Штучний інтелект Архіви

ОЕСР: РИНКИ ШТУЧНОГО ІНТЕЛЕКТУ

Організація економічного співробітництва та розвитку опублікувала звіт «Ринки штучного інтелекту» і короткий огляд політики «Останні події та проблеми конкуренції» з серії «Ринки штучного інтелекту».

Документ містить інформацію щодо стану конкуренції на ринках штучного інтелекту, а також аналіз широкого спектру наслідків для економічного зростання. Він спирається на попередні дослідження ОЕСР щодо ринків штучного інтелекту та конкуренції з урахуванням оновлених даних. Експерти наголошують, що окремі сегменти ринків ШІ (зокрема – базові моделі) демонструють високий динамізм протягом останніх трьох років, але на різних рівнях ланцюжка створення вартості штучного інтелекту зберігаються кілька структурних ризиків. Розробка та впровадження ШІ змінюють ефективність бізнесу, структуру витрат, стратегічні переваги, що має свої наслідки. Штучний інтелект може забезпечити значні економічні та соціальні вигоди, які будуть сильнішими, якщо ринки залишатимуться відкритими, інноваційними та конкурентними в усьому ланцюжку створення вартості ШІ. Однак поточна структура ринків ШІ створює значні ризики для конкуренції. Технологічні гіганти стикаються з певною конкуренцією з боку динамічних, спеціалізованих постачальників, що у першу чергу стосується базових моделей, де продуктивність продовжує покращуватися, ціни знижуються, а технологічне лідерство в можливостях моделей штучного інтелекту неодноразово оскаржується. Разом із тим, зростатимуть структурні ризики для конкуренції в ланцюжку створення вартості штучного інтелекту: йдеться про сильну концентрацію ключових ресурсів (обчислення, дані та навички), переваги першопрохідців та зростаючу вертикальну інтеграцію. Подальше швидке удосконалення ШІ та преференційні партнерства з існуючими лідерами в критичних сегментах (особливо – у постачанні чіпів та наданні хмарних послуг) можуть створити визначальні переваги для кількох компаній та ще більше сконцентрувати цифрові ринки.

Детальніше: https://www.oecd.org/en/publications/artificial-intelligence-markets_d531d73f-en.html, https://www.oecd.org/content/dam/oecd/en/publications/reports/2026/07/artificial-intelligence-markets_cce1ac41/d531d73f-en.pdf, https://doi.org/10.1787/d531d73f-en

Фото: скріншот

#НРАТ_Усі_новини #НРАТ_Науковцям_новини #НРАТ_Освітянам_новини #НРАТ_Інноваторам_новини #НРАТ_ШтучнийІнтелект #НРАТ_OECD

2026-09-30

ЗАХИСТ ЯКОСТІ ДАНИХ ОФІЦІЙНОЇ СТАТИСТИКИ В ЕРУ ШТУЧНОГО ІНТЕЛЕКТУ

У блозі ОЕСР опублікований матеріал «Захист якості даних офіційної статистики в еру штучного інтелекту».

