Czy promotor pozna, że źródła są z AI (i jak dokładnie to wychwytuje)

Tak, pozna — ale nie w sposób, którego się zwykle spodziewasz. Promotor nie rozpoznaje „stylu AI" w Twoim akapicie i nie potrzebuje do tego wykrywacza tekstów generowanych. Wystarczy, że weźmie trzy pozycje z bibliografii i spróbuje je znaleźć. Cała przewaga sprawdzającego opiera się na jednej asymetrii: udowodnienie, że źródło istnieje, jest banalnie proste, a udowodnienie, że nie istnieje, bywa czasochłonne albo niemożliwe (Glynn, 2025, s. 3). Dlatego ciężar dowodu spada na Ciebie — i to Ty masz pokazać publikację, a nie promotor ma udowodnić, że jej nie ma.

Poniżej: skąd biorą się nieistniejące przypisy, po czym konkretnie się je poznaje i co robić, zanim praca trafi do oceny.

Skala zjawiska: to nie są pojedyncze wpadki

Halucynacje cytowań są mierzalne i częste. W badaniu porównującym modele językowe z ręcznie wykonanymi przeglądami systematycznymi odsetek zmyślonych pozycji wyniósł 39,6% dla GPT-3.5, 28,6% dla GPT-4 i 91,4% dla Bard (Chelli i in., 2024, s. 5). Kryterium było surowe, ale sensowne: pozycję uznawano za zhalucynowaną, jeśli błędne były co najmniej dwa z trzech elementów — tytuł, pierwszy autor lub rok wydania (Chelli i in., 2024, s. 1).

Najciekawsze jest jednak to, co autorzy znaleźli wśród pozycji, które nie były zmyślone. Nawet dla tych realnych prac poprawny DOI podany został tylko w 16% przypadków dla GPT-3.5 i 20% dla GPT-4 (Chelli i in., 2024, s. 5) — przy niemal stuprocentowej poprawności samych tytułów. Innymi słowy: model potrafi trafnie wskazać istniejący artykuł i dokleić do niego wymyślony identyfikator. To dlatego bibliografia „z AI" sypie się przy pierwszym kliknięciu w DOI, nawet jeśli tytuły wyglądają wiarygodnie.

Drugie badanie, na tekstach z zakresu rehabilitacji narządu ruchu, dało jeszcze ostrzejszy obraz: spośród 40 analizowanych przypisów w pierwszej generacji tylko 7,5% było w pełni poprawnych, 42,5% całkowicie sfabrykowanych, a pozostałe 50% częściowo błędnych (Safran i Çalı, 2025, s. 695). Najczęstsze usterki to nieprawidłowe DOI, zmyślone tytuły artykułów i niezgodne metadane (Safran i Çalı, 2025, s. 695).

Skala różni się między modelami i dziedzinami — przeglądy podają wartości od około 18% dla GPT-4 do ponad 70% dla innych modeli, a w kontekstach prawniczych nawet 88% (Misra i Udandarao, 2026). Żaden z tych poziomów nie jest bezpieczny dla pracy dyplomowej.

Jak promotor to wychwytuje

Sygnały, na które sprawdzający reagują, są bardzo konkretne:

1. DOI, który się nie rozwiązuje. Najszybszy test świata: wklejenie identyfikatora do doi.org. Skoro poprawny DOI trafiał się tylko w co piątej realnej pozycji, ten test wykłada bibliografię niemal natychmiast.
2. Pozycja nie do znalezienia nigdzie. Ani Google Scholar, ani Crossref, ani katalog biblioteczny. Jedna taka pozycja to przypadek, trzy to wzorzec.
3. Autor i czasopismo, które do siebie nie pasują. Rozpoznawalne nazwisko przypisane do periodyku, w którym ta osoba nigdy nie publikowała — promotor zna zwykle obie te rzeczy w swojej dziedzinie.
4. Ślady kopiowania z czatu. W bibliografiach opublikowanych artykułów wielokrotnie znajdowano wklejoną etykietę przycisku interfejsu ChatGPT — w co najmniej 50 przypadkach frazę „Regenerate response" (Glynn, 2025, s. 3).
5. Prośba o plik. Najskuteczniejszy ruch: „proszę przysłać PDF-y tych pięciu pozycji". Nie da się przysłać czegoś, czego nie ma. Na tej właśnie zasadzie opiera się propozycja, by czasopisma wymagały od autorów złożenia pełnych tekstów wszystkich cytowanych prac razem z manuskryptem — rozwiązanie tanie dla redakcji i skutecznie odcinające zmyślone przypisy (Glynn, 2025, s. 2).

Co się dzieje, gdy wyjdzie

Warto zobaczyć, jak to działa poza uczelnią. W marcu 2024 roku w PLoS One ukazał się artykuł, którego bibliografię zakwestionowali komentujący na PubPeer. 45 dni po publikacji tekst wycofano — redakcja wskazała, że 18 z 76 pozycji w spisie literatury nie dało się zidentyfikować, a obecność frazy z interfejsu chatbota potraktowano jako dowód nieujawnionego użycia narzędzia AI (Glynn, 2025, s. 3).

Na poziomie pracy dyplomowej konsekwencje bywają różne — od skierowania do poprawy po postępowanie dyscyplinarne — ale mechanizm jest ten sam: kwestionowana jest wiarygodność całej pracy, nie jednego przypisu. Jeśli trzy pozycje okazały się nieistniejące, promotor nie ma powodu ufać pozostałym trzydziestu.

Co zrobić, zanim oddasz pracę

Dobra wiadomość: to jest naprawialne, i to szybko. W badaniu Safrana i Çalı ustrukturyzowana weryfikacja po wygenerowaniu tekstu podniosła odsetek w pełni poprawnych przypisów z 7,5% do 77,5% (2025, s. 695). Sam proces sprawdzania — nie zmiana modelu, nie lepszy prompt — odpowiada za całą tę różnicę.

Praktycznie oznacza to trzy rzeczy:

• Rozwiąż każdy DOI. Jeśli prowadzi do innego artykułu niż w przypisie, traktuj pozycję jako niezweryfikowaną.
• Zdobądź plik. Zasada minimalna: nie zostawiasz w bibliografii nic, czego nie masz na dysku albo do czego nie masz dostępu przez bibliotekę.
• Sprawdź spis hurtem. Ręcznie to 2–4 minuty na pozycję. Nasz weryfikator bibliografii odpytuje bazy identyfikatorów i pokazuje, które pozycje są potwierdzone, które mają niezgodne metadane, a których nie ma nigdzie. Więcej o samej procedurze piszemy w tekście jak sprawdzić, czy źródło naprawdę istnieje.

Gdy pozycja wypadnie, potrzebujesz zamiennika broniącego tego samego zdania — do tego służy wyszukiwarka źródeł do akapitu, która zwraca istniejące prace wraz z numerami stron.

Wszystkie badania cytowane wyżej znalazło samo cytado, w swoim korpusie źródeł; numery stron pochodzą z paginacji oryginalnych plików. Trudno pisać o zmyślonych przypisach, korzystając ze zmyślonych przypisów.