Науковий вісник НГУ

Генеративний штучний інтелект провокує порушення академічної доброчесності: міф чи реальність?

• 
• 

Рейтинг користувача:  / 0

ГіршийКращий 

Деталі

Категорія: Зміст №2 2026

Останнє оновлення: 25 квітня 2026

Опубліковано: 30 листопада -0001

Перегляди: 1586

Authors:

А. Є. Артюхов orcid.org/0000-0003-1112-6891, Університет економіки та бізнесу в Братиславі, м. Братислава, Словацька Республіка; Сумський державний університет, м. Суми, Україна, e-mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.

О. В. Длугопольський*, orcid.org/0000-0002-2040-8762, Західноукраїнський національний університет, м. Тернопіль, Україна; Любельська академія WSEI, м. Люблін, Республіка Польща, e-mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.

Н. О. Артюхова, orcid.org/0000-0002-2408-5737, Університет економіки та бізнесу в Братиславі, м. Братислава, Словацька Республіка; Сумський державний університет, м. Суми, Україна, , e-mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.

Д. І. Чумаченко, orcid.org/0000-0003-2623-3294, Національний аерокосмічний університет «Харківський авіаційний інститут», м. Харків, Україна; Університет Ворик, м. Ковентрі, Сполучене Королівство Великої Британії та Північної Ірландії, e-mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.

М. В. Лизун, orcid.org/0000-0003-3222-2962, Західноукраїнський національний університет, м. Тернопіль, Україна; e-mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.

* Corresponding author e-mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.

повний текст / full article

Naukovyi Visnyk Natsionalnoho Hirnychoho Universytetu. 2026, (2): 121 - 130

https://doi.org/10.33271/nvngu/2026-2/121

Abstract:

Мета. Метою роботи є емпірична перевірка тези про те, чи провокує використання генеративного штучного інтелекту (GenAI) порушення академічної доброчесності.

Методика. Дослідження базується на бібліометричному аналізі та крос-національному анкетному опитуванні академічних стейкхолдерів із країн Європейського Союзу, Великої Британії, Канади, США та інших регіонів. Загальна вибірка становить 496 респондентів. Опитування проводилося в анонімній формі за допомогою Google Forms із використанням п’ятибальної шкали Лайкерта для оцінювання рівня згоди зі твердженням про те, що використання GenAI призводить до порушень академічної доброчесності. Для обґрунтування репрезентативності вибірки застосовано формулу Кокрана.

Результати. Результати дослідження свідчать про помірно високий рівень занепокоєння академічних спільнот щодо впливу GenAI на академічну доброчесність (середнє значення 3,42 при нейтральному рівні 3,0), що підтверджує гіпотезу H₁ про сприйняття GenAI як потенційної загрози академічній доброчесності. Виявлені суттєві міжкраїнні відмінності: від відносно низького рівня занепокоєння в Італії й Польщі до високих значень у Німеччині, Швейцарії, Литві й Канаді. Простежується регіональна й культурна кластеризація відповідей, зокрема підвищена обережність у німецькомовних країнах і більш прагматичне ставлення у країнах Східної Європи. Це свідчить про значний вплив національних освітніх традицій, інституційних рамок і регуляторних підходів на сприйняття ризиків GenAI.

Наукова новизна. Полягає у першому крос-національному емпіричному аналізі сприйняття зв’язку між використанням GenAI і порушеннями академічної доброчесності на основі широкої міжнародної вибірки. Робота пропонує системний погляд на вплив культурних, регіональних та інституційних чинників на формування ставлення до GenAI в академічному середовищі.

Практична значимість. Полягає в можливості використання результатів роботи при розробленні національних та інституційних політик щодо інтеграції GenAI в освітній процес. Виявлені міжкраїнні й регіональні відмінності свідчать про недоцільність універсальних регуляторних рішень і підкреслюють необхідність культурно чутливих, адаптованих до локального контексту стратегій. Результати можуть бути використані адміністраціями університетів, комітетами з академічної доброчесності, розробниками освітніх програм й органами управління освітою для формування збалансованих підходів до використання GenAI, що поєднують інноваційність зі збереженням академічних цінностей.

Ключові слова: GenAI, академічна доброчесність, опитування, порушення

References.

