Инструменты искусственного интеллекта для научных целей: базовая классификация, сильные и слабые стороны, мнение обучающихся

Актуальность. Подготовка кадров для науки и экономики требует наличия современных исследовательских компетенций в научно-технологической сфере, в том числе владение ИИ-технологиями. Цель работы – разработать базовую классификацию инструментов ИИ, применимых в исследованиях бакалавров, магистрантов и аспирантов гуманитарного профиля, а также проанализировать субъективные мнения обучающихся об эффективности, сильных и слабых сторонах использования ИИ в науке.

Методы исследования. Применялись следующие научные методы: анализ релевантной литературы, обучающий эксперимент, формализованное анкетирование, статистические методы.

Результаты исследования. Установлено, что бакалавры используют ИИ для структурирования информации (73,9%), написания выводов (78,3%), составления обзора литературы (60,9%) и генерации идей (52,2%). Магистранты и аспиранты с помощью ИИ оформляют статьи и список литературы (73,9%). Наиболее эффективными ресурсами респонденты признали ChatGPT (х̅ =8,5 и 8,2 балла), DeepSeek (х̅ =8,2 и 7,7 балла) и Chatpdf (х̅ =7 и 7,7 балла). Магистранты и аспиранты более критичны при описании достоинств инструментов ИИ и чаще выявляют недостатки.

Выводы. Делается вывод о том, различия между бакалаврами и магистрантами/ аспирантами в выборе ресурсов ИИ и в оценке их достоинств и недостатков обусловлены разным уровнем их исследовательской компетенции и степенью готовности к самостоятельной научной деятельности. Применение ИИ облегчает студентам решение ряда задач, однако только квалифицированные преподаватели способны контролировать исследования обучающихся и информировать о корректных и недопустимых способах применения ИИ в науке.

1. Караваева Е.В., Маландин В.В. Проблемы кадрового обеспечения научно-технологического развития России в свете формирования новой Стратегии развития образования до 2040 года // Высшее образование в России. 2025. Т. 34. № 1. С. 30-41. https://doi.org/10.31992/0869-3617-2025-34-1-30-41, https://elibrary.ru/mrnzia

2. Zhai X., Nehm R.H. AI and formative assessment: The train has left the station // Journal of Research in Science Teaching. 2023. Vol. 60. Issue 6. P. 1390-1398. https://doi.org/10.1002/tea.21885

3. Padakanti S., Kalva P., Kommidi V.R. AI in scientific research: empowering researchers with intelligent tools // International Journal of Scientific Research in Computer Science, Engineering and Information Technology. 2024. Vol. 10. № 5. P. 416-422. https://doi.org/10.32628/CSEIT241051012

4. Shen C., Appling A.P., Gentine P. et al. Differentiable modelling to unify machine learning and physical models for geosciences // Nature Reviews Earth & Environment. 2023. Vol. 4. P. 552-567. https://doi.org/10.1038/s43017-023-00450-9

5. Huang G., Wang Y., Ham Y.G. et al. Toward a learnable climate model in the artificial intelligence era // Advances in Atmospheric Sciences. 2024. Vol. 41. P. 1281-1288. https://doi.org/10.1007/s00376-024-3305-9

6. Düking P., Leppich R., Holmberg H-C. Strengths, weaknesses, opportunities, and threats associated with the application of artificial intelligence in connection with sport research, coaching, and optimization of athletic performance: a brief SWOT analysis // Frontiers in Sports and Active Living. 2023. Vol. 5. https://doi.org/10.3389/fspor.2023.1258562

7. Телицына А.Ю. Оптимизация научной деятельности через интеграцию ИИ: нейронные сети как инструмент в работе с академической литературой // Мониторинг общественного мнения: экономические и социальные перемены. 2024. № 5 (183). С. 218-236. https://doi.org/10.14515/monitoring.2024.5.2623

8. Sadler T.D., Moore Mensah F., Tam J. Artificial intelligence and the Journal of Research in Science Teaching. JRST. 2024. Vol. 61. Issue 4. P. 739-743. https://doi.org/10.1002/tea.21933

9. Alduais A., Qasem F., Alasmari M. A SWOT analysis of generative AI in applied linguistics: Leveraging strengths, addressing weaknesses, seizing opportunities, and mitigating threats // F1000Research. 2025. https://doi.org/10.12688/f1000research.155378.2

10. Alfarraj Y.F., Wardat Y. Exploring the impact of ChatGPT on scientific research: assessing strengths, weaknesses, opportunities, and threats // Education As Change. 2024. Vol. 28 (October). https://doi.org/10.25159/1947-9417/16006

11. Giray L., Jomarie J., Gumalin D. Strengths, weaknesses, opportunities, and threats of using ChatGPT in scientific research // International Journal of Technology in Education. 2024. Vol. 7 (1). P. 40-58. https://doi.org/10.46328/ijte.618

12. Mohmed H.Е., Elballat D.B. The attitudes of faculty staff members and their assistants towards students’ use of AI tools in scientific research // International Journal for Humanities & Social Sciences. 2024. Vol. 1. № 1. P. 49-61. https://doi.org/10.69792/IJHS.24.1.5

13. Jhajj K., Jindal P., Kaur K. Use of artificial intelligence tools for research by medical students: a narrative review // Cureus. 2024. Vol. 16 (3). e55367. https://doi.org/10.7759/cureus.55367

14. Mulally T. An experiential journey: a year of a professor using ai in the classroom and research // International Journal of Studies in Education and Science. 2024. Vol. 5. № 3. P. 246-256. https://doi.org/10.46328/ijses.98

15. Wells S. Ready or not, AI is coming to science education – and students have opinions // Nature. 2024. Vol. 628. P. 459-461. https://doi.org/10.1038/d41586-024-01002-x

16. Сысоев П.В., Филатов Е.М., Евстигнеев М.Н. и др. Матрица инструментов искусственного интеллекта в лингвометодической подготовке будущих учителей иностранного языка // Вестник Тамбовского университета. Серия: Гуманитарные науки. 2024. Т. 29. № 3. С. 559-588. https://doi.org/10.20310/1810-0201-2024-29-3-559-588

17. Сысоев П.В., Евстигнеев М.Н., Сорокин Д.О. Структурная модель подготовки будущих учителей на основе технологий искусственного интеллекта // Перспективы науки и образования. 2025. № 3 (75). С. 139-155. https://doi.org/10.32744/pse.2025.3.9

18. Сысоев П.В., Евстигнеев М.Н. Использование технологий искусственного интеллекта в исследовательской работе студентов // Вестник Московского университета. Серия 19: Лингвистика и межкультурная коммуникация. 2025. Т. 28. № 1. С. 85-101. https://doi.org/10.55959/MSU-2074-1588-19-28-1-6

19. Ли Я. Особенности нормативно-правового регулирования генеративного искусственного интеллекта в Великобритании, США, Евросоюзе и Китае // Право. Журнал Высшей школы экономики. 2023. Т. 16. № 3. С. 245-267. https://doi.org/10.17323/2072-8166.2023.3.245.267

20. Елсакова Р.З., Кузьмина Н.Н., Маркусь А.М., Кузьмина Н.М. Классификация нейросетей для создания образовательного контента преподавателем высшей школы // Вестник Южно-Уральского государственного университета. Серия «Образование. Педагогические науки». 2024. Т. 16. № 2. С. 17-29. https://doi.org/10.14529/ped240202