دانشجو چند صفحه از پایان نامه را با ChatGPT نوشته، متن را چند بار خوانده و همه چیز در ظاهر مرتب است. جمله ها رسمی اند، اصطلاحات تخصصی در جای خودشان دیده می شوند و حتی بعضی بخش ها از نوشته های قبلی دانشجو روان تر به نظر می رسند. با این حال، وقتی فایل برای استاد فرستاده می شود، خیلی زود این سوال مطرح می شود که آیا این قسمت را خودتان نوشته اید؟
معمولا دانشجو در چنین شرایطی تصور می کند استاد از یک نرم افزار خاص استفاده کرده یا درصدی از متن را در سامانه دیده است. گاهی واقعا ابزار تشخیص در میان است، اما در بسیاری از موارد، استاد از خود متن به موضوع مشکوک می شود.
استادی که چند ماه با دانشجو کار کرده، شیوه نوشتن، سطح علمی، نوع واژگان و میزان تسلط او را تا حدی می شناسد. وقتی بخشی از پایان نامه ناگهان با زبان، دقت و سبک متفاوتی نوشته می شود، این تغییر به چشم می آید. بعد هم چند سوال درباره همان بخش کافی است تا مشخص شود دانشجو چقدر بر آن مسلط است.
بنابراین، استفاده از هوش مصنوعی در نگارش پایان نامه معمولا نتیجه یک علامت واحد نیست. استاد چند نشانه را کنار هم می گذارد که این نشانه ها شامل لحن متن، کیفیت منابع، ارتباط فصل ها، پاسخ دانشجو، سابقه نگارش و در بعضی دانشگاه ها گزارش ابزارهای تشخیص است.
تغییر ناگهانی سبک نگارش؛ اولین نشانه برای استاد
استاد راهنما معمولا فقط نسخه نهایی پایان نامه را نمی بیند. پیش از آن، عنوان اولیه، پروپوزال، پیام ها، ایمیل ها، اصلاحات و بخش های مختلف پایان نامه را خوانده است. به همین دلیل، تصویری کلی از نحوه نوشتن دانشجو دارد.
ممکن است دانشجو در پروپوزال ساده و مستقیم بنویسد، اما فصل دوم ناگهان پر از جمله های بسیار سنگین و اصطلاحات نامانوس شود. ممکن است در جلسه، مفاهیم را با زبان معمولی توضیح دهد، اما متن پایان نامه حالتی پیچیده و بیش از حد رسمی داشته باشد. این تغییر ناگهانی، یکی از اولین چیزهایی است که توجه استاد را جلب می کند.
البته بهتر شدن نگارش دانشجو عجیب نیست. هر دانشجویی در طول پایان نامه پیشرفت می کند و با مطالعه منابع، زبان علمی تری پیدا می کند. چیزی که استاد را حساس می کند، پیشرفت طبیعی نیست؛ تفاوتی است که میان بخش های متن هیچ پیوندی با روند کار دانشجو ندارد.
برای نمونه، ممکن است یک صفحه با جمله های کوتاه و روشن نوشته شده باشد و صفحه بعد شامل عبارت هایی باشد که دانشجو در هیچ بخش دیگری استفاده نکرده است. گاهی حتی املای یک اصطلاح یا شکل ارجاع دهی از یک فصل به فصل دیگر تغییر می کند. این ناهماهنگی ها نشان می دهند متن در چند مرحله و با چند شیوه متفاوت آماده شده است.
متن بیشازحد مرتب اما کم محتوا چرا مشکوک می شود؟
خیلی از متن های تولید شده با هوش مصنوعی از نظر ظاهری مشکلی ندارند. مقدمه دارند، موضوع را توضیح می دهند و در پایان هم به یک جمع بندی می رسند. با این حال، وقتی استاد دقیق تر می خواند، می بیند متن حرف تازه یا مشخصی درباره پژوهش ندارد.
برای مثال، چند پاراگراف درباره اهمیت سلامت روان، پیشرفت فناوری، نقش آموزش یا ضرورت مدیریت نوشته شده، اما هنوز معلوم نیست مسئله اصلی پایان نامه چیست. متن از واژه های دانشگاهی استفاده می کند، ولی به جامعه آماری، شرایط پژوهش، منابع اصلی یا خلأ واقعی موضوع نزدیک نمی شود.