Генеративний штучний інтелект змінює те, як люди отримують доступ до офіційних статистичних даних. Чи можна забезпечити збереження якості даних та довіру користувачів до отриманої інформації? Все більше людей, зокрема – журналістів, політиків, – отримують доступ до офіційної статистики через чат-ботів та ШІ- помічників, а не через офіційні веб-сайти національних статистичних інститутів чи урядів. Тепер інформація проходить через низку цифрових посередників, які її отримують, інтерпретують та перерозподіляють, що неодмінно буде призводити до втрат і викривлень. Можуть зникнути дані щодо контрольного періоду, примітки, методологічні пояснення, які дозволяють користувачеві судити, чи відповідає показник його конкретному питанню. ШІ може суттєво покращити доступ до офіційної статистики, полегшивши пошук даних та їх сприйняття. Замість безпосередньої взаємодії з таблицями чи інформаційними панелями, користувачі все частіше отримують згенеровані ШІ дані з простими і зрозумілими коментарями. Це робить статистику більш доступною для користувачів-неекспертів, але така зручність має суттєвий недолік: базова інформація вже була відібрана, інтерпретована та узагальнена системою ШІ у такий спосіб, про який користувач майже ніколи не дізнається. Наприклад, виноска до редакції може не пережити шлях ШІ, як і відомості про джерело. Користувачі отримують велику кількість інформації, але не можуть розуміти контекст і базову структуру даних, що необхідно для оцінки якості інформації та її подальшого ефективного використання, адже користувач повинен знати про походження, належність, валідність та репрезентативність даних. Щойно штучний інтелект стає посередником у взаємозв’язку між даними та користувачами, питання якості виходить за рамки оцінювання показника. Тут важливо пам’ятати про відстежуваність, машиночитабельність та репрезентативність. Системи ШІ не мають вбудованої інформації про те, чи було джерело переглянуто, виправлено або вилучено. У дослідженні 2025 року ChatGPT було запропоновано оцінити 217 відкликаних дослідницьких статей і жодного разу чатбот не вказав користувачу на те, що йдеться саме про відкликані матеріали. Надійність відповіді ШІ залежить від структури джерела: точність пошуку досягає 91% для добре структурованого тексту і знижується до 86% для менш структурованого. Системи ШІ загального призначення навчаються на будь-яких даних, яких найбільше у відкритому доступі, але їхня кількість не є свідченням репрезентативності. Офіційна статистика є суспільним благом у строгому економічному сенсі: вона неконкурентна (використання однією особою не применшує використання іншою) і вона не підлягає виключенню (доступ до неї не може бути обмежений), тому вона традиційно надавалася державою, а не ринковими гравцями. ШІ починає змінювати ситуацію: контент залишається публічним, дані залишаються вільними для доступу, але змістовний доступ мігрує за преміум-асистентами, платними інтерфейсами та висококонцентрованою інфраструктурою (50% захищених інтернет-серверів світу розміщена в одній країні). Отже, суспільне благо може стати таким, що підлягає виключенню без будь-якого свідомого рішення про це з боку урядів і громад. Крім того, системи штучного інтелекту не є нейтральними провідниками інформації, оскільки кожна модель містить ціннісні судження щодо акцентів та заборон. Статистичні управління мають унікальні можливості для забезпечення достатньої структурованості, документованості й доступності офіційної статистики, щоб вона слугувала надійним орієнтиром для систем штучного інтелекту. Необхідним кроком є встановлення стандартів для неофіційних даних, включно з даними, створеними громадянами, які все частіше використовуються при ухваленні державних рішень.

Детальніше: https://www.oecd.org/en/blogs/2026/07/protecting-data-quality-in-the-ai-era-of-official-statistics.html

Фото: скріншот

#НРАТ_Усі_новини #НРАТ_Науковцям_новини #НРАТ_Освітянам_новини #НРАТ_ШтучнийІнтелект #НРАТ_OECD

2026-09-25

ОЕСР: ШТУЧНИЙ ІНТЕЛЕКТ ТА ВІДКРИТІ ФІНАНСИ

Організація економічного співробітництва та розвитку опублікувала аналітичний документ «Штучний інтелект та відкриті фінанси: синергія, компроміси та політичні наслідки» з серії «Документи ОЕСР про штучний інтелект».

У ньому йдеться про те, що фінанси змінюються під впливом низки технологічних, регуляторних та ринкових розробок, а штучний інтелект та відкритий обмін даними мають особливо суттєвий вплив. Однак динаміка та сила такого впливу залишається недостатньо вивченою. Фахівці проаналізували взаємодію інновацій у сфері штучного інтелекту із середовищами обміну даними, зосередивши увагу на перевагах, складнощах та ризиках; розробили перспективний теоретичний сценарій впливу агентного штучного інтелекту в середовищі обміну даними; наголошують на необхідності забезпечення відповідального та масштабованого упровадження інновацій у сфері штучного інтелекту в екосистемах відкритих фінансів.

