هوش مصنوعی برای پایان‌نامه؛ استفاده مجاز از تحقیق تا ویرایش

استفاده از هوش مصنوعی برای پایان نامه فقط وقتی قابل دفاع است که سیاست دانشگاه، دانشکده، استاد راهنما و مقصد انتشار آن را اجازه دهد؛ نقش ابزار شفاف و ثبت‌شده باشد؛ و سؤال پژوهش، انتخاب روش، تحلیل شواهد و نتیجه‌گیری واقعاً کار پژوهشگر بماند. AI می‌تواند برای تبدیل موضوع به کلیدواژه‌های جست‌وجو، مرتب‌کردن یادداشت‌های منبع‌دار، یافتن ابهام در متن خودتان، پیشنهاد ساختار و کنترل سازگاری کمک کند. اما نوشتن پنهانی فصل‌ها، ساخت داده، جعل مشارکت‌کننده، تولید مرجع و DOI، تفسیر نتیجه به‌جای پژوهشگر یا تحویل خروجی مدل به نام کار خودتان، استفادهٔ مسئولانه نیست و ممکن است تقلب یا تخلف پژوهشی محسوب شود.

هیچ فهرست جهانی «مجاز و ممنوع» وجود ندارد. یک کار مثل ویرایش زبان ممکن است در یک دانشگاه مجاز با افشا، در درس دیگر محدود و نزد یک ناشر نیازمند بیانیهٔ مشخص باشد. بنابراین قبل از پرامپت، یک یادداشت سیاست یک‌صفحه‌ای بسازید و برای موارد مبهم تأیید کتبی بگیرید.

نکات کلیدی

• AI نویسنده، مسئول علمی یا منبع نیست؛ انسان باید صحت، اصالت، روش و نتیجه را تأیید کند.
• برای جست‌وجو از مدل «عبارت و نقشهٔ مفهوم» بگیرید، نه فهرست مرجع آماده. هر منبع باید در پایگاه واقعی پیدا و باز شود.
• متن کامل پایان‌نامه، دادهٔ مشارکت‌کننده، داوری محرمانه و اطلاعات منتشرنشده را بدون مجوز و بررسی سیاست داده وارد ابزار عمومی نکنید.
• پرامپت، نسخهٔ ابزار، تاریخ، خروجی و تصمیم ویرایشی خود را ثبت کنید تا استفاده قابل توضیح باشد.
• Ghostwriting با AI، جعل داده و منبع، پنهان‌کردن استفادهٔ ممنوع و دورزدن ارزیابی، کمک آموزشی نیست.

این مقاله برای چه کسی است؟ برای دانشجوی کارشناسی ارشد یا دکتری که می‌خواهد بداند AI در پایان‌نامه کجا کمک مجاز است و کجا خطر دارد. این صفحه برای تحویل سریع فصل آماده نوشته نشده است. اگر تازه شروع کرده‌اید، ماتریس مجاز/مشروط/ممنوع را بخوانید؛ اگر وارد پژوهش شده‌اید، ثبت استفاده، کنترل منبع و محرمانگی را کامل اجرا کنید. Ghostwriting یعنی نوشتن پنهانی متن به‌جای صاحب پایان‌نامه.

برای شناخت ابزارها و کاربردهای کلی، بهترین ابزارهای هوش مصنوعی برای دانشجویان را ببینید. مسیر تخصصی‌تر جست‌وجو در راهنمای تحقیق دانشجویی با هوش مصنوعی، کار زبانی در راهنمای ترجمهٔ دانشگاهی با هوش مصنوعی و مطالعهٔ فایل در راهنمای خلاصه‌سازی PDF با هوش مصنوعی جدا شده است.

