GPT студентам. 580 промптов способных решить любую проблему. Промпт-инжиниринг для написания исследований, от плана до списка литературы, решения задач, генерации исследовательских идей, ускорения рутинных процессов, успешного и честного прохождения антиплагиат вуз

1.1. Что было до антиплагиат

ВУЗы и студенты (в Древнем Риме и в Средние века студентами назывались любые лица, занятые процессом познания) появились задолго до антиплагиата. Веками, находясь в процессе познания, студенты искали способы обхода рутины, беспроблемной сдачи зачетов, письменных работ и экзаменов, тем самым оживляли скучный учебный процесс некой новацией.

Тридцать лет назад будучи студентом, я искал пособие, в котором в сжатой и понятной форме излагается техника быстрого написания исследовательских работ. Читая Умберто Эко – философа и специалиста по семиотике, я понял, что скоростной методики не существует, зато есть классические правила: прийти в библиотеку, набрать тонну литературы, почитать источники, расставить в книгах закладки, сделать выписки, конспекты, скомпилировать текст, вычитать его и связать логически. С таким подходом, нормативное время написания дипломной работы составляло 3—4 месяца.

В 1994 г. в России появился Интернет, в который можно было выйти, применяя dial-up (англ. dial-up – «набор номера, дозвон»). Интернет стал наполняться электронными книгами, использование которых давало заметное ускорение при написании письменных работ.

В 2005 году в научном мире «блеснула» мысль, что работы студентов зачастую пишут не на основании источников, а на основании коллекций рефератов, поэтому было задумано бороться с такими работами, на свет появилась система «Антиплагиат», живущая в доменной зоне РУ.

Антиплагиат пошел по пути, который сейчас проходит OpenAI, да и многие другие разработчики ИИ, он начал индексировать коллекции рефератов, сетевые библиотеки и места скопления текстовой информации, понятно, что после такой индексации множество отечественных библиотек потеряли ценность своего фонда, потому что библиотеки из источника знаний превратились в источник плагиата.

Кроме добротных библиотек, имеющих отношение к академической сфере, антиплагиат, в погоне за показателями проиндексировал ресурсы, не имеющие отношения к научной деятельности, в это число попали эротические библиотеки. Разгорелся скандал, о котором писал ИД «Коммерсантъ» – один из старейших издательских домов и одна из самых авторитетных и влиятельных медиаструктур в стране. В статье «Антиплагиат» не пройдет, «Коммерсантъ» написал о казусе с индексацией Антиплагиатом РУ порно-ресурсов, рис. 1 и скандале в министерстве образования РФ.

Рисунок 1 – Антиплагиат не пройдет, ИД «Коммерсантъ»

Параллельно Антиплагиату начали развиваться другие проекты, посчитавшие возможным монетизировать данную сферу. Появилась разработка СерчИнформ (SearchInform) – Плагиат-Информ – система для определения плагиата в документах.

Наша идея технологии скоростного написания работ получила свое развитие в 2009 г. К этому времени в рамках деятельности научного объединения «ГУМАНИТАРИЙ», силами членов объединения, была собрана довольно приличная научная электронная библиотека (ЭБ), которая, по объему фонда, в несколько раз превосходила классические университетские библиотеки. Проблемой являлось библиографическое описание книг, так как имея неприлично много книг, в них было необходимо ориентироваться.

Решение подвернулось случайно. Компания «СерчИнформ» – ныне ведущий российский разработчик средств информационной безопасности, резидент Инновационного центра «Сколково», входящая в АРПП «Отечественный софт» и НП «Руссофт» – в 2008—2010 гг. разрабатывала локальную поисковую систему промышленного класса и осваивала на ее базе Плагиат-Информ – систему для определения плагиата в документах. Стресс-тестирование поисковика проводили на базе фонда ЭБ НИО «ГУМАНИТАРИЙ» (рис. 2). Плагиат-Информу мы пожертвовали свой фонд рефератов и курсовых, который насчитывал ок. 3 млн. работ.

