AI Workflow dla doktoratu: od szkicu do złożenia pracy

Workflow AI dla kandydata na doktorat, który można obronić, zależy od tego, gdzie dane narzędzie jest umieszczone w procesie, a nie od tego, jak dużo AI wykorzystuje się w ogóle. Studenci doktoranccy, którzy kończą w terminie w 2026 roku, nie są ci, którzy używają najwięcej AI; to oni wstawiają niewielką liczbę narzędzi AI w konkretne role w ramach rocznego workflow, a w częściach pracy, które mają znaczenie dla obrony, zachowują własny głos. Wytyczne dotyczące studiów doktoranckich na McGill (maj 2026) oraz polityka uczciwości naukowej Princeton mówią to samo innymi słowami: użycie AI jest dopuszczalne w większości instytucji, ale musi zostać ujawnione, a samo ujawnienie ma sens tylko wtedy, gdy workflow jest na tyle uporządkowany, by dało się go opisać.

Przerabialiśmy kolejkę redakcyjną 38 doktoratów w roku akademickim 2025–2026 (humanistyka, nauki społeczne, biomedycyna, informatyka, inżynieria). Wzorzec, który we wszystkich przypadkach przetrwał obronę, był identyczny: pięć narzędzi, pięć etapów, jeden rok kalendarzowy od pisania rozdziałów do wydanej wersji drukowanej. Studenci, którzy próbowali skompresować workflow do sześciu miesięcy, zbyt mocno polegali na AI w etapie pisania i przepisali duże fragmenty podczas korekt obronnych. Studenci, którzy rozciągnęli workflow na dwanaście miesięcy, używali AI w pierwszych miesiącach jako multiplikatora badań, a w późnych miesiącach, jako partnera do korekty językowej; merytoryczne pisanie w środku wykonywali ręcznie.

Ten wpis przedstawia roczny workflow AI dla doktoratu. Pięć etapów, jedno narzędzie na etap, miesiące uruchamiania każdego z nich, oświadczenie o ujawnieniu w momencie złożenia oraz czynności, których nigdy nie należy delegować AI. Ujęcie zakłada doktorat z humanistyki lub nauk społecznych o długości 60 000–100 000 słów; doktoraty z biomedycyny i inżynierii zachowują tę samą logikę w krótszym harmonogramie kalendarzowym.

Jaki workflow AI stosują autorzy doktoratu od szkicu do złożenia?

Wprowadza on pięć narzędzi AI w pięć etapów w ramach jednego roku kalendarzowego: NotebookLM do przeglądu literatury w miesiącach 1–4, Claude Sonnet do pisania rozdziałów w miesiącach 4–9, Zotero do zarządzania referencjami w miesiącach 9–11, ProofreaderPro AI do edycji językowej w miesiącach 10–12 oraz Turnitin Clarity wraz z oświadczeniem o ujawnieniu w miesiącu 12. Merytoryczne pisanie pozostaje po stronie kandydata, a każdy etap jest ujawniany w momencie złożenia. Oczekiwania McGill (maj 2026) oraz Princeton w zakresie integralności naukowej są dokładnie takie: użycie AI jest dopuszczalne, musi zostać ujawnione i musi być na tyle ustrukturyzowane, by dało się je opisać.

Pięć etapów i jedno narzędzie na etap

Poniżej przedstawiamy workflow, które rekomendujemy naszym klientom, doktorantom. Narzędzia nie są jedynymi opcjami na każdym etapie; to one jednak w naszym materiale redakcyjnym dały najbardziej możliwe do obrony szkice doktoratów.

Trzy wzorce z tabeli. Po pierwsze, narzędzie zmienia się w zależności od etapu; ogólne narzędzie „robi wszystko” to gorszy workflow niż pięć narzędzi o dopasowanych zadaniach, używanych sekwencyjnie. Po drugie, miesiące pisania (4 do 9) wykorzystują Claude’a jako asystenta strukturalnego, a nie „silnik do pisania”; merytoryczna proza jest Twoja. Po trzecie, miesiąc złożenia (12) jest nienegocjowalny dla self-checku Turnitin i oświadczenia o ujawnieniu, niezależnie od tego, jak dużo AI użyto wcześniej.

Jak przeprowadzić AI przegląd literatury do pracy z NotebookLM?

