Антиплагиат.ВУЗ

Регулирование ИИ в образовании: готовая база из 88 документов

Разработка с нуля локальных нормативных актов об использовании искусственного интеллекта — это сложная методическая задача, требующая учета десятков нюансов: от допустимых сценариев применения до требований к декларированию.

Чтобы посмотреть, как к вопросам регулирования ИИ в образовании относятся в вузах мира, мы совместно с Университетским консорциумом исследователей больших данных создали и поддерживаем первую в России библиотеку ИИ-регламентов.

Чем библиотека может быть полезна:
📚 Репрезентативная выборка: на данный момент на странице структурировано 88 документов из 21 страны, включая практики ведущих университетов России, США и Великобритании. Наша страна — лидер по разработке правил использования ИИ студентами.
⚖️ Полный охват: мы собрали регламенты, положения, методические рекомендации, политики и подходы к оценке самостоятельности работ.
🔄 Живой ресурс: мы продолжаем анализировать глобальный опыт и регулярно пополняем библиотеку, чтобы вы всегда имели доступ к актуальным мировым трендам в академическом регулировании.

Используйте мировой и российский опыт для создания понятных правил игры в вашем университете. Перейти в библиотеку ИИ-регламентов ➡️ https://antiplagiat.ru/reglamenti-vuz/

Читайте нас в MAX 👈

От запретов к осознанному управлению: 5 принципов работы с ИИ в академической среде

Искусственный интеллект уже стал частью рабочих процессов, но легкость генерации текста не гарантирует качества знаний. На недавнем интенсиве Мастерской новых медиа «ГорИИзонты. Эволюция медиа» руководитель УМЦ «Антиплагиат» Наталья Грибова разобрала ключевые риски и возможности нейросетей, а мы выделили 5 главных инсайтов из доклада 👇

🔹 ИИ не лжет, он «не договаривает». Модель выдает те источники и интерпретации, которые попали в ее обучающую выборку или встречаются ей наиболее часто. Кроме того, она может не учитывать контекст, пропускать альтернативные позиции и воспроизводить ошибки или искажения.
🔹 Гуманитарные науки в зоне особого риска. Чем ближе тема к современности, тем сильнее расхождения между моделями. Заблуждения часто возникают из-за разрозненной информации в документации и идеологической риторики в обучающих данных.
🔹 Эффект предвзятости читателя. Согласно результатам эксперимента Пенсильванского университета, восприятие текста как сгенерированного может влиять на оценку его качества, поэтому организациям и учебным заведениям важно отделять оценку содержания от предположений о способе его создания.
🔹ИИ не заменит аналитику. 66% журналистов и 48% экспертов СМИ уже используют нейросети, но преимущественно для подготовки черновиков или коротких заметок. Эксклюзивные и аналитические материалы по-прежнему требуют человеческого интеллекта.
🔹Новый стандарт — понятные правила использования ИИ. Вместо полного запрета образовательным организациям важно определять допустимые сценарии использования ИИ, требования к прозрачности и проверке результатов, а также зоны ответственности преподавателей и студентов.

Читайте нас в MAX 👈

Компании в России и мире начали маркировать ИИ-контент

Комментируя эту новость для «Российской газеты», научный руководитель нашей компании Борис Тхориков подчеркнул, что гонке между ИИ-генерацией и ИИ-детекцией побеждать из-за разных объемов финансирования всегда будет нейросеть.

Чтобы максимально защитить пользователя от подмены авторского текста, нужны системы, которые позволяют контролировать всю процедуру его создания.

Именно такой подход заложен в наш продукт под рабочим названием «Антиплагиат 2.0», который мы уже тестируем в нескольких десятках вузов и представим широкой аудитории осенью.

Полный материал ➡️здесь.

Читайте нас в MAX 👈

✅ 3 способа борьбы с АВТОплагиатом

Научный руководитель нашей компании Борис Тхориков поделился советами, которые помогут сохранить высокую оригинальность текста диссертации и научную этику, особенно при работе с большим массивом литературы в первой главе.

1️⃣ Объединение в таблицы
В одной графе указываются название методов и ФИО авторов, в другой — краткое содержание их работ. Оптимальное решение для подготовки аналитического обзора существующих аналогов и обоснования их несовершенства перед вашими научными разработками. При желании можно выделить колонки с достоинствами и недостатками объектов анализа.

2️⃣ Систематизация и графическое представление анализируемых научных трудов
Преимущество этого решения заключается в возможности использовать любые критерии для систематизации и продемонстрировать глубокий анализ литературы.

3️⃣ Перечисление множества авторов в хронологическим порядке выхода их основных публикаций
Выручает: при необходимости формального расширения списка используемой литературы; для доказательства внимания учёных к какому-либо аспекту проблемы исследования без необходимости детального анализа; для демонстрации большого количества научных работ, подтверждающих ваши выводы в диссертации.