استادان با این نوع کلی گویی آشنا هستند. پایان نامه باید به یک مسئله مشخص بپردازد. هرچه متن طولانی تر شود، انتظار می رود ابعاد موضوع روشن تر شوند. اگر تعداد کلمات بالا برود ولی اطلاعات دقیق اضافه نشود، متن حالت عمومی پیدا می کند.
یکی از ویژگی های این نوشته ها، تکرار یک مفهوم با جمله های مختلف است. در ظاهر، پاراگراف های تازه ای اضافه شده اند، اما همه آنها یک حرف را می زنند. استاد ممکن است چند خط را حذف کند و ببیند هیچ بخشی از استدلال آسیب نمی بیند. این یعنی متن بیش از اندازه بسط داده شده و محتوای علمی کافی ندارد.
جمله های نامأنوس و کلیشه ای؛ نشانه های احتمالی متن ماشینی
متن دانشگاهی باید رسمی باشد، اما رسمی بودن با نامانوس نوشتن فرق دارد. استادانی که سال ها مقاله و پایان نامه خوانده اند، معمولا متوجه می شوند کدام جمله با فارسی رایج علمی هماهنگ است و کدام جمله بیشتر شبیه ترجمه تحت اللفظی یا ترکیب ماشینی واژه هاست.
در متن های تولید شده با هوش مصنوعی، گاهی جمله از نظر دستوری درست است، اما یک فارسی زبان آن را به این شکل نمی نویسد. فعل انتخاب شده با بقیه جمله جور نیست، ترکیب های غیرمعمول دیده می شوند یا چند واژه رسمی بدون نیاز کنار هم قرار گرفته اند.
نمونه دیگر، استفاده افراطی از عبارت هایی مانند «در دنیای امروز»، «از منظر چندبعدی»، «با توجه به اهمیت فزاینده»، «در راستای تحقق اهداف» و «نقشی انکارناپذیر ایفا می کند» است. خود این عبارت ها همیشه اشتباه نیستند، اما وقتی در هر صفحه چند بار تکرار شوند، متن حالت قالبی پیدا می کند.
در پایان نامه های فارسی، استاد بیشتر از نرم افزار به همین نشانه های زبانی توجه می کند. چون بسیاری از ابزارهای بین المللی تشخیص هوش مصنوعی برای فارسی طراحی نشده اند. خواندن دقیق متن، مقایسه بخش ها و صحبت با دانشجو در عمل اطلاعات بیشتری در اختیار استاد قرار می دهد.
تعریف های بدون منبع و ادعاهای غیرقابل پیگیری
یکی از سوال های ساده استاد این است:
«این تعریف را از کدام منبع آورده اید؟»
اگر دانشجو نتواند منبع را نشان دهد، احتمال بررسی دقیق تر متن بالا می رود. ChatGPT می تواند برای یک مفهوم، تعریف رسمی و قابل قبولی بنویسد، اما این تعریف لزوما عینا از یک منبع دانشگاهی معتبر نیامده است.
در پایان نامه، تعریف مفهومی باید به منبع مشخصی متکی باشد. نظریه، مدل، آمار و نتیجه پژوهش قبلی هم باید قابل پیگیری باشند. عبارتی مانند «پژوهش ها نشان داده اند» بدون نام پژوهش، سال و ارجاع دقیق، برای متن دانشگاهی کافی نیست.
استاد ممکن است یکی از ادعاهای متن را انتخاب کند و از دانشجو بخواهد مقاله اصلی آن را پیدا کند. اگر مقاله وجود نداشته باشد یا نتیجه نقل شده در آن دیده نشود، اعتبار بقیه بخش نیز زیر سوال می رود.
در بسیاری از فایل هایی که برای بررسی به موسسه ماهان می رسند، ظاهر منابع کامل است، اما با کنترل دقیق مشخص می شود بعضی عنوان ها وجود خارجی ندارند، مشخصات مقاله ناقص است یا مطلبی که به یک نویسنده نسبت داده شده با محتوای مقاله هماهنگ نیست. چنین ایرادی فقط با ویرایش جمله برطرف نمی شود؛ منابع باید دوباره بررسی و متن بر اساس مطالب معتبر اصلاح شود.