1. Cotton, D. R., Cotton, P. A., & Shipway, J. R. (2023). Chatting and cheating: Ensuring academic integrity in the era of ChatGPT. Innovations in Education and Teaching International, 61(2), 228-239. https://doi.org/10.1080/14703297.2023.2190148

2. Rudolph, J., Tan, S., & Tan, S. (2023). War of the chatbots: Bard, Bing Chat, ChatGPT, Ernie and beyond. The new AI gold rush and its impact on higher education. Journal of Applied Learning and ­Teaching, 6(1), 364-389. https://doi.org/10.37074/jalt.2023.6.1.23

3. Zawacki-Richter, O., Marín, V.I., Bond, M., & Gouverneur, F. (2019). Systematic review of research on artificial intelligence applications in higher education – where are the educators? International Journal of Educational Technology in Higher Education, 16(1), 39. https://doi.org/10.1186/s41239-019-0171-0

4. Holmes, W., & Porayska-Pomsta, K. (2022). The ethics of artificial intelligence in education. Practices, Challenges, and Debates. Routledge, 312 p. ISBN 9780367349721.

5. International Center for Academic Integrity (2021). The fundamental values of academic integrity (3 ^rd ed.). ICAI. Retrieved from https://academicintegrity.org/aws/ICAI/asset_manager/get_file/911282?ver=1

6. Fishman, T. (2009). “We know it when we see it” is not good enough: Toward a standard definition of plagiarism that transcends theft, fraud, and copyright. Proceedings of the 4 ^th Asia Pacific Conference on Educational Integrity. Retrieved from https://hdl.handle.net/10779/uow.27825690

7. Bertram Gallant, T. (2017). Academic integrity in the twenty-first century: A teaching and learning imperative. Jossey-Bass. 143 p. ISBN 978-0470373668.

8. Sutherland-Smith, W. (2008). Plagiarism, the Internet, and student learning: Improving academic integrity. Routledge. ISBN 9780415432931.

9. Mujtaba, B. (2024). Clarifying Ethical Dilemmas in Sharpening Students’ Artificial Intelligence Proficiency: Dispelling Myths About Using AI Tools in Higher Education. Business Ethics and Leadership, 8(2), 107-127. https://doi.org/10.61093/bel.8(2).107-127.2024

10.      Vaswani, A., Shazeer, N., Parmar, N., Uszkoreit, J., Jones, L., Gomez, A. N., Kaiser, L., & Polosukhin, I. (2017). Attention is all you need. Advances in Neural Information Processing Systems, 30, 5998-6008. https://doi.org/10.48550/arXiv.1706.03762

11.      OpenAI (2023). GPT-4 technical report. arXiv. https://doi.org/10.48550/arXiv.2303.08774

12.      Adiguzel, T., Kaya, M. H., & Cansu, F. K. (2023). Revolutionizing education with AI: Exploring the transformative potential of ­ChatGPT. Contemporary Educational Technology, 15(3), ep429. https://doi.org/10.30935/cedtech/13152

13.      Weber-Wulff, D., Anohina-Naumeca, A., Bjelobaba, S., Foltýnek, T., Guerrero-Dib, J., Popoola, O., Šigut, P., & Waddington, L. (2023). Testing of detection tools for AI-generated text. International Journal for Educational Integrity, 19, 26. https://doi.org/10.1007/s40979-023-00146-z

14.      Howard, R. M., & Davies, L. J. (2009). Plagiarism in the Internet age. Educational Leadership, 66(6), 64-67. Retrieved from https://www.ascd.org/el/articles/plagiarism-in-the-internet-age

15.      Vie, S. (2013). A pedagogy of resistance toward plagiarism detection technologies. Computers and Composition, 30, 3-15. https://doi.org/10.1016/j.compcom.2013.01.002

16.      Rahman, M. M., & Watanobe, Y. (2023). ChatGPT for education and research: Opportunities, threats, and strategies. Applied Sciences, 13(9), 5783. https://doi.org/10.3390/app13095783

17.      Bretag, T. (2016). Handbook of academic integrity. Springer. Retrieved from https://link.springer.com/referencework/10.1007/978-981-287-098-8

18.      Morris, E. J. (2018). Academic integrity matters: Five considerations for addressing contract cheating. International Journal for Educational Integrity, 14, 15. https://doi.org/10.1007/s40979-018-0038-5

