертне судження.
Найбезпечніша зона — інфраструктурні та рутинні задачі, на кшталт перевірки структури статті, мови, навігації текстом. Натомість оцінка новизни, значущості та методологічної надійності має залишатися людською відповідальністю.
Найбільший ризик — не в тому, що ШІ пише рецензії, а в тому, що ми можемо непомітно змінити критерії хорошої науки.
Дмитро Чумаченко
https://www.kunsht.com.ua/articles/shi-v-nauci
Завдання за текстом:
1. Наведи не менше ніж три причини використовувати ШІ в рецензуванні.
2. Уяви, що тобі потрібно задіяти ШІ для рецензування статті. Розподіли завдання між ним і людиною, щоб робота була максимально ефективною. Заповни таблицю.
| Завдання для людини | Завдання для ШІ |
3. Визнач, які принципи академічної доброчесности опиняються під загрозою, якщо задіювати ШІ як рецензента наукових робіт, статей, досліджень тощо. Заповни таблицю.
| Загрожений принцип | Цитата | Коментар |
4. Випиши із тексту виділені складнопідрядні речення, перебудувавши їх у складні безсполучникові. Проаналізуй розділові знаки в первинних і вторинних конструкцій. Поясни збіг / відмінність пунктуації записаних синтаксичних синонімів.
5. Запропонуй 5 тегів-словосполучень для цієї статті з метою кращої індексації для пошукових інтернет-систем.
6. Вислови власну думку у форматі мініесе щодо використання ШІ в науковій діяльності, зокрема в написанні й рецензуванні робіт.
Завдання 3
Об’єднайтеся в пари. Обміняйтеся написаними мініесе й дайте рецензію на роботу однокласника чи однокласниці. Для цього скористайтеся контрольним списком. Після цього сфотографуйте свою роботу й запропонуйте її прорецензувати ChatGPT. Зіставте отримані результати. Висловте власну думку щодо об’єктивности рецензій.
Контрольний список
- Сформована чітка теза.
- Теза є дискусійною.
- Наведено не менш ніж два аргументи.
- Аргументи підтверджені прикладами.
- Приклади прокоментовані.
- Усі аргументи, приклади й коментарі пов’язані між собою і з тезою.
- Наприкінці роботи подано висновок.
- Висновок відповідає тезі.
Завдання 4. Рефлексія
Що нового з’явилося у твоєму розумінні академічної доброчесности? Що від сьогодні ти робитимеш по-іншому, користуючись штучним інтелектом?
- Artem Pivovarov. Артем Пивоваров х Klavdia Petrivna – Барабан. YouTube. Artem Pivovarov. 25.04.2024. URL: https://youtu.be/6_g1OBNtCiY?si=FVnNSXg-rXAekqrW (дата звернення: 02.01.2026).
- Чуловська О. Академічна доброчесність: як виявити плагіат та попередити шахрайство. Happy Monday. Розвиток. 01.08.2024. URL: https://happymonday.ua/akademichna-dobrochesnist (дата звернення: 02.01.2026).
- Чумаченко Д. Як ШІ змінює рецензування науки. Куншт. Статті. 18.12.2025. URL: https://www.kunsht.com.ua/articles/shi-v-nauci (дата звернення: 02.01.2026).
Урок 89
Що таке академічна доброчесність?
Повторення: словосполучення, складнопідрядне речення.
Поглиблення: синтаксичні синоніми
- академічна доброчесність;
- принципи академічної доброчесности;
- словосполучення;
- складнопідрядне речення;
- синтаксичні синоніми.
Перегляньте кліп: Артем Пивоваров х Klavdia Petrivna – Барабан. Поміркуйте, чи має місце порушення академічної доброчесности й авторського права у творчості митця.
Завдання 1
Ознайомся з принципами академічної доброчесности для вишів. Створи ментальну карту на основі прочитаного. Який із принципів, на твою думку, є найважливішим? Поясни. Хто формує приницпи академічної доброчесности? Чи вважаєш ти цей перелік вичерпним? Якщо ні, то який пункт хотів/-ла б додати?
Принципи академічної доброчесности
Чесність. Науковці зобов’язані використовувати надійні й перевірені методи збору та аналізу даних, а також уникати фальсифікації або фабрикації результатів. Чесність також передбачає правильне цитування джерел та визнання внеску інших дослідників, які були залучені до роботи над спільним проєктом.
Відповідальність. Науковці мають нести відповідальність за свої висновки та методи досліджень. Тому мусять ретельно перевіряти дані перед публікацією та бути впевненими у правдивості використаних джерел. А також дотримуватися правил етичного використання ресурсів та норм законодавства і регуляцій.
Повага. Цей принцип полягає у визнанні ідей колег з наукового середовища, поваги до їхньої праці та інтелектуальної власності. Тому обов’язково потрібно дотримуватися правил цитування, уникати плагіату та необґрунтованої критики інших науковців.