منابع ساختگی ChatGPT؛ یکی از واضح ترین نشانه ها
هوش مصنوعی گاهی منبعی پیشنهاد می دهد که از نظر عنوان، نام نویسنده و سال انتشار کاملا واقعی به نظر می رسد. دانشجو هم ممکن است بدون جستجوی مقاله، آن را وارد فصل دوم و فهرست منابع کند.
استادان معمولا همه منابع معتبر برای پایان نامه را تک تک بررسی نمی کنند، اما منابع مهم، تازه یا غیرمعمول بیشتر جلب توجه می کنند. اگر استاد عنوان یک مقاله را جستجو کند و چیزی پیدا نشود، احتمال دارد چند منبع دیگر را هم کنترل کند.
منبع ساختگی از آن ایرادهایی است که اعتماد استاد را به متن کم می کند. چون مشخص نیست چه مقدار از فصل دوم بر اساس مطالعه واقعی نوشته شده و چه مقدار از متنی آمده که منبع آن کنترل نشده است.
در پایان نامه انگلیسی، این موضوع حساس تر هم می شود. دانشگاه های خارج معمولا روی قابلیت بازیابی منابع، DOI، شیوه ارجاع و رعایت مقررات صداقت علمی توجه زیادی دارند. استاد یا داور با چند جستجوی ساده می تواند مشخصات مقاله را بررسی کند.
راه مطمئن این است که دانشجو پیش از استفاده از هر منبع، نسخه اصلی یا دست کم صفحه رسمی انتشار آن را ببیند. هیچ عنوانی فقط به دلیل اینکه در یک پاسخ هوش مصنوعی آمده، نباید وارد پایان نامه شود.
ناهماهنگی بین بیان مسئله، اهداف و روش تحقیق
پایان نامه باید از ابتدا تا انتها یک مسیر روشن داشته باشد. مسئله ای که در فصل اول مطرح می شود، باید در اهداف و سوال ها ادامه پیدا کند. روش تحقیق باید برای پاسخ دادن به همان سوال ها انتخاب شود و فصل چهارم نیز نتیجه همان بررسی را گزارش کند.
وقتی بخش های مختلف جداگانه با هوش مصنوعی نوشته می شوند، این ارتباط گاهی از بین می رود. بیان مسئله روی یک موضوع تاکید دارد، اهداف به سمت دیگری می روند و روش تحقیق هم از یک الگوی عمومی گرفته شده است.
استاد راهنما این ساختار استاندارد پایان نامه را زود تشخیص می دهد. ممکن است بپرسد چرا این متغیر در بیان مسئله مهم است، ولی در فرضیه ها دیده نمی شود. یا چرا یک نظریه در فصل دوم با جزئیات آمده، اما در مدل پژوهش نقشی ندارد.
گاهی متن هر بخش به تنهایی خوب نوشته شده، ولی پایان نامه در مجموع منسجم نیست. این وضعیت معمولا نشان می دهد بخش ها بدون توجه کافی به یکدیگر آماده شده اند.
یک ابزار زبانی از تمام تصمیم های استاد، محدودیت های پژوهش و تغییراتی که در طول کار اتفاق افتاده خبر ندارد. به همین دلیل، حتی متن روان آن هم ممکن است برای همان پایان نامه مناسب نباشد.
استاد چگونه با چند سؤال ساده میزان تسلط دانشجو را می سنجد؟
یکی از روش های رایج و بسیار موثر، پرسیدن درباره خود متن است. استاد بخشی را انتخاب می کند و از دانشجو می خواهد آن را ساده تر توضیح دهد.
این سوال می تواند بسیار معمولی باشد:
«منظور شما از این عبارت چیست؟»
«چرا از این نظریه استفاده کرده اید؟»
«این نتیجه چگونه به دست آمده است؟»
«این پاراگراف چه ارتباطی با موضوع پایان نامه دارد؟»
دانشجویی که متن را خودش نوشته یا دست کم آن را با دقت بررسی کرده، معمولا می تواند پاسخ بدهد. شاید جمله را دقیقا به خاطر نداشته باشد، اما منطق آن را می فهمد. دانشجویی که متن را مستقیم وارد فایل کرده، اغلب همان جمله را با عبارت دیگری تکرار می کند یا نمی تواند مثال روشنی بزند.