Pierwsze cztery miesiące to budowanie korpusu, czytanie i synteza. NotebookLM jest tu właściwym narzędziem, ponieważ robi to jedno, czego modele piszące nie potrafią dobrze: zakotwicza każde zdanie podsumowania w możliwym do zweryfikowania fragmencie źródła w przesłanych plikach PDF.

Zbuduj korpus. Stwórz główną listę lektur w Zotero. Eksportuj pliki PDF do jednego lub kilku notebooków NotebookLM (50 źródeł na notebook w darmowym planie; 300 w planie Plus). Grupuj według tematu, a nie chronologii; lit review w pracy doktorskiej jest strukturyzowany argumentem, a nie datą publikacji.

Uruchom polecenia do syntezy. Dla każdego notebooka tematycznego poproś NotebookLM o odpowiedzi na trzy pytania: jakie są dominujące ustalenia, jakie są metodologiczne rozbieżności oraz jakie luki literatura rozpoznaje. NotebookLM generuje odpowiedzi zakotwiczone w źródłach, które możesz zweryfikować w „dwóch kliknięciach”. Synteza jest Twoim wkładem do rozdziału lit-review; pisanie; Twoje.

Wyodrębnij uporządkowane ustalenia dla każdej publikacji. Dla publikacji o wysokiej relewancji uruchom ekstrakcję IMRaD na podstawie czterech poleceń (zob. nasz extract key findings from research papers with AI guide) i wklej uporządkowane wyniki do pola Notes w rekordzie Zotero. To fundament każdej przypisowej informacji w Twoim lit review.

Czego nigdy nie robić. Nie wklej podsumowania NotebookLM do draftu. Synteza jest wsparciem badawczym; pisanie nadal należy do Ciebie. Krok weryfikacji oparty o cztery polecenia (kontrola liczbowa „spot-check”, zachowanie hedge’ów, kompletność ograniczeń, łańcuch cytowań) trwa 10 minut na każdą publikację i wychwytuje halucynowane 10 procent, które wskazało badanie Cochrane 2025. Zrezygnowanie z weryfikacji oznacza, że łańcuch cytowań pęknie gdzieś później, w toku obrony.

Rozdział lit review jest pierwszym rozdziałem, który tworzysz, ale ostatnim, który dopinasz. Licz się z trzema iteracjami: raz po rozdziale z metodami, raz po rozdziale z wynikami i raz podczas korekt obronnych.

Jak powinni korzystać doktoranci z AI podczas pisania rozdziałów doktoratu z Claude?

Miesiące pisania są najdłuższym odcinkiem całego workflow i jednocześnie tym fragmentem, w którym wykorzystanie AI budzi największe wątpliwości. Wzorzec, który przetrwa obronę, polega na użyciu Claude’a jako asystenta strukturalnego i współtwórcy outline’u, a nie jako silnika do pisania.

Najpierw zarysuj rozdział. Zanim powstanie jakakolwiek proza, ręcznie przygotuj jednostronicowy outline rozdziału: argument, podargumenty, dowody do każdego z nich oraz luki, które zamierzasz uzupełnić. Wklej outline do Claude’a i poproś o dwie rzeczy: informacje zwrotne dotyczące tego, czy argumentacja płynie spójnie, oraz listę referencji z Twojej biblioteki Zotero, których jeszcze nie cytujesz, ale prawdopodobnie powinieneś. Claude dobrze radzi sobie w obu zadaniach.

Pisanie sekcja po sekcji, a nie rozdział po rozdziale. Samodzielnie pisz prozę każdej sekcji, a następnie wklej ją do Claude’a z poleceniem „tighten the academic register without changing meaning.” Claude jest wiarygodny w tym zakresie dla krótkich fragmentów (500 do 1 000 słów) i niewiarygodny przy pełnych przepisaniach rozdziału. Słownictwo specyficzne dla dyscypliny pozostaje Twoje; czyszczenie na poziomie zdań to obszar, w którym Claude pomaga.

Używaj polecenia o zachowaniu hedge’ów. Gdy prosisz Claude’a o edycję fragmentu, dopisz: „preserve every hedging word from the source ('may,' 'suggests,' 'consistent with,' 'preliminary').” To nawyk poleceń o najwyższym priorytecie dla prozy akademickiej; bez niego edytorzy AI usuwają hedge’y i „pompowują” pewność w sposób, który nie utrzyma się w recenzjach.

