CC BY
52
УДК 378 DOI: 10.31862/2218-8711-2023-5-206-216
ББК 74.48
ИСПОЛЬЗОВАНИЕ ТЕКСТОВЫХ НЕЙРОСЕТЕЙ И ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В УЧЕБНЫХ РАБОТАХ СТУДЕНТОВ
THE USE OF TEXT NEURAL NETWORKS AND ARTIFICIAL INTELLIGENCE IN STUDENTS' ACADEMIC PAPERS
Безуглый Тимофей Алексеевич
Директор автономной некоммерческой организации «Центр исследований и решений экологических проблем Экопатология», студент ФГБОУ ВО ЮУГМУ Минздрава России E-mail: [email protected]
Bezugly Timofey A.
Director of the autonomous non-profit organization "Center for Research and Solutions of Environmental Problems Ecopathology", student at South Ural State Medical University of the Ministry of Healthcare of the Russian Federation E-mail: [email protected]
Ершова Мария Евгеньевна
Студент Южно-Уральского государственного гуманитарно-педагогического университета E-mail: [email protected]
Ershova Maria E.
Student at South Ural State Humanitarian
Pedagogical University
E-mail: [email protected]
Аннотация. Статья разделена на 4 логических блока, в полной мере описывающих различные аспекты использования текстовых нейросетей в академических работах студентов. В блоке «Возможность использования текстовых нейросетей в академических работах» описаны прикладные аспекты использования ChatGPT и других текстовых нейросетей в академических работах. Блок «Оценка созданного нейросетью научного текста»
Abstract. The article is divided into 4 logical blocks, fully describing various aspects of the use of text neural networks in students' academic works. The block "The possibility of using text neural networks in academic papers" describes the applied aspects of using ChatGPT and other text neural networks in academic works. The block "Evaluation of a scientific text created by a neural
Контент доступен по лицензии Creative Commons Attribution 4.0 International License The content is licensed under a Creative Commons Attribution 4.0 International License
© Безуглый Т. А., Ершова М. Е., 2023
включает в себя структурно-семантический анализ созданного нейросетями ChatGPT-3 и ChatGPT-3.5 текста. В блоке «Проблемы использования текстовых нейросетей» описаны основные факторы, препятствующие использованию искусственного интеллекта, работающего с текстом, в академических работах. Блок «Позиция Министерства науки и высшего образования России по вопросу использования текстовых нейросетей в академических работах студентов» представляет собой характеристику полученного из Минобрнауки ответа на запрос о возможностях использования искусственного интеллекта в студенческих работах.
network" includes a structural and semantic analysis of a text created by the ChatGPT-3 and ChatGPT-3.5 neural networks. The block "Problems of using text neural networks" describes the main factors that prevent the use of artificial intelligence, which works with text, in academic papers. The block "The position of the Ministry for Science and Higher Education of Russia on the use of text neural networks in students' academic works" is a characteristic of the response received from the Ministry for Education and Science to a request about the possibilities of using artificial intelligence in student works.
Ключевые слова: искусственный интеллект, нейросети, академические работы, студенческие работы, нейросети в образовании.
Keywords: artificial intelligence, neural networks, academic works, student works, neural networks in education.
Для цитирования: Безуглый Т. А., Ершова М. Е. Использование текстовых нейросетей и искусственного интеллекта в учебных работах студентов // Проблемы современного образования. 2023. № 5. С. 206-216. DOI: 10.31862/2218-8711-2023-5-206-216.
Cite as: Bezugly T. A., Ershova M. E. The use of text neural networks and artificial intelligence in students' academic papers. Problemy sovremennogo obrazovaniya. 2023, No. 5, pp. 206-216. DOI: 10.31862/22188711-2023-5-206-216.
В 2022 г. компания ОрепА1 представила миру приложение по работе с текстом ^а1вРТ-3, которое представляет собой чат-бот с интегрированным в него искусственным интеллектом (далее - ИИ).
