پایان‌نامه‌نویسی با هوش مصنوعی: راهنمای کامل و صادقانه
اگر امروز مشغول نوشتن پایاننامه یا رساله هستید، احتمالاً دست‌کم یک‌بار سراغ یک ابزار هوش مصنوعی رفته‌اید؛ برای پیدا کردن ایده، برای مرتب کردن ذهن، یا فقط برای اینکه جمله‌ها روان‌تر شوند. مسئله این نیست که از این ابزارها استفاده بکنیم یا نه؛ مسئله این است که مرز کجاست و کدام بخش از کار باید مالِ خودتان بماند.
این متن یک راهنمای صادقانه است؛ نه تبلیغِ ابزار است و نه ترساندن از آن. اول می‌گوییم ابزار واقعاً چه می‌کند، بعد سه لایهٔ کار پژوهشی و خط سرخ‌ها را روشن می‌کنیم و در پایان چک‌لیست عملی می‌آید. اگر پرسش اصلی شما این است که این کار سرقت علمی است یا نه، متنی جداگانه در همین خوشه به آن پاسخ می‌دهد.
هوش مصنوعی در پایان‌نامه‌نویسی واقعاً چه می‌کند
کاربردهای واقعی این ابزارها بیشتر از آن است که تصور می‌شود و کوچک‌تر از آن است که تبلیغ می‌شود. طوفان فکری برای پیدا کردن زاویهٔ یک مسئله، ساختن پرسش‌های دقیق‌تر از یک ایدهٔ کلی، و مرتب کردن نقشهٔ فصل‌ها از کارهایی است که ابزار در آن‌ها سریع و مفید است. خلاصه‌کردن منبعی که خودتان خوانده‌اید، ترجمهٔ متنِ خودتان و کمک برای نوشتن کدِ تحلیل روی دادهٔ خودتان هم در همین دسته‌اند.
نکتهٔ ظریف این‌جاست که همهٔ این کارها کمکِ اجرایی‌اند. در کمکِ اجرایی شما هنوز تصمیم‌گیرنده و فهمندهٔ اصلی هستید: ابزار متنِ شما را مرتب می‌کند، اما محتوای آن از خواندن و اندیشیدنِ شما آمده است. در مقابل، جانشینیِ نویسنده آن‌جایی رخ می‌دهد که ابزار جای شما فکر کند و جای شما بنویسد؛ آن‌وقت متنِ نهایی دیگر مالِ شما نیست، حتی اگر جمله‌به‌جمله روان و بی‌عیب باشد. تمام بحث‌های بعدی این مقاله بر همین تفکیک ساده استوار است.
سه لایهٔ کار پایاننامه و مرزِ هوش مصنوعی
لایهٔ اول، لایهٔ اندیشه است: تعریف مسئله، صورتبندی پرسش پژوهش، انتخاب روش، و تفسیر یافته‌ها. این لایه واگذارنشدنی است. دلیلش هم فقط اخلاقی نیست، فنی است: تا وقتی خودتان مسئله را نساخته باشید، نمی‌توانید از آن دفاع کنید و نمی‌دانید چرا این روش را انتخاب کرده‌اید. هر ابزاری که در این لایه وارد شود، در واقع دارد کارِ اصلی پژوهش را انجام می‌دهد.
لایهٔ دوم، لایهٔ اجرا و تحلیل است: نوشتن کدِ تحلیل، مرتب کردن دادهٔ خام، ساختن جدول‌ها و کارهای تکراری. این‌جا کمک گرفتن از ابزار معقول است، به یک شرط: شفافیت. یعنی بدانید کد یا محاسبه دقیقاً چه می‌کند، بتوانید خط‌به‌خط توضیحش بدهید، و در صورت لزوم در متن یا پیوست اشاره کنید که در این بخش از ابزار کمک گرفته‌اید. اگر نمی‌توانید توضیحش بدهید، آن بخش را نفهمیده‌اید و در دفاع گیر می‌افتید.
لایهٔ سوم، لایهٔ زبان و ویرایش است و ایمن‌ترین لایه به شمار می‌آید: یکدست کردن لحن، اصلاح نیم‌فاصله، و کوتاه کردن جمله‌های طولانی. شرطِ این لایه هم روشن است: ورودیِ ابزار باید متنِ خودتان باشد. اگر ورودی متنِ کسِ دیگری باشد، خطر سرقت علمی از درِ زبان وارد می‌شود.
