Искусственный интеллект может помочь почти на каждом этапе научного исследования — от формирования идеи до финальной правки текста. Однако научное сообщество установило здесь чёткие границы: ИИ может быть мощным помощником, но никогда — автором или ответственным лицом. В этом руководстве рассмотрим, как правильно применять ИИ в исследованиях и какую черту нельзя пересекать.

Этап 1: поиск и анализ литературы

Самая затратная по времени часть исследования — изучение существующей литературы. Здесь ИИ играет три роли: поиск, обобщение и сравнение.

Готовый промпт (для карты литературы):

Я исследую тему «управление водными ресурсами в Центральной Азии». Разбей тему на 5 направлений, и для каждого направления дай:
1) Ключевые термины (на английском и русском), 2) 3 научные базы для поиска (и как формулировать запрос в Scopus, Web of Science, Google Scholar),
3) Список основных ожидаемых вопросов по каждому направлению.

Аннотации найденных статей можно загрузить в ИИ для обобщения:

Прочитай аннотации 8 статей ниже и составь таблицу со столбцами: автор/год,
метод, главный вывод, релевантность моей теме (высокая/средняя/низкая).
В конце: есть ли среди этих статей противоречивые выводы — и если да, то какие?

[Текст аннотаций]

Важное ограничение: ИИ может «прочитать» полный текст статей и сделать выводы, но он может и выдумать источники — ссылка на несуществующую статью («галлюцинация») — самая опасная ошибка в научном письме. Проверяйте каждую ссылку по первоисточнику.

Этап 2: дизайн исследования и методология

ИИ выступает «собеседником» при уточнении исследовательского вопроса и выборе метода.

Готовый промпт:

Мой исследовательский вопрос: «Влияние удалённой работы на продуктивность сотрудников в ИТ-компаниях Ташкента». Разбей этот вопрос на 3 измеримых подвопроса.
Для каждого предложи подходящий метод (опрос/интервью/наблюдение) и обоснуй размер выборки. Критично укажи 2 слабых места методологии.

Последнее предложение важно — просьба к ИИ покритиковать собственное предложение предотвращает слепое доверие. ИИ также помогает составлять вопросы анкеты, но тестирование вопросов на реальных респондентах (пилот) — незаменимый этап.

Этап 3: анализ данных

В статистическом анализе ИИ помогает писать код (Python/R) и интерпретировать результаты — но ответственность за корректность анализа полностью лежит на исследователе.

Готовый промпт:

Напиши код на Python для следующего анализа: данные опроса 200 респондентов (CSV: age, work_experience, remote_days, productivity_score).
1) Очистка данных и описательная статистика, 2) корреляция между remote_days и
productivity_score, 3) Резюме из 3 предложений с интерпретацией результата. Прокомментируй каждый шаг в коде.

Золотое правило: не используйте написанный ИИ код анализа, не поняв его. Вы обязаны знать, что делает каждая строка — ответ «так сделал ИИ» не примут ни на защите, ни в рецензии.

Этап 4: научный текст — разрешённые и запрещённые границы

Это самая деликатная тема. Позиция крупных издательств и этических комитетов такова:

Разрешено (обычно без раскрытия): исправление грамматики и орфографии, улучшение стиля, перевод — то есть шлифовка написанного вами текста.

Разрешено (с раскрытием): помощь в формировании идей, генерация частей текста, поиск литературы — это должно указываться в разделе «Methods» или «Acknowledgements» статьи. Например, журналы Springer Nature требуют документировать использование LLM в разделе Methods.

Запрещено: указывать ИИ в качестве автора (COPE и ICMJE единогласны: ИИ не может взять на себя ответственность, значит, не может быть автором); загружать конфиденциальную рукопись в ИИ в процессе рецензирования; создавать поддельные данные или источники.

Готовый промпт (для законного редактирования):

Отредактируй английский язык следующего научного текста: улучши грамматику, академический стиль,
логическую связность. Не меняй научные термины и смысл.
Дай отдельным списком места, которые ты изменил.

[Текст]

«Ответственность за каждое предложение, написанное с помощью ИИ, остаётся за автором. Редактор журнала не примет оправдание "это написал ИИ" — ошибка будет считаться вашей. Поэтому проверяйте текст ИИ даже строже, чем собственный».