В 2023 г. студент Российского государственного гуманитарного университета, используя приложение ^а1вРТ, написал дипломную работу, которую в дальнейшем успешно защитил. Публикация истории написания диплома нейросетью привела к бурной дискуссии о возможности использования приложений, в которые интегрированы текстовые нейросети, при написании студенческих работ как в средствах массовой информации, так и в профессиональном сообществе [1-3].
Актуальность исследования обусловлена тем, что в обозримой перспективе доля студенческих работ, при написании которых будут использоваться нейросети, увеличится как за счет расширения функционала действующих искусственных интеллектов, так и в результате появления в открытом доступе новых текстовых нейросетей.
Цель исследования - охарактеризовать возможности и проблемы использования текстовых нейросетей в учебных работах студентов на примере ChatGPT.
Методы и материалы. При проведении работы были использованы тексты, сгенерированные нейронной сетью приложения ChatGPT версии ChatGPT-3.5 и версии ChatGPT-3.
Методической основой работы является структурно-семантический анализ с опорой на труды Т. М. Николаевой и А. В. Бондаренко. Вместе с тем были использованы такие общенаучные методы исследования, как анализ, синтез, индукция и дедукция, а также критический анализ литературы по описанной проблематике [4; 5].
Возможность использования текстовых нейросетей в академических работах
Основными учебными (академическими) работами, которые выполняют студенты высших учебных заведений, являются рефераты, домашние контрольные работы, курсовые и дипломные (выпускные квалификационные) работы [6].
Реферативные и контрольные работы не учитываются в федеральных государственных образовательных стандартах, в отличие от курсовых и дипломных работ студентов, оценки за защиту которых фиксируются в документе об образовании студента.
В результате анализа содержания методических пособий и положений о написании и защите курсовых и дипломных работ нескольких образовательных учреждений была выделена наиболее распространенная структура работ:
1. Теоретическая часть включает в себя систематизацию студентом теории о проблематике работы;
2. Практическая часть включает в себя описание проведенного практического исследования объекта, соответствующего проблеме [7].
Обязательным требованием к выполнению курсовых и дипломных работ является прописанный в методических пособиях или внутренних приказах уровень уникальности (оригинальности), который выявляется с помощью анализа текста специализированным программным обеспечением по поиску заимствований. В Российской Федерации наиболее используемой программой определения уникальности является система Антиплагиат [8; 9].
Необходимый для одобрения работы уровень уникальности зависит как от ее сложности и типа, так и от учебного учреждения. Например, необходимый уровень для выпускной квалификационной работы, написанной студентом института права ФГБОУ ВО ЧелГУ, составляет 60%. При этом требуемый уровень оригинальности работ студентов программ бакалавриата, магистратуры и специалитета НИУ ВШЭ - 80% [9; 10].
Текстовые нейросети, как показал пример кейса с защитой диплома, написанного ChatGPT, открывают для студентов возможность генерировать уникальный текст для теоретических глав, тем самым снижая затраты времени на написание академических работ.
Однако работа, написанная ИИ, не может быть законченной ввиду отсутствия практической части, выполнение которой предполагает проведение и описание исследования по теме курсовой или дипломной.
В работе «Как я написал диплом с помощью и оказался в центре спора
о нейросетях в образовании» [1] А. Жадан, автор первой в России дипломной, написанной ИИ, сообщает о том, что практическое исследование он фактически не проводил, а использовал приблизительные данные, не связанные с предприятием, выступающим предметом исследования в его работе: «Чтобы лучше сформировать структуру, нашел похожую работу другого выпускника и взял за пример. Так что я ориентировался на фрагменты чужой работы, но раскрывал их в своей» [1].
Приведенный пример из истории написания диплома позволяет сделать вывод о недобросовестности студента в подготовке к ВКР - фальсификации данных. Если бы исследование было в полной мере проведено самим выпускником, он мог бы избежать последующих обвинений в академической нечестности [11; 12].
При этом ряд западных ученых активно использует в своих работах сгенерированный нейросетью научный текст для написания актуальности исследования, так, в частности, в статьях [13; 14] указано в качестве одного из соавторов.