Детальніше: https://www.oecd.org/en/publications/artificial-intelligence-and-open-finance_eb511c3c-en.html, https://www.oecd.org/content/dam/oecd/en/publications/reports/2026/07/artificial-intelligence-and-open-finance_409e7c69/eb511c3c-en.pdf, https://doi.org/10.1787/eb511c3c-en

Фото: скріншот

2026-09-14

ОЕСР: КОНКУРЕНЦІЯ В ЕПОХУ ШТУЧНОГО ІНТЕЛЕКТУ

Організація економічного співробітництва та розвитку опублікувала робочий документ «Конкуренція в епоху штучного інтелекту» із серії «Документи ОЕСР щодо штучного інтелекту».

У ньому йдеться про те, що наразі ШІ суттєво змінює ринки, але його вплив на конкуренцію залишається недостатньо дослідженим. Експерти пропонують концептуальний підхід, який дозволяє розрізняти користувачів ШІ від розробників, а також генеративний ГШІ від негенеративного ШІ, показуючи, як конкурентні механізми відрізняються в цих вимірах. На основі системного аналізу ряда джерел мікроданих, встановлено, що упровадження не-ГШІ не пов’язане зі значним збільшенням ринкової сили: описові дані про вплив фірм на ГШІ свідчать про можливості для менших фірм поряд з перевагами для фірм з сильнішими існуючими можливостями. Концентрація на інноваціях ШІ корелює з вищою концентрацією продажів. Патентування, пов’язане зі ШІ, призводить до більш швидкого зростання націнки, особливо – у секторі ІКТ. Екосистема стартапів у сфері штучного інтелекту є динамічною та приваблює значний венчурний капітал, але стартапи часто купуються великими існуючими гравцями. Формується динамічний, але неоднорідний ландшафт, що підкреслює необхідність постійного моніторингу поширення штучного інтелекту.

Детальніше: https://www.oecd.org/en/publications/competition-in-the-age-of-ai_6f88a1ea-en.html, https://www.oecd.org/content/dam/oecd/en/publications/reports/2026/07/competition-in-the-age-of-ai_e9f49e20/6f88a1ea-en.pdf, https://doi.org/10.1787/6f88a1ea-en

Фото: скріншот

2026-09-11

В ЕПОХУ ГШІ ЛЕКЦІЇ ПОВИННІ ЗМІНИТИСЯ: ВІД ПЕРЕДАВАННЯ ЗНАНЬ ДО ОСМИСЛЕНОЇ КРИТИЧНОЇ РОБОТИ З НИМИ

На сайті Times Higher Education опубліковано статтю Дебри Пейдж «Не можна просто читати студентам лекції, як раніше».

