В мае 2025 исполнилось ровно полгода с момента первой централизованной подписки на ИИ-ассистент «Кибертида» (прим. «Кибертида» – специализированная отечественная система на базе технологии генеративного искусственного интеллекта для исследователей). БФУ им. И. Канта стал один из первых вузов, обеспечивших всех студентов и сотрудников доступом к системе.
За это время системой обработано более 3 ГБ информации и проанализировано более 2,800 статей. Свыше 300 человек являются активными пользователями «Кибертида».
Совместно с PR-офисом и Центром развития публикационной активности БФУ им. И. Канта мы опросили молодых ученых и преподавателей БФУ им. И. Канта о том, как они используют ИИ-ассистент «Кибертида».
Результат опроса нас приятно удивил, поскольку за эти полгода Кибертида доказала свою реальную пользу не только при анализе научных текстов, но и при подготовке лекций и тестовых заданий, обработке документов, при работе над своими собственными текстами и многое другое.
Мы собрали несколько примеров того, как именно ИИ-ассистент «Кибертида» помог в работе и учебе молодых исследователей:
Роберт Гресь, аспирант БФУ им. И. Канта, научный сотрудник Института проблем региональной экономики РАН (ИПРЭ РАН), эксперт международного арктического форума «Арктика – территория диалога»:
«Для меня ИИ-ассистент Кибертида был особенно полезен для проведения контент-анализа стратегических документов. При работе над кандидатской диссертацией о проявленности арктической специфики в стратегиях социально-экономического развития муниципалитетов Арктической зоны РФ мне был необходим определенный инструмент на основе генеративного ИИ для выполнения задачи анализа большого количества муниципальных стратегий по пользовательским параметрам. Кибертида прекрасно справилась с этой задачей и сумела не просто выставить оценки тому, насколько загруженные стратегии являются «арктичными» по десятибалльной шкале, но и объяснить снижение выставленных оценок в каждом конкретном случае. Эти оценки были сопоставлены с результатами, полученными с помощью иных методик на основе экспертного анализа и контент-анализа текстов. В целом, результаты оказались сопоставимы, а метод анализа стратегий с помощью ИИ-ассистента показал свою валидность. Кибертида также дала полезные рекомендации о том, что следует добавить в каждый конкретный документ, чтобы улучшить связанность стратегических планов с конкретными условиями, возможностями и ограничениями сложных для освоения арктических территорий. Отсюда открываются широкие перспективы применения цифровых технологий и ИИ в реальной практике стратегирования.»
Алексей Скуднов, студент, лаборант Центра геномных исследований БФУ им. И. Канта:
«В своей лаборатории я работаю над несколькими проектами в области биоинформатики, и зачастую мне требуется искать большое количество информации о библиотеках и функциях в таких языках программирования как Python, R, а также находить оптимальные решения для применения MySQL и Bash в своей работе. С этим ИИ-ассистент Кибертида справляется превосходно, предоставляя лаконичные и качественные решения, которые я в дальнейшем могу использовать как основу или даже полностью интегрировать со своими скриптами. Например, не так давно мне требовалось обработать несколько крупных таблиц данных с помощью библиотеки pandas, и Кибертида ускорил мою работу в написании скриптов для оптимального парсинга. Анализ статей я использую не так часто, однако намерен использовать его в будущем для написания курсовой работы, для которой потребуется обработка большого количества материала. На текущий момент я применял анализ одиночных статей для поиска новых интересных исследований, с этим ИИ справляется отлично.»
Светлана Боярко, старший преподаватель БФУ им. И. Канта:
«Мне, как преподавателю Высшей школы бизнеса и предпринимательства, крайне важно оставаться в курсе актуальных междисциплинарных исследований по экономической и иноязычной подготовке в вузе. Мой список для чтения каждую неделю пополняется на десяток отечественных и зарубежных научных статей, с которыми стоит ознакомиться и выделить для себя ряд необходимых положений с целью совершенствования педагогической практики и научно-исследовательской деятельности. Цейтнот современного преподавателя, идущего в ногу со временем, не всегда позволяет выделить достаточно времени на выборку релевантных научных изысканий для детального прочтения. ИИ-ассистент «Кибертида» - классный помощник, который не только помогает извлечь выжимку результатов статей, но и получить таблицу с резюме по каждому разделу исследования, выбранного для аналитики. Так, я формирую свою библиотеку для чтения, что существенно способствует профессиональному развитию. Благодарю создателей, разработчиков и идейных вдохновителей ИИ-ассистента "Кибертида" за воплощение полезного инструмента для преподавателей, ученых и всех, кто интересуется наукой.»