Таким образом, ИИ может быть использован при написании учебных работ с целью повышения уровня уникальности теоретической части, однако для соблюдения принципов учебной этики студенты должны самостоятельно проводить исследование для практической главы работы.
Оценка созданного нейросетью научного текста
Для выявления грамматических, синтаксических и стилистических особенностей научного текста, сгенерированного ^а1вРТ, был проанализирован результат запроса «Научный текст о том, что такое диабет» в сопоставлении со статьей с сайта Всемирной организации здравоохранения [15-17].
В результате сравнения были обнаружены следующие особенности текста, созданного нейросетью:
1. Речевые ошибки, связанные с нарушением лексической сочетаемости («хроническое нарушение обмена веществ» вместо «хроническое заболевание, связанное с нарушением обмена веществ»).
2. Обилие однотипных синтаксических конструкций (первое предложение: «Диабет - это...»; второе предложение: «Инсулин - это...»).
3. Повтор предлога в рамках одного предложения; близкое расположение одного и того же предлога в нем ("...характеризующееся высоким уровнем сахара в крови в результате неспособности организма...").
4. Тавтология, возникающая в связи с объемом предложения («Инсулин - это гормон, вырабатываемый поджелудочной железой, который регулирует уровень глюкозы в крови, облегчая поглощение глюкозы клетками для производства энергии»).
5. К стилистической особенности можно отнести длинные предложения с обилием причастных и деепричастных оборотов, а также придаточных частей («Инсулин - это гормон, вырабатываемый поджелудочной железой, который
регулирует уровень глюкозы в крови, облегчая поглощение глюкозы клетками для производства энергии»). 6. Из орфографических особенностей можно выделить неправильную постановку знаков препинания, главным образом запятых («При диабете, поджелудочная железа не производит достаточно инсулина...», «В результате, уровень глюкозы в крови повышается...»). Стоит отметить, что пунктуационные ошибки в тексте ИИ часто возникают там, где их мог бы совершить человек. Особенности генерируемого текста зависят от источников, из которых ИИ получает информацию. По большому счету, он рерайтит тексты, подбирая синонимичные слова и выражения, меняя порядок слов и изменяя синтаксические конструкции (чаще всего перестраивает предложения с сочинительной связью в предложения со связью подчинительной или - реже - бессоюзной, и наоборот; объединяет небольшие по объему простые предложения в многокомпонентные сложные предложения).
Выявленные в результате сопоставительного, стилистического и синтаксического анализа отличительные черты научных текстов ^аШРТ в целом, помимо выделенных выше и относящихся к конкретному тексту, сводятся к следующему:
• неточное или не совсем точное употребление отдельных слов в контексте;
• ошибки в употреблении фразеологических оборотов и устойчивых выражений (например, могут возникать ошибки в выражениях типа «играть роль» и «иметь значение», в текстах чата ОРТ происходит их смешение, в результате чего появляются фразы «играть большое значение» и «иметь значительную роль»);
• ограниченное количество способов построения предложений, однотипные (хотя и чередующиеся) синтаксические конструкции, среди которых наиболее распространены:
- сложноподчиненные предложения с союзом и союзным словом «который» (-ая/-ое);
- сложноподчиненные предложения с союзом или союзным словом «что»;
- предложения с причастным оборотом, стоящим после определяемого слова;
- конструкции, в которых тема обозначается в начале предложения, в то время как рема занимает по отношению к ней постпозицию;
• связь предложения с предыдущим при помощи указательного местоимения «это» и его вариантов, с которого начинается предложение;
• предложения, в которых в состав сказуемого включен компонент, выражающий модальное значение предиката. В текстах ^аШРТ это значение наиболее часто выражается с помощью модального глагола «мочь» (отсюда обилие предложений с глаголом "может").
Проблемы использования текстовых нейросетей
1. Одной из ключевых проблем использования ИИ в студенческих работах, которую отмечают авторы исследования [18], является проблема плагиата. Несмотря на то, что нейросети, в том числе ^аШРТ, генерируют уникальный текст, существует риск
того, что некоторые речевые единицы могут быть слишком схожи с исходными используемыми программой источниками. Гипотетически возможны ситуации, когда студенты будут сдавать работы, написанные нейросетью, после чего получать обвинения в академической нечестности из-за низкого уровня уникальности текста [18].
