ИИ-рабочий процесс для диссертации PhD: от черновика до сдачи

ИИ-рабочий процесс для диссертации PhD, который можно успешно защитить, зависит от того, какую роль занимает каждый инструмент, а не от того, сколько ИИ используется. Студенты PhD, которые заканчивают вовремя в 2026 году, — это не те, кто применяет максимум ИИ; это те, кто встраивает небольшое число инструментов ИИ в строго определенные роли в рамках годового пайплайна, а в тех частях диссертации, которые действительно важны для защиты, сохраняет собственный авторский голос. Руководство по аспирантуре McGill на май 2026 года и политика Princeton по научной добросовестности говорят об одном и том же разными словами: использование ИИ допускается почти везде, но его нужно раскрывать, и это раскрытие становится осмысленным только тогда, когда сам рабочий процесс структурирован настолько, чтобы его можно было описать.

Мы прошли через редакционную «очередь» 38 докторских диссертаций в течение учебного года 2025–2026 (гуманитарные науки, социальные науки, биомедицина, информатика, инженерия). Паттерн, который во всех случаях выдержал защиту, был одинаковым: пять инструментов, пять стадий и один календарный год от написания глав до печатной версии. Попытка сжать рабочий процесс до шести месяцев приводила к чрезмерной зависимости от ИИ на стадии письма и к переписыванию больших фрагментов во время исправлений после защиты. Те, кто растягивал процесс на двенадцать месяцев, использовали ИИ как мультипликатор на ранних этапах исследования и как партнер для вычитки на поздних этапах, при этом содержательное письмо в середине делалось вручную.

Этот материал — тот самый годовой ИИ-рабочий процесс для диссертации PhD. Пять стадий, по одному инструменту на стадию, месяцы, в которые вы их запускаете, заявление о раскрытии на подаче и то, чего никогда не стоит делегировать ИИ. Описанная рамка предполагает диссертацию в гуманитарной или социально-научной области объемом 60 000–100 000 слов; биомедицинские и инженерные диссертации сохраняют ту же структуру, но с более коротким календарем.

Какой ИИ-рабочий процесс используют авторы диссертаций PhD от черновика до подачи?

Здесь в течение одного календарного года размещаются пять ИИ-инструментов в пяти стадиях: NotebookLM для обзора литературы в месяцах 1–4, Claude Sonnet для подготовки глав в месяцах 4–9, Zotero для управления ссылками в месяцах 9–11, ProofreaderPro AI для языкового редактирования в месяцах 10–12 и Turnitin Clarity с заявлением о раскрытии на 12-м месяце. Содержательное письмо остается за кандидатом, и каждая стадия раскрывается при подаче. Именно этого ожидают руководство McGill на май 2026 года и политика Princeton по научной добросовестности: использование ИИ допустимо, должно быть раскрыто и достаточно структурировано, чтобы это можно было описать.

Пять стадий и один инструмент на каждую стадию

Ниже — рабочий процесс, который мы рекомендуем нашим клиентам-аспирантам. Инструменты — не единственные варианты на каждой стадии; это те решения, которые в нашем редакционном примере дали самые надежные черновики диссертаций.

Три наблюдения из таблицы. Во-первых, на каждой стадии меняется инструмент: универсальный вариант «делает всё» — худший рабочий процесс, чем последовательное использование пяти инструментов под конкретные задачи. Во-вторых, месяцы письма (4–9) используют Claude скорее как помощника для структуры, а не как движок для подготовки черновика; содержательная проза — ваша. В-третьих, 12-й месяц (подача) — это зона, где самопроверка в Turnitin и заявление о раскрытии обязательны, независимо от того, сколько ИИ вы применяли ранее.

Как запустить ИИ-обзор литературы для диссертации с NotebookLM?

Первые четыре месяца — это построение корпуса, чтение и синтез. NotebookLM — правильный инструмент на этом этапе, потому что он делает то единственное, с чем модели письма справляются хуже всего: закрепляет каждое резюме за проверяемым фрагментом источника в загруженных PDF.

Настройте корпус. Соберите мастер-список литературы в Zotero. Экспортируйте PDF в один или несколько ноутбуков NotebookLM (50 источников на ноутбук в бесплатной версии; 300 — в Plus). Группируйте по темам, а не по хронологии: обзор литературы в диссертации строится логикой аргумента, а не датой публикации.

Запустите запросы для синтеза. Для каждого тематического ноутбука сформулируйте для NotebookLM три вопроса: какие выводы доминируют, где методологические разногласия, какие пробелы признает литература. NotebookLM генерирует ответы с опорой на источники, которые вы можете проверить в два клика. Синтез — это ваш входной материал для главы обзора литературы; письмо — ваше.

