Использование ChatGPT студентами при написании курсовых и дипломных работ и его влияние на академическую честность

Введение

Стремительное распространение генеративных систем искусственного интеллекта, прежде всего ChatGPT, в академической среде поставило перед высшей школой принципиально новые вызовы. Если ещё несколько лет назад проблема академической нечестности сводилась преимущественно к традиционному плагиату — копированию текстов из открытых источников, — то сегодня студенты получили инструмент, способный генерировать оригинальные по форме, но не по сути тексты: эссе, курсовые работы, выпускные квалификационные работы. Это радикально меняет как характер нарушений, так и возможности их выявления.

Настоящий отчёт подготовлен на основе систематического анализа шести научных публикаций, отобранных из 11 найденных и оценённых источников (поиск осуществлялся по базам OpenAlex и КиберЛенинка). Цель отчёта — синтезировать имеющиеся эмпирические и теоретические данные о паттернах использования ChatGPT студентами при подготовке академических работ, оценить влияние этой практики на академическую честность и сформулировать практические рекомендации для образовательных учреждений. Задачи включают: (1) описание типичных сценариев использования ИИ; (2) анализ рисков для академической честности; (3) оценку институциональных ответных мер; (4) выявление расхождений и пробелов в существующих исследованиях.

---

Теоретические основы

Анализируемые работы оперируют рядом ключевых концептов, требующих чёткого определения.

Генеративный ИИ и большие языковые модели (LLM). Под генеративным ИИ понимаются системы, способные создавать связные текстовые, визуальные и иные материалы на основе пользовательских запросов. ChatGPT как представитель класса больших языковых моделей демонстрирует способность выполнять широкий спектр академических задач — от суммирования литературы до написания полноценных исследовательских разделов [6].

Академическая честность (academic integrity). В контексте рассматриваемых работ это понятие охватывает соблюдение норм самостоятельности, достоверности и атрибуции при выполнении учебных и научных работ. Нарушения академической честности в эпоху ИИ приобретают новые формы: помимо традиционного плагиата, выделяется феномен «GPT-плагиатризма» — специфического вида академического обмана, связанного с представлением полностью сгенерированного ИИ текста как собственной работы [2].

Некритичная зависимость от ИИ (uncritical AI dependence). Это центральный конструкт исследования [1], обозначающий ситуацию, когда студент принимает результаты работы ИИ без критической проверки, верификации фактов и собственного осмысления. Данный феномен принципиально отличается от инструментального использования ИИ как вспомогательного средства.

AI-индуцированный плагиат. Понятие, введённое в [5], описывает ситуацию, когда студент использует ChatGPT для создания работ и представляет их как собственные, тем самым подрывая образовательный процесс и девальвируя академические квалификации.

Модель TAM (Technology Acceptance Model) и PLS-SEM. В [1] применяется структурное моделирование методом частичных наименьших квадратов (PLS-SEM) для анализа факторов, определяющих интенсивность использования ИИ и риск некритичной зависимости. Это позволяет количественно оценить пути влияния таких переменных, как воспринимаемая экономия времени, давление диссертации и нормы использования ИИ среди сверстников.

AI-грамотность (AI literacy). Концепт, активно используемый в [6], предполагает не просто умение работать с ИИ-инструментами, но понимание их ограничений, этических импликаций и принципов ответственного применения. Отсутствие AI-грамотности у студентов и преподавателей рассматривается как системный риск.

---

Анализ источников

Методологический ландшафт исследований

Корпус анализируемых работ неоднороден по методологии. Два исследования представляют собой крупные количественные опросы: [1] охватывает 386 студентов бакалавриата в Китае с применением PLS-SEM, а [3] — два волновых опроса в России (N=6 543 в 2024 г. и N=670 в 2025 г.). Российское исследование студентов РУДН [2] основано на онлайн-опросе 576 респондентов. Работа [4] представляет опрос студентов-лингвистов Казанского федерального университета, однако размер выборки в доступном тексте не указан. Статья [5] является теоретической работой в жанре «мнение» (Opinion) и не содержит собственных эмпирических данных. Наконец, [6] — систематический обзор в рамках методологии PRISMA, посвящённый медицинскому образованию. Такое разнообразие методов затрудняет прямое сопоставление данных, однако обеспечивает многоуровневый взгляд на проблему.