2. Отсутствие фактологического контроля над создаваемым контентом. Программы с интегрированным ИИ создают текст, основываясь на определенной встроенной в период обучения базе данных, которая может включать в себя устаревшие научные гипотезы или информацию, не соответствующую действительности. Как итог - созданный нейросетью текст содержит фактологические ошибки. Так, например, журналист Майк Перл на вопрос о второй по размере стране Центральной Америки получил от ней-росети ChatGPT ответ «Гватемала» (площадь - 108 889 км2), несмотря на то что верный ответ - «Никарагуа» (площадь - 129 494 км2) [19].
3. Внутренние ограничения ИИ. Разработчики нейросетей самостоятельно ограничивают доступ своих программ к группам тем, исходя из собственных этических стандартов. Так, OpenAI ограничила доступ ChatGPT к следующим типам контента: разжиганию ненависти, насилию и материалам откровенно сексуального характера, следовательно, написание студенческих работ на обозначенные или смежные с ними темы не представляется возможным [20; 21].
4. Нежелание студентов работать с информацией. Если студенты начнут использовать нейросети для выполнения академических работ, то они значительно меньше будут работать с информацией: искать и анализировать источники, систематизировать полученный материал, структурировать и представлять его в рамках учебных работы. В итоге это может негативно сказаться на качестве получаемого образования [22].
Позиция Министерства науки и высшего образования России по вопросу
использования текстовых нейросетей в академических работах студентов
Департамент координации деятельности образовательных организаций Минобр-науки России направил ответ за подписью замдиректора на предложение об определении правового статуса использования текстовых ИИ в академических работах, в котором представлена позиция, описанная в данном разделе статьи [23]: «...Вместе с тем при использовании текстовой нейросети агрегирование и анализ информации не производится студентом самостоятельно.
Результат интеллектуальной деятельности (далее - РИД), созданный с использованием текстовых нейросетей, является произведением, у которого существует правообладатель. В данном случае им выступает правообладатель программы (текстовой ней-росети).
Использование такого РИД возможно по аналогии с цитированием со ссылкой на источник информации. При этом должны быть соблюдены требования к пределам допустимого объема использования цитируемого материала.».
Позиция департамента, отражающая позицию ведомства, такова: созданный нейро -сетью текст является интеллектуальной собственностью разработчика- правообладателя
приложения, в связи с чем его использование возможно исключительно в рамках заимствованного текста (по аналогии с цитированием), следовательно, созданный ИИ материал не должен считаться уникальным.
Таким образом, при помощи текстовых нейросетей может быть написано от 20% до 30% текста курсовой или выпускной квалификационной работы (в зависимости от требований образовательной организации), но не более.
Руководствуясь ответом Министерства науки и высшего образования, представляется возможным констатировать неправомерность защиты диплома студентом Российского государственного гуманитарного университета Александром Жаданом.
Вместе с тем в ответе приведены три из четырех выделенных выше проблем использования текстовых нейросетей в академических работах студентов.
Заключение
1. Текстовые нейросети, такие как ChatGPT, рационально использовать при написании теоретических частей студенческих академических работ: рефератов, курсовых и дипломных. Использование ИИ при написании практической части равносильно фальсификации исследования, что противоречит академической этике.
2. Хотя научный текст, генерируемый ИИ, мало отличим от текста, созданного человеком, все же можно выделить его характерные особенности, среди которых: относительная бедность синтаксических конструкций, в которых тема всегда предшествует реме, придаточные части преимущественно занимают постпозицию по отношению к главной и присоединяются с помощью очень ограниченного числа союзов и союзных слов ("что", "который", "когда" и т. д.); тавтологический и полный лексический повтор в рамках одного и более предложений; неточность в употреблении слов и синтаксически цельных словосочетаний; частое использование конструкций с модальным глаголом-связкой «может»; частое использование речевых конструкций типа «в результате», «включает в себя», «такой как», «в целом».