Nigdy nie pozwól Claude’owi generować cytowań. Claude będzie wytwarzał cytowania wyglądające wiarygodnie, ale nieistniejące. Każde cytowanie w pracy doktorskiej pochodzi z Zotero, każde odwołanie jest weryfikowane w oryginalnym źródle, a każdy tekst wygenerowany przez Claude’a, w którym pojawia się publikacja bez cytowania opartego na Zotero, jest usuwany zanim opuści draft. Nasz hallucinated-citation audit omawia tryby porażek.

Śledź wykorzystanie AI na bieżąco. Prowadź bieżący log w pliku „sidecar”: które sekcje były edytowane przez Claude’a, jakich poleceń używałeś oraz które sekcje są całkowicie Twoje. Ten log zasila oświadczenie o ujawnieniu w miesiącu 12. Odtwórz go na końcu z pamięci, a ryzykujesz błędne oświadczenie.

Miesiące pisania generują najbrudniejszy draft w całym roku. To prawda. Dopiero szlif powstaje w miesiącach 10–12.

Miesiące 9 do 11: zarządzanie referencjami i formatowanie cytowań

Prace nad cytowaniami trwają stale, ale osiągają maksimum na etapie konsolidacji rozdziałów. Zotero jest tu narzędziem kanonicznym i jedynym miejscem w workflow, w którym przełączanie narzędzi w trakcie pracy jest naprawdę bolesne.

Jedna biblioteka, jedna współdzielona kolekcja. Jedna biblioteka Zotero dla całego doktoratu, zorganizowana w kolekcje według rozdziałów, plus główna kolekcja „all references”, która zbiera całość. Synchronizuj z chmurą codziennie; utrata danych związanych z doktoratem to najgorszy scenariusz awarii w tym workflow.

Zablokuj styl cytowań możliwie wcześnie. Wybierz styl wymagany przez Twoją instytucję (APA 7, Chicago 17 author-date, Vancouver albo wariant specyficzny dla dyscypliny) i zablokuj go w wtyczce Zotero do edytora tekstu. Przełączanie stylów w miesiącu 11 wprowadza błędy formatowania, których korekta zajmuje dni. Nasz citation formatting guide omawia cztery najczęstsze style.

Wykonaj audyt listy referencji w miesiącu 11. Wydrukuj listę referencji. Porównaj ją rozdział po rozdziale z cytowaniami w tekście. Każda referencja na liście powinna pojawić się co najmniej raz w treści; każde cytowanie w tekście powinno prowadzić do referencji z listy. Audyt cytowań przed złożeniem to osobny workflow, który omawiamy w przewodniku audytu; w skrócie: 4–7 procent doktoratów, które sprawdzamy, ma na tym etapie cytowania „osierocone” lub źródła bez odniesień.

Obsłuż cytowania z LLM. Jeśli korzystałeś z Claude’a, NotebookLM lub jakiegokolwiek innego narzędzia AI jako pomocy merytorycznej (nie tylko do edycji), to samo narzędzie staje się źródłem, które da się cytować na gruncie polityki Twojej instytucji. Wytyczne McGill (maj 2026) oraz polityka Princeton traktują merytoryczne użycie AI jako coś do ujawnienia w osobnym oświadczeniu, a nie jako element bibliografii; AI disclosure statement template obejmuje język specyficzny dla wydawcy.

Jak używać AI do proofreadingu dysertacji przed złożeniem?

Miesiące proofreadingu to moment, w którym manuskrypt przechodzi z etapu draftu do pracy możliwej do obrony. Okno jest krótkie, a praca gęsta.

Runda 1: korekta strukturalna i merytoryczna (Twoja praca). Przeczytaj całą pracę od początku do końca w jednym podejściu. Rób notatki o tym, czy argument płynie spójnie, o przejściach między rozdziałami oraz o miejscach, w których argument robi się zbyt cienki. To runda, której możesz dokonać tylko Ty; żadne narzędzie AI nie potrafi na tyle dobrze „utrzymać w całości” argumentu 80 000-słowniej pracy, by ocenić go jako spójny byt.

Runda 2: edycja językowa (z asystą AI). Przepuść każdy rozdział przez edytor rejestru akademickiego. Celem jest spójność głosu, przepływ na poziomie akapitów i usunięcie werbalnych „tików”, które pojawiają się w draftcie powstającym przez rok. Narzędzie musi umieć zachowywać hedge’y, pracować z akademickim słownictwem i wykonywać edycję „bezpieczną dla cytowań”; narzędzia konsumenckie, takie jak Grammarly, nie zostały do tego zbudowane. Nasz AI proofreader jest zaprojektowany właśnie na ten etap workflow doktoratu.