Рисунок 2 – Пресс-релиз СёрчИнформ

В 2010 г. идея скоростного написания научных исследований получила свое развитие с новой силой. «СерчИнформ» не только предлагал возможность разнообразного поиска в локальных файлах, но и реализовывал функцию «поиска похожих» – поиск больших текстов на основании маленьких. Используя продукт СерчИнформ, мы научились извлекать необходимые данные из текстовых неструктурированных массивов, добавляя к заимствованиям библиографическую запись. Это позволяло компилировать теоретические разделы исследований за считанные часы. Генезис антиплагиата, который РУ, несколько замедлил развитие компилятивной технологии, поскольку все тексты, извлекаемые из любой электронной библиотеки, были плагиатом. В 2015 г. мы начали работы по автоматизации процесса перефразирования текстов, с целью повышения их уникальности, рис. 3. Чистовое решение было найдено в 2020 году, представлено Интернет-общественности в 2021 г., в виде проекта КонтрПлагиат.

Рисунок 3 – Перефразирование, рерайт, перепечатывание текста «другими словами»

КонтрПлагиат, академическая нейронная сеть. Цель проекта – повышение уникальности академических текстов методом глубокого перефразирования (рерайтинг), перегенерация текстов (копирайтинг).

В 2022 г. КонтрПлагиат научился работать с файлами, имеющими сложную структуру – текст, математический аппарат, таблицы, рисунки, подстрочный ссылочный аппарат.

В 2023 г. Антиплагиат РУ вывел на рынок решение – детектор генеративных текстов, созданных с помощью больших языковых моделей (LLM). На следующий день КонтрПлагиат объявил, что умеет работать с большими текстами, имеющими статус: «Внимание, документ подозрительный: в документе присутствует сгенерированный текст».

Этот статус КонтрПлагиат убирает благодаря перефразированию и компилятивным умениям, доставшимся в наследство от НИОО «ГУМАНИТАРИЙ», рис. 4.

Рисунок 4 – Генеративный текст, созданный с помощью GPT, «ДО» и «ПОСЛЕ» очеловечивания КонтрПлагиат

Как видно из краткого исторического экскурса, проблема скоростного написания исследовательских работ не нова, борьба с плагиатом в той или иной форме ведется почти два десятилетия, появление GPT заметно оживило этот процесс, наполнив академическую среду паническими настроениями. Паникуют все, профессорско-преподавательский состав, который захлестнула волна генеративных работ. Студенты, которые сгенерировали примитивные работы и не могут пройти проверку в антиплагиат версии ВУЗ.

Большие языковые модели (LLM) приходят к нам надолго и проникают во все инструментальные среды, интерфейсы, приложения и практики. Правильным, по нашему мнению, является не запрет их применения, а приобретение навыков их использования в исследовательской деятельности, что снижает рутинную составляющую и дает достаточно времени для творческого процесса.

Примером применения ИИ GPT и КонтрПлагиат выступает данное пособие, которое обобщает практический опыт и рассматривает процесс написания исследований с точки зрения – как упростить, а не с позиции классической методологии – как усложнить.

1.2. Антиплагиат – игровая или экспертная система?

За долгие годы наблюдения за тысячами отчетов антиплагиат ВУЗ мы выявили ряд интересных моментов:

– Не смотря на наличие модуля шаблонных фраз, антиплагиат определяет их не корректно, например относит к цитированию, рис. 5 и 6.

Рисунок 5 – Шаблонные фразы определяются как цитирование?

Рисунок 6 – Антиплагиат считает шаблонные фразы цитированием

– Одно слово и фраза из двух слов может быть плагиатом, рис. 7—9.

Рисунок 7 – Некорректное определение плагиата в тексте

Рисунок 8 – Некорректное определение плагиата в тексте

Рисунок 9 – Некорректное определение плагиата в тексте

– Зачастую антиплагиат бездоказателен, вас обвиняют в плагиате, но не показывают источник плагиата, на скрине рис 10, плагиат – фраза «этих операций», переход по ссылке 22, рис. 11, ведет на целую статью, которая, вероятно, содержит фразу «этих операций».

Рисунок 10 – Внешняя ссылка антиплагиата

– Модуль цитирования работает не корректно, путая фразы из Конституции РФ с шаблонными фразами;

Рисунок 11 – Текст конституционной статьи – шаблонная фраза?

– Титульные листы, заголовки работы, названия ВУЗов и кафедр, фамилии научных руководителей на титульном листе, оглавление – плагиат, рис. 12 и 13.

Рисунок 12 – Заголовки – плагиат

Рисунок 13 – Оглавление – плагиат

– Целостная фраза может быть на 50% цитированием, а на 50% плагиатом, хотя, правильней отнести ее к цитированию из белого источника, рис. 14.