3. Основными проблемами использования нейросетей в учебных работах являются: плагиат создаваемого ИИ текста, отсутствие фактологического контроля, внутренние ограничения и отказ студентов от получения навыков по работе с информацией.
4. Согласно позиции Минобрнауки, изложенной замдиректором Департамента координации деятельности образовательных организаций в ответе на обращение, использование созданного нейросетью текста допустимо в объемах, не превышающих максимально возможный уровень заимствований (цитирований), определяемый внутренними нормативно-правовыми документами образовательного учреждения.
Список литературы
1. Жадан А. Как я написал диплом с помощью ChatGPT и оказался в центре спора
о нейросетях в образовании // Тинькофф журнал. URL: https://journal.tinkoff.ru/
neuro-diploma/ (дата обращения: 27.03.2023).
2. В российском вузе предложили ограничить использование ChatGPT для студентов // iXBT. URL: https://www.ixbt.com/news/2023/02/01/v-rossijskom-vuze-predlozhili-ogranichit-ispolzovanie-chatgpt-dlja-studentov.html (дата обращения: 27.03.2023).
3. «Он просто проверил систему на прочность»: в Минобрнауки призвали не наказывать студента, написавшего диплом с ChatGPT // DTF. URL: https://dtf.ru/ life/1618009-on-prosto-proveril-sistemu-na-prochnost-v-minobmauki-prizvali-ne-nakazyvat-studenta-napisavshego-diplom-s-chatgpt (дата обращения: 27.03.2023).
4. Николаева Т. М. Единицы языка и теория текста // Исследования по структуре текста. М., 1997. C. 27-57.
5. Бондарко А. В. Семантические связи в лексике и текстах // Лингвистические исследования структуры текста. М.: Наука, 1985.
6. Давыдов А., Абрамов П. Этнография туфты. Кто и как пишет заказные учебные работы в России. М.: Фонд поддержки социальных исследований «Хамовники»: Common Place, 2021. 176 с.
7. Приказ № 02-943 «Об утверждении Положения о выпускной квалификационной работе по образовательным программам высшего образования» от 28.12.2017 // ФГБОУ ВО РАНХиГС при Президенте РФ.
8. Антиплагиат: российская система обнаружения текстовых заимствований // АО «Антиплагиат». URL: https://www.antiplagiat.ru/ (дата обращения: 27.03.2023).
9. Требования к выпускным квалификационным работам и порядку их выполнения Института права федерального государственного бюджетного образовательного учреждения высшего образования «Челябинский государственный университет» (уровень бакалавриата) // ФГБОУ ВО ЧелГУ. URL: https://www.csu. ru/faculties/Documents/Требования%20к%20ВКР%20бакалавриат.pdf (дата обращения: 27.03.2023).
10. Регламент организации проверки письменных учебных работ студентов на плагиат и размещения на корпоративном сайте (портале) Национального исследовательского университета «Высшая школа экономики» выпускных квалификационных работ обучающихся по программам бакалавриата, специалитета и магистратуры // НИУ ВШЭ. URL: https://www.hse.ru/docs/182661271.html (дата обращения: 27.03.2023).
11. Бурмакина Н. А., Хлякин О. С. Академическая недобросовестность студентов и цифровая лингводидактика // Славянская культура: истоки, традиции, взаимодействие. XX Кирилло-Мефодиевские чтения: материалы Междунар. науч.-практ. конф. Москва, 22-24 мая 2019 г. / гл. ред. М. Н. Русецкая. М.: Гос. ин-т рус. яз. им. А. С. Пушкина, 2019. С. 88-91.
12. Пупкова Ю. В. Академическая нечестность студентов в условиях цифровой трансформации образования // Вопросы методики преподавания: от классической системы к смешанному обучению: сб. науч. тр. Междунар. науч.-практ. конф. Избранное, Москва, 15 мая 2021 г. / сост. В. М. Шахназарян; под ред. М. Г. Петровой. М.: Центр современных науч. исслед. образоват. технологий, 2021. С. 123-130.