У ній вона розмірковує, як генеративний ШІ змінює роль університетської лекції та пропонує чотири практичні зміни, які допомагають перенести акцент із простого передавання інформації на її осмислення, застосування й оцінювання. Онлайн-журнали та відеозаписи занять зробили пояснення викладачів доступними поза аудиторією, а генеративний ШІ істотно посилив цю тенденцію, надаючи студентам можливість за лічені секунди отримувати пояснення, приклади, порівняння теорій й спрощені версії відповідей. У 2026 році 95% студентів бакалаврату у Великій Британії повідомили про використання ШІ щонайменше в один зі способів, а 94% — про використання генеративного ШІ під час виконання оцінюваних робіт. Ці кардинальні зміни не роблять викладача непотрібним, а лише послаблюють значення лекції як способу одностороннього передавання змісту. Експертне пояснення, інтелектуальна розповідь і демонстрація способу мислення в певній дисципліні залишаються важливими. Водночас аудиторне заняття має давати студентам можливість застосовувати знання, перевіряти твердження, будувати аргументи й бачити альтернативи. Проблемою наразі є не сама лекція, а ситуація, коли годину говоріння викладача сприймають як доказ того, що навчання відбулося. Першу зміну автор пропонує починати з мислення, а не зі слайдів. Замість запитання «який матеріал потрібно охопити?» варто визначити, що студент має вміти робити із засвоєними знаннями: розрізняти кореляцію та причинність, обирати відповідний метод аналізу, оцінювати відповідь ШІ або застосовувати теорію до нового випадку. Це змінює заняття: інформаційний матеріал залишається важливим, але його добір і послідовність підпорядковуються подальшому застосуванню та критичному оцінюванню. Другий підхід — переривати безперервне слухання завданнями на відтворення та застосування знань. Після пояснення можна запропонувати коротке запитання, дати час сформулювати відповідь, обговорити її з іншою людиною або перевірити певний аргумент. Автор посилається на масштабний метааналіз навчання студентів STEM, який показав переваги активного навчання порівняно з традиційними лекціями, зокрема – щодо результатів навчання та зниження частки невдалого складання курсів. Третя зміна стосується участі студентів. Активне навчання не повинно перетворюватися на обов’язковий публічний виступ кожного: тривожність, обмеження мовного середовища та особисті уподобання студентів можуть впливати на їхню готовність говорити перед великою аудиторією. Тому поряд із обговоренням на парах можна використовувати анонімні опитування, письмові відповіді або короткі підсумкові завдання. Важливо не те, наскільки публічною є участь, а чи допомагає вона перевіряти ідеї та виходити за межі першої правдоподібної відповіді, яку пропонує ШІ. Четвертий напрям — навчати не лише правильних відповідей, а й судження. ГШІ може створювати вигадані посилання, спрощувати наукові розбіжності та подавати слабкі твердження з переконливою впевненістю. Тому викладачеві варто показувати студентам, як перевіряти докази, виявляти припущення, знаходити пропущені аргументи й зіставляти висновки з наявними даними. Наприклад, на занятті можна разом аналізувати відповідь ШІ, порівнювати два варіанти відповіді або простежувати твердження до його джерела. Це не означає, що потрібно перетворювати кожну лекцію на набір розважальних активностей. Студентам і надалі потрібні тривалі пояснення, складні аргументи та професійне керівництво. Головна зміна полягає в іншому: якщо спільна присутність викладача й студентів не дає нічого понад те, що можна отримати зі слайдів, запису або короткого резюме, така форма навчання втрачає свою перевагу. ГШІ не знищує університетське викладання, а більш виразно продемонстрував різницю між передаванням інформації та освітою: інформацію тепер можна отримати майже будь-де, тоді як університет має допомагати студентам навчитися мислити за допомогою цієї інформації.

Детальніше: https://www.timeshighereducation.com/campus/you-cant-just-lecture-students-any-more

Фото: pixabay.com

#НРАТ_Усі_новини #НРАТ_Науковцяам_новини #НРАТ_Освітянам_новини #НРАТ_ШтучнийІнтелект #НРАТ_TimesHigherEducation

2026-09-08

СТУДЕНТИ АКТИВНО КОРИСТУЮТЬСЯ ШІ, ПРОТЕ МАЙЖЕ НЕ ПЕРЕВІРЯЮТЬ ЙОГО ВІДПОВІДІ

На сайті Times Higher Education опубліковано статтю Патріка Джека «Більшість студентів повідомляють про помилки ШІ, але лише половина регулярно перевіряє згенерований контент».

У ній йдеться про результати опитування здобувачів освіти, які користуються інструментами штучного інтелекту та повідомили, що постійно стикаються з помилками в роботі ШІ, однак регулярно не перевіряють отриманий контент. Більше половини студентів (56 %) користуються ШІ кілька разів на тиждень, — це значно частіше, ніж це робить населення (33 %). Дев’ять із десяти студентів, які користуються ШІ, повідомляють про проблеми зі згенерованим контентом. Найпоширенішими є фактологічні помилки та неточності (37 %), «галюцинації», тобто вигадані джерела чи дані (31 %). Попри це, лише 15 % студентів постійно перевіряють кінцевий результат, 28 % роблять це періодично, а 19 % визнають, що рідко або взагалі ніколи не верифікують результат, згенерований ШІ. Позиції університетів стосовно ШІ також нечіткі, консенсусу тут немає. Третина студентів вважає, що ЗВО заохочують використання ШІ, ще третина — що навпаки забороняє або суттєво обмежує, а решта взагалі не має уявлення про політику щодо ШІ в освіті. 43 % студентів вважають цю новітню технологію позитивною для розвитку людства, 56 % радіють новим можливостям і стільки ж переймається ризиком втрати робочих місць. Боббі Даффі вважає, що суспільство, працівники, молодь і студенти спостерігають за швидким розвитком ШІ зі страхом, тому потрібні зрозумілі плани адаптації та підтримки.