Рисунок 14 – Разрыв при идентификации фразы

– Вас обвиняют в плагиате, указывают источник, рис. 15.

Рисунок 15 – Целостное понятие цитирование-плагиат

– Внешняя ссылка ведет на пустую страницу, рис. 16, это называется – отсутствие доказательности при обвинении в плагиате, сколько таких, указывающих в пустоту ссылок, в миллиардном индексе?

Рисунок 16 – Антиплагиат дает ссылку на пустую страницу

С началом работы модуля поиска генеративного текста антиплагиат начал чудить, отчет, который хранится на сервере меняет свои показания, рис. 17—20.

Рисунок 17 – Отчет Антиплагиат от 07.06.2023 – 10:14:19

Рисунок 18 – Отчет Антиплагиат от 07.06.2023 – 10:14:19, спустя 1 час

Рисунок 19 – Отчет Антиплагиат от 27.06.2023 – 08:51:39

Рисунок 20 – Отчет Антиплагиат от 27.06.2023 – 08:51:39, спустя 1 сутки

Студенты, которые приобрели платные проверки за 472 рубля могли видеть в своих отчетах, что генеративной является нумерация страниц, рис. 21 и 22. Технически Антиплагиат прав, нумерация проставляется в Word автоматически, но как вернуть деньги за некорректную проверку?

Рисунок 21 – Нумерация страниц отнесена Антиплагиатом к генеративному тексту ИИ

Рисунок 22 – Нумерация страниц отнесена Антиплагиатом к генеративному тексту ИИ

Антиплагиат берет на себя смелость относить текст, написанный человеком к генеративному, рис. 23.

Рисунок 23 – Человеческий текст отнесен к генеративному

Ну а это наш любимый скриншот, пустая страница – это генеративный текст, рис. 24.

Рисунок 24 – Пустая страница – это генеративный текст

Мы не разбираем результаты проверок конкретных работ, как правило это не делают и преподаватели высшей школы. Единственный критерий оценки студенческих работ в ВУЗах и это не единичный случай – показатель уникальности. В некоторых ВУЗах такой подход узаконен, на оценку «отлично» – 75% оригинальности, на оценку «хорошо» – 65%.

Против студента играет системная организация, в виде правил ВУЗа и машинно-алгоритмической мощи коммерческого сервиса. Тексты некоторых работ, не содержат достаточного количества изменяемого текста, но от студентов требуют «отжать» показатель уникальности, поэтому приходится перефразировать устоявшиеся в научном мире термины, определения и цитаты. Вероятно, это «натягивание уникальности» не совсем то, что можно связать с академическим подходом.

Если против студентов начали играть нейросети, о применении которых заявил антиплагиат, то справедливо дать студентам аналогичные средства, дабы сражение шло в равных весовых категориях.

1.3. Метод шинглов в повышении уникальности текстов

Шингл (далее – Ш) – последовательность количества слов (2, 3, 4, 5 и т.д.), используемая в алгоритме проверки уникальности текста, рис. 25. Уникальность проверяется путем сравнения текста источника с текстом, который был перефразирован. Данную сверку можно проводить локально, используя бесплатный продукт AntiPlagiarism.NET.

Рисунок 25 – Лемматизированный текст, как выглядят шинглы, состоящие из 2 слов (Ш2)

При проверке в антиплагиат ВУЗ, текст работы сверяется с данными базы (другими текстами, проиндексированными ранее).

При определении уникальности текста проверяемой работы, в системе Антиплагиат происходит следующее:

– Нормализация (канонизация) текста – удаление из текста элементов, не несущих смысловой нагрузки, шаблонных фраз, предлогов, союзов, знаков препинания и др.

– Лемматизация – приведение слов к нормальной форме, рис. 25.

– Разбиение текста на фрагменты – шинглы, конец каждого фрагмента является началом предыдущего, рис. 25.

– Вычисление хэш-значения фрагмента слова – на этом этапе начинается сравнение текста. Точность сравнения напрямую зависит от количества операций – это достаточно ресурсоемкий процесс. Чтобы увеличить производительность метода сверки шинглов, сравнение текстов по контрольным суммам может осуществляться на случайных выборках.

– Определение результата – на основе сравнения выдается результат, указывающий на уникальность проверяемого текста. Результаты отражаются в процентах: 100% – полностью уникальный текст, 0% – полностью неуникальный текст, т.е. такой текст уже существует.