در این راهنما

• اول سیاست را به تصمیم تبدیل کنید
• ماتریس مجاز، مشروط و ممنوع
• گردش‌کار پژوهش تا ویرایش
• توهم منبع و کنترل citation
• شش پرامپت انگلیسی
• حریم خصوصی و مالکیت فکری
• چک‌لیست تحویل و FAQ

اول سیاست را به تصمیم تبدیل کنید

عبارت‌هایی مثل «استفادهٔ مسئولانه از AI مجاز است» برای تصمیم روزمره کافی نیست. چهار سند را پیدا کنید:

1. سیاست دانشگاه یا پژوهشکده دربارهٔ هوش مصنوعی و سلامت علمی؛
2. دستور درس، پایان‌نامه یا فرم تعهد اصالت؛
3. نظر استاد راهنما یا کمیته برای کاربردهای مبهم؛
4. سیاست مجله، کنفرانس یا مخزن مقصد، اگر قرار است خروجی منتشر شود.

سپس هر فعالیت را جدا بنویسید: ساخت کلیدواژه، خلاصه‌کردن مقاله، نوشتن کد، ترجمه، ویرایش زبان، تولید شکل، تحلیل مصاحبه، نگارش فصل و کنترل منابع. برای هرکدام وضعیت «مجاز»، «مجاز با شرط/افشا»، «ممنوع» یا «نامشخص» تعیین کنید. سکوت سیاست را اجازه تلقی نکنید؛ مورد نامشخص را از استاد یا واحد پژوهش بپرسید.

راهنمای UNESCO دربارهٔ هوش مصنوعی مولد در آموزش و پژوهش بر رویکرد انسان‌محور، حفاظت از داده و اعتبارسنجی اخلاقی و آموزشی ابزارها تأکید می‌کند. این چارچوب مفید است، اما جای مقررات داخلی دانشگاه شما را نمی‌گیرد.

یادداشت سیاست یک‌صفحه‌ای

فعالیت	وضعیت	شرط	مدرک
پیشنهاد عبارت جست‌وجو	مجاز/نامشخص	منبع را مدل نسازد	لینک سیاست یا ایمیل
خلاصهٔ مقاله	مجاز/مشروط	متن دارای حق دسترسی و کنترل با اصل	لینک سیاست
ویرایش زبان	مشروط	افشا و حفظ معنای نویسنده	دستور ناشر
تحلیل داده	نامشخص	روش بازتولیدپذیر و دادهٔ مجاز	تأیید استاد/کمیته
نگارش فصل	ممنوع/نامشخص	نویسندگی و تحلیل باید انسانی باشد	آیین‌نامه
تولید رفرنس	ممنوع	جست‌وجو و تأیید در پایگاه واقعی	قاعدهٔ داخلی

این جدول را با پاسخ‌های واقعی پر کنید و کنار پروندهٔ پژوهش نگه دارید. اگر سیاست بعداً تغییر کرد، تاریخ و نسخهٔ سند نشان می‌دهد تصمیم شما بر چه مبنایی بوده است.

ماتریس کاربردهای مجاز، مشروط و ممنوع

جدول زیر توصیهٔ تحریریه برای مدیریت ریسک است، نه حکم دانشگاه یا مشاورهٔ حقوقی:

کار	ریسک معمول	استفادهٔ قابل دفاع‌تر	مرز قرمز
محدودکردن موضوع	کلی‌گویی یا جهت‌دهی بی‌دلیل	تولید سؤال برای گفت‌وگو با استاد	انتخاب سؤال نهایی بدون مطالعه
طراحی جست‌وجو	منبع جعلی و سوگیری	ساخت مترادف، کلیدواژه و Boolean query	کپی فهرست منابع مدل
مرور ادبیات	حذف اختلاف و بافت	ماتریس از مقالاتی که خودتان خوانده‌اید	نوشتن فصل از خلاصهٔ مدل
روش تحقیق	توصیهٔ نامتناسب	چک‌لیست سؤال از روی پروتکل مصوب	انتخاب/تغییر روش بدون تأیید
کدنویسی	خطای پنهان و بازتولیدناپذیری	توضیح خطا، تست و مستندسازی با بازبینی	گزارش نتیجهٔ کد بررسی‌نشده
تحلیل کیفی	افشای داده و تحمیل تم	پیشنهاد سؤال ممیزی روی دادهٔ مجاز	ساخت نقل‌قول، کد یا مشارکت‌کننده
تحلیل کمی	عدد یا تفسیر غلط	کنترل سازگاری و تولید تست	تولید یا تغییر داده و p-value
ترجمه	تغییر اصطلاح و میزان قطعیت	پیش‌نویس با بازبینی دوزبانه	ترجمهٔ دادهٔ محرمانه در ابزار عمومی
ویرایش	پاک‌شدن صدای نویسنده	گزارش مشکل و اصلاح محدود	بازنویسی کل پایان‌نامه به‌جای شما
استناد	DOI و مقالهٔ ساختگی	کنترل قالب از دادهٔ کتاب‌شناختی واقعی	استناد به مرجع ندیده یا ناموجود