Прозорість. Дослідники повинні надавати повну та точну інформацію про всі методи проведення експериментів, отримані дані та зроблені висновки, робити детальний опис експериментальних процедур, а також надавати доступу до проміжних даних, якщо це можливо. Це допомагає іншим науковцям повторювати експерименти та перевіряти їх результати, що сприяє науковому прогресу.
Справедливість. Цей принцип є найважливішим в оцінюванні наукових робіт. Всі праці науковців повинні оцінюватися об’єктивно та неупереджено, незалежно від особистих або професійних зв’язків. Слід використовувати подвійне сліпе рецензування, коли рецензенти не знають, чиї роботи вони оцінюють. Справедливість забезпечує рівні можливості для всіх дослідників та сприяє високій якості наукових публікацій.
Етичність. Дотримання етичних норм дослідницької діяльності передбачає повагу до прав та гідності учасників досліджень, уникнення конфліктів інтересів та дотримання принципів гуманності й справедливості. Етичність забезпечує довіру до наукових досліджень та захищає права всіх учасників.
Джерело: https://happymonday.ua/akademichna-dobrochesnist
Завдання 2
Опрацюй текст статті й виконайте завдання.
Як ШІ змінює рецензування науки (фрагменти)
Система рецензування десятиліттями працювала як головний фільтр довіри в науці. Не ідеальний, часто повільний, інколи несправедливий. Але все ж такий, що дозволяє спільноті домовлятися, які наукові результати варто вважати надійними. Сьогодні цей механізм входить у нову фазу, бо штучний інтелект (ШІ) став не просто інструментом для авторів, а потенційним учасником усієї екосистеми оцінювання наукового доробку. І ця трансформація відбувається у момент, коли рецензування і без того працює на межі можливостей.
Перед публікацією роботу читають незалежні експерти, вказують на помилки, просять додаткові докази, перевіряють логіку і новизну. Ідея в тому, щоб знання проходили через «сито» колег, а не лише базувалися на авторському ентузіазмі.
На цьому тлі генеративний ШІ виглядає не як модна іграшка, а як «автоматизований костиль» для системи, яка вже кульгала від перевантаження. Він обіцяє швидкі резюме рукописів, структуровані зауваження, перевірки на відповідність вимогам журналу, допомогу з мовою і навіть попередній скринінг для редакторів.
Паралельно з дискусією про те, чи можуть інструменти генеративного ШІ допомагати рецензентам, відбувається інша зміна: дедалі більше статей потребують рецензування не лише як текстів, а як ШІ-систем. Для значної частини сучасних робіт у медицині, біології, соціальних науках або комп’ютерній інженерії ШІ — це не інструмент написання, а ядро методології: модель, що ухвалює рішення, прогнозує, класифікує чи узагальнює дані10. І це змінює саме запитання, які має ставити рецензент. Не «Чи добре написано?», а «Чи адекватно описані дані і навчання?», «Чи коректно оцінена похибка й узагальнюваність?», «Чи не є результати артефактом вибірки або налаштувань?». На цьому тлі поява нових чеклистів і рекомендацій щодо звітності про використання генеративного ШІ є логічною відповіддю системи на методологічний зсув.
На рівні щоденної практики бачимо, що генеративний ШІ у рецензуванні вже став помітною поведінковою реальністю, проте ще не перетворився на норму з усталеними правилами.
Емпіричне підтвердження цьому дає звіт IOP Publishing. Опитування охопило 348 дослідників, яких запрошували як активних рецензентів або авторів у журналах видавництва. Оцінки впливу генеративного ШІ розійшлися: 41% очікують позитивного ефекту, 37% — негативного, а частка нейтральних позицій зменшилася. Показово й те, що соціальна легітимність автоматизованих рецензій залишається обмеженою: 57% були б незадоволені, якби генеративний ШІ написав рецензію на їхню статтю, і 42% — навіть якщо ШІ лише підсилював людський текст.
Сьогодні до класичних ризиків генеративного ШІ, на кшталт галюцинування, загроз конфіденційності і надмірної ввічливості, додався новий, майже несподіваний вимір. Процес рецензування раптом отримав нові атаки, знайомі з кібербезпеки. …автори вставляють у рукопис приховані інструкції для великих мовних моделей. Часто це роблять білим текстом або шрифтом мінімального розміру, так щоб людина їх не помітила, а машина прочитала. Зміст таких інструкцій може містити прохання дати позитивну рецензію або не згадувати недоліки взагалі.
Влітку 2025 року на arXiv виявили цілу низку таких препринтів, і частину з них планували зняти або виправити. У статті «Приховані промпти в рукописах експлуатують рецензування за допомогою штучного інтелекту» випадок із arXiv інтерпретується як нова форма порушення доброчесності, а не як невинний експеримент.