Дмитрий Хвалей, аспирант, ассистент ОНК «Институт управления и территориального развития»:
«Я занимаюсь изучением территориальных особенностей цифровизации. Это актуальная тема и каждый месяц выходит большое количество статей, не только в России, но и за рубежом. Мне нужно было проанализировать проведенные ранее исследования, но я столкнулся с проблемой огромного массива статей на разных языках. По итогу поиска литературы на eLibrary, КиберЛенинке, SemanticScholar и в других базах, в общей сложности мне удалось найти более тысячи работ. Это те статьи, которые подходили по ключевым словам. Но отбор действительно подходящих статей в этом массиве занимает огромное количество времени и усилий. Благодаря работе в Кибертида мне удалось отфильтровать статьи по их содержанию и провести их первичный анализ. Самое главное, что система работает по нужным мне параметрам, которые я установил, и проводит анализ статей на основе их полных текстов. В результате ИИ-ассистент позволил сэкономить время и сконцентрироваться на нужных статьях. Отдельно помогло то, что система сразу приводит данные на русском языке, что упростило работу с иностранной литературой. Я легко находил указанную информацию в тексте и такой инструмент, хоть и не заменяет необходимость работы с текстами, действительно, облегчает работу. Особенно когда речь идет про написание обзоров.»
Валерий Лисун, ассистент Высшей школы живых систем БФУ им. И. Канта, аспирант МГУ имени М.В. Ломоносова:
«ИИ-ассистент «Кибертида» помог обработать большее количество статей за меньший временной срок по моей диссертационной работе в области микробиологии. Ресурс был особенно полезен в выделении нужного из большого объема данных. Я смог сэкономить время и сконцентрироваться на действительно подходящих статьях. Также использование «Кибертида» упростило сравнение и поиск дублирующейся информации в источниках, что оказалось очень важным для моей работы.»
Делимся популярными сценариями использования ИИ-ассистента «Кибертида» учеными и преподавателями.
Сценарий 1. Анализ литературы с поэтапным уточнением поискового запроса.
Цель: отобрать наиболее релевантную литературу
Например, перед Вами стоит задача изучить качество высшего образования. Вы нашли несколько десятков статей по данной тематике в поисковиках (Lens, SemanticScholar, GoogleScholar, eLibrary или других).
Шаг 1. Загружаем pdf файлы статей в «Кибертида». Система предлагает проанализировать тексты по базовым вопросам IMRaD: Цель, объект и гипотеза; Теоретическая основа; Методика; Результаты; Выводы и новизна. Оставляем текущие настройки и запускаем анализ.
Через минуту получаем таблицу на русском языке, где встречаются упоминания различных моделей – HedPERF, SERVPERF и других.
Шаг 2. Уточняем детали исследований по новому критерию. Для этого направляем все или выборочные тексты на дальнейший анализ, выбрав «Создать новое задание».
Функция «Создать новый вопрос» позволяет конкретизировать поиск по пользовательским критериям. Чем детальнее Вы зададите свой вопрос в систему, тем более точную и детализированную информации Вы получите.
Например, в нашем случае, вопросы могут быть такими: «Какие критерии качества услуг высшего образования упоминаются в статье?» и «Опиши модель, которая используется в статье для изучения качества высшего образования. Какие у нее достоинства и недостатки? Почему автор выбрал именно эту модель?».
Использование нового параметра для анализа позволило увидеть сильные и слабые стороны моделей оценки качества высшего образования, выявленных на шаге 1.
Шаг 3. В качестве следующего шага можно уточнить – как именно использовать ту или иную модель оценки качества высшего образования в своём исследовании.
Для этого задаем новый вопрос: «Был ли использован метод анкетирования в исследовании? Если да, то опиши как составлена анкета опроса?». «Кибертида» формирует ответ по всем текстам, в которых было упоминание о структуре использованной анкеты.
Итог: быстрое ознакомление с исследованиями путем постепенного погружения в тему.
Сценарий 2. Поиск точных параметров по набору публикаций.
Цель: найти точные данные в тексте
Например, Вы изучаете термическую стабильность новых материалов, в частности аэрогеля. В качестве основного критерия для анализа Вы можете задать вопрос: «Приведи данные температуры термической стабильности материала. Какие показатели теплопроводности достигнуты? Укажи ключевые параметры теплопроводности.»