راهنمای ICMJE دربارهٔ استفاده از AI در انتشار علمی می‌گوید ابزار AI نباید نویسنده فهرست شود، انسان مسئول دقت و اصالت است و استفاده باید شفاف باشد. سیاست Elsevier برای هوش مصنوعی مولد در مجلات نیز بر کنترل انسانی، بررسی منابع، حفاظت از حریم خصوصی و افشای کاربرد تأکید می‌کند و تولید بخش‌های مقاله بدون مشارکت فکری واقعی نویسنده یا جعل داده و مرجع را نامناسب می‌داند. مقصد شما ممکن است قواعد متفاوت یا سخت‌گیرانه‌تری داشته باشد.

Ghostwriting و تقلب دقیقاً کجاست؟

اگر مدل متن یا استدلالی را می‌سازد که باید توانایی خود دانشجو را نشان دهد و دانشجو آن را بدون اجازه و افشا به نام خود تحویل می‌دهد، مسئله فقط «کمک در نوشتن» نیست. مدل مسئول ادعا نیست، نمی‌تواند از پایان‌نامه دفاع کند و تجربهٔ پژوهش را انجام نداده است. سفارش پنهانی مقدمه، مرور ادبیات، تحلیل یا نتیجه‌گیری به AI می‌تواند ghostwriting باشد و هدف ارزیابی را دور بزند.

همین مرز دربارهٔ بازنویسی هم وجود دارد. اصلاح چند جملهٔ نوشته‌شده توسط شما با گزارش تغییر، با تولید یک فصل کامل از روی عنوان یکسان نیست. اگر بعد از حذف خروجی مدل نمی‌توانید استدلال، انتخاب منبع و نتیجه را توضیح دهید، مالکیت فکری و مسئولیت علمی کار زیر سؤال است.

گردش‌کار ده‌مرحله‌ای استفاده مسئولانه

مرحلهٔ ۱: مسئله را خودتان صورت‌بندی کنید

در یک صفحه بنویسید چه پدیده‌ای را بررسی می‌کنید، واحد تحلیل چیست، چرا سؤال مهم است و چه چیزی خارج از دامنه است. مدل می‌تواند تناقض یا ابهام سؤال شما را نشان دهد، اما مسئله باید از مطالعه و گفت‌وگوی علمی شما بیاید.

مرحلهٔ ۲: سیاست و سطح داده را ثبت کنید

یادداشت سیاست را کامل و داده‌ها را دسته‌بندی کنید: عمومی، دارای حق دسترسی، داخلی، محرمانه، شخصی یا بسیار حساس. برای هر سطح تعیین کنید آیا ورود به ابزار بیرونی مجاز است. اگر قرارداد، رضایت‌نامه یا مصوبهٔ اخلاق دامنهٔ پردازش را مشخص کرده، پرامپت نمی‌تواند آن را تغییر دهد.

مرحلهٔ ۳: نقشهٔ جست‌وجو بسازید

از AI برای مترادف، اصطلاح کنترل‌شده، نام نظریه و ترکیب Boolean استفاده کنید، ولی نتیجه را در پایگاه‌های واقعی اجرا کنید. عنوان و چکیده را بخوانید و معیار ورود/خروج را خودتان اعمال کنید. مسیر کامل‌تر در راهنمای تحقیق دانشجویی با هوش مصنوعی آمده است.