Runda 3: copyediting (ostatnie przejście). Proofreading na poziomie stron: literówki, spójność formatowania, odwołania do tabel i rysunków, podziały stron. Ta runda wychwytuje to, czego nie uchwyciła edycja merytoryczna. Zarezerwuj co najmniej dwa tygodnie; pośpiech na tym etapie jest najczęstszą przyczyną korekt po obronie.

Uruchom sprawdzenie integralności AI. Trzy rzeczy do weryfikacji przed złożeniem: każde cytowanie w tekście prowadzi do listy referencji, każda pozycja na liście referencji pojawia się w treści oraz log o ujawnieniu AI jest wystarczająco kompletny, by wypełnić oświadczenie. Ramy process-is-the-new-proof bronią pracy, jeśli ktokolwiek zakwestionuje użycie AI podczas obrony: śledzone zmiany i zapisy procesu są dowodem, a nie nieobecność AI.

Miesiąc 12: złożenie, self-check Turnitin oraz oświadczenie o ujawnieniu

Ostatni miesiąc jest proceduralny, ale obciążony wysoką stawką. Trzy kroki w sekwencji; nie skracaj.

Krok 1: Uruchom Turnitin samodzielnie przed złożeniem. Twoja instytucja uruchomi Turnitin, gdy złożysz pracę. Uruchomienie go wcześniej daje możliwość skorygowania wszelkich niezamierzonych podobieństw (zbyt bliska parafraza źródła, brakujący cytat, samo-plagiat z opublikowanego rozdziału) zanim nastąpi oficjalne złożenie. Funkcja Clarity Turnitin w 2026 roku generuje też procentowy wynik „AI-content”; wynik nie jest autorytatywny, ale przegląd przed złożeniem pozwala przewidzieć pytania na obronie.

Krok 2: Zbuduj oświadczenie o ujawnieniu. Wiele uniwersytetów i czasopism w 2026 roku wymaga krótkiego oświadczenia o użyciu AI w momencie złożenia. Struktura spełniająca wymagania McGill, Princeton, Johns Hopkins, Imperial College oraz większości instytucji US R1: wymień narzędzia, wymień etapy, podaj cel oraz opisz kroki weryfikacji, które wykonałeś. Oświadczenie trafia do przedmowy, podziękowań lub dedykowanej podsekcji metod, zależnie od preferencji instytucji.

Disclosure of generative AI use:

Przegląd literatury i synteza źródeł: NotebookLM użyto do generowania opartych na źródłach podsumowań 187 prac w korpusie lektur. Wszystkie podsumowania zweryfikowano względem oryginalnych źródeł przed ich włączeniem do rozdziału przeglądu literatury.

Rozdział na etapie tworzenia: Claude Sonnet został użyty do informacji zwrotnej dotyczącej struktury rozdziałów oraz do redakcji na poziomie zdania w stylu akademickim ukończonej prozy. Żadna sekcja pracy nie została wygenerowana przez Claude jako pierwsza; całokształt merytorycznej prozy został napisany przez kandydata.

Edycja językowa i korekta: do edycji językowej końcowej wersji wykorzystano [Tool name]. Wszelkie poprawki zostały przejrzane i zaakceptowane lub odrzucone przez kandydata.

Reference management: Zotero (no AI features used beyond the
in-text citation plugin).

AI tools were not used to generate substantive content, analyse
data, or produce citations.

Dostosuj język do brzmienia wymaganej formuły w Twojej instytucji. Struktura (narzędzia + etapy + cel + weryfikacja) jest elementem, który utrzymuje się pomimo różnic instytucjonalnych.

Krok 3: Próbna obrona obejmuje oświadczenie o ujawnieniu AI. Przygotuj się na odpowiedź na dwa pytania na obronie: jakich narzędzi użyłeś w jakich etapach oraz jak zweryfikowałeś otrzymany wynik. Studenci z naszej próbki, którzy odpowiedzieli na oba pytania pewnie, przeszli bez dodatkowych pytań. Studenci, którzy nie potrafili wskazać narzędzi ani kroków weryfikacji, otrzymali po obronie prośbę o dokument uzupełniający.

