Kto naprawdę pisze dziś pracę magisterską? O promotorach, studentach i sztucznej inteligencji

 




W dyskusji o jakości prac magisterskich z pedagogiki pojawiają się pytania o kompetencje promotorów, odpowiedzialność uczelni za poziom kształcenia oraz o samodzielność studentów. Do tych tradycyjnych problemów doszedł kolejny: coraz powszechniejszy dostęp do generatywnej sztucznej inteligencji.

Nie można już analizować jakości prac dyplomowych wyłącznie na podstawie ich struktury, poprawności językowej czy liczby wykorzystanych źródeł. Powstaje bowiem pytanie, w jakim stopniu przedstawiona rozprawa dokumentuje rzeczywiste osiągnięcia intelektualne jej autora.

1. Czy stopień naukowy promotora przesądza o jakości pracy magisterskiej?

Jedna z profesorek pedagogiki zwróciła uwagę, że w wielu uczelniach niepublicznych seminaria magisterskie prowadzą nauczyciele akademiccy ze stopniem doktora, a poziom części powstających prac budzi zastrzeżenia. Nie należy jednak utożsamiać tych zjawisk ani przypisywać im automatycznie związku przyczynowego.

Posiadanie stopnia doktora nie oznacza niedostatecznych kompetencji promotorskich, podobnie jak habilitacja czy tytuł profesora nie gwarantują wysokiej jakości opieki naukowej. Ważniejsze wydają się kompetencje metodologiczne i dydaktyczne promotora, jego dorobek w obszarze tematyki pracy, liczba prowadzonych magistrantów, dostępność konsultacji oraz rzeczywiste zaangażowanie w proces przygotowywania rozpraw.

Niemniej istotna jest odpowiedzialność uczelni za warunki prowadzenia seminariów i standardy recenzowania. Sama obserwacja, że niektóre prace przypominają rozbudowane wypracowania lub raporty badawcze, nie upoważnia do formułowania sądów o całym sektorze szkolnictwa niepublicznego. Warto byłoby sprawdzić to w systematycznych badaniach porównawczych, obejmujących także uczelnie publiczne.

2. Sztuczna inteligencja zmienia warunki przygotowywania prac magisterskich

Generatywna sztuczna inteligencja może zaproponować strukturę rozprawy, sformułować cele i pytania badawcze, uporządkować tekst, objaśnić pojęcia metodologiczne, zaproponować kategorie analityczne, a nawet wygenerować obszerne fragmenty pozornie poprawnego akademickiego wywodu. Właśnie ta łatwość tworzenia uporządkowanego tekstu rodzi nowe problemy.

Student może przedstawić promotorowi pracę, której poprawność stylistyczna i kompozycyjna znacznie przewyższa jego rzeczywiste kompetencje teoretyczne oraz metodologiczne. Może także otrzymać od AI propozycję problemów badawczych, których nie rozumie, albo interpretację wyników, której nie potrafi samodzielnie uzasadnić.

Szczególnie niebezpieczna jest sytuacja, gdy wygenerowany tekst staje się substytutem lektury źródeł, refleksji nad problemem i samodzielnego analizowania materiału empirycznego. Otrzymujemy wówczas pracę formalnie uporządkowaną, lecz poznawczo niesamodzielną. Powstaje możliwość pozorowania kompetencji naukowych bez konieczności ich rzeczywistego opanowania. Nie jest to jednak argument za całkowitym wykluczeniem AI z akademickiego kształcenia.

3. AI jako narzędzie rozwoju czy zastępowania myślenia?

Warto odróżnić dwa sposoby wykorzystywania sztucznej inteligencji.

Pierwszy można określić jako wspomaganie aktywności poznawczej. Student korzysta z AI, aby lepiej zrozumieć trudne pojęcie, porównać różne propozycje metodologiczne, rozpoznać słabości własnego rozumowania, uporządkować argumentację lub skontrolować poprawność językową tekstu. W tym przypadku AI pełni funkcję pomocniczą. Inicjatywa poznawcza, decyzje badawcze i odpowiedzialność za rezultaty pozostają po stronie studenta.

Drugi sposób polega na zastępowaniu aktywności poznawczej. Student zleca systemowi sformułowanie problemu, napisanie rozdziałów teoretycznych, przygotowanie analizy wyników i opracowanie wniosków, a następnie przedstawia rezultat jako świadectwo własnych kompetencji. Taka praktyka może prowadzić do pozorowania samodzielności akademickiej.

Granica między wspomaganiem a zastępowaniem nie przebiega jednak wyłącznie według rodzaju użytego narzędzia czy długości wygenerowanego tekstu. Rozstrzygające znaczenie ma to, kto podejmuje decyzje poznawcze, rozumie ich uzasadnienie i potrafi ponosić odpowiedzialność za przedstawione twierdzenia.

4. Największe zagrożenie: pozorna poprawność metodologiczna

Systemy AI potrafią generować przekonująco brzmiące uzasadnienia wyboru metod i technik badawczych. Nie oznacza to jednak, że są one właściwe dla konkretnego projektu. Można otrzymać poprawnie sformułowane pytania badawcze, które nie wynikają z przyjętej teorii. Można uzyskać propozycję hipotez tam, gdzie przyjęta strategia badań nie wymaga ich formułowania.

Można także otrzymać interpretację wyników, która wykracza poza zakres zgromadzonych danych. Co więcej, generatywna AI może tworzyć nieistniejące pozycje bibliograficzne, błędnie przypisywać autorom określone poglądy lub przedstawiać przypuszczenia jako potwierdzone ustalenia naukowe.