مرحلهٔ ۴: منبع واقعی را ثبت کنید

برای هر مقاله DOI یا شناسه، URL ناشر یا پایگاه، تاریخ دسترسی، نوع مطالعه و صفحات مرتبط را ذخیره کنید. PDF را باز کنید؛ صرف وجود یک عنوان در پاسخ مدل یا حتی صفحهٔ نتیجهٔ جست‌وجو کافی نیست. منبع پس‌گرفته‌شده، نسخهٔ پیش‌چاپ و مقالهٔ نهایی را با هم اشتباه نگیرید.

مرحلهٔ ۵: ماتریس شواهد انسانی بسازید

ستون‌های سؤال، روش، نمونه، داده، نتیجه، محدودیت و نقل‌قول کوتاه را پر کنید. اگر برای خلاصه‌سازی PDF از ابزار کمک می‌گیرید، خروجی را با صفحهٔ واقعی کنترل کنید. راهنمای خلاصه‌سازی PDF با هوش مصنوعی باید پس از تأیید حق پردازش فایل استفاده شود.

مرحلهٔ ۶: طرح را از ادعا و مدرک بسازید

هر عنوان فصل باید پرسش، پاسخ موقت، شواهد موافق، شواهد مخالف و شکاف را داشته باشد. مدل می‌تواند هم‌پوشانی تیترها را گزارش کند، اما نباید با تولید منبع یا استدلال تازه شکاف را بپوشاند. خانهٔ خالی در ماتریس، وظیفهٔ پژوهشی است نه دعوت به حدس.

مرحلهٔ ۷: متن اولیه را خودتان بنویسید

ابتدا از روی ماتریس و با ارجاع دقیق بنویسید. اگر در بیان مشکل دارید، از مدل بخواهید ابهام، طول جمله یا انتقال ضعیف را گزارش کند و هر تغییر را توضیح دهد. متن باید تحلیل و صدای علمی شما را حفظ کند.

مرحلهٔ ۸: تحلیل و کد را بازتولیدپذیر کنید

اگر AI کد پیشنهاد داده، محیط، نسخهٔ بسته، ورودی، خروجی و تست را ثبت کنید. روی دادهٔ نمونهٔ غیرحساس آزمایش و نتیجه را با روش مستقل مقایسه کنید. مدل نباید خروجی آماری ناموجود، participant یا نقل‌قول کیفی بسازد. هر تغییر در pipeline باید در روش قابل توضیح باشد.

مرحلهٔ ۹: ممیزی منبع و معنا انجام دهید

هر ارجاع در متن باید یک مدخل واقعی و هر مدخل استفاده‌شده باید محل روشنی در متن داشته باشد. عدد، نسبت، نتیجه و نقل‌قول را به صفحه یا جدول اصلی برگردانید. سپس نسخهٔ قبل و بعد از ویرایش AI را مقایسه کنید تا میزان قطعیت، جهت رابطه و محدودیت تغییر نکرده باشد.

مرحلهٔ ۱۰: افشا و پروندهٔ استفاده را کامل کنید

نام ابزار، نسخه یا تاریخ دسترسی، هدف استفاده، بخش درگیر، نوع ورودی، شیوهٔ کنترل و مسئول نهایی را ثبت کنید. قالب افشا را از دانشگاه و ناشر بگیرید. اگر استفاده طبق سیاست ممنوع بوده، یک جملهٔ افشا آن را مجاز نمی‌کند؛ افشا شرط شفافیت است، نه مجوز.

روی متن غیرمحرمانهٔ خودتان یک ممیزی ساختار و ادعا را در نقطه اجرا کنید

توهم منبع و کنترل استناد

مدل زبانی می‌تواند عنوان، نویسنده، مجله، سال و DOI را به شکلی بسازد که واقعی به نظر برسد. حتی وقتی مقاله وجود دارد، جزئیات یا نتیجهٔ نسبت‌داده‌شده ممکن است غلط باشد. در یک مطالعهٔ منتشرشده دربارهٔ ساخت و خطا در استنادهای تولیدشده توسط ChatGPT، نویسندگان نمونه‌های متعدد مرجع ساختگی و خطا در اجزای منابع واقعی را گزارش کردند. این مطالعه روی نسخه‌ها و شرایط مشخص انجام شده و نرخ‌های آن را نباید به همهٔ مدل‌های امروز تعمیم داد؛ نتیجهٔ عملی پایدارتر این است که مرجع پیشنهادی AI نیازمند تأیید مستقل است.