Читайте нас в MAX 👈

🌟 Встречайте «Библиографию» — умную проверку списка литературы по стандартам вашего вуза

Ручная проверка списка литературы — это часы рутины. Преподавателю нужно не только оценить научную новизну работы, но и проверить оформление источников и убедиться, что студент опирается на современные исследования, ведь во многих вузах есть требования об актуальности источников.

Мы автоматизировали этот процесс и добавили в систему новый блок «Библиография».

Что умеет новый инструмент?
🔹 Оценивать корректность оформления: автоматически проверяет наличие ключевых элементов в названии источника (автор и год выпуска).
🔹 Анализировать актуальность: считает долю современных источников и выводит наглядную сводку.
🔹 Адаптируется под стандарты вуза: критерии «свежести» везде разные.

Пользователь сам может выставить необходимую временную рамку источников. Итог работы нового блока — объективная аналитика и детальная информация по каждой библиографии.

Важные нюансы для работы:
— «Библиография» доступна при запуске новых проверок (чтобы увидеть анализ для уже загруженных работ, их потребуется перепроверить).
— Модель еще обучается распознавать сложные библиографические записи, поэтому иногда может не определить год или автора. Но это лишь вопрос времени.

Читайте нас в MAX 👈

Чтобы получить пользу от ИИ, недостаточно купить подписку. Нужны системные изменения

Такой вывод сделали ученые в предварительном докладе Независимой международной научной группы по ИИ (ООН, 2026 год).

«Чтобы достичь прироста от использования искусственного интеллекта, необходимы дополняющие инвестиции в данные, рабочие процессы, улучшение навыков и умений и изменение организационной структуры», — отмечается в исследовании.

Сегодня мы видим два критически важных инсайта, которые меняют правила игры 👇

1️⃣ Для бизнеса: ловушка «J-образной кривой»
Доклад подтверждает: стремительный технический прогресс не дает мгновенного роста прибыли. Сначала идет спад — бизнесу нужно накопить «нематериальные факторы»: переобучить сотрудников, пересобрать рабочие процессы и изменить организационную структуру. ИИ не автоматизирует хаос, он его масштабирует.

2️⃣ Для вузов: «иллюзия компетентности»
Приведенное в докладе исследование показало: студенты, использующие ИИ без ограничений, решают задачи на 48% быстрее, но на итоговых проверках проваливаются. Навык не усваивается, мозг делегирует нагрузку алгоритму. Решение — использовать ИИ не для генерации готовых ответов, а как систему наставничества с пошаговыми подсказками.

Важным аспектом становится и регулирование: вместе с новыми инструментами вузам и компаниям нужны правила, по которым будет четко ясно, где ИИ использовать можно, а где — нельзя. Мы уже давно говорим об этом и работаем в этом направлении.

Современный рынок требует не просто внедрения ИИ-ассистента, а выстраивания прозрачной среды, гибких рабочих маршрутов и понятных правил игры. Нейросети — мощный усилитель экспертизы, но они ни в коем случае не должны подменять собой критическое мышление и профессиональные навыки.

Читайте нас в MAX 👈

🗓 Наша система — это алгоритм, который любит соблюдение правил. В карточках рассказали, что делать, если процент оригинальности оказался ниже ожидаемого.

Читайте нас в MAX 👈

Буква Ё — не маркер наличия ИИ в тексте. Мы проверили и убедились. Итоги небольшого исследования аналитиков компании «Антиплагиат» — в карточках.

Читайте нас в MAX 👈

ИИ несет в себе риски, которые нужно уметь отслеживать

Люди начинают опираться на ответы ИИ по гуманитарным темам, по истории, по общественным процессам и незаметно для себя становятся ретрансляторами чужих интерпретаций. Об этом на интенсиве Мастерской новых медиа «ГорИИзонты. Эволюция медиа» заявила руководитель УМЦ нашей компании Наталья Грибова.

Мы уже видим такие риски в образовании и науке. Для медиа это ещё чувствительнее. Потому что журналист работает не только с информацией, но и с доверием аудитории.

Если в редакционный процесс без критической оценки встраиваются автоматическое переписывание, SEO‑оптимизация любой ценой и слепая вера в нейросетевого помощника, редакция может просто не заметить, что публикует вторичный текст, который уже несёт в себе чужие искажения.

Именно поэтому нам кажется важным говорить о роли инфраструктуры доверия к тексту. Сегодня важно не только понять, откуда взят фрагмент, но и увидеть, как вообще рождается текст, насколько в нём присутствует самостоятельная работа автора и не подменена ли она машинной компиляцией. В этом направлении сегодня и развивается логика обновления нашей системы.

Читайте нас в MAX 👈