Sorry, this entry is only available in Українська. Google, Міністерство цифрової трансформації України та Міністерство освіти і науки України повідомляють про старт проєкту забезпечення безкоштовного доступу здобувачів вищої освіти України до інструментів штучного інтелекту в межах підписки Google AI Pro.
Sorry, this entry is only available in Українська.
Google, Міністерство цифрової трансформації України та Міністерство освіти і науки України повідомляють про старт проєкту забезпечення безкоштовного доступу здобувачів вищої освіти України до інструментів штучного інтелекту в межах підписки Google AI Pro.
Такий доступ передбачає користування упродовж року безкоштовними ресурсами Gemini 2.5 Pro, а саме: необмежений чат із можливістю завантажувати зображення для аналізу; Deep Research – глибокий аналіз інформації (опрацювання інформаційних джерел і підготовка структурованого звіту); NotebookLM (персональний асистент для підготовки конспектів та продукування ідей); Veo 3 для креативних проєктів (інструмент створення 8-секундних відео зі звуком на основі тексту або фотографії ); Jules (ШІ-асистент для програмування); 2 ТБ хмарного сховища (місце для навчальних матеріалів, проєктів, фото, документів). Очікується, що українські студенти зможуть працювати з ГШІ для отримання допомоги у навчанні, а також відкриють для себе нові можливості для самореалізації та майбутньої кар’єри. Також Google проведе безоплатний практичний онлайн-вебінар «Gemini Академія для студентів», який відбудеться 21 жовтня 2025 року, на якому слухачі дізнаються про те, як Gemini може бути корисним для навчання, підготовки до іспитів та професійного розвитку. Активувати доступ можна до 9 грудня 2025 року.
Sorry, this entry is only available in Українська. На сайті Times Higher Education опубліковано статтю Джорджа Шалхуба «Ми повинні встановити правила використання ШІ у наукових роботах і рецензуванні».
Sorry, this entry is only available in Українська.
На сайті Times Higher Education опубліковано статтю Джорджа Шалхуба «Ми повинні встановити правила використання ШІ у наукових роботах і рецензуванні».
У ній автор наголошує, що без чітких правил використання інструментів генеративного штучного інтелекту у наукових текстах і процесі рецензування може бути втрачена довіра до самої системи академічної комунікації. Шалхуб зазначає, що великі мовні моделі дедалі частіше стають невидимими співавторами наукових текстів. Уже траплялися випадки, коли до наукових статей потрапляли фрази, очевидно породжені ШІ, або навіть цілі абзаци, які не мали жодного стосунку до змісту дослідження. Окремі журнали змушені були відкликати публікації після виявлення таких фактів. Дослідження показують, що ознаки машинного тексту присутні щонайменше у кожній восьмій науковій анотації, а в галузі комп’ютерних наук — майже у 20% робіт. Такі самі тенденції мають місце і в рецензуванні: до 17 % рецензій містять фрази, сформовані штучним інтелектом. Проблема посилюється через зростання кількості наукових рукописів, які потребують рецензування. Академічне середовище заохочує кількість публікацій, тоді як сама процедура оцінювання залишається неоплачуваною і надмірно перевантаженою. Це створює спокусу використовувати штучний інтелект, аби скоротити час підготовки текстів чи рецензій. Водночас з’являються нові форми маніпуляцій — автори іноді приховують у документах інструкції для ШІ, які впливають на оцінювання наукової роботи. Автор переконаний, що ця ситуація вимагає невідкладного врегулювання. Передусім наукові журнали та організатори конференцій мають ухвалити політики, які зобов’язують декларувати будь-яке використання штучного інтелекту. Має бути чітко вказано, який саме інструмент застосовано, з якою метою і яку роль він відіграв у створенні тексту. Відповідальність за зміст і достовірність завжди залишається за людьми, тому ШІ не може бути вказаний як співавтор. Рецензенти повинні ретельно перевіряти подані матеріали (зокрема – на предмет прихованих інструкцій) і користуватися лише перевіреними інструментами. Одночасно потрібно створювати механізми аудиту та контролю, які передбачатимуть не лише виявлення порушень, а й послідовну систему відповідальності: від попередження у разі ненавмисних помилок до суворих санкцій за повторні або свідомі порушення. Така регламентація не повинна зупиняти використання ШІ, а має зробити його безпечним і відповідальним. Загальний висновок автора полягає в тому, що стрімкий технологічний прогрес потребує нової культури академічної доброчесності. Штучний інтелект може бути корисним інструментом для науковців, але лише тоді, коли його застосування буде прозорим, підзвітним і підконтрольним. Тільки за цієї умови можливо зберегти довіру до наукового знання як колективного людського надбання.
