Почему ИИ (ChatGPT, Gemini и др.) — плохой помощник в составлении списка литературы (и как не завалить курсовую)
1. Проблема «Галлюцинаций»: Книги, которых не существует
Это главная боль. ИИ — это языковая модель. Его задача — предсказать, какое слово будет уместно следующим, а не проверить факты.
Как это выглядит на практике:
Вы просите: «Подбери 10 источников по теме "Управление персоналом в IT-стартапах"».
ИИ с умным видом выдает:
Иванов И.И. «Особенности HR в цифровой экономике». — М.: Юрайт, 2021.
Вы вставляете это в курсовую. Руководитель проверяет — такой книги не существует. Иван Иванов её не писал, издательства «Юрайт» такого тиража не выпускало, а страницы, указанные в списке, ведут в никуда.
ИИ просто «склеил» фамилию известного ученого, модное слово «цифровая экономика» и популярное издательство. Это называется галлюцинация. В лучшем случае вы получите выдуманную статью, в худшем — несуществующего автора. За такое снимают баллы за «недостоверность источников» или отправляют работу на пересдачу.
2. База данных «вчерашнего дня»
Даже если ИИ не выдумывает, он часто оперирует данными из прошлого. Нейросети обучаются на огромных массивах текстов, но эти данные конечны (например, до 2023 года).
Что это значит для вас:
Для курсовой работы по юриспруденции, экономике или IT нужны свежие источники (за последние 3-5 лет). Если вы просите ИИ подобрать литературу по налогообложению, он может выдать законы, которые уже устарели, или учебники 2015 года, которые потеряли актуальность.
Примечание: Некоторые модели с доступом в интернет (типа Perplexity) пытаются это исправить, но они все равно часто путают даты и ссылки.
3. Отсутствие «научной логики» подбора
Список литературы в курсовой — это не просто перечень книг. Это структура вашего исследования.
- Сначала идут фундаментальные труды (теория).
- Потом — современные статьи (аналитика).
- Затем — нормативка (законы, ГОСТы).
- И только потом — источники на иностранном языке.
ИИ не понимает этой иерархии. Он насыпет вам в кучу все подряд: учебник для колледжа, диссертацию 1998 года и блог какого-то Васи с Хабра. Научный руководитель сразу увидит этот «винегрет» и поймет, что студент даже не открывал эти книги.
4. Проблема «Мертвых душ» и фейковых ссылок
ИИ часто генерирует ссылки в формате ГОСТ, которые выглядят идеально:Петров П.П. Маркетинг : учебник. — 3-е изд. — СПб. : Питер, 2022. — 400 с.
Но если вы попробуете найти эту книгу в электронном каталоге РГБ или в обычной библиотеке, выяснится, что:
- Указанного ISBN не существует.
- На указанной странице (например, с. 45) в реальной книге (если она есть) напечатана совсем другая информация.
Почему это опасно? Преподаватель может попросить вас процитировать конкретный абзац из этого источника. И тут наступит момент истины.
5. Академическая этика и риск плагиата
Если ИИ подбирает литературу, он часто делает это на основе «усредненного» знания. Вы рискуете получить список, который уже есть у сотни других студентов. А если вы используете ИИ для генерации текста курсовой на основе этих фейковых источников, система «Антиплагиат» может показать высокий процент заимствования из-за шаблонности фраз, либо (что хуже) работа будет признана несамостоятельной.