ChatGPT для диссертации: план, исследование и проверка

ChatGPT может быть полезен при подготовке диссертации, если поручать ему отдельные проверяемые операции: уточнить исследовательский вопрос, разобрать план, привести корпус к таблице, найти слабое место в рассуждении или потренировать ответы для защиты. Но он не становится автором исследования. Научный вопрос, метод, источники, данные и выводы остаются вашей ответственностью.

Это различие удобно держать в голове с самого начала. Запрос «напиши мне диссертацию» слишком общий и ведёт к тексту, который трудно проверить. Запрос «помоги проверить, действительно ли в этих четырёх уведомлениях явно указаны срок, место и действие читателя; вот критерии кодирования» задаёт задачу, материал и границы результата. Второй вариант можно разобрать по шагам и повторить.

Диссертация отличается от курсовой или дипломной работы не только объёмом. В ней особенно важно обосновать исследовательский вопрос, корпус, метод, источники и воспроизводимость, а на защите — показать, что выводы следуют из данных. Поэтому не переносите в диссертационный план обещание «написать готовый текст»; если нужен более простой учебный сценарий, отдельно посмотрите как работать с ChatGPT над дипломной работой или как составить план курсовой и проверить источники.

Сначала превратите тему в исследовательский вопрос

Тема обычно шире вопроса. Например, «уведомления о выдаче книг» — это область, а не готовая формулировка для диссертации. В хорошем исследовательском вопросе видны объект, признак, материал и способ проверки.

Полезно попросить ChatGPT не сочинять вопрос за вас, а показать, чего в формулировке не хватает:

Я готовлю диссертационное исследование о том, как в уведомлениях о выдаче книг представлены срок, место и действие читателя. Не предлагай готовую тему вместо меня. Раздели мою формулировку на объект, материал, признаки и предполагаемый способ анализа. Затем задай пять уточняющих вопросов о корпусе, периоде и единице анализа. Отделяй наблюдаемое от предположения.

После ответа проверьте каждое уточнение. ChatGPT может заметить, что «уведомления» бывают разных типов, но только вы знаете, какие тексты реально доступны и соответствуют вашей программе. Если корпус состоит из сообщений одной библиотеки за один месяц, нельзя автоматически расширять вывод на все библиотеки и на все цифровые уведомления.

В следующем запросе зафиксируйте рабочую версию вопроса и попросите найти логические разрывы:

Рабочий вопрос: «Какие из трёх признаков — срок, место и действие читателя — явно представлены в уведомлениях о выдаче книг?» Материал: четыре обезличенные записи. Предложи операциональные определения для каждого признака и перечисли случаи, в которых кодировщик может ошибиться. Не делай вывод о понятности уведомлений и не обобщай за пределы корпуса.

Такой диалог помогает перейти от красивого общего слова к правилу, по которому другой человек сможет повторить вашу процедуру.

Постройте план, в котором каждый раздел служит вопросу

План диссертации лучше проверять не по количеству заголовков, а по связям между ними. Для каждого раздела должно быть понятно, какой вопрос он закрывает, на каком материале основан и какой результат передаёт дальше.

Можно дать модели черновой план в виде списка и попросить составить карту аргумента:

Проверь план диссертации как редактор исследовательской логики. Для каждого раздела укажи: 1) его функцию, 2) вопрос, на который он отвечает, 3) нужные данные или источники, 4) ожидаемый промежуточный результат, 5) возможный разрыв между разделами. Не переписывай план целиком, пока не перечислишь проблемы.

Затем исправляйте не всё сразу, а один переход. Если обзор литературы заканчивается перечислением авторов, а методология внезапно вводит собственные категории, попросите сформулировать мост: какие идеи из обзора объясняют выбранные категории и почему именно они подходят вашему корпусу. Если в плане есть раздел «Практическая значимость», но нет результатов, сначала уточните, какой результат туда может попасть и не обещает ли название больше, чем показывает исследование.

Для рабочего файла полезно вести простую таблицу:

Раздел	Вопрос	Материал	Результат	Что проверить
Обзор	Какие подходы уже есть?	Научные публикации	Рабочая позиция исследования	Реальны ли источники и корректно ли переданы идеи
Метод	Как кодируются признаки?	Правила и примеры	Воспроизводимая процедура	Понимает ли правило другой кодировщик
Анализ	Что обнаружено в корпусе?	Обезличенные записи	Таблица наблюдений и подсчёты	Совпадают ли числа с исходником
Выводы	Что можно утверждать?	Результаты и ограничения	Ответ на вопрос	Не расширен ли вывод за пределы данных

ChatGPT может помочь заполнить пропуски и обнаружить повторения, но не должен самовольно превращать предположительный результат в установленный факт.