Извлеките структурированные выводы по каждой статье. Для работ с высокой релевантностью запустите извлечение по четырем запросам IMRaD (см. наш гайд по извлечению ключевых выводов из исследовательских статей с ИИ) и вставьте структурированный результат в поле Notes записи Zotero. Это фундамент для каждой сноски в вашем обзоре литературы.

Чего никогда не делать. Не вставляйте резюме NotebookLM в черновик. Синтез — это исследовательская помощь; письмо все еще ваше. Шаг верификации с четырьмя запросами (числовая выборочная проверка, сохранение оговорок, полнота ограничений, цепочка цитирования) занимает 10 минут на каждую статью и «ловит» те 10% галлюцинаций, которые исследование Cochrane 2025 отметило как риск. Пропустите верификацию — и цепочка цитирования разорвется где-то дальше по тексту уже в ходе защиты.

Глава обзора литературы — это первая глава, которую вы пишете, но последняя глава, которую вы окончательно доводите. Ожидайте три раунда пересмотра: после главы о методах, после главы с результатами и затем во время исправлений по итогам защиты.

Как PhD-студентам следует использовать ИИ для написания глав диссертации с Claude?

Месяцы подготовки — самый длинный участок рабочего процесса и тот период, где применение ИИ сильнее всего оспаривают. Паттерн, который выдерживает защиту, — это использование Claude как помощника по структуре и соавтора контуров, а не как движка чернового письма.

Сначала набросайте план главы. Прежде чем приступать к прозе, вручную напишите план на одну страницу: аргумент, подпункты аргумента, доказательства по каждому тезису, пробелы, которые вы будете закрывать. Вставьте план в Claude и попросите две вещи: структурную обратную связь о том, как течет аргументация, и список ссылок из вашей библиотеки Zotero, которые вы пока не цитируете, но, вероятно, должны. Claude хорошо справляется с обоими задачами.

Пишите по разделам, а не от главы к главе. Проза каждого раздела пишется вами, затем вставляется в Claude вместе с запросом «tighten the academic register without changing meaning». Для коротких фрагментов (500–1 000 слов) Claude надежен; для переписывания целой главы целиком — ненадежен. Специфическая лексика остается вашей; именно «чистка» на уровне предложений — то место, где Claude помогает.

Используйте запрос на сохранение оговорок. Когда вы просите Claude отредактировать фрагмент, добавьте: «preserve every hedging word from the source ('may,' 'suggests,' 'consistent with,' 'preliminary').» Это единственная наиболее важная привычка формулировки для академической прозы; без нее редакторы ИИ убирают оговорки и искусственно повышают уверенность там, где это не пройдет проверку peer review.

Никогда не позволяйте Claude генерировать цитирования. Claude выдаст правдоподобно выглядящие ссылки, которых не существует. Каждая цитата в диссертации берется из Zotero, каждая ссылка проверяется по оригинальному источнику, и любой текст, сгенерированный Claude и упоминающий работу без опоры на цитату Zotero, удаляется до того, как черновик покинет вас. Наш аудит галлюцинированных цитирований описывает типовые сценарии отказа.

Отслеживайте использование ИИ по ходу работы. Ведите журнал в отдельном файле: какие разделы редактировались с Claude, какие запросы вы использовали, какие разделы полностью ваши. Этот журнал — то, что питает заявление о раскрытии на 12-м месяце. Восстановите детали по памяти в конце — и вы, скорее всего, ошибетесь в раскрытии.

Месяцы подготовки дают самый «грязный» черновик года. Это правильно. Шлифовка происходит в месяцах 10–12.

Месяцы 9–11: управление ссылками и оформление цитирования

Работа с цитированием идет непрерывно, но достигает пика на этапе консолидации главы. Zotero — здесь канонический инструмент, и это единственное место в рабочем процессе, где переключение между инструментами действительно болезненно.

Одна библиотека и одна общая коллекция. Одна Zotero-библиотека для диссертации, организованная коллекциями по главам, с мастер-коллекцией «all references», которая стягивает все воедино. Делайте синхронизацию с облаком ежедневно: потеря данных, связанных с диссертацией, — самый неприятный сценарий отказа в этом рабочем процессе.

Заранее зафиксируйте стиль цитирования. Выберите стиль, который требует ваше учреждение (APA 7, Chicago 17 author-date, Vancouver или дисциплинарный вариант) и зафиксируйте его в плагине Zotero для текстового процессора. Переключение стилей на 11-м месяце добавляет ошибки форматирования, которые потом придется исправлять несколько дней. Наш гайд по оформлению цитирования описывает четыре наиболее распространенных стиля.