Паттерны использования ИИ при написании академических работ

Исследования фиксируют широкий спектр сценариев применения ИИ. В контексте дипломных работ [1] выделяет следующие этапы, на которых студенты прибегают к помощи ИИ: выбор темы, обзор литературы, дизайн исследования, обработка данных, полировка текста и подготовка к защите. В медицинском образовании [6] фиксирует использование ИИ для создания эссе, анализа случаев, рефлексивного письма, ответов на экзамены и клинических резюме. Студенты также применяют ИИ для обзора литературы, подготовки к экзаменам, суммирования заметок и научного письма [6].

Наиболее тревожным количественным показателем является данные российского исследования: семь из десяти студентов (70%) используют полностью сгенерированный ИИ текст без собственных правок [2]. Это означает, что речь идёт не о вспомогательном использовании технологии, а о полном делегировании академической работы системе ИИ. Примечательно, что те же студенты в целом осведомлены о нормах допустимого объёма ИИ-сгенерированного материала, однако это знание не конвертируется в соответствующее поведение [2].

Важен и социальный контекст использования ИИ. Согласно [1], интенсивность использования ИИ значительно возрастает под влиянием трёх факторов: воспринимаемой экономии времени, давления, связанного с написанием диссертации, и норм использования ИИ среди сверстников (peer norms). Последний фактор указывает на нормализацию практики в студенческой среде: если большинство однокурсников пользуется ИИ, индивидуальный порог сдерживания снижается.

Риски для академической честности

Все шесть источников сходятся в том, что использование генеративного ИИ создаёт серьёзные риски для академической честности, однако конкретные проявления этих рисков различаются.

Наиболее системно риски классифицированы в [1]: AI-assisted cheating (мошенничество с помощью ИИ), плагиат, ложные цитаты и неясное авторство. Проблема фальшивых ссылок подчёркивается и в [5]: ChatGPT генерирует неправильные ссылки, неправильные названия и авторов, что создаёт риск распространения академически недостоверной информации. В медицинском образовании [6] особо выделяет проблему «поддельных цитат» (fabricated citations) и несанкционированного AI-ассистированного оценивания.

Принципиально важен вопрос о субъективном восприятии нарушений. Студенты медицинских школ нередко рассматривают AI-созданный материал как легитимный учебный инструмент, а не как неправомерное поведение [6]. Схожая картина наблюдается в российском контексте: лишь 10,7% студентов КФУ считают использование ИИ при написании ВКР неэтичным [4], то есть подавляющее большинство (89,3%) не усматривает в этом этической проблемы. Это расхождение между объективным нарушением норм и субъективным восприятием является, пожалуй, ключевым вызовом для системы академической честности.

Концепт «некритичной зависимости» [1] позволяет разграничить два принципиально разных типа использования ИИ: инструментальное (ИИ как вспомогательный инструмент при сохранении авторского контроля) и зависимое (ИИ как замена собственного мышления). Именно второй тип создаёт наибольшие риски — не только для академической честности, но и для качества образования в целом [3].

Отношение студентов и преподавателей к ИИ

Студенческое сообщество в целом демонстрирует позитивное отношение к ИИ. Российские студенты видят в ИИ прежде всего инструмент совершенствования организационной работы университета и персонализации образования [2]. Студенты медицинских школ выражают значительный интерес к AI-грамотности, prompt engineering и цифровому профессионализму [6]. Позитивная тенденция во взаимодействии студентов с научными руководителями по вопросам ИИ отмечается и в российском контексте [4].

Позиция преподавателей выглядит значительно более уязвимой. Согласно [6], преподаватели, как правило, не подготовлены к работе с ИИ-ассистированным обучением, переделке системы оценивания, проблемам алгоритмического смещения, конфиденциальности данных и этичному применению ИИ. Это создаёт асимметрию: студенты активно осваивают новые инструменты, тогда как преподаватели не успевают адаптировать педагогические практики и системы оценивания.

Ценностно-этический анализ [3] выявляет в вузовской среде полярные позиции: от принципа «когда честно — хорошо, для имитации — плохо» до практики поощрения студентов, написавших диплом с помощью ИИ. Это свидетельствует об отсутствии консенсуса даже внутри академического сообщества.