استاد از یک سوال به نتیجه قطعی نمی رسد. معمولا چند بخش را بررسی می کند. اگر دانشجو درباره منابع، روش، نظریه و یافته ها پاسخ های مبهم بدهد، تردید جدی تر می شود.
جلسه دفاع؛ مهمترین مرحله سنجش تسلط واقعی دانشجو
در پایان نامه های فارسی داخل ایران، سؤالات اساتید در جلسه دفاع پایان نامه فرصت اصلی برای سنجش تسلط دانشجوست. داوران ممکن است درباره انتخاب موضوع، جامعه آماری، روش نمونه گیری، ابزار، منابع و تحلیل سوال کنند.
اگر متن توسط هوش مصنوعی نوشته شده باشد و دانشجو آن را به خوبی نفهمیده باشد، فاصله میان کیفیت فایل و کیفیت پاسخ ها دیده می شود. ممکن است فصل سوم با زبان بسیار تخصصی نوشته شده باشد، ولی دانشجو نتواند دلیل انتخاب روش را توضیح دهد. ممکن است فصل چهارم تحلیل پیچیده ای داشته باشد، اما معنی یک ضریب یا آزمون برای دانشجو روشن نباشد.
در دانشگاه های خارج نیز جلسه دفاع، مصاحبه علمی، نشست با استاد یا فرایندهای مشابه برای بررسی تسلط دانشجو اهمیت دارند. در برخی دوره ها ممکن است دانشجو ملزم شود درباره نحوه استفاده از ابزارهای هوش مصنوعی توضیح بدهد یا آن را در پایان نامه اعلام کند.
استادان بیش از آنکه دنبال حفظ بودن متن باشند، دنبال فهم واقعی پژوهش هستند. دانشجو باید بتواند مسیر کار را با زبان خودش توضیح دهد، که چرا این موضوع انتخاب شده، داده ها چگونه جمع شده اند، تحلیل چگونه انجام شده و نتیجه اصلی چیست.
غییر ناگهانی سطح زبان در پایان نامه انگلیسی
در پایان نامه انگلیسی، به ویژه برای دانشجویانی که زبان اولشان انگلیسی نیست، تغییر ناگهانی کیفیت زبان می تواند جلب توجه کند.
ممکن است ایمیل ها، تکالیف قبلی و پیش نویس های دانشجو خطاهای طبیعی داشته باشند، اما فصل جدید پایان نامه بدون هیچ روند تدریجی، کاملا شبیه متن یک نویسنده حرفه ای انگلیسی باشد. این تفاوت به تنهایی مدرک استفاده از هوش مصنوعی نیست، چون دانشجو ممکن است از ویراستار یا خدمات مجاز دانشگاه استفاده کرده باشد. با این حال، استاد احتمالا درباره نحوه آماده شدن متن سوال خواهد کرد.
دانشگاه های خارج درباره استفاده از ابزارهای زبانی مقررات یکسانی ندارند. ممکن است اصلاح دستور زبان مجاز باشد، اما تولید محتوای اصلی مجاز نباشد. در دانشگاهی دیگر، استفاده از هوش مصنوعی با اعلام دقیق آن پذیرفته شود. دانشجو باید مقررات دانشگاه، دانشکده و برنامه تحصیلی خودش را بررسی کند.
تفاوت اصلی در پایان نامه انگلیسی این است که احتمال استفاده از ابزارهای تشخیص بیشتر است. با این حال، نتیجه نرم افزار معمولا شروع بررسی است، نه پایان آن. استاد متن را می خواند، سوابق نگارش را می بیند و توضیح دانشجو را هم در نظر می گیرد.
ابزارهای تشخیص هوش مصنوعی چگونه متن را بررسی می کنند؟
ابزارهای تشخیص متن هوش مصنوعی معمولا الگوهای آماری زبان را بررسی می کنند. برای مثال، میزان قابل پیش بینی بودن واژه ها، یکنواختی جمله ها، ساختار پاراگراف ها و بعضی ویژگی های سبکی در تصمیم آنها اثر دارد.
