Szkolenie pt.: „Kontrola jakości i korekta tekstu wspieranego AI: etyka, źródła, podobieństwo i audyt przed wysłaniem”

O czym jest to szkolenie?

Szkolenie pokazuje, jak sprawdzić i poprawić tekst naukowy przygotowany z wykorzystaniem AI przed wysłaniem go do czasopisma. Skupimy się na jakości języka, poprawności źródeł, zgodności treści z materiałem badawczym, ryzyku nieuprawnionych uogólnień oraz zasadach etycznego wykorzystania AI.

Uczestnicy nauczą się przeprowadzać audyt manuskryptu: sprawdzać cytowania i bibliografię, identyfikować niezweryfikowane twierdzenia, kontrolować zgodność tekstu z wynikami badań oraz oceniać podobieństwo treści. Omówimy także zasady ujawniania wykorzystania AI zgodnie z wymaganiami wydawców.

Podczas szkolenia wykorzystamy ChatGPT jako narzędzie wspierające korektę językową, kontrolę spójności, analizę źródeł i przygotowanie checklisty przed złożeniem manuskryptu. Pokażemy jednocześnie, których elementów kontroli nie należy pozostawiać wyłącznie modelowi AI.

W trakcie szkolenia Uczestnicy będą mieli możliwość stworzyć własnego asystenta kontroli jakości w projekcie ChatGPT. Asystent będzie wspierał audyt tekstu, weryfikację źródeł, korektę oraz przygotowanie manuskryptu do wysłania.

Dla kogo?

• Dla naukowców i doktorantów przygotowujących artykuły do złożenia do czasopisma. 
• Dla autorów korzystających z AI podczas redagowania tekstu naukowego.
• Dla osób, które chcą sprawdzić poprawność źródeł, cytowań i argumentacji.
• Dla badaczy, którzy chcą ograniczyć ryzyko błędów etycznych i formalnych przed wysłaniem manuskryptu.

Program szkolenia

1. Ryzyka związane z tekstem wspieranym przez AI

Rozpoznawanie typowych błędów generowanych przez modele AI, w tym halucynacji, nieuzasadnionych uogólnień i pozornie wiarygodnych twierdzeń, analiza ryzyka utraty zgodności między źródłem a wygenerowanym tekstem oraz wskazanie elementów bezwzględnie wymagających kontroli autora.

2. Etyka wykorzystania AI w publikacji naukowej

Analiza zasad odpowiedzialności autora za tekst przygotowany z pomocą AI, wymagań dotyczących ujawniania wykorzystania AI, rozróżnianie dopuszczalnego wsparcia redakcyjnego od tworzenia treści wymagających szczególnej kontroli oraz dokumentowanie wykorzystania AI podczas pracy nad manuskryptem.

3. Audyt twierdzeń i argumentacji

Identyfikowanie twierdzeń wymagających źródła lub dodatkowego uzasadnienia, sprawdzanie zgodności wniosków z wynikami badania, wykrywanie nadinterpretacji i zbyt kategorycznych sformułowań oraz rozróżnianie danych, interpretacji i opinii autora.

4. Kontrola źródeł i cytowań

Weryfikacja zgodności cytowanych publikacji z twierdzeniami, które mają wspierać, sprawdzanie poprawności danych bibliograficznych, w tym autorów, tytułów i DOI, identyfikowanie źródeł nieistniejących, błędnie przypisanych lub niewiarygodnych oraz porównywanie cytowań w tekście z bibliografią.

5. Kontrola parafrazowania i podobieństwa tekstu

Zasady poprawnego parafrazowania bez zmiany znaczenia źródła, rozpoznawanie fragmentów tekstu zbyt bliskich oryginalnej publikacji, omówienie ograniczeń narzędzi wykrywających podobieństwo i tekst generowany przez AI oraz interpretowanie wyników raportu podobieństwa.

