Od źródła do wniosku. Jak prowadzić badania z udziałem AI?

WARSZTAT BADACZA • HUMAN + AI

Od źródła do wniosku.
Jak prowadzić badania z udziałem AI?

Przewodnik dla studentów przygotowujących prace dyplomowe

AI potrafi szybko zaproponować temat, uporządkować notatki, wskazać możliwe kategorie analizy i zredagować przekonujący akapit. W pracy naukowej każda taka propozycja wymaga jednak sprawdzenia. O wartości badania decyduje droga, która łączy pytanie, źródła, analizę i wnioski.

Dlatego przez cały proces przygotowywania pracy warto wracać do jednego pytania: „Jak doszedłem do tego wniosku i dlaczego mam podstawy, aby go bronić?” Odpowiedź powinna pokazywać własne rozumowanie, a także udział narzędzi, z których korzystaliśmy.

1. Co zmienia AI w pracy badacza?

Zmiana zaczyna się od warsztatu. Możemy korzystać ze wsparcia przy tworzeniu słów kluczowych, porównywaniu dostarczonych tekstów, transkrypcji czy redakcji. Gdy jednak model proponuje sposób rozumienia wypowiedzi albo grupuje materiał według określonych kategorii, zaczyna wpływać na procedurę badawczą. Trzeba wtedy wyjaśnić, jak wykorzystano jego wyniki i jak je sprawdzono.

W humanistyce i naukach społecznych metody służą różnym celom. Interpretacja pamiętnika, analiza języka dokumentów instytucjonalnych i badanie doświadczeń uczestników edukacji penitencjarnej wymagają odmiennych decyzji. Dobór zastosowań AI powinien wynikać z problemu i metody badania. Nie każda czynność, którą potrafi wykonać model, jest potrzebna w danym projekcie.

Wytyczne Komisji Europejskiej dotyczące generatywnej AI w badaniach podkreślają odpowiedzialność badacza, przejrzystość oraz krytyczną ocenę wyników narzędzi. UNESCO akcentuje zachowanie ludzkiej sprawczości i ochronę danych. Są to punkty odniesienia dla proponowanego tutaj warsztatu Human + AI [1–2].

Zasada pracy

Najpierw sformułuj własną propozycję. Następnie, jeśli jest to uzasadnione i dozwolone, skonsultuj ją z AI. Na końcu samodzielnie oceń sugestie i zapisz powody swojej decyzji.

2. Od zainteresowania do pytania badawczego

Początkowe zainteresowanie bywa szerokie: „edukacja osób osadzonych”, „rola wychowawcy”, „AI w resocjalizacji”. Aby rozpocząć badanie, trzeba ustalić, co dokładnie chcemy poznać i do jakiego materiału mamy dostęp.

Zanim uruchomisz narzędzie, zapisz: co mnie zastanawia, czego jeszcze nie rozumiem i na podstawie jakich materiałów mogę szukać odpowiedzi. AI możesz następnie poprosić o wskazanie niejasności, nadmiernych uogólnień lub ukrytych założeń w Twoim pytaniu.

Przykład

Pytanie „Dlaczego edukacja skutecznie resocjalizuje?” zakłada już skuteczność i związek przyczynowy. Pytanie „Jak uczestnicy wybranego programu opisują znaczenie nauki w swoim codziennym funkcjonowaniu?” otwiera możliwość poznania różnych doświadczeń. Pozwala też jasno określić, na co odpowiedzą wywiady, a czego na ich podstawie nie ustalimy.

AI może wskazać problem z konstrukcją pytania. O jego ostatecznym brzmieniu decydujesz na podstawie lektury, celu badania, dostępności materiału i konsultacji z promotorem. Warto zachować pierwszą i poprawioną wersję wraz z krótkim uzasadnieniem zmiany.

3. Od wyszukania publikacji do poznania źródła

Model może podpowiedzieć terminologię, zagraniczne odpowiedniki pojęć i kierunki poszukiwań. Wygenerowany opis publikacji traktuj jednak jako trop do sprawdzenia. Narzędzia generatywne mogą podawać nieistniejące pozycje, błędne dane bibliograficzne lub przypisywać autorom twierdzenia, których nie sformułowali [3].

1. Odnajdź publikację w katalogu bibliotecznym, bazie naukowej, repozytorium lub na stronie wydawcy.
2. Sprawdź dane: autorów, tytuł, rok i identyfikator DOI, jeśli występuje.
3. Przeczytaj fragment potrzebny do argumentacji wraz z kontekstem i ograniczeniami badania.
4. Zapisz, co źródło rzeczywiście uzasadnia. Zanotuj stronę lub inne oznaczenie miejsca, do którego będziesz odsyłać.

Przydatna notatka z lektury zawiera trzy części: stanowisko autora, materiał lub argumenty, na których się opiera, oraz Twoją ocenę jego znaczenia dla pracy. Streszczenie przygotowane przez AI można porównać z taką notatką, sprawdzając opuszczenia i uproszczenia.