13. Performance of ChatGPT on USMLE: Potential for Al-assisted medical education using large language models / T. H. Kung et al. // PLoS digital health. 2023. Т. 2, № 2. С. e0000198.
14. Transformer C. G. P., Zhavoronkov A. Rapamycin in the context of Pascal's Wager: generative pre-trained transformer perspective // Oncoscience. 2022. Т. 9. С. 82-84.
15. Запрос «Научный текст о том, что такое диабет» // ChatGPT-3.
16. Запрос «Научный текст о том, что такое диабет» // ChatGPT-3.5.
17. Диабет // Всемирная организация здравоохранения. URL: https://www.who.int/ru/ news-room/fact-sheets/detail/diabetes (дата обращения: 27.03.2023).
18. Sokolova A. G., ArkhipovA. V. Application of neural networks in education: opportunities and challenges // Инновации и инвестиции. 2023. № 2. С. 127-130.
19. Pearl M. The ChatGPT chatbot from OpenAI is amazing, creative, and totally wrong // Mashable. URL: https://mashable.com/article/chatgpt-amazing-wrong (дата обращения: 27.03.2023).
20. About // OpenAI. URL: https://openai.com/about (дата обращения: 27.03.2023).
21. Запрос «К каким темам доступ нейросети ChatGPT ограничен этическими принципами?» // ChatGPT-3.
22. Herman D. The End of High-School English // The Atlantic. URL: https://www. theatlantic.com/technology/archive/2022/12/openai-chatgpt-writing-high-school-english-essay/672412/ (дата обращения: 27.03.2023).
23. Дамбегов А. А. Ответ № 7/1333-O от 04.04.2023 на обращение № 4865-О от 14.03.2023 // Минобрнауки России. URL: https://ecopathology.ru/2023/04/08/ otvet-ministerstva-nauki-i-vysshego-obrazovaniya/ (дата обращения: 27.03.2023).
References
1. Zhadan A. Kak ya napisal diplom s pomoshchyu ChatGPT i okazalsya v tsentre spora o neyrosetyakh v obrazovanii. Available at: https://journal.tinkoff.ru/neuro-diploma/ (accessed: 27.03.2023).
2. V rossiyskom vuze predlozhili ogranichit ispolzovanie ChatGPT dlya studentov. Available at: https://www.ixbt.com/news/2023/02/01/v-rossijskom-vuze-predlozhili-ogranichit-ispolzovanie-chatgpt-dlja-studentov.html (accessed: 27.03.2023).
3. "On prosto proveril sistemu na prochnost": v Minobrnauki prizvali ne nakazyvat studenta, napisavshego diplom s ChatGPT. Available at: https://dtf.ru/life/1618009-on-prosto-proveril-sistemu-na-prochnost-v-minobrnauki-prizvali-ne-nakazyvat-studenta-napisavshego-diplom-s-chatgpt (accessed: 27.03.2023).
4. Nikolaeva T. M. Edinitsy yazyka i teoriya teksta. In: Issledovaniya po strukture teksta. Moscow, 1997. Pp. 27-57.
5. Bondarko A. V. Semanticheskie svyazi v leksike i tekstakh. In: Lingvisticheskie issledovaniya struktury teksta. Moscow: Nauka, 1985.
6. Davydov A., Abramov P. Etnografiya tufty. Kto i kak pishet zakaznye uchebnye raboty v Rossii. Moscow: Fond podderzhki sotsialnykh issledovaniy "Khamovniki": Common Place, 2021. 176 p.
7. Prikaz № 02-943 "Ob utverzhdenii Polozheniya o vypusknoy kvalifikatsionnoy rabote po obrazovatelnym programmam vysshego obrazovaniya" ot 28.12.2017. In: FGBOU VO RANKhiGS pri Prezidente RF.
8. Antiplagiat: rossiyskaya sistema obnaruzheniya tekstovykh zaimstvovaniy. Available at: https://www.antiplagiat.ru/ (accessed: 27.03.2023).
