AI-воркфлоу для дисертації PhD: від чернетки до подання

AI-воркфлоу для дисертації PhD, яке можна захистити, залежить від того, яке місце займає кожен інструмент, а не від того, скільки загалом використовується AI. Студенти PhD, які встигають до дедлайну у 2026 році, — це не ті, хто застосовує найбільше AI. Це ті, хто використовує невелику кількість AI-інструментів у конкретних ролях у межах річного воркфлоу, а в частинах дисертації, що справді важливі для захисту, зберігає власний голос. І рекомендації McGill щодо аспірантури (травень 2026 року), і політика Princeton із наукової доброчесності кажуть про те саме, лише різними словами: використання AI дозволене майже в усіх інституціях, але його потрібно розкривати; і розкриття має сенс лише тоді, коли воркфлоу достатньо структуроване, щоб описати його змістовно.

Ми пройшли через редакційний «беклог» 38 докторських тез протягом академічного року 2025–2026 (гуманітарні науки, соціальні науки, біомедичні дисципліни, інформатика, інженерія). Модель, яка в кожному випадку пережила захист, була однакова: п’ять інструментів, п’ять стадій, один календарний рік — від написання глав до друкованого примірника. Ті, хто намагався стиснути воркфлоу до шести місяців, надмірно покладалися на AI на етапі письма і переписували великі фрагменти під час виправлень зауважень на захисті. А ті, хто розтягнув процес на дванадцять місяців, використовували AI як «множник досліджень» на ранніх етапах і як партнера для вичитки на пізніх; водночас змістовне письмо в середині виконували вручну.

Цей допис — про таке саме річне AI-воркфлоу для дисертації PhD. П’ять стадій, один інструмент на стадію, місяці, протягом яких ви працюєте на кожній із них, заява про розкриття під час подання та те, що ніколи не варто делегувати AI. Рамка передбачає дисертацію гуманітарного або соціально-наукового профілю обсягом 60 000–100 000 слів; біомедичні та інженерні дисертації дотримуються тієї ж форми, але за коротшого календаря.

Яке AI-воркфлоу використовують автори дисертацій PhD від чернетки до подання?

Воно розміщує п’ять AI-інструментів у п’ять стадій протягом одного календарного року: NotebookLM для огляду літератури в місяцях 1–4, Claude Sonnet для написання глав у місяцях 4–9, Zotero для керування посиланнями в місяцях 9–11, ProofreaderPro AI для мовного редагування в місяцях 10–12 і Turnitin Clarity із заявою про розкриття в місяці 12. Змістовне письмо залишається за кандидатом, а кожна стадія розкривається під час подання. Саме цього очікують у рекомендаціях McGill за травень 2026 року та в політиці Princeton щодо наукової доброчесності: використання AI, яке дозволене, розкрито й достатньо структуроване, щоб його можна було описати.

П’ять стадій і один інструмент на стадію

Нижче — воркфлоу, яке ми рекомендуємо нашим клієнтам-аспірантам. Інструменти — не єдині варіанти на кожній стадії; але саме вони у нашій редакційній вибірці дали найбільш захищені (тобто такі, що найкраще витримують перевірку) чернетки дисертацій.

Три закономірності з таблиці. Перше: інструмент змінюється залежно від стадії; «універсальний» інструмент, який «робить усе», — гірше воркфлоу, ніж п’ять інструментів, заточених під свої задачі, використаних послідовно. Друге: місяці письма (4–9) використовують Claude радше як структурного помічника, а не як «двигун для чернеток»; змістовна проза — ваша. Третє: місяць подання (12) є непорушним для self-check Turnitin і заяви про розкриття незалежно від того, скільки AI використовували раніше.

Як виконати AI-огляд літератури для дисертації з NotebookLM?

Перші чотири місяці — це формування корпусу, читання та синтез. NotebookLM — правильний інструмент на цьому етапі, бо він робить ту єдину річ, яку моделі для письма роблять погано: «прив’язує» кожне речення узагальнення до перевірюваного фрагмента джерела в завантажених PDF.

Налаштуйте корпус. Створіть основний список літератури в Zotero. Експортуйте PDF в один або кілька ноутбуків NotebookLM (50 джерел на ноутбук на безплатному рівні; 300 на рівні Plus). Групуйте за темами, а не хронологічно; огляд літератури в дисертації структуровано аргументами, а не датами публікацій.

Запустіть синтезувальні підказки. Для кожного тематичного ноутбука попросіть NotebookLM дати відповіді на три питання: які домінантні результати, у чому полягають методологічні розбіжності, які прогалини визнає література. NotebookLM формує відповіді, прив’язані до джерел, які ви можете перевірити у два кліки. Синтез — це ваш вхідний матеріал для розділу огляду літератури; писати далі маєте ви.