Sorry, this entry is only available in Українська. Scribbr являє собою онлайн-платформу підтримки академічної доброчесності, засновану у 2012 році.
Sorry, this entry is only available in Українська.
Scribbr являє собою онлайн-платформу підтримки академічної доброчесності, засновану у 2012 році.
Вона сфокусована на сервісах для коректури, редагування текстів та їхньої перевірки на плагіат і має на меті сприяння академічній доброчесності в середовищі здобувачів освіти і дослідників. Сервіс орієнтований на удосконалення роботи з кваліфікаційними працями (рефератами, дипломними роботами, дисертаціями) та науковими публікаціями, пропонуючи комплексні рішення для забезпечення оригінальності творів. З моменту свого заснування і до сьогодні Scribbr еволюціонував від базового редактора до інтегрованої системи з елементами штучного інтелекту, адаптованої під потреби академічних кіл. Основна функція — перевірка на плагіат — базується на технології Turnitin, яка є стандартом у більшості університетів і видавництв. Цей інструмент виявляє не лише точні текстові збіги, а й семантичні подібності, включаючи заміни синонімами. Перевірка здійснюється з широким спектром джерел: понад 99 млрд поточних та архівних веб-сторінок, 8 млн публікацій від 1700 видавництв (зокрема – Springer, IEEE, Elsevier, Wiley-Blackwell, Taylor & Francis), дисертацій, тез і новин. Детектор штучного інтелекту побудований на власному програмному забезпеченні Scribbr, щоб з високою точністю ідентифікувати тексти, згенеровані LLM-моделями на кшталт ChatGPT, Gemini чи Copilot. Звіти про перевірку містять детальний аналіз потенційних збігів, допомагаючи розпізнавати ненавмисний плагіат і формувати правильні цитати, що знижує ризики академічної недоброчесності. Сервіс підтримує перевірку на 20 мовах – англійській, іспанській, німецькій, арабській, французькій тощо. Серед додаткових можливостей сервісу — генератор цитувань, інструмент перевірки стилю цитування, професійні послуги коректури, а також понад 300 статей з порадами щодо академічного письма, уникнення плагіату та етичних аспектів дослідження. Ці ресурси навчають академічній етиці, роблячи платформу корисною для студентів і викладачів. Scribbr використовується в освітніх установах і наукових інституціях для підтримки стандартів оригінальності та забезпечує необхідну конфіденційність даних.
Sorry, this entry is only available in Українська. На сайті Times Higher Education опубліковано статтю Жульєт Роселл «Викладачі занижують оцінки студентам, коли підозрюють їх у використанні ШІ».
Sorry, this entry is only available in Українська.
На сайті Times Higher Education опубліковано статтю Жульєт Роселл «Викладачі занижують оцінки студентам, коли підозрюють їх у використанні ШІ».
У ній містяться роздуми одо того, як викладачі наразі реагують на застосування студентами штучного інтелекту при виконанні самостійних робіт та як це загалом змінює систему і процес оцінювання. Нещодавно проведене дослідження, побудоване на результатах опитування 33-х викладачів показало, що навіть за умови дозволу на застосування ШІ при підготовці завдань, деякі викладачі все одно занижують оцінки студентам, якщо підозрюють, що ті надмірно покладалися на інструменти ШІ. Ця практика породжує неоднорідність у підходах до оцінювання, нерозуміння очікувань і збільшення напруженого стану студентів, посилення недовіри між студентами та викладачами. Тому важливо розробити чітку модель «валідності» оцінювання, у рамках якої можна чітко вказувати, в яких випадках використання ШІ справді підриває можливість продемонструвати набуті студентами навички. Тоді, якщо застосування ШІ перешкоджатиме демонстрації здобувачами освіти справжніх набутих нових компетенцій, таке зменшення оцінки буде справедливим. Також рекомендується зробити зручними та прозорими комунікації в освітньому середовищі з приводу характеру використання ШІ, показувати заздалегідь, як це впливатиме на оцінювання, для чого потрібно проводити відповідні семінари або тренінги, щоб забезпечити уніфікацію належних практик оцінювання для усіх викладачів. Отже, зараз існує високий ризик як послаблення довіри до академічних сертифікатів, так і несправедливих оцінок, тому необхідно встановити зрозумілі й справедливі рамки для роботи з ШІ в освітньому процесі.
