Doktorand s AI: rešerše, výuka i opravování testů

Doktorandské studium je zvláštní povolání: půlka vědec, půlka učitel, půlka administrátor — a ano, ty půlky jsou tři. Většina té práce je přitom mechanika, kterou dnes AI zvládne z velké části za vás: projít literaturu, zpracovat články, připravit cvičení, opravit písemky, odpovědět na dvacátý stejný dotaz studenta. Co za vás nezvládne, je to podstatné: vlastní výzkumná myšlenka, zodpovědnost za známku — a vztah se studenty.

Tenhle návod je rozepsaný doktorandský týden. Sedm fází podle toho, co v jaký den řešíte, každá s prompty k okopírování a s poznámkou, co v návratu zkontrolovat. Není potřeba nasadit všechno najednou — začněte tou fází, která vám právě teď žere nejvíc času, a další přidejte za měsíc. Nejrychlejší návratnost mívá rešeršní rutina a opravování testů.

Dvě pravidla platí nad celým textem. Známky, posudky a odeslané zprávy jsou vždycky vaše rozhodnutí — AI smí být rychlý první čtenář, nikdy poslední slovo. A data studentů jsou osobní údaje: jména, výsledky, naskenované písemky. Patří jen do institucionálního nebo placeného účtu se smluvní ochranou dat, po anonymizaci a v souladu s pravidly vaší univerzity. Než začnete, zjistěte si, co vaše fakulta o použití AI ve výuce a výzkumu říká — pravidla se právě teď píšou a mění každý rok.

Vzorová situace

Marek je druhým rokem na doktorátu. Učí dvě cvičení po dvaceti pěti studentech, vede tři seminární práce, k tomu vlastní výzkum a školitel, který každý měsíc čeká pokrok. Týden má pevnou strukturu: pondělí rešerše nových článků v oboru, úterý příprava výuky, středa cvičení, čtvrtek opravování a e-maily studentům, pátek — teoreticky — vlastní disertace. Prakticky na ni zbývá pátek večer, a to jen když nikdo nenapíše, že mu nejde odevzdat úkol.

Nejhorší na tom není objem, ale roztříštěnost — a únava: opravování padesáti písemek do noci vede k tomu, že poslední desítka je hodnocena jinak než první.

Po nasazení AI workflow vypadá týden jinak. V pondělí ráno na něj čeká hotová rešerše z naplánované úlohy: co v oboru vyšlo, co se týká jeho tématu, s odkazy a citacemi k prověření. Čte pořád sám, ale nehledá. Podklady ke cvičení vznikají z jeho vlastních slidů a dvou článků za hodinu místo odpoledne, včetně řešení a typických chyb studentů. Písemky naskenuje, model mu ke každé navrhne bodování podle jeho klíče se zdůvodněním — on každý návrh projde, opraví a podepíše, což trvá tři hodiny místo osmi a hodnotí padesátou stejně jako první. Opakované dotazy studentů řeší šablony. Disertace dostala celé dva dny, a to jsou dny, ne večery.

Fáze 1: pondělní rešeršní rutina

Sledovat obor znamená jednu nudnou činnost týdně: projít, co vyšlo, a rozhodnout, co si přečtete. Hledání je mechanika, čtení ne — a předat jde právě to hledání.

Nastavení rutiny

Nejlepší forma je plánovaná úloha — rutina, která se spustí sama podle rozvrhu a výsledek na vás čeká v pondělí ráno. Nemusíte si vzpomenout a nemusíte otevírat databáze.

Zadání rutiny musí být konkrétní. „Novinky v mém oboru" vrátí popularizační články z médií. Vy chcete odborné práce k jasně vymezené otázce.

Každé pondělí v 7:00 mi připrav rešerši novinek v mém oboru.

Moje téma: [přesné vymezení, 2 věty]
Klíčové pojmy česky: [pojem 1], [pojem 2]
Klíčové pojmy anglicky: [term 1], [term 2]
Zajímají mě: odborné články, preprinty, konferenční příspěvky
a výzkumné zprávy z posledních [14] dní.
Nezajímají mě: novinové články, blogy, marketingové texty.

Výstup:
1. Seznam nálezů — u každého autor, rok, název, kde vyšlo, odkaz
2. U každého dvě věty: co zjišťují a proč je to relevantní k mému tématu
3. Rozděl je na: PŘEČÍST CELÉ / STAČÍ ABSTRAKT / JEN EVIDOVAT
4. Zvlášť upozorni na práce, které jdou proti mým dosavadním závěrům
5. Na konci 3 vyhledávací dotazy v angličtině, kterými mám hledat dál

U každého tvrzení uveď odkaz na zdroj. Když si nejsi jistý, že práce
existuje, napiš to místo toho, ať ji nedoplňuješ odhadem.