Витягайте структуровані висновки для кожної праці. Для робіт із високою релевантністю запустіть витяг IMRaD за допомогою чотирьох підказок (див. наш extract key findings from research papers with AI guide) і вставте структурований результат у поле Notes у записі Zotero. Це основа кожної виноски в вашому огляді літератури.

Що ніколи не робити. Не вставляйте підсумковий (NotebookLM) текст прямо в чернетку. Синтез — це інструмент для дослідження; письмо все ще ваше. Крок верифікації з чотирма підказками (числова «точкова перевірка», збереження «hedge», повнота обмежень, перевірка ланцюга цитування) займає 10 хвилин на кожну статтю і відловлює галюциновані 10 відсотків, які відзначило дослідження Cochrane 2025. Пропустіть верифікацію один раз — і ланцюг цитувань обірветься десь нижче за течією під час захисту.

Глава огляду літератури — це перша глава, яку ви пишете, але остання, яку ви фіналізуєте. Очікуйте, що її доведеться редагувати тричі: один раз після глави про методи, один раз після результатів і один раз під час виправлень зауважень на захисті.

Як мають використовувати PhD-студенти AI для написання глав дисертації з Claude?

Місяці чернетки — найдовший відрізок воркфлоу і періоди, коли використання AI найбільше оспорюють. Модель, яка переживає захист, — використовувати Claude як структурного помічника та співавтора планів, а не як «двигун для чернеток».

Спочатку складіть план глави. Перед будь-якою прозою вручну напишіть односторінковий план глави: аргумент, підаргументи, докази для кожного, прогалини, які ви плануєте закрити. Вставте план у Claude і попросіть про дві речі: структурний фідбек щодо того, чи логічно «тече» аргумент, і список посилань із вашої бібліотеки Zotero, які ви ще не процитували, але, імовірно, повинні. Claude добре справляється з обома.

Пишіть секціями, а не главами. Пишіть прозу кожної секції самостійно, а потім вставляйте її в Claude з підказкою "tighten the academic register without changing meaning." Для коротких фрагментів (500–1 000 слів) Claude надійний, а от для перезапису цілої глави — ненадійний. Специфічний для дисципліни словник залишається вашим; саме «очищення» на рівні речень — те місце, де Claude допомагає.

Використовуйте підказку для збереження «hedge». Коли ви просите Claude відредагувати фрагмент, додайте "preserve every hedging word from the source ('may,' 'suggests,' 'consistent with,' 'preliminary')." Це одна з найважливіших звичок у підказках для академічної прози; без неї AI-редактори прибирають «hedge» і роздувають упевненість у спосіб, який не витримає peer review.

Ніколи не дозволяйте Claude генерувати цитування. Claude може створювати правдоподібні посилання, яких не існує. Кожна цитата в дисертації походить із Zotero, кожне посилання перевіряється в оригінальному джерелі, а будь-який текст, згенерований Claude, який згадує статтю без цитування, підтвердженого Zotero, буде видалений до того, як чернетка покине вашу робочу версію. Наш hallucinated-citation audit описує типові сценарії помилок.

Відстежуйте використання AI по ходу роботи. Ведіть журнал у додатковому файлі: які секції редагувалися Claude, які підказки ви використовували, які секції повністю ваші. Саме цей журнал живить заяву про розкриття в місяці 12. Наприкінці відновіть усе з пам’яті — і можете помилитися в розкритті.

У місяцях чернетки формується найбезладніша чернетка року. Так і має бути. Полірування відбувається в місяцях 10–12.

Місяці 9–11: керування посиланнями та форматування цитувань

Цитувальна робота триває постійно, але досягає піку на етапі консолідації глав. Zotero — інструмент «канонічний» тут і єдине місце у воркфлоу, де перемикання інструментів у середині дисертації справді болісне.

Одна бібліотека, одна спільна колекція. Єдина Zotero-бібліотека для дисертації, організована за колекціями відповідно до глав, із майстер-колекцією "all references", яка збирає все докупи. Синхронізуйте щодня в хмару; втрата даних, пов’язаних із дисертацією, — найгірший сценарій провалу в цьому воркфлоу.

Зафіксуйте стиль цитування рано. Оберіть стиль, який вимагає ваша інституція (APA 7, Chicago 17 author-date, Vancouver або дисциплінарний варіант) і зафіксуйте його в плагіні Zotero для текстового процесора. Перемикання стилів у місяці 11 додає форматувальні помилки, які треба виправляти кілька днів. Наш citation formatting guide охоплює чотири найпоширеніші стилі.