Sorry, this entry is only available in Українська. На сайті Times Higher Education опубліковано статтю Шелдона Г. Джейкобсона «Рецензування за допомогою ШІ має пройти належну перевірку».
Sorry, this entry is only available in Українська.
На сайті Times Higher Education опубліковано статтю Шелдона Г. Джейкобсона «Рецензування за допомогою ШІ має пройти належну перевірку».
У ній автор порушує питання використання інструментів штучного інтелекту для рецензування наукових праць і наголошує, що перед тим, як запроваджувати відповідні практики, потрібно ретельно перевірити надійність і здатність ШІ адекватно виконувати ці завдання. Автор звертає увагу, що нині існують десятки тисяч наукових журналів, і процес оцінювання рукописів вимагає величезних витрат ресурсів часу та зусиль фахівців. Якщо кожну статтю мають рецензувати кілька незалежних експертів, то загальний обсяг роботи вимірюється мільйонами годин на рік. Саме тому зростає інтерес до можливостей штучного інтелекту як інструмента, який міг би зменшити таке навантаження. Будь-який процес рецензування наукової праці зводиться до трьох основних питань: чи є дослідження новим, чи коректними є отримані результати та чи додає робота вагомий інтелектуальний внесок у відповідну сферу знань. У кращому випадку технології штучного інтелекту можуть більш-менш успішно визначати рівень новизни, порівнюючи рукописи з наявною базою знань. Однак оцінка коректності та інтелектуальної цінності дослідження потребує глибокого контексту і часто пов’язана з суб’єктивними судженнями, що робить завдання значно складнішим. Джейкобсон застерігає: алгоритми навчаються на даних, які вже містять певні неточності й помилки, тому ймовірність упереджень дуже висока. Крім того, існує ризик, що система ігноруватиме роботи, які виходять за межі усталених підходів, натомість надаючи перевагу тим, що розвивають уже добре відомі напрямки. Це може посилити так званий «груповий ефект», коли інноваційні ідеї не отримують належної уваги. Щоб уникнути таких проблем, автор пропонує не замінювати людей автоматизованими рішеннями, а звернутись до гібридної моделі: статті оцінюють рецензенти, але паралельно ті самі рукописи проходять перевірку штучним інтелектом. Порівняння результатів дозволить з’ясувати, в яких галузях збіг між оцінками людей і алгоритмів може бути досить високим, а де навпаки — різниця виявиться суттєвою. Лише після такого тестування можна говорити про поступове розширення ролі технологій. Ключовий висновок полягає в тому, що системи ШІ самі мають пройти своєрідне «рецензування». Наразі немає доказів їхньої стабільної роботи без значних похибок і упереджень, тому їхнє застосування в офіційному процесі рецензування слід відтермінувати. Майбутнє науки може виграти від технологічної підтримки, однак це відбудеться лише за умови, що надійність таких інструментів буде перевірена так само суворо, як і будь-яке інше дослідницьке нововведення.
Sorry, this entry is only available in Українська. На сайті Times Higher Education опубліковано статтю Міріам Вун та На Йонг Ен «Посібник інсайдера про те, як студенти використовують інструменти генеративного ШІ».
Sorry, this entry is only available in Українська.
На сайті Times Higher Education опубліковано статтю Міріам Вун та На Йонг Ен «Посібник інсайдера про те, як студенти використовують інструменти генеративного ШІ».