پروتکل هفت‌گانهٔ تأیید منبع

1. عنوان یا DOI را در پایگاه علمی واقعی جست‌وجو کنید.
2. صفحهٔ ناشر یا رکورد پایگاه را باز کنید.
3. نویسنده، سال، مجله، جلد، شماره و صفحات را تطبیق دهید.
4. چکیده و در صورت دسترسی متن کامل را بخوانید.
5. بررسی کنید ادعای شما واقعاً در مقاله آمده، نه فقط موضوعی نزدیک.
6. وضعیت اصلاح، پس‌گرفتن یا نسخهٔ جدید را بررسی کنید.
7. دادهٔ نهایی را در نرم‌افزار مدیریت منابع ذخیره و قالب را از همان رکورد بسازید.

از مدل نخواهید «ده منبع معتبر با DOI» تولید کند. درخواست امن‌تر این است که برای سؤال شما مترادف و query بسازد و هیچ منبعی پیشنهاد ندهد. اگر ابزار جست‌وجومحور منبع ارائه می‌کند، لینک‌داربودن باز هم جای خواندن و تأیید را نمی‌گیرد.

۶ پرامپت انگلیسی برای کمک مسئولانه

این پرامپت‌ها به‌گونه‌ای نوشته شده‌اند که ورودی، مرز و خروجی روشن باشد. قبل از استفاده، سیاست مؤسسه را اعمال و هر دادهٔ حساس را حذف کنید.

۱. تبدیل سیاست به ماتریس تصمیم

۲. ساخت عبارت جست‌وجو بدون تولید منبع

۳. ساخت ماتریس شواهد از یادداشت‌های تأییدشده

۴. ممیزی طرح فصل

۵. ویرایش محدود متن نویسنده

۶. ممیزی نهایی استناد و افشا

حریم خصوصی، مالکیت فکری و محرمانگی

پایان‌نامه ممکن است پیش از دفاع محرمانه باشد یا دادهٔ شخصی، تجاری، بالینی و فرهنگی حساس داشته باشد. قبل از واردکردن هر محتوا در ابزار، رضایت‌نامهٔ مشارکت‌کننده، مصوبهٔ اخلاق، قرارداد حامی، سیاست دانشگاه و شرایط سرویس را بررسی کنید. ناشناس‌سازی فقط حذف نام نیست؛ ترکیب سن، مکان، نقش و یک نقل‌قول خاص ممکن است فرد را دوباره قابل شناسایی کند.

متن مقالهٔ دارای اشتراک، نسخهٔ داوری‌نشدهٔ همکار و دست‌نوشتهٔ ارسال‌شده برای peer review نیز می‌تواند مشمول محرمانگی و حقوق مؤلف باشد. سیاست ICMJE هشدار می‌دهد بارگذاری دست‌نوشتهٔ محرمانه در سامانه‌ای که محرمانگی آن تضمین نشده ممکن است تعهدات را نقض کند. اگر مجوز روشن ندارید، متن را وارد نکنید؛ سؤال عمومی و بدون داده بسازید یا از ابزار مورد تأیید سازمان استفاده کنید.

راهنمای WIPO دربارهٔ هوش مصنوعی مولد و مالکیت فکری پیشنهاد می‌کند شرایط ابزار، حقوق ورودی و خروجی و ریسک دارایی‌های شخص ثالث بررسی شود. برای پایان‌نامه، شکل، جدول، کد و متن تولیدشده نیز باید از نظر اجازهٔ استفاده، اصالت و قواعد مقصد بررسی شوند. دسترسی به یک مقاله یا تصویر به معنی حق بازنشر یا ساخت مشتق نیست.

