AI і списування: дослідження показало, чому нечіткі правила небезпечніші за сам чатбот

Нове дослідження за участю 863 студентів показало, що ключовий ризик академічного шахрайства з генеративним AI пов’язаний не стільки з самим існуванням ChatGPT‑подібних інструментів, скільки з нечіткими правилами, легкістю використання та слабкими процедурами університету. Автори застерігають від простого висновку «AI спричиняє списування»: їхня модель пояснила лише близько 5% відмінностей у самооціненій поведінці студентів.

Що саме досліджували

Хань Ван Нгуєн і Май Тхі‑Тхуй Дуонг з Ханойського університету науки й технологій провели поперечне анонімне опитування студентів. Учасники оцінювали твердження про використання AI для виконання завдань, етичну невизначеність, доступність технологій, політики закладу, навчальний тиск та порівняння з однолітками.

Після розвідувального й підтверджувального факторного аналізу відповіді згрупували у три конструкції: поведінка академічного шахрайства з AI; етична неоднозначність, технологічні можливості та інституційні прогалини; академічний тиск і порівняння з іншими студентами. Далі автори використали структурне моделювання, щоб перевірити статистичні зв’язки між ними.

Головні числа без сенсацій

Поєднаний фактор нечітких етичних меж, простоти застосування AI та інституційних прогалин мав позитивний зв’язок із самооціненим шахрайством: стандартизований коефіцієнт β становив 0,228, а статистична значущість — p<0,001. Це не означає, що 22,8% студентів списують, і не доводить причинності; коефіцієнт лише показує напрям і відносну силу зв’язку в моделі.

Академічний тиск і порівняння з однолітками несподівано мали малий негативний зв’язок, β = −0,148. Старший курс не був значущим предиктором. Чоловіки в середньому повідомляли вищі показники, ніж жінки, а студенти не‑STEM напрямів — вищі, ніж STEM. Але ці асоціації не варто перетворювати на ярлики: дизайн роботи не дозволяє пояснити причини, а вибірка походить з одного університету.

Чому заборона сама по собі не вирішує проблему

Якщо студент не розуміє, де закінчується дозволене редагування й починається недоброчесність, загальна фраза «не користуйтеся AI» не дає робочої межі. Те саме стосується викладача: без узгоджених правил один може дозволяти мовну правку, інший — вважати порушенням навіть генерацію плану.

Практичніша політика має описувати дозволені й заборонені сценарії для конкретного завдання. Наприклад, можна дозволити перевірку граматики та мозковий штурм, але вимагати зазначати інструмент, промпти й фрагменти, що були змінені. Для програмування корисно окремо визначити, чи дозволене автодоповнення, генерація тестів, пояснення помилки або створення готового розв’язку.

Що можуть зробити університети та школи

• Давати приклади, а не лозунги. Показати кілька реальних випадків дозволеного використання, сумнівної допомоги й очевидного шахрайства.
• Оцінювати процес. Чернетки, журнал змін, короткий усний захист і пояснення власних рішень важче підмінити готовим текстом.
• Не покладатися на детектори. Автоматичне визначення AI‑тексту може помилятися; воно не повинно бути єдиним доказом порушення.
• Узгодити правила між курсами. Суперечливі вимоги посилюють ту саму етичну невизначеність, яку виявило дослідження.
• Навчати перевірці фактів. Студент має підтверджувати цитати, джерела, обчислення й код незалежно від того, хто створив чернетку.

Обмеження, які не можна ігнорувати

Робота ґрунтується на самооцінці, тому відповіді можуть бути заниженими або залежати від того, як учасники зрозуміли запитання. Поперечний дизайн фіксує один момент часу й не доводить, що нечіткі правила викликають шахрайство. Вибірка одного в’єтнамського технічного університету не репрезентує всі країни, спеціальності та вікові групи. Нарешті, близько 5% поясненої варіації означають, що більшість причин модель не охопила.

Висновок: дослідження не дає підстав оголосити генеративний AI головною причиною недоброчесності. Воно підказує більш корисну дію: прибрати сіру зону, перебудувати оцінювання навколо процесу та навчити відповідальному використанню. Це складніше за блокування сервісу, зате краще відповідає реальній поведінці студентів.

Перекладено й адаптовано за рецензованою статтею Nguyen і Duong у PLOS ONE від 28 вересня 2026 року. Текст і відтворені фігури поширюються за CC BY 4.0.