Если для длительной работы с материалами вам понадобится платный доступ, его можно рассматривать отдельно от методики. Например, месячная подписка ChatGPT через Amber Market подключается к аккаунту покупателя; в карточке есть варианты Go, Plus и Pro, а конкретный тариф и сумму нужно перепроверить перед заказом. Заказ оплачивается через СБП, оформление выполняется вручную по условиям карточки. Бесплатного текстового сценария достаточно, чтобы начать уточнять вопрос и проверять план; подписка не заменяет требования программы и проверку диссертации.

Передавайте корпус небольшими проверяемыми частями

Для анализа не отправляйте модели просьбу «изучи весь корпус и сделай вывод». Сначала определите единицу анализа, признаки и кодировку. Потом передайте небольшой фрагмент и попросите вернуть результат в строго заданном формате.

Разберём вымышленный обезличенный корпус из четырёх записей. Это пример метода, а не реальный результат исследования.

Исходник:

N1 «Книга готова. Заберите до 18 сентября в пункте А; возьмите читательский билет»
N2 «Книга готова к выдаче»
N3 «Заберите книгу в пункте Б; покажите читательский билет»
N4 «Срок хранения до 20 сентября»

Заранее зададим три признака:

• срок — есть явное указание даты или предельного срока;
• место — явно назван пункт или другое место получения;
• действие читателя — прямо сказано, что должен сделать читатель, например забрать книгу или показать билет.

Правило простое: код 1 ставится только при явном упоминании признака, код 0 — при отсутствии. Не надо ставить 1 за смысл, который можно додумать. В N2 понятно, что книга готова к выдаче, но не назван ни срок, ни пункт, ни конкретное действие читателя.

Промпт для первичного кодирования может выглядеть так:

Закодируй четыре записи по трём признакам: срок, место, действие читателя. Правило: 1 — признак назван явно, 0 — отсутствует. Не выводи признак из контекста. Верни таблицу с ID записи, тремя кодами и короткой цитатой-основанием для каждой единицы. В конце перечисли спорные места, если они есть.

Ожидаемая таблица кодов:

ID	Срок	Место	Действие читателя	Основание
N1	1	1	1	«до 18 сентября», «в пункте А», «заберите», «возьмите читательский билет»
N2	0	0	0	Явный признак не назван
N3	0	1	1	«в пункте Б», «заберите», «покажите читательский билет»
N4	1	0	0	«до 20 сентября»

Теперь посчитаем вручную. Для срока получаем 1 + 0 + 0 + 1 = 2 записи из 4. Для места: 1 + 0 + 1 + 0 = 2 из 4. Для действия читателя: 1 + 0 + 1 + 0 = 2 из 4. Если нужно выразить это долями корпуса, каждый результат равен 2/4, то есть 50%.

Здесь важно не перепутать арифметику с интерпретацией. По четырём записям можно сказать только: в данном примере каждый признак явно встречается в двух сообщениях. Нельзя заключить, что уведомления в целом понятны или непонятны, что библиотека обычно сообщает информацию именно так или что читатели обязательно поймут каждое сообщение. Четыре записи не доказывают свойства библиотеки в целом.

Проверяйте, что модель не изменила материал

Сравнение с исходником — обязательная часть работы. Попросите ChatGPT выделить цитаты, на которых основан каждый код, а затем вручную проверьте три вещи:

1. Цитата действительно есть в исходной записи.
2. Правило применено одинаково ко всем строкам.
3. В таблицу не добавлен признак, которого в тексте нет.

Удобный запрос для контрольного прохода:

Проведи аудит своей таблицы. Для каждой единицы покажи исходную запись без изменений, выбранные фрагменты и объяснение, почему код равен 0 или 1. Если решение зависит от интерпретации, замени код на «нужна ручная проверка» и объясни почему. Не исправляй исходник молча.

Если корпус большой, делите его на партии и сохраняйте версии таблиц. Не просите модель помнить предыдущие результаты без файла или явной передачи данных: при новой сессии контекст может быть другим, а незаметное изменение правила нарушит воспроизводимость.

Для чувствительных материалов заранее уберите персональные данные и проверьте требования вашей организации к загрузке исследовательских данных. В рабочем протоколе запишите дату анализа, версию инструкций, формат входных данных, правило кодирования и способ ручной проверки. Воспроизводимость начинается не с красивого графика, а с возможности объяснить, откуда взялась каждая строка.

Проверяйте источники, а не только стиль ссылок

ChatGPT может помочь составить список поисковых направлений или сравнить аргументы в переданных публикациях. Но библиографическую запись и содержание источника нужно проверять самостоятельно. Ссылка в тексте нужна не для декоративного вида: она позволяет читателю найти использованный материал, проверить утверждение и увидеть авторство идеи. Конкретный стандарт оформления выбирают по требованиям программы; об этой функции ссылок подробно говорится в материале OpenLearn.