6. Korekta językowa wspierana przez AI

Wykorzystanie ChatGPT do korekty gramatyki, składni, interpunkcji i stylu, sprawdzanie konsekwencji terminologicznej w manuskrypcie, skracanie nadmiernie rozbudowanych zdań i eliminowanie powtórzeń z zachowaniem znaczenia naukowego tekstu.

7. Kontrola spójności manuskryptu

Sprawdzanie zgodności celu, pytań badawczych, hipotez, metod, wyników i wniosków, identyfikowanie sprzeczności między sekcjami, weryfikacja zgodności treści tekstu z tabelami i rysunkami oraz wykrywanie niespójności w stosowaniu pojęć, zmiennych i skrótów.

8. Audyt przed złożeniem artykułu do czasopisma

Końcowa kontrola kompletności manuskryptu, weryfikacja cytowań, bibliografii, tabel, rysunków, deklaracji i materiałów dodatkowych oraz przygotowanie listy błędów i poprawek według priorytetu i checklisty przed złożeniem artykułu.

9. Symulacja kontroli redakcyjnej w ChatGPT

Wykorzystanie ChatGPT do oceny tekstu z perspektywy redakcji, identyfikowanie problemów mogących zostać wykrytych przed rozpoczęciem recenzji, sprawdzanie przejrzystości argumentacji i jakości raportowania oraz przygotowanie listy ostatnich zmian przed złożeniem artykułu.

10. Sesja Q&A

Odpowiedzi na pytania uczestników, analiza wybranych problemów dotyczących ich manuskryptów, omówienie możliwości dalszego rozwijania własnego asystenta AI do kontroli jakości oraz wskazanie kolejnych kroków przed złożeniem artykułu do czasopisma.

Zakładane efekty szkolenia

• Uczestnik pozna najczęstsze błędy i ryzyka związane z wykorzystaniem AI w pisaniu naukowym.
• Uczestnik pozna sposoby weryfikowania twierdzeń i ich zgodności ze źródłami.
• Uczestnik pozna zasady sprawdzania poprawności cytowań i bibliografii.
• Uczestnik pozna sposoby identyfikowania nieistniejących lub błędnie wykorzystanych źródeł.
• Uczestnik pozna zasady poprawnego parafrazowania tekstu naukowego.
• Uczestnik pozna zasady interpretowania raportów podobieństwa.
• Uczestnik pozna możliwości wykorzystania AI do korekty językowej tekstu naukowego.
• Uczestnik pozna sposoby kontrolowania spójności argumentacji i wyników.
• Uczestnik pozna zasady przeprowadzania końcowego audytu manuskryptu.
• Uczestnik pozna zasady przygotowania checklisty przed złożeniem artykułu do czasopisma.
• Uczestnik pozna możliwości rozwijania własnego asystenta AI wspierającego kontrolę jakości i korektę tekstu naukowego.

Wymagania techniczne

Uczestnik powinien mieć:

• komputer z dostępem do Internetu (więcej szczegółów poniżej w części „Platforma”),
• konto w ChatGPT,
• własny manuskrypt lub jego fragment,
• bibliografię i – jeżeli to możliwe – pliki źródłowe wykorzystywane w artykule,
• dostęp do wymagań wybranego czasopisma,
• opcjonalnie raport podobieństwa z dostępnego systemu antyplagiatowego.

Jeżeli uczestnik nie ma gotowego manuskryptu, może pracować na przykładowym materiale i podczas szkolenia przygotować własną procedurę kontroli jakości tekstu.

O prowadzącym:

dr Przemysław Tomczyk, doktor nauk ekonomicznych w zakresie nauk o zarządzaniu. Doktorat obronił w Szkole Głównej Handlowej w Warszawie (2015). Adiunkt w Katedrze Marketingu Akademii Leona Koźmińskiego.

Specjalizuje się w zakresie roli sztucznej inteligencji w tworzeniu prac naukowych oraz wprowadzaniu automatyzacji do nauki. Autor kilkudziesięciu publikacji naukowych oraz kanału na YouTube „dr Przemek Tomczyk AI”.

https://www.youtube.com/@drprzemek

Prowadzi szkolenia z zakresu analizy statystycznej i wykorzystania sztucznej inteligencji w pracy naukowej.