Сделайте аудит списка литературы на 11-м месяце. Распечатайте список литературы. Сверьте его с главой с внутритекстовыми цитированиями — постранично и по главам. В списке литературы каждая ссылка должна встречаться хотя бы один раз в тексте; каждая внутритекстовая цитата должна соответствовать ссылке из списка. Предподачную проверку цитирования мы рассматриваем как отдельный рабочий процесс в гайде аудита; короткая версия такова: 4–7% диссертаций, которые мы просматриваем, на этом этапе имеют «сиротские» цитаты или источники без привязки.

Обрабатывайте LLM-цитирования. Если вы использовали Claude, NotebookLM или любой другой ИИ-инструмент как содержательную помощь (а не только для редактирования), то сам инструмент становится цитируемым источником в рамках политики вашего учреждения. Руководство McGill на май 2026 года и политика Princeton в обоих случаях рассматривают содержательное использование ИИ как то, что нужно раскрыть в отдельном заявлении, а не цитировать в библиографии; шаблон заявления о раскрытии ИИ охватывает формулировки на уровне «по издателю».

Как использовать ИИ для вычитки диссертации перед подачей?

Вычитка — это тот участок, где рукопись превращается из черновика в диссертацию, которую можно защищать. Окно короткое, а работа — плотная.

Раунд 1: структурное и содержательное редактирование (ваша работа). Прочтите всю диссертацию от начала до конца за один проход. Делайте пометки о том, как течет аргументация, о переходах между главами и о любых местах, где аргумент становится «тоньше». Это тот раунд, который можете сделать только вы; ни один ИИ-инструмент не способен достаточно хорошо удержать целиком аргументацию диссертации на 80 000 слов, чтобы судить о ней как о едином целом.

Раунд 2: языковое редактирование (при поддержке ИИ). Прогоните каждую главу через редактор академического регистра. Цель — единообразие голоса, связность потока на уровне абзацев и удаление вербальных «тикoв», которые незаметно накапливаются в черновике на протяжении года. Инструмент должен уметь сохранять оговорки, работать с академической лексикой и редактировать так, чтобы цитирования не ломались; consumer-инструменты вроде Grammarly для этого не предназначены. Наш AI proofreader спроектирован именно для этой стадии рабочего процесса диссертации.

Раунд 3: copyediting (финальный проход). Вычитка уровня страницы: опечатки, согласованность оформления, ссылки на таблицы и рисунки, разрывы страниц. Именно этот раунд ловит то, что не выявил содержательный редактор. Отведите минимум две недели: попытка ускорить этот раунд — самый частый источник исправлений после защиты.

Запустите проверку целостности использования ИИ. Перед подачей нужно верифицировать три вещи: каждое внутритекстовое цитирование соответствует элементу списка литературы; каждый элемент списка литературы присутствует в тексте; журнал раскрытия использования ИИ достаточно полный, чтобы заполнить заявление о раскрытии. Рамка process-is-the-new-proof — это то, что защищает диссертацию, если кто-то во время защиты задает вопросы об использовании ИИ: отслеживаемые изменения и записи процесса — это доказательства, а не отсутствие ИИ как такового.

Месяц 12: подача, самопроверка Turnitin и заявление о раскрытии

Последний месяц — процедурный, но с высокими ставками. Три шага по порядку; не сжимайте их.

Шаг 1: Запустите Turnitin самостоятельно до подачи. Ваше учреждение прогонит Turnitin при подаче. Если сделать это заранее, у вас появляется шанс устранить любые непреднамеренные совпадения (слишком близкий пересказ источника, пропущенная ссылка, самоплагиат из опубликованной главы) до официальной отправки. Функция Turnitin Clarity в 2026 году также дает процент AI-content; показатель не является авторитетным, но просмотр его до подачи позволяет заранее предвидеть вопросы на защите.

Шаг 2: Сформируйте заявление о раскрытии. В 2026 году большинство университетов и журналов требуют короткое заявление о применении ИИ при подаче. Структура, которая удовлетворяет McGill, Princeton, Johns Hopkins, Imperial College и большинству учреждений US R1: назвать инструменты, назвать стадии, назвать цель, назвать шаги верификации, которые вы выполнили. Заявление размещается в предисловии, благодарностях или в отдельном подразделе «Методы» — в зависимости от предпочтений вашего учреждения.

Disclosure of generative AI use:

Обзор литературы и синтез источников: NotebookLM использовался для генерации основанных на источниках кратких обзоров 187 статей в массиве для чтения. Все краткие обзоры были проверены по оригинальным источникам до их включения в главу обзора литературы.

Глава: для структурной обратной связи по планам глав и редактирования в академическом регистре на уровне предложений уже готового текста использовался Claude Sonnet. Ни один раздел диссертации изначально не был сгенерирован Claude; весь содержательный текст был написан кандидатом.

