Cum să folosești AI-ul în cercetarea academică fără să plagiezi: de la brainstorming la structură, literatură secundară, feedback pe draft și declarăție etică.
Lucrarea de licență în era AI: oportunități și capcane
Lucrarea de licență e probabil cel mai important text pe care îl scrii în facultate. Cu AI-ul, oportunitățile sunt uriașe: brainstorming, structurăre, gășire de literatură, feedback pe draft. Dar capcanele sunt proporționale: plagiat involuntar, halucinații de surse, dependență de AI care îți slabă capacitătea de cercetare.
Am coordonat 20 de lucrări de licență în ultimii 3 ani, am văzut tot spectrul: de la studenți care au refuzat AI-ul complet (și au avut rezultate bune dar slow), la studenți care au folosit AI-ul strategic (și au avut rezultate excelente), la studenți care au copiat (și au picat). Diferența nu e dacă folosești AI, e CUM.
Faza 1: Alegerea subiectului cu AI
Nu folosi AI-ul să-ți aleagă subiectul. Folosește-l să explorezi direcții. „Am interes în [domeniu]. Propune-mi 10 direcții posibile de cercetare pentru o lucrare de licență, fiecare cu o întrebare de cercetare și 3 surse posibile.” AI-ul îți dă idei, tu alegi pe baza interesului tău real și a disponibilității surselor.
Verifică apoi dacă direcția aleasă are literatură suficientă. Cere AI-ului: „Pentru subiectul [X], ce autori și articole sunt esențiale?” Apoi verifică pe Google Scholar. Dacă AI-ul nomină 5 autori și găsești doar 2 pe Scholar, subiectul are literatură insuficientă. Schimbă direcția acum, nu la mijlocul lucrării.
Greșeala comună: să lași AI-ul să aleagă subiectul. AI-ul nu știe ce te pașionează, ce surse ai acces la, ce metodologie ți se potrivește. Cercetarea de 6 luni pe un subiect care nu te interesează e tortură. Alegerea subiectului e decizia ta, nu a AI-ului.
Un truc practic pentru validarea subiectului: după ce AI-ul îți propune 10 direcții, alege 3 care te atrag, și pentru fiecare cere: „Pentru acest subiect, listează 5 surse academice esențiale cu autori și ani.” Apoi verifică pe Google Scholar dacă sursele există cu adevărat. Dacă AI-ul halucinează 3 din 5 surse, subiectul e prea obscur sau prea nou pentru a avea literatură suficientă. Alege altul. Dacă 4-5 din 5 surse sunt reale, subiectul e viabil. E un test de 10 minute care te poate scuti de 3 luni de cercetare pe un subiect fără surse.
Faza 2: Literatură secundară cu Perplexity și NotebookLM
Cercetarea literaturii e faza unde AI-ul adaugă cea mai mare valoare. Perplexity Pro pentru gășirea surselor, NotebookLM pentru sinteza lor. Workflow-ul pe care îl recomand tuturor studenților:
Pasul 1: Perplexity: „Găsește 10 surse academice recente despre [subiect], cu linkuri și rezumate de 3 propoziții.” Verifică fiecare sursă pe Google Scholar, descarcă PDF-urile.
Pasul 2: Upload în NotebookLM: „Rezumă aceste 10 surse într-un document structurăt pe 5 teme principale, cu cităte exacte și referințe la pagini.” NotebookLM face sinteza, tu o verifici.
Pasul 3: NotebookLM: „Pentru temă [X], compară ce spun sursa A și sursa B. Unde sunt de acord, unde diferă, și ce concluzii trag?” Ideal pentru capitolul de „stadiul actual al cercetării”.
Greșeala fațală: să folosești ChatGPT pentru cercetare de surse. ChatGPT halucinează surse, le inventează cu autori reali și titluri plauzibile. Perplexity citează surse reale cu linkuri. Pentru lucrarea de licență, o sursă inventată e plagiat și se termină cu anularea lucrării.
Un sfat organizational: ține un carnetel de surse. Noteaza fiecare sursa pe care o gasești, cu link, autor, an, și rezumatul tau într-o propoziție. AI-ul poate genera lista, dar evaluarea relevantei e a ta. După 2 luni de cercetare, ai 30-50 de surse organizate, și știi exact pe care să le citești pentru fiecare capitol.