Рабочая проверка источника состоит из нескольких вопросов:

• существует ли публикация и совпадают ли автор, название, год и издание;
• действительно ли источник утверждает то, что вы ему приписали;
• не пересказана ли чужая идея как ваша собственная;
• достаточно ли одного источника для данного вывода;
• соответствует ли источник вашей предметной области и периоду исследования.

Попросите модель работать только с переданным фрагментом:

Ниже приведены абзац моей работы и выдержка из источника. Сопоставь утверждения построчно. Покажи, что подтверждено прямо, что является моей интерпретацией, а что в выдержке не найдено. Не добавляй сведения из памяти и не придумывай страницу.

Пересказ чужой идеи требует собственной формулировки и структуры с сохранением смысла и ссылкой на источник; это не сводится к замене нескольких слов синонимами. Такой подход описан в рекомендации OpenLearn о перефразировании и академической добросовестности: Using Turnitin effectively: paraphrasing.

Если модель предлагает неизвестную вам статью, не вставляйте её сразу в обзор. Сначала найдите публикацию в каталоге библиотеки, на сайте журнала или в другой надёжной базе, откройте оригинал и сверьте реквизиты. При отсутствии подтверждения оставьте запись в списке на проверку, а не превращайте её в факт.

Используйте ChatGPT для расчётов с независимой проверкой

В таблицах модель может помочь объяснить формулу, найти пропуск или подготовить черновой код. Но итоговые числа лучше перепроверять вручную, формулой в таблице или отдельным скриптом. Перед расчётом задайте единицы измерения, знаменатель, правила округления и обработку пропусков.

Например:

В таблице 40 уведомлений, 26 из них содержат явное указание места. Рассчитай долю и процент. Покажи формулу, не округляй промежуточный результат и укажи, что является знаменателем. Затем назови две причины, по которым этот процент нельзя обобщить на все уведомления библиотеки.

Ответ должен содержать 26/40 = 0,65, то есть 65%. Но правильная арифметика не исправляет плохую выборку, неясное правило кодирования или зависимые наблюдения. В диссертации описывайте не только число, но и то, как оно получено.

Если расчёт связан со статистическим тестом, попросите модель сначала перечислить необходимые предпосылки и отсутствующие данные. Не выбирайте метод только потому, что он дал красивое значение p. Выбор анализа должен следовать из вопроса, типа данных и дизайна исследования; окончательное решение обсудите с научным руководителем или специалистом по методам.

Готовьте защиту как проверку понимания

На защите пригодится не заученный текст, а ясная связь между вопросом, методом, результатом и ограничением. ChatGPT можно использовать как собеседника, который задаёт неудобные, но относящиеся к работе вопросы.

Передайте ему краткое резюме собственной работы и задайте роль:

Ты член диссертационного совета. Задавай по одному вопросу о моём исследовательском вопросе, выборе корпуса, правилах анализа, источниках, расчётах и ограничениях. Не придумывай факты, которых нет в резюме. После моего ответа укажи, какая часть ответа ясна, где я ушёл от вопроса и какое уточнение может последовать.

Полезно отдельно потренировать три ответа:

• почему выбран именно этот корпус;
• что изменилось бы при другом правиле или расширении материала;
• чего исследование не доказывает.

Последний вопрос особенно важен. Фраза «в моём корпусе два из четырёх сообщений содержат явный срок» проверяема. Фраза «читатели получают достаточно информации» требует уже других данных — например, исследования понимания или реакции читателей. Не подменяйте одно другим.

Рабочая последовательность

Если собрать всё в один маршрут, получится такой цикл:

1. Сформулируйте вопрос своими словами и попросите ChatGPT найти неопределённости.
2. Зафиксируйте объект, корпус, период, единицу анализа и границы вывода.
3. Постройте план, связав каждый раздел с вопросом, материалом и результатом.
4. Задайте операциональные определения и правила кодирования до анализа корпуса.
5. Передавайте данные небольшими частями и требуйте цитату-основание для каждого наблюдения.
6. Проверьте таблицы, источники и расчёты самостоятельно.
7. Запишите версии правил, входные данные, дату работы и принятые решения.
8. Потренируйте защиту: вопрос, метод, результат, ограничение.

Для запросов к ChatGPT полезно явно указывать задачу, контекст, ограничения и способ проверки результата; это соответствует рекомендациям OpenAI по формулировке рабочих запросов. В их руководстве по prompt engineering также полезно сверяться с актуальными возможностями и условиями инструментов. Обычный текстовый сценарий можно начать в бесплатном ChatGPT, но лимиты загрузок, анализа и других функций меняются и требуют проверки по актуальным условиям бесплатного доступа.

Главный критерий прост: после работы с моделью вы должны суметь показать исходные данные, правило, промежуточный шаг и проверку результата. Если этого нельзя сделать, ChatGPT пока не помог исследованию — он лишь произвёл правдоподобный текст. Диссертация начинается там, где каждое существенное утверждение можно связать с вопросом, источником или наблюдением и честно обозначить границу вывода.