Автори говорять про результати вивчення практик використання ШІ, отримані під час спілкування зі студентами різних спеціальностей. Як правило, студенти залучають ШІ для створення конспектів, пояснення складних концепцій, генерації ідей та структурування завдань. Найбільш популярним є запит на кшталт «Поясни, ніби мені 12 років», який допомагає спростити складні теми. Є занепокоєння щодо формування надмірної залежності від технологій, що може перешкоджати глибокому навчанню. ГШІ відкриває нові можливості для освіти, але водночас створює виклики, зокрема – щодо дотримання академічної доброчесності й розвитку критичного мислення. Щоб ефективно інтегрувати ГШІ у навчання, автори пропонують викладачам переосмислити підходи до оцінювання, збільшити кількість завдань, що вимагають оригінального мислення та вирішення реальних проблем. Наприклад, залучення студентів до проєктів, орієнтованих на реальну співпрацю з індустрією, можуть стимулювати креативність і практичне застосування знань. Університети можуть розробляти власні чат-боти на базі ГШІ, які надаватимуть студентам персоналізовану підтримку та допомагатимуть аналізувати їхні навчальні потреби. Викладачам також варто нагадувати про наслідки неетичного використання ШІ, щоб заохочувати відповідальне ставлення до технологій. Оскільки ГШІ стає невід’ємною частиною робочих процесів, розвиток ШІ-грамотності та адаптація педагогічних методів до нових викликів є ключовими завданнями для вищої освіти. А грамотне й коректне використання ГШІ може сприяти більш глибокому розумінню навчального матеріалу, розвитку критичного мислення та підготовці студентів до успішного професійного майбутнього.
Sorry, this entry is only available in Українська. iThenticate являє собою сервіс перевірки текстів на плагіат для корпоративного та академічного ринку, який належить компанії Turnitin.
Sorry, this entry is only available in Українська.
iThenticate являє собою сервіс перевірки текстів на плагіат для корпоративного та академічного ринку, який належить компанії Turnitin.
Він був запущений у 2004 році з метою підтримки академічної доброчесності, цілісності наукових досліджень та професійних публікацій. Його основна функція полягає у порівнянні рукописів із великою базою академічних і веб-джерел для виявлення збігів і підтвердження оригінальності текстів. З класичного інструменту перевірки на плагіат iThenticate з часом розвинувся у багатофункціональне рішення, яке використовується у видавничій справі, наукових установах, урядових та комерційних організаціях. У відповідь на розвиток великих мовних моделей нещодавно сервіс було доповнено інструментами виявлення текстів, згенерованих штучним інтелектом, а також для захисту інтелектуальної власності та аналізу документів. Інтеграція iThenticate із системами відстеження рукописів (MTS), видавничими платформами та системами управління контентом (CMS) робить його одним із ключових інструментів для більшості академічних журналів. Його застосування допомагає забезпечувати академічну доброчесність і запобігати ненавмисному плагіату; підвищувати шанси на схвалення рукописів при публікації; підтримувати репутацію авторів і установ; своєчасно виявляти використання ШІ у процесі написання текстів. Звіт про схожість (Similarity Report) містить чіткі посилання на джерела, інструменти для інтерпретації результатів та аналізу показника схожості. База даних iThenticate охоплює сотні мільйонів наукових статей, книг, матеріалів конференцій, препринтів та енциклопедій, а також понад 85 тисяч журналів від провідних світових видавництв. Завдяки поєднанню масштабної джерельної бази, інтеграційних можливостей і сучасних технологій iThenticate став міжнародним стандартом для перевірки рукописів і дотримання академічної доброчесності.
Sorry, this entry is only available in Українська. На сайті Times Higher Education опубліковано статтю Стива Хіла та Квинтуса Штирсторфера «Чи може штучний інтелект забезпечити персонального тьютора 24/7».
Sorry, this entry is only available in Українська.
На сайті Times Higher Education опубліковано статтю Стива Хіла та Квинтуса Штирсторфера «Чи може штучний інтелект забезпечити персонального тьютора 24/7».