Институциональные меры и политики

Институциональные ответы на вызовы ИИ существенно различаются в разных национальных контекстах. В России в 2024 году был утверждён ГОСТ Р 71657–2024, регламентирующий использование ИИ в образовании и научных публикациях [2]. Ряд российских университетов (Иннополис, УрФУ, КемГУ, МГТУ им. Баумана) активно интегрирует ИИ в учебные процессы [2]. Создаётся первый в России образовательный модуль по ИИ в рамках Университетского консорциума исследователей больших данных, объединяющего 79 вузов [3].

На международном уровне многие образовательные учреждения установили политику использования ИИ-инструментов, часть университетов требует от студентов указывать, какой инструмент ИИ они использовали [5]. Внедряются технологические инструменты обнаружения ИИ-контента в системы проверки плагиата, в частности Turnitin [5]. Однако в медицинском образовании фиксируется отсутствие чётких определений академической честности, что приводит к несогласованным институциональным ответам [6].

Авторы [1] предупреждают об ограниченности чисто запретительного подхода: университеты не должны реагировать на использование ИИ только через «запрет» или «обнаружение». Вместо этого предлагается комплекс мер: раскрытие использования ИИ (AI use disclosure), проверка фактов, процессно-ориентированное руководство, поэтапная документация и механизмы совместной ответственности научного руководителя и студента. Схожую логику развивает [5], рекомендуя комбинированный подход, сочетающий технологические решения, педагогические стратегии и чёткие политики.

Критическое отношение студентов к системе «Антиплагиат» [4] указывает на то, что технологические меры детекции воспринимаются как препятствие, которое нужно обойти, а не как инструмент формирования академической культуры. Это ставит под сомнение эффективность исключительно детекционного подхода.

---

Основные выводы

Совокупный анализ шести источников позволяет сформулировать следующие ключевые тезисы:

1. Использование ИИ при написании академических работ носит массовый характер. Студенты применяют ChatGPT и аналогичные инструменты на всех этапах подготовки курсовых и дипломных работ — от выбора темы до финальной редактуры [1, 6]. При этом значительная доля (70% по данным российского исследования) использует полностью сгенерированный текст без собственных правок [2].

2. Существует критический разрыв между осведомлённостью о нормах и реальным поведением. Студенты в целом понимают, что допустимо, а что нет, однако это знание не предотвращает нарушений [2]. Большинство студентов (89,3% в выборке КФУ) не считают использование ИИ при написании ВКР неэтичным [4], что свидетельствует о нормализации практики.

3. Ключевым риском является не само использование ИИ, а некритичная зависимость от него. Интенсивность использования ИИ значительно увеличивает риск некритичной зависимости [1], которая подрывает как академическую честность, так и реальное развитие компетенций студентов [3].

4. Социальные нормы и контекстуальное давление являются значимыми предикторами интенсивности использования ИИ. Воспринимаемая экономия времени, давление диссертации и нормы использования ИИ среди сверстников статистически значимо увеличивают интенсивность обращения к ИИ [1].

5. Осведомлённость об академической честности и чёткость позиции научного руководителя снижают риски. Эти факторы не только непосредственно уменьшают некритичную зависимость, но и ослабляют положительный эффект интенсивности использования ИИ на этот риск [1]. Это указывает на ключевую роль педагогического сопровождения.

6. Преподаватели системно не готовы к работе в условиях повсеместного использования ИИ. Дефицит подготовки фиксируется как в международном [6], так и в российском контексте [3], создавая асимметрию между студентами и преподавателями.

7. Институциональные ответные меры остаются фрагментарными и несогласованными. Несмотря на появление отдельных нормативных документов (ГОСТ Р 71657–2024 в России [2]) и технологических инструментов (Turnitin [5]), отсутствуют системные подходы, сочетающие технологические, педагогические и нормативные компоненты. Чисто запретительный подход признаётся неэффективным [1].

8. Проблема фальшивых цитат и галлюцинаций ИИ создаёт специфический риск для качества академических работ. ChatGPT генерирует несуществующие ссылки и неверные атрибуции [5, 6], что угрожает не только академической честности, но и научной достоверности работ.