Ostatnio opublikowane teksty na temat wykorzystania nowoczesnych technologii (w tym AI) w pisarstwie naukowym:

• Tomczyk, P. (2026). Researcher as manager of the academic writing process with generative artificial intelligence. Framework for systematic literature review in management. International Journal of Social Research Methodology, 1-19.
  https://www.tandfonline.com/eprint/EDKXX6WQAFPNX8BNCFXP/full?target=10.1080/13645579.2026.2651311
• Tomczyk, P., Brüggemann, P., & Vrontis, D. (2026). AI meets academia: transforming systematic literature reviews. EuroMed Journal of Business, 21(1), 345-369.
  https://www.emerald.com/emjb/article/21/1/345/1249905?casa_token=HhBJvmBN3AYAAAAA:w8fUYzm1V8UEhdkMUPEiaSVji0VsIETyXx0sZs6ek3zy11Guebu101WTdF6NUipsXhl4IiSinX2CqAer
• Tomczyk, P., Brüggemann, P., Mergner, N., & Petrescu, M. (2026). Are AI tools better than traditional tools in literature searching? Evidence from E-commerce research. Journal of Librarianship and Information Science, 58(1), 135-145.
  https://journals.sagepub.com/doi/abs/10.1177/09610006241295802
• Tomczyk, P. (2025). Don’t write, manage! Researcher as manager of systematic literature review process in management. Scientific Papers of Silesian University of Technology. Organization & Management / Zeszyty Naukowe Politechniki Slaskiej. Seria Organizacji i Zarzadzanie, (227).
  https://managementpapers.polsl.pl/wp-content/uploads/2025/09/227-Tomczyk.pdf 
• Tomczyk, P. (2025). Zrzucanie czaru, czyli pozamagiczne argumenty za i przeciw współpracy naukowca ze sztuczną inteligencją, PWN Nauka, 1/2025.
• Tomczyk, P. (2025). AI napisze za nas tekst naukowy? Forum Akademickie.
  https://forumakademickie.pl/zycie-akademickie/ai-napisze-za-nas-tekst-naukowy/
• Tomczyk, P., Brüggemann, P., & Paul, J. (2024). Variable science mapping as literature review method, Journal of Marketing Analytics, pp. 1-13.
  https://doi.org/10.1057/s41270-024-00336-9
  https://link.springer.com/article/10.1057/s41270-024-00336-9
• Tomczyk, P., Brüggemann, P., Mergner, N., & Petrescu, M. (2024). Exploring AI’s role in literature searching: traditional methods versus AI-based tools in analyzing topical e-commerce themes, in Digital Marketing & eCommerce Conference (pp. 141-148). Springer, Cham.
  https://link.springer.com/chapter/10.1007/978-3-031-62135-2_15
• Tomczyk, P., Brüggemann, P., & Doligalski, T. (2024). The Automation of Science? Possibilities and Boundaries of AI Applications for Conducting Systematic Literature Reviews. International Journal on Artificial Intelligence Tools.
  https://www.worldscientific.com/doi/abs/10.1142/S0218213024500234

Uczestnictwo w szkoleniu wymaga umiejętności podstawowej obsługi komputera (tj. instalacja prostego programu, umiejętność logowania się do aplikacji typu ChatGPT, pracy z programem Word itp.)

Niektóre aplikacje, bądź ich funkcjonalności, zaprezentowane podczas szkolenia są płatne. Nie ma konieczności zakupu ich na potrzeby uczestnictwa w szkoleniu. Zostaną omówione w sposób wskazujący jakie funkcjonalności lub jakie ograniczenia są dostępne w wersjach bezpłatnych a jakie wymagają ewentualnego wykupienia subskrypcji. Informacje przekazane na szkoleniu pozwolą uczestnikowi na świadome podjęcie decyzji o sposobie dalszego korzystania z prezentowanych aplikacji.