حداقل‌سازی داده در عمل

• به‌جای فایل کامل، قطعهٔ لازم و غیرقابل‌شناسایی را وارد کنید.
• کلید اتصال شناسه‌های مستعار به افراد را هرگز در prompt نگذارید.
• دادهٔ خام را برای «خلاصهٔ سریع» به حساب عمومی نفرستید.
• تنظیمات نگهداری، تاریخچه و استفاده برای آموزش را قبل از کار بررسی کنید.
• خروجی و log را هم دادهٔ پژوهش حساب کنید و دسترسی آن را کنترل کنید.
• اگر ابزار سازمانی یا محلی تأییدشده وجود دارد، همان را طبق سیاست انتخاب کنید.

تحلیل، ترجمه و ویرایش؛ سه مرز حساس

تحلیل

AI می‌تواند کد یا تم پیشنهادی بدهد، اما این پیشنهاد مشاهدهٔ پژوهشی نیست. برای تحلیل کیفی، تعریف کد، نمونهٔ مثبت و منفی، تصمیم اختلاف و مسیر audit را نگه دارید. برای تحلیل کمی، داده، کد، نسخهٔ کتابخانه، seed، تست و خروجی را ثبت کنید. عدد ساخته‌شده یا نتیجه‌ای که فقط در متن مدل ظاهر شده داده نیست.

ترجمه

ترجمه ممکن است شدت ادعا، اصطلاح روش‌شناسی یا صدای مشارکت‌کننده را عوض کند. اگر ترجمه بخشی از روش پژوهش است، شیوهٔ آن باید قابل توضیح باشد. خروجی را فرد مسلط به زبان مبدأ، مقصد و موضوع کنترل کند. جزئیات بیشتر در راهنمای ترجمهٔ دانشگاهی با هوش مصنوعی آمده است.

ویرایش

ویرایش مجاز باید متن نوشته‌شده و فکرشده توسط پژوهشگر را روشن‌تر کند، نه اینکه مشارکت فکری تازه را پنهانی وارد کند. تغییر واژهٔ «مرتبط است» به «باعث می‌شود» یک اصلاح سبکی نیست؛ تغییر ادعای علمی است. گزارش تغییر و مقایسهٔ نسخه‌ها ضروری است.

الگوی ثبت استفاده و افشا

یک log ساده داشته باشید:

فیلد	نمونهٔ اطلاعاتی که باید ثبت شود
ابزار و نسخه	نام سرویس، مدل نمایش‌داده‌شده، تاریخ
هدف	طراحی query، گزارش ابهام، ویرایش زبان
ورودی	نوع متن و طبقه‌بندی داده، نه اطلاعات حساس در log عمومی
پرامپت	متن دقیق دستور
خروجی	فایل یا شناسهٔ نسخه
بررسی انسانی	چه چیزی با کدام منبع کنترل شد
تصمیم	پذیرفته، رد یا بازنویسی شد
افشا	محل و متن موردنیاز طبق سیاست

برای بیانیهٔ نهایی از قالب دانشگاه یا ناشر استفاده کنید. سیاست Elsevier، برای نمونه، ثبت نام ابزار، هدف و مسئولیت بازبینی انسانی را می‌خواهد؛ اما دانشگاه شما ممکن است جزئیات دیگری لازم بداند. بیانیهٔ خودساخته را جای دستور رسمی نگذارید.