Детальніше: https://www.timeshighereducation.com/opinion/five-stages-ai-grief-some-managers-are-stuck-denial

Фото: рixabay.com

#НРАТ_Усі_новини #НРАТ_Освітянам_новини #НРАТ_ШтучнийІнтелект #НРАТ_TimesHigherEducation

2026-09-03

ВІД ЗАПЕРЕЧЕННЯ ДО ПРИЙНЯТТЯ: РОЗПАД ТРАДИЦІЙНОЇ ОСВІТИ ПІД ВПЛИВОМ ГШІ

На сайті Times Higher Education опубліковано статтю Шаді Мохамеда «Дехто застряг на стадії заперечення ШІ».

У ній автор вивчає реакцію університетів на поширення генеративного штучного інтелекту, розглядаючи її крізь призму п’яти стадій екзистенційного розриву (заперечення, гнів, торг, депресія і прийняття) від Елізабет Кюблер-Росс. Наразі освітні інституції переживають не просто технологічну адаптацію, а сильний стрес через руйнування економічної та інституційної логіки. Як інтернет зруйнував бізнес-модель газет, так і генеративний штучний інтелект змінює університетську модель із доставки контенту, оцінювання та формування компетентностей. Коли ШІ миттєво дає персоналізовані пояснення і генерує есе чи звіти, традиційний диплом втрачає роль надійного підтвердження знань. Багато хто каже «Калькулятор змінив викладання арифметики, то в чому різниця?». Ця паралель є хибною, адже калькулятор прискорив обчислення та при цьому не зробив математичне міркування зайвим. ШІ загрожує замінити синтез, аргументацію та структуроване мислення — когнітивні навички, які оцінювання традиційно використовувало для оцінювання результатів навчання. Якщо зосереджуватись на питанні масового «списування», то доведеться закуповувати детектори ШІ та постійно оновлювати політики академічної доброчесності. Лектор, який роками проєктував завдання для проходження студентами когнітивних викликів, нині бачить, що мовна модель легко обходить цей процес. І він знає, що поліцейськими заходами кризу не вирішити. На стадії торгу виникає ентузіазм щодо аналогових обмежень, – запровадження очних іспитів, рукописних есе, усних опитувань, – повернення до «старих» форматів. Коли марність торгу стає очевидною, приходить депресія, яка у викладачів пов’язана з розумінням реальної ціни інтеграції ШІ, яка вимагає перебудови навчальних програм, переходу від вимірювання артефактів до оцінювання судження. Справжнє прийняття для більшості інституцій залишається справою майбутнього, але воно вже відбувається на окремих кафедрах і в рамках новітніх перероблених курсах. Прийняття — це не капітуляція, а момент, коли інституція перестає ставити неправильні питання і починає вирішувати правильні. Усний іспит трансформується, тепер екзаменатор не запитує «чи це писав ШІ?», а уточнює, «чому ви прийняли це рішення? Які ризики це несе?». Оцінювання стає справжньою перевіркою судження та професійної відповідальності — того, що освіта завжди мала розвивати і що жоден ШІ не може зробити замість студента. Університети не виживуть в епоху ШІ, захищаючи зламані елементи застарілої моделі. Вони зможуть зберегтися лише тоді, коли матимуть сміливість будувати інституцію, яка дійсно потрібна людям у світі когнітивної автоматизації.