Sprawdzaj także dobór całego zbioru źródeł. Łatwość znalezienia tekstu w internecie nie przesądza o jego wartości. Mniej widoczne publikacje polskie, starsze opracowania czy odmienne perspektywy mogą być kluczowe dla problemu.

4. Zaplanuj udział AI, zanim rozpoczniesz analizę

Jeśli zamierzasz wykorzystać AI w analizie, określ jej zadanie już w projekcie badania. „Użyję AI do opracowania materiału” to zbyt ogólny zapis. Potrzebujesz informacji o tym, jaki materiał otrzyma narzędzie, co ma z nim zrobić i według jakich kryteriów ocenisz wynik.

• Czy model ma proponować robocze kody, czy przypisywać fragmenty do wcześniej określonych kategorii?
• Czy analizujesz cały materiał, czy wybraną część? Jak uzasadniasz ten wybór?
• Jak sprawdzisz pominięcia, nietrafne przypisania i cytaty wyrwane z kontekstu?
• Czy sposób wykorzystania AI jest zgodny z przyjętym podejściem badawczym?

Możesz rozpocząć od pilotażu na niewielkim, odpowiednio przygotowanym materiale. Porównaj propozycje modelu z własną analizą i wróć do fragmentów, przy których pojawiły się rozbieżności. Zgodność z AI nie jest sama w sobie dowodem trafności. Rozbieżność może natomiast ujawnić założenie, które warto przemyśleć.

Badania nad wykorzystaniem ChatGPT w analizie tematycznej wskazują znaczenie przejrzystości procedury i rozumienia możliwości narzędzia [4]. W podejściu, w którym interpretacja jest refleksyjną pracą badacza, nie wystarczy automatycznie przyjąć kategorii dlatego, że model przedstawił je w uporządkowanej tabeli.

5. Od wypowiedzi do interpretacji: przykład penitencjarny

Poniższa wypowiedź została wymyślona na potrzeby ćwiczenia. Nie pochodzi z wywiadu ani z dokumentacji osoby osadzonej.

„Chodzę do szkoły, bo przez te kilka godzin czuję, że jestem kimś innym”.

AI może zaproponować kategorię „motywacja do nauki”. Możliwe są też odczytania związane z tożsamością ucznia, poczuciem godności, relacjami z nauczycielami albo chwilową zmianą sposobu doświadczania pobytu w jednostce. Są to hipotezy interpretacyjne, które wymagają oparcia w szerszym materiale.

W rzeczywistym badaniu należałoby sprawdzić dalszą część wypowiedzi, kontekst rozmowy, inne fragmenty relacji tej osoby i materiał istotny dla przyjętej metody. Trzeba również szukać wypowiedzi, które komplikują początkową interpretację.

Granica wnioskowania

Ten fragment może być punktem wyjścia do badania znaczenia szkoły w doświadczeniu osoby. Sam nie uzasadnia wniosku, że edukacja zmniejsza powrotność do przestępstwa. Taki wniosek wymagałby innego rodzaju danych i odpowiedniego projektu badania.

Warto rozróżniać trzy poziomy: co zapisano w materiale, jak to interpretuję i jak daleko pozwalam sobie uogólnić wynik. AI może pomóc formułować alternatywy. Za przejście między tymi poziomami odpowiada autor pracy.

6. Chroń osoby, których doświadczenia badasz

W badaniach penitencjarnych materiał może zawierać informacje o zdrowiu, sytuacji rodzinnej, doświadczeniu przemocy czy funkcjonowaniu jednostki. Usunięcie imienia i nazwiska może pozostawić szczegóły pozwalające rozpoznać osobę. Zanim przekażesz materiał do narzędzia, ustal z promotorem i zgodnie z procedurami uczelni, czy oraz w jakim środowisku wolno go przetwarzać.

W projekcie uwzględnij zasady dostępu, zgody, poufność, warunki działania narzędzia i zakres przekazywanych informacji. Wytyczne europejskie zalecają ochronę poufnych danych oraz korzystanie z odpowiednio zabezpieczonych rozwiązań [1]. Do ćwiczeń nad samą procedurą analizy można wykorzystać jawnie fikcyjne materiały.

Wygenerowany wywiad pozostaje symulacją. Nie wolno przedstawiać go jako rozmowy przeprowadzonej z uczestnikiem badania. Wypowiedzi modelu mogą stanowić materiał badawczy wtedy, gdy badamy sam model i jasno opisujemy sposób ich uzyskania.

7. Zostaw ślad własnych decyzji

Dobrą praktyką seminaryjną może być krótki dziennik decyzji. Nie musi zawierać każdej rozmowy z narzędziem. Powinien pozwalać odtworzyć te momenty, w których AI miała znaczenie dla projektu, analizy albo argumentacji.

• Moja propozycja: co zakładałem przed konsultacją?
• Udział AI: jakie zadanie otrzymała i na jakim materiale pracowała?
• Sprawdzenie: z jakim źródłem lub fragmentem danych porównałem odpowiedź?
• Moja decyzja: co przyjąłem, zmieniłem lub odrzuciłem i dlaczego?

