Pisanie pracy licencjackiej i magisterskiej z ChatGPT: gdzie pomaga, a gdzie zmyśla źródła

Jest druga w nocy, akapit o wypaleniu zawodowym nauczycieli masz już napisany, brakuje tylko przypisu. Prosisz ChatGPT o literaturę. Dostajesz dwie pozycje: nazwiska, tytuł, czasopismo, rocznik, numer, zakres stron. Wyglądają jak wszystko, co widziałeś w bibliografiach cudzych prac.

Rano wpisujesz pierwszy tytuł do Google Scholar. Nic. Wpisujesz w cudzysłowie. Dalej nic. Czasopismo istnieje, autorka istnieje i naprawdę pisze o edukacji — tylko tej pracy nigdy nie napisała.

Ten tekst jest o tym, co w pisaniu pracy z ChatGPT działa naprawdę dobrze, gdzie i dlaczego się sypie, i co można z tym zrobić bez rezygnowania z narzędzia.

Co ChatGPT robi przy pracy dyplomowej naprawdę dobrze

Zacznijmy od uczciwej strony bilansu, bo lista jest długa i realna.

Porządkowanie tego, co już wiesz. Wrzucasz chaotyczne notatki z trzech tygodni czytania i prosisz o strukturę rozdziału. Dostajesz układ, który zwykle wymaga poprawek, ale zdejmuje najgorszy etap — puste okno.

Przeformułowanie własnych zdań. Akapit, który brzmi topornie, wraca czytelny. To nie jest pisanie za Ciebie, tylko to samo, co robi dobry kolega czytający Twój tekst.

Streszczenia artykułów, które sam znalazłeś. Wklejasz PDF, prosisz o wyciąg tez. Model streszcza dostarczony tekst, więc nie ma tu miejsca na zmyślanie. To zupełnie inna operacja niż „podaj mi źródła”.

Praca nad językiem. Zgodność stylu w całej pracy, poprawki interpunkcji, skracanie zdań wielokrotnie złożonych, tłumaczenie cytatów obcojęzycznych na potrzeby przypisu.

Rozmowa o argumentacji. „Jakie są kontrargumenty wobec tej tezy?”, „czego brakuje w tym rozumowaniu?” — tu model bywa lepszy niż większość rozmów, jakie odbędziesz przed obroną.

W każdej z tych rzeczy narzędzie pracuje na materiale, który mu dajesz. Kłopot zaczyna się dokładnie wtedy, gdy prosisz o materiał, którego nie ma.

Moment, w którym się sypie: przypisy

Format bez zarzutu, czasopismo prawdziwe, nazwiska wiarygodne. Tej pracy nikt nigdy nie napisał.

Zjawisko ma nazwę i własną literaturę. Już w 2023 roku opisano przypadek ChatGPT jako generatora, który przy pisaniu tekstów naukowych potrafi produkować „sztuczne halucynacje” — treści brzmiące fachowo, których nie da się zweryfikować¹.

Najgroźniejsze jest to, że taki przypis nie wygląda podejrzanie. Autorzy przeglądów zwracają uwagę, że tekst generowany bywa niemal nieodróżnialny od pisanego przez człowieka² — a bibliografia jest tą częścią pracy, w której wszystko wygląda tak samo: nazwisko, tytuł kursywą, rocznik, strony. Zmyślona pozycja różni się od prawdziwej wyłącznie tym, że nie stoi za nią żaden dokument.

Typowe warianty, na które warto uważać:

• praca w całości nieistniejąca — prawdziwi autorzy, prawdziwe czasopismo, tytuł wymyślony;
• prawdziwa praca, zmyślone szczegóły — publikacja istnieje, ale rok, numer albo strony się nie zgadzają;
• prawdziwa praca, nieprawdziwy cytat — cytowane zdanie nie pada w tekście, choć jego sens brzmi wiarygodnie;
• numer strony z czytnika — najczęstszy i najbardziej zdradliwy, bo pozycja jest w porządku, a strona nie.

Więcej o rozpoznawaniu takich pozycji piszemy w tekstach czy AI zmyśla źródła i jak wykryć zmyślone źródła.

Dlaczego akurat na źródłach

To nie jest usterka, którą da się załatać lepszym pytaniem. Model językowy przewiduje kolejne fragmenty tekstu na podstawie tego, co widział w trakcie uczenia. Kiedy prosisz o akapit, przewidywanie działa świetnie — zdania o wypaleniu zawodowym rzeczywiście brzmią tak, jak brzmią.

Kiedy prosisz o przypis, dzieje się to samo. Model przewiduje, jak wygląda przypis w tej dziedzinie: jakie nazwiska są prawdopodobne, jakie czasopismo pasuje, jaki zakres stron jest typowy. Wynik jest statystycznie znakomity i bibliograficznie pusty, bo nigdzie po drodze nie ma sprawdzenia w katalogu biblioteki.

Stąd wniosek praktyczny: nie pytaj modelu o źródła, tylko daj mu źródła. Cała reszta tego tekstu jest o tym, jak to zrobić.

Stawka rośnie: zaliczeniowa, licencjat, magisterka

Konsekwencje zmyślonego przypisu są zupełnie różne na trzech poziomach i warto to sobie powiedzieć wprost.