Этап 5: этический чек-лист — перед отправкой

Перед отправкой рукописи в журнал ответьте на следующие вопросы:

  1. Раскрыл(а) ли я? Прочитал(а) ли я политику целевого журнала в отношении ИИ и указал(а) ли использование в нужном разделе?
  2. Правильно ли авторство? В списке только реальные участники? ИИ нет в списке авторов?
  3. Реальны ли источники? Каждая ссылка проверена по первоисточнику? Нет ли «придуманного» ИИ источника?
  4. Защищены ли данные? Личные данные участников исследования не загружались в ИИ-сервисы?
  5. Не нарушена ли конфиденциальность рецензирования? Рецензируя чужие рукописи, я воздержался(лась) от их загрузки в ИИ? (ICMJE считает это нарушением конфиденциальности.)
  6. Проверены ли факты? Каждое сгенерированное ИИ утверждение подтверждено независимым источником?

Дополнительный момент для контекста Узбекистана: в диссертациях, соответствующих требованиям ВАК (Высшей аттестационной комиссии), использование ИИ пока полностью не урегулировано — согласуйте это заранее с научным руководителем и советом.

Какой инструмент на каком этапе: карта ИИ для исследователя

Помимо общих чат-ботов (ChatGPT, Claude, Gemini), существуют специализированные инструменты для конкретных этапов исследования:

Поиск литературы: Elicit и Consensus — находят доказательства из научных статей под ваш вопрос; Scite.ai — показывает, как статью цитировали позже (поддержали или раскритиковали); ResearchRabbit и Connected Papers — строят «карту» связанных работ, начиная с одной статьи.

Анализ данных: способность ChatGPT писать код (Python/R) или функция Claude по анализу больших таблиц — для статистических расчётов и визуализации.

Написание и редактирование: Grammarly или Paperpal — для академического английского; DeepL Write — для перефразирования предложений.

Плагиат и оригинальность: Turnitin, iThenticate — стандартные инструменты проверки текста перед отправкой.

Важное предупреждение: эти инструменты тоже могут ошибаться. Например, инструменты поиска литературы иногда «находят» несуществующую статью. Проверка каждой находки в исходной базе (Scopus, Web of Science, Google Scholar) — незаменимая привычка.

Дополнительный совет для исследователей из Узбекистана: если доступ к международным базам ограничен, используйте доступ, предоставляемый через библиотеку вашего вуза — многие вузы имеют институциональные подписки на Scopus и Springer.

Грантовые заявки и научные презентации

Помимо статьи, у исследователя есть ещё две важные письменные работы: грантовые заявки и выступления на конференциях.

Для грантовой заявки: ИИ силён в проверке структуры заявки. Готовый промпт:

Оцени следующий проект грантовой заявки (критерии: чёткость постановки проблемы,
обоснованность методологии, реалистичность бюджета, измеримость ожидаемых результатов).
Поставь по каждому критерию оценку 1–5 и конкретно предложи, как улучшить 2 самых слабых места.

[Текст заявки]

Для презентации: превращение текста 15-минутного выступления в план слайдов:

Из следующего текста выступления составь план на 10 слайдов: для каждого слайда —
заголовок, 3 основных тезиса, описание показываемого графика/таблицы.
Отметь места, где сложный жаргон нужно упростить.

[Текст]

Примечание: грантовые организации тоже начинают принимать политики в отношении ИИ — если в заявке использовался ИИ, раскройте это, как требуют инструкции. Некоторые фонды не принимают полностью сгенерированные ИИ заявки.

Договорённость с научным руководителем

Скрывать использование ИИ от научного руководителя — худшая стратегия. Вместо этого поговорите открыто в начале исследования:

  1. Расскажите, на каких этапах хотите использовать ИИ (поиск литературы, языковое редактирование, написание кода).
  2. Узнайте границы руководителя — некоторые руководители против генерации текста, но согласны на редактирование.
  3. Зафиксируйте договорённость письменно (хотя бы по электронной почте).

Этот разговор займёт 15 минут, но позволит уверенно ответить на вопрос «Вы использовали ИИ?» на защите. Во многих вузах Узбекистана этот вопрос ещё обсуждается — ваша открытость может стать примером и для кафедры.

Напоминание напоследок: инструменты ИИ обновляются каждый месяц — метод, верный сегодня, завтра может устареть. Перед каждой отправкой перепроверяйте политики журналов и обменивайтесь опытом с коллегами по вашей области. Научная честность — неизменная ценность, а способы её применения обновляются вместе со временем.