Przy istotnym wykorzystaniu analitycznym zanotuj nazwę i dostępną wersję modelu, datę, instrukcje, zakres materiału oraz sposób weryfikacji. Zachowaj potrzebne wyniki w bezpiecznym miejscu. Zmiany modeli i zmienność odpowiedzi mogą utrudniać powtórzenie procedury; dokumentacja pomaga ocenić, jak rzeczywiście przebiegała analiza [3].

Zakres ujawnienia wykorzystania AI dostosuj do zasad uczelni i ustaleń z promotorem. Opis powinien odpowiadać wykonanym czynnościom. Sama nazwa narzędzia nie wyjaśnia jego wpływu na badanie.

Przykład zapisu — do użycia tylko wtedy, gdy odpowiada rzeczywistemu przebiegowi pracy

„Narzędzie [nazwa, wersja, data użycia] wykorzystano do zaproponowania alternatywnych kategorii dla [zakres materiału]. Propozycje porównano z samodzielną analizą i zweryfikowano przez ponowną lekturę fragmentów w ich kontekście. Ostateczny dobór kategorii i interpretację uzasadniono w rozdziale […].”

8. Ćwiczenie: obroń drogę do wniosku

Wybierz krótki, publicznie dostępny tekst związany z edukacją penitencjarną albo skorzystaj z fikcyjnej wypowiedzi zamieszczonej wyżej. W ćwiczeniu z jednym zdaniem oceniaj możliwe odczytania i brakujące informacje — nie próbuj na tej podstawie formułować ustaleń o osobach osadzonych.

1. Samodzielnie: zapisz pytanie oraz wstępną interpretację. Wskaż słowa, które ją uzasadniają.
2. Z AI: poproś o inne odczytanie, kontrargument i wskazanie informacji potrzebnych do rozstrzygnięcia.
3. Sprawdź: oznacz sugestie mające podstawę w tekście oraz takie, które wymagają dodatkowych danych. Zauważ treści dopowiedziane przez model.
4. Zdecyduj: napisz własny wniosek, określ jego granice i uzasadnij przyjęcie lub odrzucenie sugestii.
5. Wyjaśnij: w kilku zdaniach pokaż, jak konsultacja wpłynęła na Twoje rozumowanie.

Pomocna instrukcja do modelu: „Przeanalizuj wyłącznie podany fragment. Oddziel informacje zawarte w tekście od hipotez. Zaproponuj dwa możliwe odczytania, wskaż ich podstawę i brakujące dane. Nie dopisuj faktów ani cytatów”. Taka instrukcja porządkuje zadanie, ale nie gwarantuje poprawności odpowiedzi.

9. Co warto umieć wyjaśnić podczas obrony?

Przedstawiając pracę, pokaż związek między pytaniem, doborem materiału, sposobem analizy i wnioskiem. Wyjaśnij, co stanowi Twoje ustalenie, jaką rolę odegrała AI oraz czego nie możesz rozstrzygnąć na podstawie zebranych danych. Wskaż także alternatywną interpretację i powód, dla którego wybrałeś własną.

Bronić wniosku oznacza umieć wskazać jego podstawy i granice. Obejmuje to również gotowość do korekty, gdy pojawią się lepsze argumenty albo nowe dane. W takim ujęciu samodzielność staje się widoczna w decyzjach, które potrafisz uzasadnić.

Jak doszedłem do tego wniosku i dlaczego mam podstawy, aby go bronić?

Wracaj do tego pytania przy każdej ważnej decyzji. Zachowuj kontakt ze źródłami, sprawdzaj propozycje AI i pokazuj własne rozumowanie. Tak budujesz warsztat badacza w modelu Human + AI.

Źródła i dalsza lektura

Wytyczne [1–2] stanowią ogólne ramy odpowiedzialnego wykorzystania AI. Publikacje [3–4] omawiają zastosowania i ograniczenia narzędzi badawczych. Dziennik decyzji, przykłady i ćwiczenie są propozycją dydaktyczną tego artykułu; należy dostosować je do metody badania i zasad uczelni.

1. European Commission, Living guidelines on the responsible use of generative AI in research, wersja czwarta, październik 2026. Pełny tekst wytycznych (PDF).
2. Miao, F., Holmes, W. (2023), Guidance for generative AI in education and research, UNESCO. Publikacja i dostęp do pełnego tekstu.
3. Perkins, M., Roe, J. (2024), Generative AI Tools in Academic Research: Applications and Implications for Qualitative and Quantitative Research Methodologies. Preprint, arXiv:2408.06872. Opis i pełny tekst.
4. Zhang, H., Wu, C., Xie, J., Lyu, Y., Cai, J., Carroll, J. M. (2023), Redefining Qualitative Analysis in the AI Era: Utilizing ChatGPT for Efficient Thematic Analysis. Preprint, arXiv:2309.10771. Opis i pełny tekst.

Stan źródeł internetowych: 17 października 2026 r.