این ابزارها متن را با یک منبع مشخص مقایسه نمی کنند. بنابراین، گزارش تشخیص هوش مصنوعی با گزارش همانندجویی فرق دارد. سامانه همانندجویی به دنبال تطابق متن با منابع موجود است، اما ابزار تشخیص هوش مصنوعی احتمال می دهد که متن بر اساس الگوهای زبانی توسط یک مدل تولید شده باشد.
این احتمال همیشه درست نیست. یک متن انسانی منظم و رسمی ممکن است مشکوک تشخیص داده شود. از طرف دیگر، متن تولید شده با هوش مصنوعی هم ممکن است بعد از ویرایش علامت نخورد.
به همین دلیل، استادان باتجربه به یک درصد اکتفا نمی کنند. گزارش نرم افزار در کنار خود متن، منابع، پیش نویس ها و پاسخ دانشجو بررسی می شود.
تشخیص متن هوش مصنوعی در پایان نامه فارسی چگونه انجام میشود؟
در پایان نامه فارسی، ابزارهای رایج بین المللی محدودیت زبانی دارند و نمی توان به نتیجه آنها برای متن فارسی تکیه کرد. در نتیجه، تشخیص استاد بیشتر بر شواهد داخل پایان نامه استوار است.
مهم ترین نشانه ها معمولا این موارد هستند: تغییر لحن میان فصل ها، عبارت های نامانوس، تعریف های بدون منبع، منابع غیرقابل پیگیری، کلی گویی، تکرار مطالب و ناهماهنگی میان مسئله، روش و نتیجه.
جلسات استاد راهنما هم اهمیت زیادی دارند. اگر دانشجو در طول چند ماه نتوانسته درباره یک بخش توضیح بدهد، اما ناگهان فصل کامل و بسیار متفاوتی تحویل دهد، استاد طبیعی است که درباره روند تهیه آن سوال کند.
فایل های قبلی، تاریخ ارسال بخش ها و اصلاحات مرحله ای نیز به استاد کمک می کنند روند شکل گرفتن پایان نامه را ببیند. پایان نامه ای که طی چند مرحله نوشته و اصلاح شده، معمولا نشانه های روشن تری از فرایند واقعی پژوهش دارد.
همانندجویی نیز ممکن است بخش های کپی شده را نشان دهد، اما درصد مشابهت به خودی خود نشان نمی دهد متن با هوش مصنوعی نوشته شده است. ممکن است متن هوش مصنوعی مشابهت کمی داشته باشد، ولی منابع و محتوای آن همچنان ایراد علمی داشته باشند.
تشخیص استفاده از ChatGPT در پایان نامه انگلیسی خارج از کشور
در دانشگاه های خارج، سیاست استفاده از هوش مصنوعی معمولا در سطح دانشگاه، دانشکده یا هر درس مشخص می شود. در برخی برنامه ها استفاده محدود و اعلام شده مجاز است. در بعضی دیگر، تولید متن اصلی با هوش مصنوعی تخلف محسوب می شود.
استاد ممکن است از ابزار تشخیص، سابقه نسخه های فایل، پیش نویس ها، یادداشت های پژوهش، سوابق جلسات و گفت و گوی علمی با دانشجو استفاده کند. گاهی از دانشجو خواسته می شود روند کار، منابع و نحوه استفاده از هوش مصنوعی را توضیح دهد.
در بعضی دانشگاه ها، دانشجو باید استفاده مجاز از هوش مصنوعی را در بخش جداگانه ای اعلام کند. این اعلام ممکن است شامل نام ابزار، نوع استفاده و قسمت هایی باشد که ابزار در آنها نقش داشته است.
پنهان کردن استفاده از ابزار، در محیطی که اعلام آن الزامی است، معمولا مسئله را جدی تر می کند. حتی اگر محتوای تولید شده از نظر علمی درست باشد، رعایت نکردن مقررات دانشگاه می تواند مشکل انضباطی ایجاد کند.
نقش تاریخچه فایل و پیشنویس ها در بررسی اصالت پایان نامه
پایان نامه معمولا در یک مرحله نوشته نمی شود. دانشجو یادداشت برمی دارد، بخش هایی را اصلاح می کند، نظر استاد را اعمال می کند و نسخه های مختلف می سازد. این روند طبیعی در پیش نویس ها و تاریخچه فایل دیده می شود.
