Как поясняет эксперт Среднерусского института управления — филиала РАНХиГС Евгения Матвеева, систему решили усилить из-за повального увлечения нейросетями. Но на деле это вылилось в новую головную боль для учащихся и их преподавателей. Программы, призванные вычислять тексты, написанные искусственным интеллектом, работают с ошибками. Студенты рассказывают, что их полностью самостоятельные работы порой получают высокий процент «нейросетевого влияния». Человек пишет сложный научный текст, использует термины и грамотные обороты — а система выдаёт вердикт: «Слишком гладко, похоже на ChatGPT». В итоге выпускникам приходится намеренно упрощать дипломы, вычёркивать удачные формулировки и возвращаться к примитивному стилю. А иногда без специальной справки об отсутствии ИИ студента просто не допускают к защите.
Проблема носит массовый характер. Студенты недоумевают: по каким, собственно, критериям программа отличает «человеческий» текст от «машинного»? Алгоритмы зачастую не дают внятных пояснений. Причём даже небольшой процент подозрения может перечеркнуть месяцы работы. Но главное — сервисы дают сбои и в другую сторону. Бывает, что по-настоящему сгенерированная нейросетью работа проходит проверку почти без замечаний, а старательно написанная выпускником глава попадает под подозрение. Естественно, это рождает у студентов чувство несправедливости: возникает иллюзия, что результат зависит не от реальной самостоятельности, а от капризов «чёрного ящика».
Преподаватели тоже не в восторге. Раньше они боролись с банальным копированием из интернета и неправильными цитатами. Теперь же добавилась ещё одна «серая зона» — надо как-то оценивать вероятность применения ИИ. Чётких методик нет, и педагоги признают, что часто действуют наугад. Эксперты полагают, что вузам придётся более тонко подходить к настройке критериев. Один и тот же процент «подозрительности» может означать разное в зависимости от предмета, жанра работы и даже особенностей научной школы. Важно не только прогнать текст через детектор, но и понять, может ли студент объяснить, о чём он написал, и защитить свои тезисы устно.
В поисках выхода университеты всё чаще обращаются к старым добрым методам: устная защита, проектные задания, разбор реальных кейсов, более плотная работа с научным руководителем на всех этапах. ИИ, похоже, заставил вернуться к живому общению и индивидуальной оценке.
Ранее в «Антиплагиате» приводили цифры: около четверти студентов используют нейросети при написании учебных работ. Но теперь встал новый, куда более сложный вопрос: как отличить аккуратного автора, который владеет научным стилем, от того, кто просто сгенерировал диплом за минуту? Очевидно, что идеальных алгоритмов пока не существует — проблема эта всерьёз обсуждается не только в вузах, но и в Рособрнадзоре, который, впрочем, признаёт, что в том числе и для проверки ЕГЭ технологии ИИ пока слишком неточны.