В одном из исследований нас заинтересовал вывод авторов о том, что «теплопроводность зависит от структуры и распределения пор в материале». Вы хотите уточнить именно этот вопрос и Вам нет необходимости направлять тексты на дополнительный анализ. Вместо этого, Вы можете создать «диалог с файлом».
В одном из исследований нас заинтересовал вывод авторов о том, что «теплопроводность зависит от структуры и распределения пор в материале». Вы хотите уточнить именно этот вопрос и Вам нет необходимости направлять тексты на дополнительный анализ. Вместо этого, Вы можете создать «диалог с файлом».
В рамках диалога со статьей можно задавать вопросы в свободной форме. Например: «Что результаты данного исследования говорят о влиянии структуры и распределении пор в материале на теплопроводность?».
Итог: ответ на конкретный вопрос на основе выбранных текстов
Сценарий 3. Провести классификацию исследований по содержанию
Цель: Разделить подборку статей на группы по заданным параметрам
Например, Вы знакомитесь с публикациями с новой для себя тематикой – «Научная дипломатия» в контексте международных отношений.
Шаг 1. Вы анализируйте множество статей по запросу: «Найди и напиши определение понятия научная дипломатия, которое используется в тексте статьи. Как автор определяет научную дипломатию? Какие подходы к научной дипломатии описаны в тексте статьи?».
По итогу ознакомления с тематикой Вы видите, что, в целом, существует три ключевых подхода к определению «Научная дипломатия», и хотите провести распределение статей по тому, какой подход использовал автор.
Шаг 2. Вы проводите классификацию по своему запросу: «Существует три подхода к научной дипломатии. Первый - дипломатические отношения для развития науки. Второй - использование научного сотрудничества для укрепления международных отношений. Третий - использование научных достижений для укрепления международных отношений. Укажи какой или какие из подходов используется в статье.».
Итог: систематизация исследований по подходам авторов
Сценарий 4. Помощь в написании аннотации к своей статье.
Цель: написать «рыбу» (черновик) аннотации своей статьи
У Вас готов текст публикации, но необходимо подготовить структурированную аннотацию (абстракт) своей статьи, а также предложить название и перечень ключевых слов на русском и английском языках.
Для этого необходимо сохранить свой текст в формате PDF и загрузить в систему, указав следующий запрос:
· Аннотация: «Напиши аннотацию к статье используя информацию из текста про актуальность, цель и гипотезу исследования, кратко опиши методику и использованные данные, приведи ключевые результаты и выводы исследования.»
· Название: «Сформулируй название этой исследовательской статьи на русском и английском языках».
· Ключевые слова: «Подбери перечень ключевых слов, которые лучше всего отражают содержание исследования и помогут читателям найти текст статьи в онлайн поиске».
Уточните, если в аннотации нужно сделать упор на количественные данные или другие параметры.
Итог: позволяет не упустить ключевые моменты исследования и выдержать структуру IMRaD
Сценарий 5. Разобраться в новой теме, используя «Кибертида» как академический справочник
Цель: уточнить основные сведения о научных терминах, понятиях, формулах
Например, Вы хотите узнать про биоразлагаемые полимеры. Просто начните с вопроса: «Что такое биоразлагаемые полимеры? Укажи основные формулы».
Можно также задавать вопрос, используя зарубежную терминологию. Например, «Что такое "Natural Renewable Polymers"?».
Также Вы можете последовательно уточнять свой запрос. Например, «Приведи химическую формулу Хитозана».
Итог: оперативный и детальный ответ на поставленный вопрос
Сценарий 6. Сформировать план лекции и тесты к ней
Цель: разработать лекционный материал по новой теме
Например, Вам необходимо подготовить план лекции по блокчейн технологиям. Задайте запрос: «Составь план лекции по блокчейн технологиям в рамках дисциплины "Финансовый менеджмент" для студентов первого курса.».
Далее, Вы можете составить вопросы для тестов: «Составь список вопросов для тестирования знаний студентов по итогам лекции».
Создавайте детальные запросы для того, чтобы получить необходимый Вам результат. Например, запретить использовать открытые вопросы, задать нужное количество вопросов и т.д.
А также получить варианты правильных ответов: «Укажи правильные ответы по тесту, чтобы можно было проверить знания студентов.».
Итог: создание плана лекции и множества вариантов вопросов для тестов
Сценарий 7. Работа над своим текстом
Цель: сократить, оптимизировать, вычитать или критически оценить свой текст
Например, Вам необходимо сократить текст аннотации своей статьи. Просто напишите свой запрос (например, «Сократи текст аннотации статьи») и скопируйте текст в диалоговое окно.
Итог: быстрая и качественная редакция текста