چه چیزی را هرگز به هوش مصنوعی نسپارید
پنج کارِ مشخص هست که سپردنشان به ابزار از یک اشتباه کوچک فراتر می‌رود و به تخلف تبدیل می‌شود. این‌ها خط سرخِ روشنِ این بحث‌اند:
- ساختن دادهٔ جعلی، یا پر کردن پرسش‌نامه و مصاحبه به‌جای جمع‌آوری واقعی داده؛
- ساختن منبع یا ارجاعِ ساختگی، یا ارجاع دادن به مقاله‌ای که هرگز نخوانده‌اید؛
- نوشتن بحث و نتیجه‌گیری به‌جای شما، آن‌جا که باید برداشتِ خودتان از داده‌ها باشد؛
- سپردن تصمیم‌های روش‌شناختی، از انتخاب نمونه تا انتخاب روش تحلیل؛
- جمع‌آوری داده از پاسخ‌دهندگان با واسطهٔ ابزار، بی‌آنکه خودشان بدانند.
خطرناک‌ترینِ این موارد منبعِ ساختگی است: ارجاع به اثری که وجود ندارد یا نخوانده‌اید، هم اخلاق پژوهش را نقض می‌کند و هم در داوری و مشابهت‌یابی پیدا می‌شود. قاعدهٔ سالم ساده است: هر منبعی که در فهرست منابع شما می‌نشیند، باید روی میزِ شما باز شده باشد.
مسیرِ درست از پروپوزال تا دفاع
در مرحلهٔ پروپوزال، ابزار می‌تواند به مرتب کردن ساختارِ پیشنهاد و روشن‌تر نوشتنِ پرسش پژوهش کمک کند. اما تعریف مسئله و شکافِ پژوهشی باید کارِ خودتان باشد، چون تمام کار و تمام دفاع روی همین دو بنا می‌شود. اگر در این مرحله محتوا را به ابزار بسپارید، در فصل‌های بعد گیر می‌افتید.
در مرحلهٔ نگارش، ترتیبِ کار مهم است: اول خودتان فصل را بنویسید، بعد ابزار را برای ویرایش صدا بزنید. در تحلیل هم همین نسبت برقرار است؛ کمک برای نوشتن کد مجاز است، ولی تصمیم دربارهٔ اینکه چه بسنجید و نتیجه را چطور تفسیر کنید کارِ شماست. ثبت در ایرانداک و مشابهت‌یابی پیش از دفاع هم رویهٔ الزامیِ تحصیلات تکمیلی است؛ سامانهٔ همانندجو شباهتِ متنیِ کارِ شما را با پایان‌نامه‌ها، رساله‌ها، مقاله‌ها و متنِ وب نشان می‌دهد.
در مرحلهٔ دفاع، یک نکته را از قبل آماده کنید: پاسخِ صادقانه به این پرسش که نقشِ ابزار در کارِ شما چه بوده است. اگر از ابتدا شفاف بوده‌اید، این پرسش فرصت است برای نشان دادن اینکه خودتان صاحبِ کار هستید. ردِ کار را هم نگه دارید؛ پیش‌نویس‌ها نشان می‌دهند متن چگونه ساخته شده است.
اگر استاد راهنما یا دانشگاه سخت‌گیر است
سخت‌گیری در این موضوع عجیب نیست، چون مقررات دانشگاه‌ها یکسان نیست. قاعدهٔ چهارگامیِ زیر کمترین ریسک را دارد: بپرس، اجازه بگیر، افشا کن، مکتوب نگه دار. اول از استاد راهنما یا معاونت پژوهشی بپرسید چه رویه‌ای پذیرفته است؛ بعد اگر مجوزی می‌دهید آن را بگیرید؛ بعد نقشِ ابزار را در متن یا پیش‌گفتار افشا کنید؛ و پاسخ‌های مکتوب را نگه دارید.
یک واقعیت را هم صریح بدانید: متنِ حاکم بر تخلفات علمی در ایران، «قانون پیشگیری و مقابله با تقلب در تهیهٔ آثار علمی» (مصوب مجلس) و آیین‌نامهٔ اجرایی آن (مصوب هیئت وزیران) است، و هیچ بندی در این قانون و آیین‌نامه دربارهٔ متنِ تولیدشده با هوش مصنوعی وجود ندارد. یعنی امروز حکمِ صریحی برای این موضوع نیست و تصمیم در نهایت به مقررات دانشگاه، رویهٔ داوری، و افشا و ارجاعِ خودِ شما برمی‌گردد.