چک‌لیست پیش از تحویل

• سیاست دانشگاه، دانشکده، استاد و مقصد انتشار با تاریخ ذخیره شده است.
• سؤال، روش، تحلیل و نتیجه‌گیری توسط پژوهشگر قابل دفاع است.
• هیچ فصل یا استدلالی پنهانی توسط AI ghostwrite نشده است.
• داده، مشارکت‌کننده، نقل‌قول، نتیجه یا تصویر پژوهشی ساختگی وجود ندارد.
• همهٔ منابع در پایگاه واقعی پیدا، باز و با ادعای متن تطبیق داده شده‌اند.
• DOI، نویسنده، سال، صفحات و وضعیت اصلاح/پس‌گرفتن کنترل شده‌اند.
• متن ویرایش‌شده با نسخهٔ نویسنده برای تغییر معنا مقایسه شده است.
• دادهٔ محرمانه یا دارای مالکیت بدون مجوز وارد سرویس نشده است.
• کد و تحلیل قابل اجرا، تست‌شده و مستند هستند.
• log پرامپت و تصمیم‌های انسانی کامل است.
• استفادهٔ AI در محل و قالب موردنیاز افشا شده است.
• نسخهٔ نهایی را پژوهشگر خوانده و مسئولیت همهٔ اجزای آن را می‌پذیرد.

محدودیت‌های هوش مصنوعی در پایان‌نامه

مدل ممکن است یک شکاف پژوهشی را فقط به دلیل کمبود زمینه پیشنهاد دهد، مطالعات مخالف را حذف کند یا توضیحی محتمل را به نتیجه‌ای قطعی تبدیل کند. ابزار به‌طور خودکار از جدیدترین نسخهٔ مقاله، اصلاحیه یا زمینهٔ محلی خبر ندارد. پاسخ خوب‌نویس نیز دلیل فهم روش یا صحت محاسبه نیست.

AI همچنین نمی‌تواند رضایت اخلاقی، تجربهٔ میدانی و قضاوت علمی را جایگزین کند. در موضوع‌های حساس، سوگیری داده و زبان می‌تواند گروهی را نادرست بازنمایی کند. پژوهشگر باید محدودیت ابزار و اثر آن بر نمونه، تحلیل و بیان را در نظر بگیرد.

خطاهای رایج

«یک مرور ادبیات با ۳۰ منبع بنویس»

این درخواست هم تحلیل را واگذار می‌کند و هم خطر مرجع جعلی دارد. query بسازید، منابع را واقعی پیدا کنید، خودتان بخوانید و سپس از یادداشت تأییدشده برای سازمان‌دهی کمک بگیرید.

آپلود داده برای اینکه مدل «تم‌ها را پیدا کند»

بدون بررسی رضایت، محرمانگی و روش، این کار می‌تواند داده را افشا و تحلیل را غیرقابل دفاع کند. ابتدا سیاست و pipeline تأییدشده بسازید.

استفاده از detector برای اثبات اصالت

تشخیص‌دهندهٔ متن AI جای فرایند پژوهش، تاریخچهٔ نسخه، log و دفاع علمی را نمی‌گیرد. هدف نباید دورزدن detector باشد؛ باید بتوانید منشأ و تصمیم هر بخش را توضیح دهید.

افزودن AI به فهرست نویسندگان

AI مسئولیت علمی و حقوقی نمی‌پذیرد و معیار نویسندگی انسانی را ندارد. استفاده را طبق سیاست افشا کنید، نه اینکه ابزار را نویسنده یا منبع معرفی کنید.

تصور اینکه افشا همه‌چیز را مجاز می‌کند

اگر دانشگاه یک کاربرد را ممنوع کرده، نوشتن «از AI استفاده شد» تخلف را رفع نمی‌کند. ابتدا مجوز و سپس افشا.

پرسش‌های متداول

آیا نوشتن پایان‌نامه با هوش مصنوعی مجاز است؟

به سیاست مؤسسه و نوع کار بستگی دارد. کمک محدود برای query یا ویرایش ممکن است با شرط مجاز باشد، اما واگذاری نگارش و تحلیل و تحویل آن به نام خودتان می‌تواند تقلب یا ghostwriting باشد. تأیید روشن بگیرید.

آیا می‌توان از AI برای پیدا کردن منابع استفاده کرد؟

برای ساخت کلیدواژه و query مفید است، اما فهرست منبع مدل را مستقیم استفاده نکنید. هر مرجع باید در پایگاه واقعی پیدا، باز، خوانده و با ادعای شما تطبیق داده شود.