Детальніше: https://www.timeshighereducation.com/opinion/five-stages-ai-grief-some-managers-are-stuck-denial

Фото: рixabay.com

#НРАТ_Усі_новини #НРАТ_Освітянам_новини #НРАТ_ШтучнийІнтелект #НРАТ_TimesHigherEducation

2026-09-02

ПІД ТИСКОМ ЕКОЛОГІЧНИХ ЗВИНУВАЧЕНЬ: НАУКОВЦЯМ НЕ СЛІД ВІДЧУВАТИ ПРОВИНУ ЗА ВИКОРИСТАННЯ ШІ

На сайті Times Higher Education опубліковано статтю Кел Іннеса «Академіки не повинні почуватися винними через вплив використання ШІ на довкілля».

У ній спеціаліст JISC, – установи, що підтримує британську вищу освіту, стверджує, що тривога викладачів і співробітників університетів стосовно негативного впливу інструментів ШІ на зміну клімату, є непропорційною. Кел вважає, що варто зосередити увагу не на індивідуальній провині, а на системній відповідальності розробників ШІ та органів регулювання. Цифрові технології можуть частково зменшувати екологічний вплив, якщо урахувати, що хмарні системи більш ефективні за застарілі локальні сервери, що онлайн-інструменти скорочують непотрібні поїздки і що розумні системи опалення, охолодження та освітлення допомагають університетам знижувати енергетичні втрати. Тим не менш у загальному підсумку цифровізація збільшує екологічний слід, а бум інструментів, побудованих на великих мовних моделях, створює додаткове навантаження, новий шар енергоємних процесів. Один запит до ChatGPT споживає значно менше енергії, ніж короткий відеодзвінок або кілька хвилин стримінгу, і набагато менше, ніж кип’ятіння повного чайника. Це не виправдовує екологічний вплив ШІ, індивідуальне використання генеративного ШІ не є екологічно нейтральним, але його наслідки слід оцінювати реалістично. Якщо ми не ставимо під сумнів еколоічний слід від використання YouTube, скролінгу соцмереж або постійно увімкнених камер на онлайн-конференціях, чи справедливо виокремлювати вплив на клімат інструментів Ш? Згідно з нещодавнім опитуванням менше половини академічних співробітників відчуває, що може комфортно керувати своїм робочим навантаженням, отже звернення до ШІ задля економії часу є практичною реакцією, а не розкішшю. Автор пропонує використовувати поняття «green shifting», – це коли відповідальність за екологічний вплив непомітно перекладається згори донизу – з корпорацій на споживачів, з систем – на окремих індивідів. Ми спостерігаємо ситуацію, коли кліматичний тягар лягає на плечі тих, хто користується ШІ, а не на технологічних гігантів, які будують інфраструктуру, чи на уряди, які її регулюють. Цей фокус – хибний. Занепокоєння енергоспоживанням і використанням води для охолодження дата-центрів цілком виправдане, але його варто спрямовувати туди, де можна досягти найбільшого ефекту. Це означає вимагати від розробників ШІ прозорої звітності про енергію, більш чистої інфраструктури та реальних інвестицій у відновлювані джерела, а від урядів — відповідного регулювання, високих сучасних стандартів, а також стимулів екологічної роботи. Генеративні чат-боти становлять невелику частку загального енергоспоживання, пов’язаного зі штучним інтелектом. Основне навантаження припадає на генерацію та аналіз відео, таргетовану рекламу, рекомендаційні системи та навчання нових моделей. Екологічну загрозу становить не окремий користувач, який бажає за допомогою ШІ підсумувати нотатки зустрічі або допомогти з листом. Вона – у неконтрольованому розширенні непрозорої інфраструктури, системній відсутності даних про викиди та у відсутності запобіжників для сталого розгортання технологій. Індивідуальна обізнаність корисна, однак індивідуальне звинувачення неприйнятне, відчуття провини проблему не вирішить.