19.      Zámek, D., & Zakharkina, Z. (2024). Research Trends in the Impact of Digitization and Transparency on National Security: Bibliometric Analysis. Financial Markets, Institutions and Risks, 8(1), 173-188. https://doi.org/10.61093/fmir.8(1).173-188.2024

20.      Piven, A. (2023). Analysis of Financial Reports in Companies Using Machine Learning. Financial Markets, Institutions and Risks, 7(4), 135-154. https://doi.org/10.61093/fmir.7(4).135-154.2023

21.      Borissov, D., & Liuta, O. (2025). Ethical Practices in Modern Academia: Does Length of Educational Experience and Quality of Governance Contribute to a Deeper Understanding of Academic Integrity? Business Ethics and Leadership, 9(1), 95-108. https://doi.org/10.61093/bel.9(1).95‒108.2025

22.      Plastun, A., & Kozmenko, S. (2025). Stolen Ukrainian universities: An invisible russian weapon. Problems and Perspectives in Management, 23(2), 151-175. https://doi.org/10.21511/ppm.23(2-si).2025.11

23.      Yarovenko, H., Horbachova, O., Bylbas, R., & Latysh, D. (2025). Digitalization As a Socioeconomic Challenge: Modeling the Impact On the Level of Cybercrime Considering Socioeconomic, Technological and Institutional Factors. SocioEconomic Challenges, 9(2), 282-315. https://doi.org/10.61093/sec.9(2).282-315.2025

24.      Tarasenko, S., Vorontsova, A., Régent, V., Soss, J., & Mylenkova, R. (2025). Science mapping analysis of challenges surrounding cloud universities and their impact on the resilience of higher education. Knowledge and Performance Management, 9(2), 1-17. https://doi.org/10.21511/kpm.09(2).2025.01

25.      Iurchenko, M., & Ponomarenko, M. (2025). Ukrainian Educational and Scientific Potential After the Full-Scale Invasion: Socieconomic Challenges and Prospects. SocioEconomic Challenges, 9(1), 21-38. https://doi.org/10.61093/sec.9(1).21-38.2025

26.      Hrytsenko, L., Pakhnenko, O., Kuzior, A., & Kozhushko, I. (2024). Smart technologies in banking. Financial Markets, Institutions and Risks, 8(1), 81-93. https://doi.org/10.61093/fmir.8(1).81-93.2024

27.      Yefimenko, A., Boronos, V., Serpeninova, Yu., & Koldovskyi, A. (2025). Innovative and Technological Determinants of Corruption Reduction: How do Knowledge and Technology Contribute to Public Integrity and Transparency? Knowledge Economy and Lifelong Learning, 1(1), 21-34. https://doi.org/10.61093/kell.1(1).21-34.2025

28.      Haley, P. (2025). Artificial Intelligence and Ethical Dimensions of Automated Traffic Enforcement: Implications for Public Health, Healthcare Equity, and Social Justice. Health Economics and Management Review, 6(2), 32-49. https://doi.org/10.61093/hem.2025.2-03

29.      Haley, P., & Burrell, D.N. (2025). Integrating Artificial Intelligence into Law Enforcement: Socioeconomic and Ethical Challenges. SocioEconomic Challenges, 9(2), 60-77. https://doi.org/10.61093/sec.9(2).60-77.2025

30.      Yarovenko, H., Kuzior, A., Norek, T., & Lopatka, A. (2024). The future of artificial intelligence: Fear, hope or indifference? Human Technology, 20(3), 611-639. https://doi.org/10.14254/1795-6889.2024.20-3.10

31.      Kaczorowska-Spychalska, D., Kotula, N., Mazurek, G., & Sułkowski, Ł. (2024). Generative AI as source of change of knowledge management paradigm. Human Technology, 20(1), 131-154.
https://doi.org/10.14254/1795-6889.2024.20-1.7

32.      Napieralski, P., Wojciechowski, A., & Korjonen-Kuusipuro, K. (2024). Artificial intelligence for scientific research – large language models in manuscript preparation. Human Technology, 20(3), 416-419. https://doi.org/10.14254/1795-6889.2024.20-3.0

• < Попередня
• Наступна >