اگر دانشگاهِ شما از خروجیِ ابزارهای تشخیصِ متنِ هوش مصنوعی استفاده می‌کند، بدانید که آن خروجی به‌تنهایی مبنای قطعیِ اثبات تخلف نیست؛ این ابزارها خطاپذیرند. نمونهٔ مستندش این است که سازندهٔ یکی از مشهورترینِ آن‌ها، طبقه‌بندِ تشخیصِ متنِ خودش را با اعلامِ دقتِ پایین بازنشسته کرد. یعنی مثبتِ کاذب وجود دارد و متنِ کاملاً انسانی هم ممکن است مشکوک علامت بخورد. پس ملاک را روی شفافیت و ارجاعِ درست بگذارید، نه روی بازی با این ابزارها.
مهارت‌هایی که هرگز نباید واگذار شوند
چند مهارت ستون‌فقراتِ یک پژوهشگر است و هیچ ابزاری نمی‌تواند جای تمرینشان را بگیرد: صورتبندیِ پرسش پژوهش، طراحیِ روشی که واقعاً به آن پرسش پاسخ بدهد، خواندنِ نقادانهٔ منابع، نوشتنِ تحلیلی، و ویرایشِ عمیقِ متنِ خود. این‌ها دقیقاً همان چیزهایی است که در دفاع هم سنجیده می‌شود.
در سطح بین‌المللی رویهٔ ناشران روشن است: استفاده از ابزار هوش مصنوعی باید در زمانِ ارسالِ مقاله افشا شود و ابزار نمی‌تواند نویسندهٔ مقاله باشد. مسئولیتِ درستیِ متن و پرهیز از سرقتِ علمی کامل روی نویسندهٔ انسانی است. یعنی حتی در جایی که افشا پذیرفته شده، جایگزینیِ اندیشه پذیرفته نشده است.
جمع‌بندی و چک‌لیست عملی
وزارت علوم «راهنمای استفاده از ابزارهای هوش مصنوعی در پژوهش» را ابلاغ کرده است و به گزارش رسانه‌ها، خروجیِ ابزارهای تشخیصِ متنِ هوش مصنوعی به‌تنهایی نمی‌تواند مبنای قطعیِ اثبات تخلف باشد. جمع‌بندی این مقاله هم همین است: ابزار را در نقشِ اجرایی به کار ببرید، اندیشه و داده را خودتان بسازید، و مسیرِ کار را شفاف نگه دارید. برای مصداق‌های دقیق‌ترِ استفادهٔ مجاز، دو متنِ مرتبط در همین خوشه هست: راه‌های مجاز استفاده از هوش مصنوعی در نگارش علمی و استفاده از هوش مصنوعی در پایاننامه: سرقت علمی است یا نه؟. برای چهارچوبِ بحث هم از ایده تا چهارچوب علمی کمک می‌کند و برای مرورِ ساختارِ کلیِ مقالهٔ علمی، نوشتن مقالهٔ علمی و ساختار IMRAD نقطهٔ شروعِ خوبی است.
چک‌لیست کوتاهِ زیر را پیش از تحویلِ هر فصل یک‌بار مرور کنید:
- مسئله و پرسش پژوهش را خودم نوشتم و می‌توانم در یک دقیقه توضیحش بدهم.
- روش و تحلیل را خودم انتخاب کردم و منطقش را می‌دانم.
- هر داده و عددی که در متن آمده، به دادهٔ واقعیِ خودم برمی‌گردد.
- هر منبعی که ارجاع داده‌ام را واقعاً خوانده‌ام.
- ورودیِ هر ابزار ویرایشی، متنِ خودم بوده است.
- نقشِ ابزار را در جای مناسب افشا کرده‌ام.
- پیش‌نویس‌ها و یادداشت‌های مسیرِ کار را نگه داشته‌ام.
هیچ‌کدام از این هفت مورد کارِ سختی نیست؛ همه‌شان نظم‌اند. با همین نظم، هم از مزیت‌های واقعیِ هوش مصنوعی استفاده کرده‌اید و هم در دفاع با اطمینان از کارتان دفاع می‌کنید.