W zakresie prac dotyczących integralności AI, konkretnie, nasz AI proofreader oparty jest na workflow weryfikacji, które opisuje ta sekcja: walidacja łańcucha cytowań, wykrywanie halucynowanych odniesień, zachowanie hedge’ów oraz raport integralności AI, który możesz dołączyć do oświadczenia o ujawnieniu.

Najczęściej zadawane pytania

P: Czy użycie AI do doktoratu jest etyczne w 2026 roku?

Tak, z ujawnieniem i weryfikacją. Większość uczelni (McGill, Princeton, Johns Hopkins, Imperial College oraz większość instytucji US R1, na połowę 2026 roku) wprost dopuszcza użycie AI w pracach doktorskich, o ile jest ujawnione w momencie złożenia oraz o ile merytoryczny wkład intelektualny pozostaje po stronie kandydata. Nieetyczny wzorzec to nieujawnione generowanie merytorycznej prozy; etyczny wzorzec to ustrukturyzowane użycie AI w ramach syntezy literatury, wsparcia w pisaniu rozdziałów i korekty, z jasnym oświadczeniem o ujawnieniu w momencie złożenia. Powyższy workflow pięciu narzędzi jest zaprojektowany pod etyczny wzorzec.

P: Ile mojego doktoratu można pisać z pomocą AI?

Merytoryczny wkład intelektualny musi pozostać po Twojej stronie; AI jest dopuszczone jako pomoc badawcza, partner do edycji i współtwórca struktury, ale nie jako autor. W praktyce, w naszym materiale doktoranckim, wygląda to tak: polecenia do syntezy literatury są generowane przez AI i weryfikowane; zarysy rozdziałów tworzy człowiek z feedbackiem AI; prozę rozdziałów pisze człowiek z korektami „line-editing” wspieranymi przez AI; cytowania pochodzą w całości z Zotero i nie są generowane przez AI. W przypadku możliwej do obrony pracy doktorskiej przygotowanej według workflow powyżej wynik AI-content w Turnitin Clarity zwykle jest poniżej 15 procent.

P: Które narzędzie AI jest najlepsze do pisania rozdziału doktoratu?

Claude Sonnet do feedbacku strukturalnego i edycji rejestru akademickiego gotowej prozy; długi kontekst Claude’a (200K tokens) obsługuje edycję całego rozdziału, a zachowanie hedge’ów jest najbardziej niezawodne wśród obecnych LLM. NotebookLM do poleceń syntezy literatury, które informują rozdział. Żadne z tych narzędzi nie powinno generować rozdziału „od pierwszego ujęcia”; to pisanie przez człowieka przetrwa obronę. Nasz best AI summarizer for research papers 2026 benchmark omawia porównanie narzędzi szczegółowo.

P: Czy muszę ujawnić użycie AI w moim doktoracie?

Tak, w większości instytucji w 2026 roku. Wytyczne McGill (maj 2026), polityka uczciwości naukowej Princeton, wskazówki dotyczące odpowiedzialnego użycia Johns Hopkins oraz zasady Imperial College wszystkie wymagają oświadczenia o ujawnieniu, gdy AI jest używane merytorycznie w pracy doktorskiej. Struktura oświadczenia spełniająca wymagania większości instytucji: wymień narzędzia, wymień etapy użycia, podaj cel oraz wymień kroki weryfikacji. Szablon w sekcji złożenia powyżej jest dobrym punktem wyjścia; przed złożeniem sprawdź preferowane brzmienie w Twojej instytucji.

P: Czy narzędzia wykrywania proofreadingu AI potrafią powiedzieć, czy użyłem Claude’a lub ChatGPT do edycji?

Narzędzia wykrywania (Turnitin Clarity, GPTZero, Originality.ai) raportują prawdopodobieństwa „AI-content” zamiast podpisów specyficznych dla narzędzia, a same wyniki nie są na tyle wiarygodne, by uznawać je za autorytatywne w decyzjach akademickich w 2026 roku. Możliwy do obrony workflow nie polega na omijaniu wykrywania, lecz na ujawnianiu użycia, weryfikacji wyniku i poleganiu na zapisach procesu (śledzone zmiany, log użycia AI w pliku sidecar, walidacja łańcucha cytowań) jako dowód, że merytoryczna praca jest Twoja. Ramy process-is-the-new-proof omawiają to szczegółowo; w skrócie: zapisy procesu są obecnie mocniejszym dowodem niż wyniki wykrywania.