Крім цього, потрібні чіткі редакторські правила щодо використання ШІ рецензентами. Великі видавці вже рухаються у цьому напрямку. Elsevier і Nature Portfolio, наприклад, наголошують, що рецензенти не повинні завантажувати конфіденційні рукописи в зовнішні генеративні інструменти, щоб не порушувати угоди про конфіденційність і права авторів.
У препринті «Коли твій рецензент — велика мовна модель» автори порівнюють ШІ-оцінки з людськими рецензіями на наборах робіт із двох відомих конференцій ICLR 2023 і NeurIPS 202219. Автори показують, що моделі загалом краще узгоджуються з людьми щодо сильніших робіт, але мають тенденцію завищувати оцінки слабшим. Це важлива деталь для культури якості, оскільки автоматизований оптимізм може підривати здатність системи відсіювати сирі результати досліджень.
Ще один висновок із цього дослідження — великі мовні моделі чутливі до інструкцій, зашитих в тексти, і такі промпти можуть зміщувати акценти рецензії. Це перегукується з ширшим занепокоєнням про розмиття межі між асистуванням і делегуванням судження, яке підтверджують також і інші дослідження.
Отже, навіть коли рецензії видаються формально коректними, ШІ може непомітно змістити акценти, винагороджуючи відповідність структурі, а не новизну. Це не аргумент проти використання великих мовних моделей, а аргумент за обережний дизайн ролей, в якому людина має оцінювати значущість і науковий сенс.
ШІ вже став частиною екосистеми рецензування. І головне питання сьогодні — де саме його роль легітимна і корисна. Глобальна дискусія говорить про те, що ШІ має доповнювати, а не замінювати експертне судження.
Найбезпечніша зона — інфраструктурні та рутинні задачі, на кшталт перевірки структури статті, мови, навігації текстом. Натомість оцінка новизни, значущості та методологічної надійності має залишатися людською відповідальністю.
Найбільший ризик — не в тому, що ШІ пише рецензії, а в тому, що ми можемо непомітно змінити критерії хорошої науки.
Дмитро Чумаченко
https://www.kunsht.com.ua/articles/shi-v-nauci
Завдання за текстом:
1. Наведи не менше ніж три причини використовувати ШІ в рецензуванні.
2. Уяви, що тобі потрібно задіяти ШІ для рецензування статті. Розподіли завдання між ним і людиною, щоб робота була максимально ефективною. Заповни таблицю.
| Завдання для людини | Завдання для ШІ |
3. Визнач, які принципи академічної доброчесности опиняються під загрозою, якщо задіювати ШІ як рецензента наукових робіт, статей, досліджень тощо. Заповни таблицю.
| Загрожений принцип | Цитата | Коментар |
4. Випиши із тексту виділені складнопідрядні речення, перебудувавши їх у складні безсполучникові. Проаналізуй розділові знаки в первинних і вторинних конструкцій. Поясни збіг / відмінність пунктуації записаних синтаксичних синонімів.
5. Запропонуй 5 тегів-словосполучень для цієї статті з метою кращої індексації для пошукових інтернет-систем.
6. Вислови власну думку у форматі мініесе щодо використання ШІ в науковій діяльності, зокрема в написанні й рецензуванні робіт.
Завдання 3
Об’єднайтеся в пари. Обміняйтеся написаними мініесе й дайте рецензію на роботу однокласника чи однокласниці. Для цього скористайтеся контрольним списком. Після цього сфотографуйте свою роботу й запропонуйте її прорецензувати ChatGPT. Зіставте отримані результати. Висловте власну думку щодо об’єктивности рецензій.
Контрольний список
- Сформована чітка теза.
- Теза є дискусійною.
- Наведено не менш ніж два аргументи.
- Аргументи підтверджені прикладами.
- Приклади прокоментовані.
- Усі аргументи, приклади й коментарі пов’язані між собою і з тезою.
- Наприкінці роботи подано висновок.
- Висновок відповідає тезі.
Завдання 4. Рефлексія
Що нового з’явилося у твоєму розумінні академічної доброчесности? Що від сьогодні ти робитимеш по-іншому, користуючись штучним інтелектом?
- Artem Pivovarov. Артем Пивоваров х Klavdia Petrivna – Барабан. YouTube. Artem Pivovarov. 25.04.2024. URL: https://youtu.be/6_g1OBNtCiY?si=FVnNSXg-rXAekqrW (дата звернення: 02.01.2026).
- Чуловська О. Академічна доброчесність: як виявити плагіат та попередити шахрайство. Happy Monday. Розвиток. 01.08.2024. URL: https://happymonday.ua/akademichna-dobrochesnist (дата звернення: 02.01.2026).
- Чумаченко Д. Як ШІ змінює рецензування науки. Куншт. Статті. 18.12.2025. URL: https://www.kunsht.com.ua/articles/shi-v-nauci (дата звернення: 02.01.2026).
Ділись та обговорюй важливе