У ній йдеться про те, що сучасна вища освіта у Великій Британії переживає складні часи: співвідношення студентів до викладачів зростає, задоволеність студентів падає, а їхні фінансові ресурси – все більше обмежені. Багато студентів змушені працювати неповний робочий день, що призводить до пропусків занять, тоді як викладачі страждають від надмірного навантаження, що спонукає їх залишати академічну сферу. У таких умовах традиційні методи викладання не завжди відповідають потребам студентів і суспільства. Генеративний штучний інтелект пропонує інноваційне рішення для подолання цих викликів. ШІ-тьютори, інтегровані в системи університетів, можуть надавати персоналізовану підтримку студентам у реальному часі, відповідаючи на їхні запитання та пропонуючи власні для поглиблення знань. Такі інструменти, як Syntea, уже застосовуються в деяких закладах, наприклад, у Walbrook Institute London. Вони здатні обробляти базові питання, використовуючи матеріали курсу та доповнені дані з великих мовних моделей за умови належного контролю з боку викладачів для забезпечення точності. ШІ може значно полегшити рутинні завдання, такі як створення тестів та їх перевірка, відстеження прогресу студентів, адаптація рівня складності завдань до їхньої успішності. Це дозволяє викладачам зосередитися на ключових аспектах навчання, таких як розвиток критичного мислення й творчого підходу. Завдяки ШІ університети можуть відійти від орієнтації на “ідеального студента” та запропонувати гнучкіші освітні підходи, що враховують різноманітні потреби студентів, включно з тими, хто поєднує навчання з роботою чи іншими обов’язками. Використання ШІ-тьюторів не лише підвищує ефективність викладання, але надає персоналізовану підтримку кожному студенту. Хоча ШІ не вирішує всіх проблем і може створювати нові виклики, його розумне застосування у системі вищої освіти дозволяє оптимізувати ресурси університетів, роблячи освіту доступнішою та ефективнішою.
Sorry, this entry is only available in Українська. На сторінці блогу DOAJ опубліковано матеріал Метт Ходжкінсон «Переосмислення рецензування в епоху штучного інтелекту», приурочений до «Тижня рецензування-2025», який проходить з 15 по 19 вересня 2025 року.
Sorry, this entry is only available in Українська.
На сторінці блогу DOAJ опубліковано матеріал Метт Ходжкінсон «Переосмислення рецензування в епоху штучного інтелекту», приурочений до «Тижня рецензування-2025», який проходить з 15 по 19 вересня 2025 року.
У ньому йдеться про те, як штучний інтелект починає змінювати глобальний ландшафт рецензування та, зокрема – процес рецензування наукових публікацій. Люди все більше цінують переваги автоматизованих інструментів, у тому числі сервісів генеративного штучного інтелекту, причому легкість їх використання спричиняє зниження, а подекуди – навіть вимкнення критичного мислення. Коли ChatGPT вперше було відкрито для широкого загалу наприкінці 2022 року, з’явився цілий шквал наукових статей, у яких інструмент був вказаний як автор/співавтор, незважаючи на те, що цей по суті інструмент явно не мав здатності брати на себе відповідальність за будь-які згенеровані результати. На щастя, здоровий глузд було відновлено, і швидко сформувався консенсус щодо того, що автоматизовані інструменти не можуть бути авторами. Однак люди все ще знаходять нові способи зловживання такого роду інструментами. Цьогоріч DOAJ змушений був відхилити заявку журналу, який використовує штучний інтелект для обрання рецензентів. Це була не єдина проблема з журналом, але вона була головною, що засвідчила більш широкий пласт видавничих проблем з публікаційною етикою. Використання автоматизованих алгоритмів для підбору потенційних рецензентів здійснюється вже багато років, для чого використовуються бази даних видавців та зовнішніх джерела (наприклад, Publons як частина Web of Science). Однак, експертів DOAJ вразило у політиці журналу те, що використаний алгоритм жодним чином не був описаний, тобто він був «чорною скринькою», над якою повністю відсутній людський контроль. З огляду на цей досвід Метт Ходжкінсон звертає увагу на цінність оновлення посібника із подання заявок, до якого було додано розділ про штучний інтелект та інші автоматизовані інструменти. Тепер DOAJ вимагатиме від журналів чіткої та прозорої політики використання ШІ, яка повинна включати наступні аспекти: як автори повинні розкривати використання ШІ (окрім перевірки орфографії, граматики тощо); як автори нестуть відповідальність за результат роботи з інструментами ШІ (авторами можуть виступати лише люди); чи повинен ГШІ цитуватися; чи мають рецензенти використовувати генеративний штучний інтелект для написання своїх звітів тощо. Журнал повинен розкривати використання інструментів ШІ, здійснювати належну перевірку та пропонувати людям перевіряти результати рецензування. Ці пропозиції по суті своїй не нові, бо спираються на позицію COPE, Асоціації STM, AME та інших авторитетних організацій. Нові правила ураховують нинішній консенсус щодо ШІ і пропонують запобіжні заходи, при цьому не надто обмежуючи експерименти з автоматизацією процесів.