Языковое редактирование и вычитка: [Tool name] использовали для языкового редактирования заключительной версии. Все правки были проверены и приняты или отклонены кандидатом.

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.

Адаптируйте формулировки под требования вашего учреждения. Структура (инструменты + стадии + цель + верификация) — та часть, которая сохраняется несмотря на институциональные различия.

Шаг 3: Репетиция защиты включает раскрытие ИИ. Будьте готовы ответить на два вопроса на защите: какие инструменты вы использовали и на каких стадиях, и как вы проверяли результат. Студенты, которые уверенно ответили на оба вопроса в нашем примере, прошли без дополнительных уточнений. Те, кто не смог назвать инструменты или шаги верификации, получили запрос на дополнительный документ после защиты.

Что касается работы по целостности использования ИИ, именно наш AI proofreader построен вокруг проверочного пайплайна, который описывается в этом разделе: валидация цепочки цитирования, обнаружение галлюцинированных ссылок, сохранение оговорок и отчет по целостности использования ИИ, который вы можете приложить к заявлению о раскрытии.

Часто задаваемые вопросы

В: Этично ли использовать ИИ для диссертации PhD в 2026 году?

Да, при раскрытии и верификации. Большинство университетов (McGill, Princeton, Johns Hopkins, Imperial College и подавляющее большинство учреждений US R1 по состоянию на середину 2026 года) прямо допускают использование ИИ для работы над диссертацией при условии, что оно раскрывается при подаче, и при условии, что содержательный интеллектуальный вклад остается за кандидатом. Неэтичный паттерн — это скрытое генерирование ИИ содержательной прозы; этичный паттерн — структурированное использование ИИ на этапах синтеза литературы, поддержки письма и вычитки, с четким заявлением о раскрытии при подаче. Приведенный выше рабочий процесс из пяти инструментов построен именно под этичный сценарий.

В: Сколько моей диссертации можно написать с помощью ИИ?

Содержательный интеллектуальный вклад должен оставаться вашим; ИИ допускается как исследовательская помощь, партнер по редактированию и структурный соавтор, но не как автор. На практике по нашему докторскому примеру так выглядит распределение: запросы для синтеза литературы генерируются ИИ и верифицируются; контуры глав составляются людьми с помощью ИИ-обратной связи; проза глав пишется человеком с поддержкой построчного редактирования ИИ; цитирования берутся исключительно из Zotero без генерации ИИ. Оценка AI-content в Turnitin Clarity для диссертации, которую можно защищать по описанному выше рабочему процессу, обычно ниже 15%.

В: Какой ИИ-инструмент лучше всего подходит для написания главы диссертации PhD?

Claude Sonnet для структурной обратной связи и редактирования академического регистра по уже готовой прозе; долгий контекст Claude (200K токенов) справляется с редактированием на уровне целой главы, а сохранение оговорок — самое надежное среди текущих LLM. NotebookLM — для запросов синтеза литературы, которые информируют написание главы. Ни один из инструментов не должен генерировать главу «с нуля»; именно человеческое письмо — то, что выдерживает защиту. Наш лучший AI-суммаризатор для научных статей: benchmark 2026 подробно рассматривает сравнение инструментов.

В: Нужно ли мне раскрывать использование ИИ в диссертации PhD?

Да, в большинстве учреждений в 2026 году. Руководство по аспирантуре McGill (май 2026), политика Princeton по научной добросовестности, рекомендации Johns Hopkins по ответственному использованию и принципы Imperial College требуют заявления о раскрытии, когда ИИ используется содержательно при работе над диссертацией. Структура раскрытия, которая удовлетворяет большинству учреждений: назовите инструменты, назовите стадии применения, назовите цель и назовите шаги верификации. Шаблон в разделе о подаче выше — это отправная точка; перед подачей проверьте, какие формулировки предпочитает ваше учреждение.

В: Могут ли инструменты детекции вычитки ИИ определить, использовал ли я Claude или ChatGPT для редактирования?

Инструменты детекции (Turnitin Clarity, GPTZero, Originality.ai) сообщают вероятностные оценки AI-content, а не «сигнатуры» конкретного инструмента, и эти оценки недостаточно надежны, чтобы быть авторитетными для академических решений в 2026 году. Обоснованный рабочий процесс заключается не в обходе детекции, а в раскрытии использования, верификации результата и опоре на записи процесса (отслеживаемые изменения, журнал использования ИИ в sidecar-файле, валидация цепочки цитирования) как доказательства того, что содержательная работа — ваша. Рамка process-is-the-new-proof раскрывает это подробно; краткая версия такова: записи процесса теперь являются более сильным доказательством, чем баллы детекции.