На что опирается методология КонтрПлагиат, при использовании метода шинглов?

1) Мы исходим из того, что:

– уникальных текстов в академической среде не осталось. Все, что может исследовать студент, уже исследовано.

– любой текст, скомпилированный из Интернет-источников и печатных библиотек – плагиат.

– если текст скомпилирован поабзацно, и компиляция показывает уникальность, это связано с уникальным сочетанием абзацев. Изменение порядка следования абзацев или правка текста, внутри абзаца, может привести к появлению плагиата.

– показатель уникальности, это совокупная оценка всей работы, «хитрый» метод правки мест плагиата, при следующей проверке выявляет плагиат в тех местах, которые в предыдущей проверке плагиатом не являлись.

В процессе проверки первого варианта работы, она попадает в индекс антиплагиата. С этого момента она считается первой версией. Все последующие проверки учитывают первую версию, и отслеживают процент изменения 2, 3, 4 версии работы по отношению к первой версии. Другими словами, повышая уникальность текста методом глубокого перефразирования вы, в том числе, противостоите первой версии своей работы и должны показать, что текст после перефразирования существенно отличается от первой версии.

2) Любой текст перед первой проверкой должен подвергаться глубокому рерайту – это снижает последующие трудозатраты, т.к. вы не противостоите первой, второй, третьей и т. д. версиям своей работы. В процессе перефразирования, рерайта, необходимо добиться отличия текстов источника и перефразированного текста. Данное отличие, при сверке по показателю Ш2 должно составлять более 80%.

Поверхностный рерайт

Поверхностный рерайт обеспечивает двойной перевод текста – на любой иностранный язык и обратно на рис. 26 показан перевод текста с русского на английский язык и обратный перевод с английского на русский. Текст, при сверке по шинглам, состоящим из 2 слов (показатель Ш2) показывает отличие на уровне 20—40%, рис. 27.

Рисунок 26 – Перевод текста в направлении: русский-английский; английский-русский, с помощью translate.google.com

Рисунок 27 – Сверка текста источника (правое окно) с перефразированным текстом (левое окно) по методу шинглов, состоящим их 2 слов (Ш2), отличие текстов 30%

Применение GPT также обеспечивает поверхностный рерайт, на рис. 28 приведен интерфейс, в котором выполняется перефразирование с помощью GPT, применяется промпт 1.

Пример GPT-промпта 1

Перефразируйте текст [ваш текст]

Рисунок 28 – Перефразирование текста с помощью GPT

На рисунке 29 представлена сверка текста по методу Ш2, как видно тексты отличаются на 40%.

Рисунок 29 – Сверка текста источника (правое окно) с перефразированным текстом (левое окно) по методу шинглов, состоящим их 2 слов (Ш2), отличие текстов 40%

Известно, что GPT допускает ошибки, поэтому с целью их частичного исправления, дальнейшего повышения уникальности, а также удаления маркеров генеративного текста, можно выполнить вторичный перевод текста в направлении: русский-английский; английский-русский, с помощью translate.google.com, рис. 30.

Рисунок 30 – Перевод текста, после GPT-обработки, в направлении: русский-английский; английский-русский, с помощью translate.google.com

Рисунок 31 – Сверка текста источника (правое окно) с перефразированным текстом (левое окно) по методу шинглов, состоящим их 2 слов (Ш2), отличие текстов 55%

Все последовательности действий, приведенные выше дают поверхностное перефразирование, практикой доказано, что это не позволяет добиваться нужного показателя уникальности всего текста.

Глубокий рерайт

Глубокий рерайт, обеспечивает существенное отличие текстов, на основании практического опыта установлено, что текст источника должен отличаться от перефразированного текста, при сверке по показателю Ш2 на 80 и более процентов. Рассмотрим, как этого можно добиться.

Шаг 1 – выполнить перевод текста в направлении: русский-китайский (традиционный); китайский (традиционный) -русский, с помощью translate.google.com. Это даст нам показатель Ш2 – 64%, рис. 32.

Рисунок 32 – Сверка текста источника (правое окно) с перефразированным текстом (левое окно) по методу шинглов, состоящим их 2 слов (Ш2), отличие текстов 64%

Шаг 2 — написание нового текста на основании текста перевода, с помощью GPT. Источником является текст после перевода: русский-китайский (традиционный); китайский (традиционный) -русский.