Powstaje zatem szczególnie niebezpieczna sytuacja: student nie tylko nie rozpoznaje błędów systemu, ale może je uznać za przejaw wyższych kompetencji metodologicznych. Sztuczna inteligencja nie zwalnia badacza z obowiązku uzasadniania własnych twierdzeń. Tym bardziej nie może stanowić źródła empirycznego potwierdzenia tego, czego nie zbadano.

Niedopuszczalne byłoby przedstawianie wygenerowanych przez AI wypowiedzi respondentów, wywiadów czy wyników ankiet jako rzeczywistego materiału badawczego.

5. Jak powinien zmienić się sposób prowadzenia seminariów magisterskich?

W warunkach powszechnej dostępności AI nie wystarczy oceniać końcowego tekstu pracy dyplomowej. Coraz większego znaczenia nabiera dokumentowanie procesu jej powstawania. Promotor może oczekiwać od studenta przedstawiania kolejnych wersji problematyki badawczej, uzasadniania zmian w koncepcji pracy, samodzielnego omawiania przeczytanych publikacji oraz wyjaśniania przyjętych rozwiązań metodologicznych.

Szczególnie wartościowa może być rozmowa, podczas której magistrant odpowiada na pytania:

Dlaczego student/-ka wybrał/-a właśnie ten problem badawczy?

Które ustalenia innych autorów uważa za najważniejsze i dlaczego?

Jakie alternatywne rozwiązania metodologiczne rozważał?

Co rzeczywiście wynika z jego materiału empirycznego?

Jakich wniosków nie wolno mu formułować na podstawie uzyskanych danych?

W jaki sposób wykorzystał AI i które jej propozycje odrzucił?

Odpowiedzi na te pytania mogą ujawniać więcej o przygotowaniu naukowym studenta niż formalna poprawność rozprawy. Nie chodzi przy tym o wprowadzanie kolejnego systemu nadzoru ani o traktowanie każdego magistranta jako osoby podejrzanej o niesamodzielność. Celem powinno być wspieranie i ocenianie rzeczywistego procesu uczenia się.

6. Czy należy ujawniać korzystanie z AI?

Tak, ale zasady powinny być jasne, proporcjonalne i zgodne z regulacjami danej uczelni. Nie jest tym samym skorzystanie z AI do korekty językowej i powierzenie jej opracowania całej analizy materiału empirycznego. Warto oczekiwać, aby student potrafił wskazać, do jakich zadań wykorzystał system AI, jak weryfikował uzyskane odpowiedzi i jaki był jego własny wkład w ostateczny rezultat.

Można wprowadzić krótką deklarację dotyczącą zastosowania narzędzi sztucznej inteligencji, ale sama deklaracja nie rozstrzyga o samodzielności pracy. Nie należy także opierać rozstrzygnięć o niesamodzielności wyłącznie na automatycznych detektorach tekstów AI. Ich wskazania są obarczone błędami i nie stanowią samodzielnego dowodu autorstwa określonych fragmentów.

Najważniejsza pozostaje zdolność studenta do wykazania, że rozumie przedstawioną argumentację, zna wykorzystane źródła, samodzielnie interpretuje dane i odpowiada za końcowe ustalenia.

7. Od reprodukowania wiedzy do dojrzałości pedagogicznej

Debata o jakości prac magisterskich nie powinna zakończyć się opracowaniem kolejnych instrukcji redakcyjnych. Nie potrzebujemy bowiem wyłącznie bardziej szczegółowych szablonów, lecz większej odpowiedzialności za rozwój myślenia naukowego.

Praca magisterska powinna potwierdzać, że jej autor potrafi samodzielnie sformułować istotny problem pedagogiczny, krytycznie korzystać z literatury, uzasadniać decyzje metodologiczne, interpretować materiał badawczy oraz rozpoznawać granice własnych ustaleń. Szczególnie ważna jest umiejętność odróżniania wiedzy od opinii, interpretacji od faktów, przypuszczeń od wyników badań, a projektu zmiany od empirycznie potwierdzonej skuteczności proponowanego rozwiązania.

W dobie AI powyższe kompetencje nie tracą na znaczeniu. Przeciwnie, stają się jeszcze ważniejsze. Student może dziś znacznie szybciej otrzymać odpowiedź na postawione pytanie. Nie oznacza to jednak, że potrafi rozpoznać wartość tej odpowiedzi.

Może wygenerować poprawnie zbudowany rozdział metodologiczny, nie rozumiejąc epistemologicznych założeń zastosowanej strategii badań. Może wreszcie przedstawić projekt innowacji pedagogicznej, nie dostrzegając jego ograniczeń i możliwych konsekwencji. Dlatego prawdziwym zadaniem akademickiego kształcenia nie jest nauczenie studentów produkowania coraz lepszych tekstów, lecz rozwijanie zdolności do samodzielnego i odpowiedzialnego poznawania rzeczywistości.

Sztuczna inteligencja może wspomagać proces powstawania pracy magisterskiej, ale nie powinna zastępować procesu stawania się jej autorem. To właśnie zdolność krytycznego myślenia, uzasadniania decyzji i ponoszenia odpowiedzialności za wiedzę powinna odróżniać absolwenta studiów magisterskich od użytkownika sprawnego generatora tekstów.

Pytanie o jakość prac magisterskich staje się zatem pytaniem znacznie poważniejszym: czy uniwersytet potrafi jeszcze odróżnić świadectwo rzeczywistego rozwoju intelektualnego od jego coraz doskonalszej cyfrowej reprezentacji?



Komentarze

Najczęściej czytane

Akademicki savoir-vivre

Odeszła PEDAGOG SERCA, SAMARYTANKA MIŁOŚCI - MARIA ŁOPATKOWA

Absolwent pedagogiki nie ma kwalifikacji pedagogicznych, czyli polski paragraf 22