Praca zaliczeniowa. Wykładowca zwykle nie sprawdza bibliografii pozycja po pozycji. Ryzyko jest niskie, ale to właśnie tutaj wyrabia się nawyk — a nawyk przenosi się na prace, gdzie ktoś już sprawdzi.

Praca licencjacka. Promotor zna literaturę swojej dziedziny i wyrywkowo sprawdza przypisy, zwykle te, które go zaskoczyły. Jedna pozycja, której nie da się odnaleźć, zmienia charakter całej rozmowy o pracy: od tego momentu wszystko jest weryfikowane.

Praca magisterska i wyżej. Recenzent sprawdza systematycznie, a komisje coraz częściej zaczynają właśnie od bibliografii. Na tym poziomie zmyślony przypis nie jest wpadką — jest zarzutem o nierzetelność, z konsekwencjami regulaminowymi. Osobno piszemy o tym, czy promotor pozna źródła z AI.

Naprawa: podłącz źródła do rozmowy

Zamiast prosić model o przypisy z pamięci, można dać mu dostęp do korpusu prawdziwych publikacji. Wtedy przed wstawieniem przypisu asystent pyta o konkretne twierdzenie, a odpowiedź zawiera publikację, cytat i numer strony — albo uczciwą informację, że nic tego nie potwierdza.

Te dwie pozycje istnieją, a numery stron pochodzą z drukowanej paginacji, nie z paska czytnika PDF.

Różnica względem zwykłej rozmowy jest jedna, ale zasadnicza: przypis powstaje z dokumentu, a nie z przewidywania. Publikacje czytamy strona po stronie z zachowaną numeracją wydania, więc „s. 90” w przypisie prowadzi tam, gdzie naprawdę stoi cytat. To ta sama strona, którą zobaczy promotor, gdy sięgnie po oryginał — dlaczego to nie to samo, co numer z PDF-a, opisaliśmy osobno.

Działa to w kilku miejscach, zależnie od tego, gdzie piszesz:

• konektor MCP dla Claude — wklejasz jeden adres w ustawieniach, bez kodu i bez klucza API;
• cytado w ChatGPT — kilka dróg, w tym konektor dla planów płatnych;
• dodatek do Google Docs — zaznaczasz zdanie w dokumencie i wstawiasz przypis dolny jednym kliknięciem;
• sprawdzarka bibliografii — jeśli masz już gotową listę i chcesz ją tylko zweryfikować.

Kiedy odpowiedź brzmi „nie znaleziono”

To jest część, która najbardziej różni takie narzędzie od modelu odpowiadającego z pamięci.

Brak źródła jest informacją, nie awarią — i nie kosztuje.

Zdanie „wypalenie nauczycieli wzrosło o 40% po pandemii” brzmi konkretnie i dlatego jest niebezpieczne. Jeśli nic go nie potwierdza, masz trzy wyjścia: złagodzić je do tego, co da się udokumentować, poszukać danych w raportach branżowych zamiast w literaturze naukowej, albo wyciąć. Wszystkie trzy są lepsze niż przypis, który ktoś sprawdzi.

Model bez podłączonych źródeł nigdy nie powie „nie wiem”. Powie coś, co brzmi jak odpowiedź.

Jak zacząć w pięć minut

1. Załóż darmowe konto. Sto rozstrzygniętych cytowań miesięcznie, bez karty. Na jeden rozdział zwykle wystarcza.
2. Podłącz tam, gdzie piszesz. W Claude to wklejenie jednego adresu w ustawieniach konektorów; w Dokumentach Google — instalacja dodatku ze sklepu.
3. Pisz normalnie. Poproś o akapit i o ugruntowanie twierdzeń przez cytado. Przypisy powstaną razem z tekstem, zamiast być doklejane w panice dzień przed oddaniem.

Czego to nie załatwia

Uczciwie, bo to też jest część odpowiedzi na pytanie „czy da się napisać pracę z ChatGPT”.

Narzędzie nie napisze za Ciebie pracy i nie taki jest zamysł. Nie zwolni Cię też z przeczytania tego, co cytujesz: przypis prowadzi do konkretnej strony właśnie po to, żebyś mógł tam zajrzeć. Nie zastąpi rozmowy z promotorem o zakresie tematu ani nie rozstrzygnie za Ciebie, czy dana teza w ogóle należy do Twojej pracy.

Nie zastąpi wreszcie regulaminu Twojej uczelni. Jeśli wydział wymaga oświadczenia o użyciu narzędzi AI, złóż je — korzystanie z asystenta przy redakcji tekstu jest czymś zupełnie innym niż oddanie cudzej pracy, ale to Ty musisz umieć tę różnicę pokazać.

I rzecz najważniejsza: weryfikacja pozostaje po Twojej stronie. Narzędzie skraca drogę od zdania do dokumentu z godziny do kilkunastu sekund, ale kliknięcie w link przed oddaniem pracy nadal należy do Ciebie. Jeśli chcesz sprawdzić bibliografię, którą już masz, zacznij od tego.

Źródła

1. H. Alkaissi, S. I. McFarlane, Artificial Hallucinations in ChatGPT: Implications in Scientific Writing, „Cureus” 2023, s. 1. DOI: 10.7759/cureus.35179
2. I. Dergaa, K. Chamari, P. Żmijewski, H. Ben Saad, From human writing to artificial intelligence generated text: examining the prospects and potential threats of ChatGPT in academic writing, „Biology of Sport” 2023, s. 616. DOI: 10.5114/biolsport.2023.125623