---

Практические рекомендации

Для преподавателей и научных руководителей

1. Формулировать чёткую позицию по использованию ИИ в начале работы над курсовой или дипломной работой. Исследование [1] показывает, что ясность руководителя в отношении допустимого использования ИИ статистически значимо снижает риск некритичной зависимости студентов.

2. Внедрять процессно-ориентированное руководство с поэтапной документацией: промежуточные отчёты, черновики, рефлексивные дневники. Это позволяет отслеживать реальный вклад студента и снижает возможность полного делегирования работы ИИ [1].

3. Переориентировать задания на требование высокого уровня оригинальности: персонализированные задания, устные экзамены, рефлексивное письмо, проекты с оригинальными творческими результатами [5]. Задания, требующие личного опыта, локального контекста или живого взаимодействия, значительно труднее выполнить с помощью ИИ.

4. Включать верификацию источников как обязательный элемент оценивания. Поскольку ChatGPT генерирует фальшивые цитаты [5, 6], проверка реальности и корректности каждой ссылки становится диагностическим инструментом.

Для администрации и руководства университетов

5. Разработать чёткую, дифференцированную политику использования ИИ, различающую допустимые (вспомогательные) и недопустимые (замещающие) сценарии применения. Политика должна включать требование раскрытия использования ИИ (AI use disclosure) [1, 5].

6. Инвестировать в подготовку преподавателей по вопросам AI-грамотности, этики ИИ и адаптации систем оценивания. Дефицит такой подготовки зафиксирован как системная проблема [6], а инициативы по повышению квалификации уже реализуются в ряде российских вузов [3].

7. Внедрять механизмы совместной ответственности научного руководителя и студента за качество и честность дипломной работы, включая совместное подписание деклараций об использовании ИИ [1].

8. Не ограничиваться детекционными инструментами. Системы типа «Антиплагиат» воспринимаются студентами критически и как препятствие для обхода [4]. Технологические меры должны дополняться педагогическими и нормативными, а не заменять их [1, 5].

Для исследователей

9. Восполнить дефицит данных о частоте и типологии использования ИИ. Большинство анализируемых работ не приводит конкретных данных о частоте использования отдельных функций ИИ. Необходимы лонгитюдные исследования, отслеживающие изменение практик во времени.

10. Исследовать долгосрочные эффекты использования ИИ на развитие академических компетенций студентов — критического мышления, исследовательских навыков, академического письма. Этот аспект практически не представлен в анализируемых работах.

---

Заключение

Проведённый анализ шести источников демонстрирует, что использование ChatGPT и генеративного ИИ при написании курсовых и дипломных работ стало массовой практикой, создающей системные риски для академической честности. Центральная проблема состоит не в самом факте использования ИИ, а в некритичной зависимости от него и в нормализации полного делегирования академической работы технологии. Эффективный ответ требует отказа от исключительно запретительной логики в пользу комплексного подхода, сочетающего педагогическое сопровождение, чёткие институциональные политики, развитие AI-грамотности и переосмысление систем оценивания. Перспективными направлениями дальнейших исследований являются: изучение долгосрочных эффектов использования ИИ на академические компетенции, сравнительный анализ эффективности различных институциональных политик, а также разработка валидных инструментов для разграничения инструментального и зависимого использования ИИ в академическом контексте.

---

Список источников

1. Dong Huang; Xinyu Zhang. Ethical Risks and Influence Mechanisms of Generative AI Intervention in Undergraduate Thesis Supervision: A Quantitative Analysis Based on Academic Integrity and Technology Adoption Perspectives. 2026.
2. Пузанова Жанна Васильевна; Гудкова Яна Александровна. Образовательные практики настоящего и будущего: студенты об использовании ИИ в университете. 2026.
3. Светлана Анатольевна Ильиных. Технологии искусственного интеллекта в высшем образовании: инструментальный и ценностно-этический аспекты. 2025.
4. Тихонова Наталия Владимировна; Поморцева Надежда Павловна. Выпускная квалификационная работа в вузе в условиях распространения искусственного интеллекта: взгляд студентов. 2025.
5. Attila Kővári. Ethical use of ChatGPT in education—Best practices to combat AI-induced plagiarism. 2025.
6. Emeh Blessing. Artificial intelligence in medical education: A systematic review of teaching, learning, and academic integrity issues. 2026.