Sorry, this entry is only available in Українська. На сайті Times Higher Education опублікована стаття Дена Сарофіан-Бутіна «Повернення рукописних есе – безнадійна відповідь на ChatGPT».
Sorry, this entry is only available in Українська.
На сайті Times Higher Education опублікована стаття Дена Сарофіан-Бутіна «Повернення рукописних есе – безнадійна відповідь на ChatGPT».
Автор наголошує, що вимагати від студентів подання есе, написаних ручкою на папері, – це відчайдушний та регресивний крок, який підриває оцінювання, а не захищає його. У соціальних науках існує різновид спостережливої упередженості, яка називається «ефектом вуличного ліхтаря»: ми дивимося лише туди, де легко дивитися. Ден згадав про це, коли професори стали говорити, що потрібно повернутися до «старих» методів – повернути очні іспити та вимагати, щоб студенти писали свої есе від руки. Опитування постійно показують, що майже всі студенти університетів шахраюють, і викладачі майже не мають жодних можливостей викрити їх або змінити цю тенденцію. Оновлення кодексів академічної доброчесності, перегляд університетських політик у цій сфері, задіяння кращих детекторів згенерованого ШІ контенту, водяні знаки для текстів ШІ, складне програмне забезпечення для відстеження недоброчесних практик чи щось інше, – все це марно, якщо студенти не хочуть набувати знань, а лише грають у кішки-мишки з викладачами, а їх єдина ціль – не попастися. Рукописи розглядаються як відповідь на цю проблему, і прихильники цього рішення навіть намагаються позиціонувати їх як шанс зосередитися на оцінюванні набутих знань, спосіб переконатися, що все написане – справді належить учню, тим більше, що писати від руки – краща техніка для мозку. Але якщо ми хочемо знайти ключ до порятунку вищої освіти, потрібно по-перше, переосмислити академічне письмо (якщо студенти хочуть навчатися, вони повинні писати); по-друге, викладачі мають усвідомити нову реальність (їхня робота полягає в тому, щоб керувати навчанням студентів за умов існування таких технологій, як ШІ та правильно їх використовувати – від мозкового штурму до уточнення складних аргументів та узагальнення прочитаного). Потрібно дійно допомогти студентам навчити краще думати та писати. І хоча це величезна праця, зацікавлені студенти будуть її цінувати. Не потрібно більше рукописів чи очних іспитів, за якими наглядають пильні спостерігачі. Ключі до порятунку вищої освіти не можна знайти під фальшивим сяйвом традицій.
Saving a scientific data set occurs in two stages:
1.) Creating a data set
Enter the name of the set, a brief description of the set (annotation), and click the “Create set” button. After that, a draft data set will be automatically created, which you can save for further work with the set. The system will redirect you to the “Data set information” page.
2.) Filling in the data
On the “Data set information” page, you need to fill in all the fields related to the data set and upload the files.
Please note! Each file is uploaded separately. This is done to ensure the stable operation of the system.
Once you have filled in the information about the scientific data set and added the necessary files, you can save the draft or send the data to the system.
Please note! Once the data has been sent, you cannot change it.
Drafts are necessary for storing the data set and editing it before sending.
Account verification by affiliation
All accounts on the NRA website go through a standard registration procedure and are verified. However, in order to obtain additional features, such as publishing open reviews of academic texts, verification by affiliation is required.
To obtain the status “verified”, you must change your primary email address to a corporate one, which is tied to a scientific or educational institution.
For example: user@ukrintei.ua, user@nas.gov.ua
After confirming your corporate email address, your account will be automatically verified by affiliation.
If your email address is corporate, but your account does not have a verification mark, you need to write to us at the email address NRAT@ukrintei.ua. After verification, we will add your address to the database, and your account will be verified.
After completing the verification procedure for affiliation, you can change the primary email address to a convenient one for you, without losing your status during the current verification.
You only need to verify for affiliation once.
* We use corporate addresses from the Unified State Database on Education and the State Register of Scientific Institutions Supported by the State