9. Trebovaniya k vypusknym kvalifikatsionnym rabotam i poryadku ikh vypolneniya Instituta prava federalnogo gosudarstvennogo byudzhetnogo obrazovatelnogo uchrezhdeniya vysshego obrazovaniya "Chelyabinskiy gosudarstvennyy universitet" (uroven bakalavriata). Available at: https://www.csu.ru/faculties/Documents/ Trebovaniya%20k%20VKR%20bakalavriat.pdf (accessed: 27.03.2023).
10. Reglament organizatsii proverki pismennykh uchebnykh rabot studentov na plagiat i razmeshcheniya na korporativnom sayte (portale) Natsionalnogo issledovatelskogo universiteta "Vysshaya shkola ekonomiki" vypusknykh kvalifikatsionnykh rabot obuchayushchikhsya po programmam bakalavriata, spetsialiteta i magistratury. Available at: https://www.hse.ru/docs/182661271.html (accessed: 27.03.2023).
11. Burmakina N. A., Khlyakin O. S. Akademicheskaya nedobrosovestnost studentov i tsifrovaya lingvodidaktika. In: Slavyanskaya kultura: istoki, traditsii, vzaimodeystvie. In: XX Kirillo-Mefodievskie chteniya. Proceedings of International scientific-practical conference. Moscow, 22-24 May 2019. Ed. M. N. Rusetskaya. Moscow: Gos. in-t rus. yaz. im. A. S. Pushkina, 2019. Pp. 88-91.
12. Pupkova Yu.V. Akademicheskaya nechestnost studentov v usloviyakh tsifrovoy transformatsii obrazovaniya. In: Voprosy metodiki prepodavaniya: ot klassicheskoy sistemy k smeshannomu obucheniyu. Proceedings of International scientific-practical conference. Moscow, 15 May 2021. Moscow: Tsentr sovremennykh nauch. issled. obrazovat. tekhnologiy, 2021. Pp. 123-130.
13. Kung T. H. et al. Performance of ChatGPT on USMLE: Potential for AI-assisted medical education using large language models. PLoS digital health. 2023, Vol. 2, No. 2, e0000198.
14. Transformer C. G. P., Zhavoronkov A. Rapamycin in the context of Pascal's Wager: generative pre-trained transformer perspective Oncoscience. 2022, Vol. 9, pp. 82-84.
15. Zapros "Nauchnyy tekst o tom, chto takoe diabet". In: ChatGPT-3.
16. Zapros "Nauchnyy tekst o tom, chto takoe diabet". In: ChatGPT-3.5.
17. Diabet. Available at: https://www.who.int/ru/news-room/fact-sheets/detail/diabetes (accessed: 27.03.2023).
18. Sokolova A. G., Arkhipov A. V. Application of neural networks in education: opportunities and challenges. Innovatsii i investitsii. 2023, No. 2, pp. 127-130.
19. Pearl M. The ChatGPT chatbot from OpenAI is amazing, creative, and totally wrong. Available at: https://mashable.com/article/chatgpt-amazing-wrong (accessed: 27.03.2023).
20. About. Available at: https://openai.com/about (accessed: 27.03.2023).
21. Zapros "K kakim temam dostup neyroseti ChatGPT ogranichen eticheskimi printsipami?". In: ChatGPT-3.
22. Herman D. The End of High-School English. Available at: https://www.theatlantic. com/technology/archive/2022/12/openai-chatgpt-writing-high-school-english-essay/672412/ (accessed: 27.03.2023).
23. Dambegov A. A. Otvet No. 7/1333-O ot 04.04.2023 na obrashchenie No. 4865-O ot 14.03.2023. Available at: https://ecopathology.ru/2023/04/08/otvet-ministerstva-nauki-i-vysshego-obrazovaniya/ (accessed: 27.03.2023).
Интернет-журнал «Проблемы современного образования» 2023, № 5
Статья поступила в редакцию 11.04.2023 The article was received on 11.04.2023