Детальніше: https://www.timeshighereducation.com/opinion/academics-should-not-feel-guilty-about-ai-uses-environmental-impact

Фото: рixabay.com

#НРАТ_Усі_новини #НРАТ_Освітянам_новини #НРАТ_ШтучнийІнтелект #НРАТ_TimesHigherEducation

2026-09-01

ШІ ДОПОМАГАЄ ГОТУВАТИ ГРАНТОВІ ЗАЯВКИ, АЛЕ ЗВУЖУЄ РОЗМАЇТТЯ НАУКОВИХ ІДЕЙ

На сайті Times Higher Education опубліковано статтю Розалінд Скіллен «Великі мовні моделі знижують оригінальність наукових пропозицій».

У ній йдеться про матеріали дослідження стосовно використання великих мовних моделей під час підготовки заявок на федеральне фінансування досліджень у США. Було проаналізовано біля 6 тис. заявок до Національного наукового фонду США та Національного інституту здоров’я, а також 131 тис. схвалених грантових заявок за 2021–2025 роки. Встановлено, що проєкти, які більшою мірою згенеровані ШІ, були менш семантично відмінними від тих проєктів, які раніше вже отримали фінансування. Звісно, великі мовні моделі можуть допомагати швидше готувати й редагувати тексти, чіткіше формулювати ідеї та долати мовні бар’єри. Разом із тим, використання цих інструментів призводить до дублювання у нових проєктах вже відомих ідей та успішних пропозицій вже виконуваних досліджень. Науковці можуть завдяки ШІ підвищувати власну продуктивність, але згенеровані заявки на гранти стають все менш оригінальними. Стрімке поширення великих мовних моделей вже змінює способи підготовки, відбору та подальшої реалізації наукових ідей у системі грантового фінансування. Проблема полягає не у використанні ШІ, а в тому, що відбувається зміщення балансу з пошуку нових ідей на обговорення вже усталених напрямів. В результаті грантодавці починають змінювати правила, внаслідок чого заявки, текст яких значною мірою згенерований ШІ, отримують більш прискіпливу експертизу.

Детальніше: https://www.timeshighereducation.com/news/large-language-models-reduce-originality-research-proposals

Фото: рixabay.com

#НРАТ_Усі_новини #НРАТ_Освітянам_новини #НРАТ_ШтучнийІнтелект #НРАТ_TimesHigherEducation

2026-08-31

УНІВЕРСИТЕТ САУТГЕМПТОНА ПРИПИНЯЄ ВИКОРИСТАННЯ TURNITIN

На сайті Times Higher Education опубліковано статтю Джорджії Лакхерст «Саутгемптон відмовляється від Turnitin через використання студентських робіт для навчання ШІ».

У ній ідеться про рішення Університету Саутгемптона не продовжувати контракт із компанією Turnitin після 2026–2027 навчального року через побоювання щодо використання студентських робіт для навчання систем штучного інтелекту. Turnitin заперечує твердження про використання студентських робіт для навчання власного інструменту Turnitin Clarity, який містить помічника на основі ШІ. Компанія наголошує, що конфіденційність, безпека та захист даних належать до її основних принципів роботи із системами ШІ. Студентські роботи регулярно передаються до Turnitin тисячами університетів світу для перевірки академічної доброчесності й виявлення можливих випадків недоброчесного запозичення. Томас Ланкастер, викладач Імперського коледжу Лондона, говорить, що університети та студенти можуть недостатньо усвідомлювати цінність даних, які містяться у студентських роботах – не лише текстів, а й великі масиви інформації, які накопичуються під час використання цифрових освітніх сервісів. Він також висловлює припущення, що незабаром з’являтимуться системи, розроблені консорціумами університетів для виявлення порушень академічної доброчесності, які забезпечуватимуть більший контроль університетів над тим, як ці дані зберігаються та використовуються.

Детальніше: https://www.timeshighereducation.com/news/southampton-dumps-turnitin-over-use-students-work-train-ai

Фото: колаж

#НРАТ_Усі_новини #НРАТ_Науковцям_новини #НРАТ_Освітянам_новини #НРАТ_ШтучнийІнтелект #НРАТ_АкадемДоброчесність #НРАТ_TimesHigherEducation

2026-08-28