Искусственный интеллект в исследованиях

Магистратура 2026/2027

Статус: Курс обязательный (Международные отношения: европейские и азиатские исследования)

Кто читает: Департамент международных отношений

Где читается: Факультет мировой экономики и мировой политики

Когда читается: 1-й курс, 4 модуль

Охват аудитории: для своего кампуса

Язык: русский

Кредиты: 3

Контактные часы: 16

Дополнительные материалы в LMS Задать вопрос

Аннотация

Дисциплина посвящена использованию инструментов искусственного интеллекта в исследовательской работе в области международных отношений, европейских и азиатских исследований. Курс рассматривает ИИ как вспомогательный инструмент на разных этапах научной работы: при выборе темы, поиске и систематизации литературы, формулировании исследовательского вопроса, подготовке литературного обзора, разработке исследовательского дизайна, работе с текстовыми данными, проверке аргументации, редактировании академического текста и визуализации результатов. Особое внимание уделяется методологическим ограничениям и рискам использования ИИ: галлюцинациям, ошибочным ссылкам, смещениям источниковой базы, проблемам авторства, нарушению академической этики, снижению воспроизводимости и угрозам внутренней, внешней, конструктной и содержательной валидности исследования. В результате освоения дисциплины студенты должны научиться осознанно применять ИИ-инструменты в исследовательском процессе, критически проверять полученные результаты, документировать использование генеративных моделей и сохранять авторскую ответственность за постановку вопроса, выбор метода, интерпретацию данных и выводы.

Цель освоения дисциплины

Сформировать у студентов системное представление о возможностях и ограничениях использования искусственного интеллекта в академических исследованиях по международным отношениям.
Научить студентов использовать ИИ-инструменты для поиска литературы, работы с источниками, подготовки литературного обзора, формулирования исследовательского вопроса и проектирования исследовательского дизайна.
Сформировать навыки эффективного промптинга для научных задач, включая анализ текстов, операционализацию понятий, проверку аргументации, подготовку аналитических таблиц и верификацию результатов.
Познакомить студентов с базовыми возможностями ИИ и low-code/no-code инструментов для анализа текстовых данных: тематического моделирования, классификации, сентимент-анализа, извлечения информации и визуализации.
Развить способность критически оценивать результаты, полученные с помощью ИИ, с учетом академической этики, требований к источникам, воспроизводимости и валидности исследования.

Планируемые результаты обучения

Понимает место ИИ-инструментов в исследовательском процессе и способен различать задачи, для которых подходят поисковые, генеративные, аналитические и инструменты визуализации.
Способен подбирать и систематизировать академическую литературу по теме исследования с использованием специализированных поисковых сервисов и ИИ-инструментов, а также критически оценивать полноту и качество найденной источниковой базы.
Владеет базовыми техниками промптинга для исследовательских задач, включая формулирование роли, контекста, ограничений, формата результата и критериев проверки ответа.
Способен подготовить фрагмент литературного обзора с использованием ИИ как вспомогательного инструмента, сохраняя авторскую логику, корректность ссылок, связь с исследовательским вопросом и формулировку исследовательского пробела.
Понимает риски нарушения академической этики при использовании генеративных моделей и способен корректно раскрывать цели, инструменты и способы применения ИИ в учебных и исследовательских работах.
Способен выявлять риски для внутренней, внешней, конструктной и содержательной валидности исследования, возникающие при использовании ИИ на этапах поиска литературы, анализа данных, редактирования текста и визуализации результатов.
Владеет базовыми представлениями о применении ИИ в качественных и количественных исследованиях текстов, включая кодирование, контент-анализ, дискурс-анализ, тематическое моделирование, классификацию и сентимент-анализ.

Содержание учебной дисциплины

1. ИИ в исследовательском процессе: возможности, ограничения и академическая ответственность
2. Поиск литературы и построение источниковой базы с помощью ИИ
3. Промптинг для научного исследования
4. Литературный обзор и ИИ: от списка источников к исследовательскому полю
5. Академическое письмо, редактирование, фактчекинг и валидность исследования
6. ИИ в качественных исследованиях: кодирование, контент-анализ и дискурс-анализ
7. ИИ и методы анализа текстовых данных: тематическое моделирование, классификация, сентимент-анализ
8. Итоговый проект: исследовательский дизайн с использованием ИИ
Использование инструментов искусственного интеллекта

Элементы контроля

Участие в работе на семинарах
синхронный формат
Практические задания
асинхронный формат. Использование генеративных моделей Использование генеративных моделей допускается в рамках всех элементов контроля, если это соответствует содержанию задания. При использовании генеративных моделей студент обязан включить в работу специальный раздел «Описание применения генеративной модели» с указанием целей применения, названия конкретной генеративной модели, адреса ее сайта в сети Интернет либо описания иного источника модели, а также способа ее применения. Отсутствие такого раздела при фактическом использовании генеративной модели рассматривается как нарушение правил выполнения задания и может повлечь оценку 0 за соответствующий элемент контроля.
Итоговый проект: индивидуальная или групповая презентация
синхронный формат

Промежуточная аттестация

2026/2027 4th module
0.3 * Итоговый проект: индивидуальная или групповая презентация + 0.5 * Практические задания + 0.2 * Участие в работе на семинарах

Список литературы

Авторы

Бочарова Александра Павловна

Программа дисциплины