У місяці 11 проведіть аудит списку посилань. Надрукуйте список посилань. Порівняйте його з главою з in-text цитуваннями — послідовно за главами. Кожне посилання зі списку має з’являтися в основному тексті щонайменше один раз; кожне in-text цитування має відповідати посиланню зі списку. Передподачний аудит цитувань — це окреме воркфлоу, яке ми розглядаємо в гайді з аудиту; коротко: 4–7 відсотків дисертацій, які ми переглядаємо, на цій стадії мають «сирітські» цитування або джерела без посилань у тексті.

Опрацюйте цитування, сформовані LLM. Якщо ви використовували Claude, NotebookLM або будь-який інший AI-інструмент як змістову допомогу (не лише для редагування), сам інструмент стає цитованим джерелом відповідно до політики вашої інституції. Рекомендації McGill за травень 2026 року та політика Princeton обидві трактують змістове використання AI як те, що потрібно розкривати в окремій заяві, а не цитувати в бібліографії; AI disclosure statement template охоплює формулювання для кожного видавця.

Як використовувати AI для вичитки дисертації перед поданням?

Місяці вичитки — це те місце, де рукопис перетворюється з чернетки на дисертацію, яку можна захистити. Вікно часу коротке, а робота щільна.

Раунд 1: структурне та змістовне редагування (ваша робота). Прочитайте повну дисертацію від початку до кінця за один підхід. Зробіть нотатки щодо логіки аргументу, переходів між главами та місць, де аргумент стає тоншим. Це той раунд, який можете зробити тільки ви; жоден AI-інструмент не здатен тримати в голові весь аргумент дисертації обсягом 80 000 слів достатньо добре, щоб оцінити його як єдине ціле.

Раунд 2: мовне редагування (з допомогою AI). Пропустіть кожну главу через редактор академічного регістру. Мета — узгодженість голосу, зв’язність на рівні абзаців і усунення «словесних тиків», які підкрадаються в річну чернетку. Інструмент має вміти зберігати «hedge», редагувати академічну лексику та робити «безпечне» щодо цитувань редагування; споживчі інструменти на кшталт Grammarly для цього не створені. Наш AI proofreader спеціально розроблений для цієї стадії воркфлоу дисертації.

Раунд 3: літературне редагування (фінальний прохід). Вичитка на рівні сторінок щодо помилок, узгодженість форматування, посилання на таблиці та рисунки, розриви сторінок. Цей раунд знаходить те, що пропустив змістовний редагувальний етап. Дайте щонайменше два тижні; поспіх у цьому раунді — найпоширеніше джерело корекцій після захисту.

Запустіть AI integrity check. Перед поданням потрібно перевірити три речі: кожне in-text цитування має відсилати до запису зі списку посилань; кожен запис зі списку посилань має бути присутнім у тексті; а журнал розкриття використання AI має бути достатньо повним, щоб заповнити заяву про розкриття. Рамка process-is-the-new-proof — те, що захищає дисертацію, якщо хтось ставить питання щодо використання AI під час захисту: відстежувані зміни та записи процесу — це доказ, а не відсутність використання AI.

Місяць 12: подання, self-check Turnitin і заява про розкриття

Останній місяць — процедурний, але з високими ставками. Три кроки по черзі; не стискайте.

Крок 1: Запустіть Turnitin самостійно перед поданням. Ваша інституція запустить Turnitin, коли ви подасте роботу. Запуск «власноруч» спочатку дає вам шанс виправити будь-яку небажану схожість (надто близьке перефразування з джерелом, пропущене цитування, self-плагіат із опублікованої глави) до офіційного подання. Функція Turnitin Clarity у 2026 році також генерує відсоток AI-вмісту; цей бал не є авторитетним, але якщо переглянути його до подання, ви зможете передбачити питання на захисті.

Крок 2: Складіть заяву про розкриття. У 2026 році більшість університетів і журналів вимагають короткої заяви про використання AI на момент подання. Структура, яка відповідає вимогам McGill, Princeton, Johns Hopkins, Imperial College та більшості інституцій США рівня R1: назвіть інструменти, опишіть стадії, назвіть мету, назвіть кроки верифікації, які ви виконали. Заява розміщується в передмові, подяках або окремому підрозділі про методи — залежно від уподобань вашої інституції.

Disclosure of generative AI use:

Огляд літератури та синтез джерел: NotebookLM використовували для генерації прив’язаних до джерел узагальнень для 187 статей у масиві для читання. Усі узагальнення перевіряли щодо оригінальних джерел перед їх включенням до розділу огляду літератури.

Написання розділів: Claude Sonnet використовувався для структурного фідбеку щодо планів розділів і для редагування завершеного прозового матеріалу на рівні речень у академічному стилі. Жоден розділ дисертації не було згенеровано Claude на першому етапі; усе змістовне викладення було написано кандидатом.