در محیط هایی مانند Google Docs یا سامانه های دانشگاهی، تاریخچه ویرایش می تواند نشان دهد متن چگونه شکل گرفته است. اگر یک فصل کامل در مدت بسیار کوتاهی وارد فایل شده باشد، ممکن است استاد درباره آن سوال کند.
این موضوع به تنهایی اثبات کننده چیزی نیست. دانشجو ممکن است ابتدا در فایل دیگری نوشته و بعد متن را منتقل کرده باشد. با این حال، وقتی این نشانه با تغییر لحن، ضعف منابع و ناتوانی در توضیح متن همراه شود، اهمیت بیشتری پیدا می کند.
نگهداری یادداشت ها، نسخه های مقاله ها، فایل تحلیل و پیش نویس های قبلی برای خود دانشجو هم مفید است. اگر درباره اصالت کار سوالی مطرح شود، این مدارک روند واقعی پژوهش را نشان می دهند.
آیا ChatGPT میتواند تشخیص دهد یک متن را خودش نوشته است؟
خیر. اینکه متن را به ChatGPT بدهیم و بپرسیم «آیا این متن را تو نوشته ای؟» روش قابل اعتمادی نیست.
ChatGPT به سوابق همه گفت و گوهای کاربران دسترسی ندارد و نمی تواند تعیین کند یک متن مشخص قبلا توسط آن تولید شده است یا نه. ممکن است پاسخ مثبت یا منفی بدهد، اما این پاسخ مبنای قابل استنادی ندارد.
استادی که با محدودیت ابزار آشناست، چنین پاسخی را مدرک قطعی در نظر نمی گیرد. بررسی معتبر باید بر متن، منابع، فرایند نگارش، مقررات دانشگاه و توضیح دانشجو متکی باشد.
تفاوت ویراستاری با تولید متن توسط هوش مصنوعی
گاهی دانشجو از یک ابزار برای اصلاح غلط های دستوری، روان تر شدن جمله ها یا پیشنهاد واژه استفاده کرده است. این نوع استفاده با سپردن فصل کامل به هوش مصنوعی فرق دارد.
با این حال، مرز مجاز و غیرمجاز را خود دانشگاه تعیین می کند. ممکن است ویرایش زبانی مجاز باشد، اما دانشجو باید آن را اعلام کند. ممکن است استفاده از ابزار برای پایان نامه انگلیسی پذیرفته شود، به شرطی که محتوا، استدلال و تحلیل توسط دانشجو نوشته شده باشد.
دانشجو باید بداند ابزار در متن چه تغییری داده است. گاهی یک اصلاح ظاهری، معنای علمی جمله را عوض می کند. بنابراین حتی ویرایش زبانی هم به بازبینی نیاز دارد.
هزینه بررسی و اصلاح پایان نامه نوشته شده با هوش مصنوعی
هزینه بررسی چنین پایان نامه ای به وضعیت فایل بستگی دارد. گاهی فقط چند بخش لحن متفاوتی دارند و با بازنویسی علمی و یکدست سازی اصلاح می شوند. در فایل دیگری، منابع باید تک تک کنترل شوند. ممکن است فصل دوم از نو تنظیم شود یا روش تحقیق و تحلیل نیز نیاز به بازبینی داشته باشند.
زبان پایان نامه هم بر حجم کار اثر دارد. بررسی منابع و بازنویسی یک پایان نامه انگلیسی با پایان نامه فارسی شرایط یکسانی ندارد. رشته، تعداد صفحات، میزان ایراد علمی، زمان باقی مانده تا تحویل و اصلاحات استاد نیز در هزینه موثرند.
به همین دلیل، اعلام یک مبلغ ثابت پیش از دیدن فایل دقیق نیست. در موسسه ماهان ابتدا متن، منابع و نظر استاد بررسی می شود تا معلوم شود کار در چه وضعی قرار دارد. ممکن است بخش زیادی از فایل قابل استفاده باشد و فقط چند قسمت نیاز به اصلاح داشته باشد. گاهی هم ایراد اصلی به ساختار، منابع یا تحلیل مربوط است و باید تخصصی تر پیگیری شود.