Faza 3: Structura și metodologia
AI-ul e excelent pentru structură: „Propune-mi o structură pentru o lucrare de licență despre [subiect], cu 5 capitole, fiecare cu 3-4 subcapitole. Pentru fiecare, indică ce ar trebui să conțină.” Primești un outline pe care îl adaptezi.
Pentru metodologie, AI-ul te poate ghida: „Am date de tip [X] și vreau să analizez [Y]. Ce metodologie statistică e potrivită?” AI-ul îți sugerează metode, dar consultă și un statistician sau profesor pentru validare. AI-ul poate sugera o metodă greșită pentru datele tale, și la licență asta se vede.
Regula de aur: structură și metodologia trebuie validate cu coordonatorul tău. AI-ul îți dă punctul de plecare, coordonatorul îți dune validarea academică. Nu prezență structură AI direct la coordonator fără s-o fi adaptat, pentru că coordonatorul recunoaște „structură de AI” (prea perfectă, prea standard) și pierzi credibilitate.
Faza 4: Scrierea și feedback-ul pe draft
Aici e cel mai mare risc și cea mai mare oportunitate. Regula absolută: tu scrii, AI-ul îți dă feedback. Nu invers. Nu da AI-ului „scrie capitolul 2” și apoi îl adaptează. Dă-i „Iată capitolul 2 pe care l-am scris. Evaluează-l ca profesor: logică, argumente, surse, claritate.”
Claude e superior pentru feedback pe text academic. Are contextul mai lung (200.000 de tokeni, poți pune toată lucrarea) și sesizează nuante de argumentare mai bine. „Evaluează această lucrare de licență ca un membru al comîșiei. Identifică 5 probleme majore și 3 probleme minore. Dă-mi feedback pe fiecare capitol separat.”
Iterează: scrii draft → feedback AI → revizuiești → feedback din nou → revizuiești. 2-3 iterații sunt suficiente. Mai multe înseamnă că pierzi timpul perfecționând în loc de a cerceta. Bun e suficient. Perfect e inamicul terminăt la timp.
Declarăția etică. La final, adaugă: „În această lucrare, am folosit instrumente AI în următoarele moduri: (1) căutare de literatură secundară cu Perplexity, (2) sinteza surselor cu NotebookLM, (3) feedback pe draft cu Claude. Toată analiza, argumentarea și concluziile sunt originale. Sursele cităte au fost verificăte în original.” Coordonatorii apreciază transparența, unii o cer explicit în 2026.
Un aspect pe care mulți studenți îl ignoră: AI-ul poate evalua nu doar textul, dar și argumentarea. „Evaluează această lucrare ca un membru al comîșiei de licență. Identifică: (1) argumente slabe sau nedemonstrate, (2) surse lipsă pentru afirmații importante, (3) contradicții interne, (4) capitole subdezvoltăte, (5) probleme de flow între capitole.” AI-ul găsește probleme pe care tu nu le vezi pentru ca ești prea aproape de text. E ca un peer review instantaneu, înainte de a prezență coordonatorului.
Pentru capitolul de „stadiul actual al cercetării”, AI-ul are o capacităte unică: comparărea surselor. „Compară sursa A, B și C pe temă [X]. Unde sunt de acord, unde disagree, și ce concluzii pot trage din dezacorduri?” AI-ul face sinteza pe care tu ar trebui să o faci, dar pe care o faci mai bine cu ajutor. Rezultatul nu e text pe care îl copiezi, e o analiză pe care o folosești ca bază pentru propria sinteză. Diferența e subtilă dar crucială: AI-ul îți arată conexiunile, tu le interprețezi.
Si o recomandăre practică pentru geștionarea timpului: nu itera mai mult de 3 ori cu AI-ul pe același capitol. Am vazut studenți care au petrecut 2 săptămâni rafinand un capitol cu feedback AI, și au rămas fără timp pentru celelalte. Regula 80/20: prima iteratie prinde 80% din probleme, a doua 15%, a treia 5%. După a treia, treci la urmatorul capitol. Perfectionismul alimentat de AI e o capcana reală. Bun și terminăt bate perfect și neterrminat. Coordonatorul tau prefera o lucrare bună livrata la timp decât o lucrare perfectă livrata tarziu.