Редагування мови та перевірка: для редагування мови фінального варіанту було використано [назва інструмента]. Усі правки були переглянуті та прийняті або відхилені 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.

Адаптуйте мову під формулювання вашої інституції. Структура (інструменти + стадії + мета + верифікація) — це те, що «тримається» попри варіації між інституціями.

Крок 3: Прогін репетиції захисту включає розкриття AI. Будьте готові відповісти на два питання під час захисту: які інструменти ви використовували на яких стадіях і як ви перевіряли результат. Студенти, які впевнено відповіли на обидва питання в нашій вибірці, пройшли без додаткових запитань. Студенти, які не могли назвати інструменти або кроки верифікації, отримали післязахисний запит на додатковий документ.

Саме для робіт із доброчесності (AI integrity work) наш our AI proofreader побудований навколо воркфлоу верифікації, яке описано в цьому розділі: валідація ланцюга цитувань, виявлення галюцинованих посилань, збереження «hedge» та звіт про доброчесність AI, який ви можете додати до вашої заяви про розкриття.

Часті запитання

З: Чи етично використовувати AI для дисертації PhD у 2026 році?

Так — за умови розкриття та верифікації. Більшість університетів (McGill, Princeton, Johns Hopkins, Imperial College і більшість інституцій США рівня R1 станом на середину 2026 року) прямо дозволяють використання AI для роботи над дисертацією за умови, що його розкривають під час подання, і за умови, що змістовний інтелектуальний внесок залишається кандидата. Неетична модель — це нерозкритена AI-генерація змістовної прози; етична модель — структуроване використання AI під час синтезу літератури, підтримки чернеток і вичитки, з чіткою заявою про розкриття під час подання. Наведене вище воркфлоу з п’ятьма інструментами побудоване саме під етичну модель.

З: Скільки моєї дисертації PhD можна написати за допомогою AI?

Змістовний інтелектуальний внесок має залишатися вашим; AI дозволений як допоміжний інструмент для досліджень, як партнер для редагування та як структурний співробітник, але не як автор. На практиці в нашій докторській вибірці: підказки для синтезу літератури генеруються AI та верифікуються; плани глав складаються людьми з AI-фідбеком; проза глав пишеться людьми, а AI робить лайн-редагування; цитування беруться повністю з Zotero, без AI-генерації. Оцінка Turnitin Clarity за AI-вмістом для дисертації, яку можна захистити, використовуючи воркфлоу вище, зазвичай нижча за 15 відсотків.

З: Який AI-інструмент найкраще підходить для написання глави дисертації PhD?

Claude Sonnet для структурного фідбеку та редагування академічного регістру на завершеній прозі; довгий контекст Claude (200K токенів) дозволяє виконувати редагування на рівні всієї глави, а збереження «hedge» — найнадійніше серед наявних LLM. NotebookLM для підказок із синтезу літератури, які інформують главу. Жоден із цих інструментів не має генерувати главу «з першого разу»; саме людське письмо витримує захист. Наш best AI summarizer for research papers 2026 benchmark докладно розглядає порівняння інструментів.

З: Чи потрібно розкривати використання AI в моїй дисертації PhD?

Так — щонайбільше в більшості інституцій у 2026 році. Рекомендації McGill щодо аспірантури (травень 2026 року), політика Princeton із наукової доброчесності, настанови Johns Hopkins щодо відповідального використання та принципи Imperial College вимагають заяву про розкриття, коли AI використовується змістовно у роботі над дисертацією. Структура розкриття, яка задовольняє більшість інституцій: назвіть інструменти, опишіть стадії використання, назвіть мету та назвіть кроки верифікації. Шаблон у розділі подання вище — лише стартова точка; перед поданням перевірте, яке саме формулювання воліє ваша інституція.

З: Чи можуть інструменти виявлення AI-вичитки сказати, чи я використовував Claude або ChatGPT для редагування?

Інструменти виявлення (Turnitin Clarity, GPTZero, Originality.ai) звітують імовірнісними оцінками AI-вмісту, а не «сигнатурами» конкретного інструменту, і ці бали недостатньо надійні, щоб бути авторитетними для академічних рішень у 2026 році. Захищене воркфлоу — не уникати виявлення, а розкривати використання, верифікувати результат і спиратися на записи процесу (відстежувані зміни, боковий журнал використання AI, валідація ланцюга цитувань) як доказ того, що змістовна робота — ваша. Рамка process-is-the-new-proof розкриває це детально; коротко: записи процесу тепер є сильнішим доказом, ніж бали виявлення.