اگر DOI داده‌شده واقعی بود، منبع قابل اعتماد است؟

واقعی‌بودن DOI فقط وجود رکورد را نشان می‌دهد. ممکن است مقاله نامرتبط، اصلاح‌شده یا پس‌گرفته‌شده باشد یا ادعای شما را پشتیبانی نکند. متن و وضعیت انتشار را بررسی کنید.

آیا استفاده از AI برای ویرایش فارسی یا انگلیسی نیاز به افشا دارد؟

سیاست دانشگاه و ناشر تعیین می‌کند. بعضی مقصدها اصلاح پایهٔ دستور و املا را مستثنا و تغییرهای substantive را مشمول افشا می‌کنند. دامنهٔ تغییر را ثبت و متن مقصد را بخوانید.

می‌توان دادهٔ مصاحبه را برای کدگذاری وارد مدل کرد؟

فقط اگر رضایت، مصوبهٔ اخلاق، قرارداد، سیاست دانشگاه و امنیت سرویس آن را پوشش دهند. ناشناس‌سازی ناقص می‌تواند کافی نباشد. روش تحلیل و کنترل انسانی نیز باید بازتولیدپذیر باشد.

آیا AI می‌تواند در تحلیل آماری کمک کند؟

می‌تواند کد، تست یا سؤال ممیزی پیشنهاد دهد، اما خروجی باید روی دادهٔ مجاز اجرا، آزمون و مستقل بررسی شود. هیچ عدد یا نتیجه‌ای را از پاسخ متنی مدل به‌عنوان داده گزارش نکنید.

چطور استفاده از AI را ثبت کنیم؟

نام ابزار و نسخه، تاریخ، هدف، ورودی، پرامپت، خروجی، تغییرهای پذیرفته‌شده و روش راستی‌آزمایی را نگه دارید. متن افشا را از قالب رسمی مقصد بگیرید.

آیا می‌توان پایان‌نامهٔ چاپ‌نشده را برای ویرایش آپلود کرد؟

قبل از بررسی مالکیت، محرمانگی، قرارداد و سیاست سرویس نه. فایل ممکن است شامل یافتهٔ منتشرنشده یا دادهٔ شخصی باشد. از قطعهٔ غیرحساس یا ابزار تأییدشدهٔ سازمان استفاده کنید.

روش تهیه و بازبینی این راهنما

این مقاله در ۲۶ ژوئیهٔ ۲۰۲۶ با پنج منبع خارجی، شش پرامپت انگلیسی و دو مرحله QA آماده شد. اعتبارسنجی ماشینی تاریخ، لینک‌ها، ورودی پرامپت، CTA و ارتباط خوشه را کنترل کرد؛ بازبینی انسانی نیز ghostwriting، منبع و دادهٔ ساختگی، افشای نقش AI، محرمانگی و تقدم آیین‌نامهٔ دانشگاه را سنجید. این راهنما مشاورهٔ حقوقی یا حکم یک دانشگاه مشخص نیست. استانداردهای تحریریه و روند اصلاح در سیاست تحریریهٔ کلادی آمده است.

پس از تثبیت معنا می‌توانید راهنمای بازنویسی متن با هوش مصنوعی را برای ویرایش محدود ببینید. برای ساخت ارائهٔ دفاع نیز راهنمای ابزارهای پاورپوینت با هوش مصنوعی بر منبع و فایل نهایی تأکید می‌کند.

جمع‌بندی

استفادهٔ مسئولانه از هوش مصنوعی برای پایان نامه از ابزار شروع نمی‌شود؛ از سیاست، مسئولیت و طراحی مسیر قابل ردیابی شروع می‌شود. AI می‌تواند جست‌وجو را صورت‌بندی، یادداشت‌های واقعی را سازمان‌دهی و ایراد متن شما را گزارش کند. اما نویسندگی، انتخاب روش، تحلیل شواهد و دفاع از نتیجه بر عهدهٔ پژوهشگر است. منبع را مستقل تأیید کنید، داده را کمینه و محافظت کنید، هر استفاده را ثبت و طبق سیاست افشا کنید، و هرگز جعل یا ghostwriting را با نام «کمک هوشمند» عادی نکنید.