حضور استادان دانشگاهی و متخصصان رشته های مختلف در این مرحله اهمیت دارد. تشخیص جمله ماشینی به تنهایی مسئله را حل نمی کند. متن باید از نظر علمی درست شود، منابع معتبر باشند و دانشجو بتواند از محتوای نهایی دفاع کند.
اگر بخشی از پایان نامه با ChatGPT نوشته شده، چه کار کنیم؟
اول از همه، متن را خط به خط بخوانید و هر جمله ای را که معنای دقیقش را نمی دانید مشخص کنید. منبع تعریف ها، نظریه ها، آمار و پژوهش های قبلی را پیدا کنید. منابعی که قابل بازیابی نیستند نباید در نسخه نهایی باقی بمانند.
سپس ارتباط فصل ها را بررسی کنید. بیان مسئله، اهداف، سوال ها و روش تحقیق باید درباره یک مسیر مشترک باشند. در فصل چهارم نیز هر آزمون باید به یک سوال یا فرضیه پاسخ دهد.
بخش هایی که کلی، تکراری یا نامانوس نوشته شده اند بهتر است بر اساس منابع معتبر بازنویسی شوند. هدف بازنویسی این نیست که متن فقط «انسانی تر به نظر برسد». متن باید واقعا دقیق تر، طبیعی تر و قابل دفاع تر شود.
در پایان، پایان نامه را با زبان خودتان توضیح دهید. اگر نمی توانید یک بخش را بدون خواندن متن شرح بدهید، هنوز برای تحویل یا دفاع آماده نیست.
پیش از ارسال پایان نامه برای استاد، این موارد را بررسی کنید
استادان تنها با یک نرم افزار نمیتوانند بگویندبه طور صد در صدی و قطعی بگویند که متن با هوش مصنوعی نوشته شده. بیشتر مواقع، مجموعه ای از نشانه ها باعث ایجاد تردید می شود که تغییر ناگهانی لحن، جمله های نامانوس، منابع مشکوک، ارتباط ضعیف فصل ها و ناتوانی دانشجو در توضیح متن می باشد.
در پایان نامه فارسی، خواندن دقیق استاد و جلسه دفاع نقش پررنگ تری دارد. در پایان نامه انگلیسی خارج از کشور، علاوه بر این موارد، ممکن است ابزار تشخیص، تاریخچه فایل و الزام به اعلام استفاده از هوش مصنوعی نیز مطرح باشد. یا ممکن است از دانشجو بخواهند پیش نویس های قبلی اش را ارائه کند، یا چیزی که نشان دهد خودش دنبال منابع رفته و این متن را نوشته، به استاد نشان دهد.
اگر بخشی از پایان نامه را با ChatGPT یا ابزارهای مشابه نوشتید و درباره کیفیت آن مطمئن نیستید، بهتر است پیش از ارسال برای استاد، به دقت بررسی شود. موسسه ماهان می تواند متن فارسی یا انگلیسی را از نظر انسجام، منابع، روش تحقیق، تحلیل، لحن و آمادگی دفاع بررسی کند. بسته به وضعیت فایل، ممکن است اصلاح آن محدود به چند بخش باشد یا بازنویسی دقیق تری لازم داشته باشد.
هدف این بررسی فقط پنهان کردن استفاده از هوش مصنوعی نیست بلکه هدف این است که پایان نامه به یک متن علمی، معتبر و قابل دفاع تبدیل شود؛ متنی که منابع آن واقعی باشد و دانشجو بتواند مسئولیت محتوایش را بپذیرد.
با ارسال فایل و اصلاحات استاد برای موسسه ماهان، می توان پیش از تحویل مشخص کرد کدام قسمت ها قابل استفاده اند، چه بخش هایی باید بازنویسی شوند و هزینه کار بر اساس حجم واقعی اصلاحات چقدر خواهد بود. این بررسی زودهنگام معمولا از برگشت های مکرر پایان نامه و فشار به دانشجو در روزهای نزدیک دفاع جلوگیری می کند.
سؤالات متداول
نکته مهم
هدف از بررسی پایان نامه نباید فقط مخفی کردن استفاده از هوش مصنوعی باشد؛ متن نهایی باید دارای منابع واقعی، ساختار علمی منسجم و محتوایی باشد که دانشجو بتواند در جلسه دفاع از آن توضیح و دفاع کند.