Vrátí strukturovaný přehled, který projdete za deset minut místo dvou hodin. Poslední odstavec promptu je nutný a stejně mu úplně nevěřte: každý zdroj, který si zapíšete do evidence, musíte otevřít. Modely generují věrohodně vypadající neexistující články s existujícími autory a plausibilním DOI. Co nenajdete v databázi, neexistuje. Bod 4 stojí za pozornost sám o sobě — práce, které vám odporují, jsou ty, kvůli kterým rešerši děláte.

Hloubková rešerše k novému podtématu

Když otevíráte novou kapitolu nebo se školitel zeptá na oblast, kterou neznáte, sáhněte po jednorázové hloubkové rešerši — režimu, který sám prohledá web a vrátí zprávu s odkazy. Ptejte se v ní na totéž co v rutině a navíc na dvě věci: v čem se autoři neshodnou (u sporu obě strany) a co podle dostupných prací zůstává nezodpovězené. Ta druhá odpověď je pro doktoranda nejcennější, protože právě mezera v poznání je místo, kam se vejde disertace.

Platí ale totéž varování: berte výstup jako seznam stop, ne jako rešerši. Než cokoli zapíšete, dohledejte to přes univerzitní přístup do oborových databází — přes knihovnu své školy se obvykle dostanete tam, kam zvenku ne. O ověřování je celý tip ověřování faktů s AI.

Evidence od prvního dne

Veďte si jednu tabulku: autor, rok, název, kde je soubor uložený, k jaké části disertace se vztahuje, stav „přečteno / prolétnuto / neotevřeno" a jednou větou proč jste to zařadili. Bez ní budete za dva roky hledat, ve kterém PDF byla ta jedna definice.

Fáze 2: zpracování článků — knihovna, která odpovídá

Doktorand nečte deset článků, čte dvě stě. Rozdíl mezi tím, kdo se v nich vyzná, a kdo ne, není v paměti, ale v tom, jestli si udělal knihovnu, které jde klást otázky.

Proč zrovna nástroj na vlastní zdroje

NotebookLM odpovídá jen z toho, co do něj nahrajete, a u každé odpovědi ukáže citaci do konkrétního zdroje. To je pro vědeckou práci zásadní rozdíl proti běžnému chatu: neplete si vaši literaturu s tím, co má v paměti, a když v nahraných článcích odpověď není, řekne to. Podrobný postup je v tipu NotebookLM nad vlastními zdroji.

Praktická organizace: jeden notebook na téma, ne na celou disertaci. Notebook s dvaceti pečlivě vybranými články odpovídá lépe než notebook se sto padesáti „pro jistotu".

Extrakce metodologií do tabulky

Nejužitečnější věc, kterou z knihovny článků dostanete, není shrnutí. Je to srovnávací tabulka metod: kdo co měřil, na jak velkém vzorku, jakou metodou a s jakým výsledkem. Ručně je to týden práce, a je to přesně ta tabulka, kterou budete potřebovat do metodologické kapitoly i do článku.

Projdi všechny nahrané studie a vytvoř srovnávací tabulku metodologií.

Sloupce:
autor a rok | výzkumná otázka | design studie | vzorek (kdo, N) |
způsob sběru dat | měřené proměnné a jak byly operacionalizovány |
statistická metoda | hlavní výsledek | uvedená omezení

Pravidla:
- vyplňuj výhradně z nahraných zdrojů
- kde údaj ve studii není, napiš NEUVEDENO, nedomýšlej ho
- u každého řádku uveď stránku, ze které údaje bereš
- nesluč studie, které se liší designem, do jednoho řádku

Pod tabulku napiš:
1. Které metody se v oboru opakují a které jsou ojedinělé
2. Kde se studie v operacionalizaci téhož pojmu rozcházejí
3. Které kombinace vzorku a metody nikdo nepoužil

Vrátí tabulku, kterou přenesete do článku i do disertace. Bod 3 pod tabulkou je zárodek vaší vlastní studie — mezera v metodách je nejobhajitelnější důvod, proč děláte to, co děláte. Kontrolujte hlavně velikosti vzorků a hodnoty testů: u čísel se OCR i model pletou nejvíc, zvlášť u naskenovaných starších prací.

Rozdíly a spory mezi autory

Podle nahraných zdrojů odpověz na otázku: [otázka].

Strukturuj to takhle:
1. V čem se autoři shodují — u každé shody uveď, které studie
2. V čem se přímo rozcházejí — u každého sporu obě pozice, kdo ji
   zastává a jakými daty ji podpírá
3. Jestli je rozpor vysvětlitelný rozdílem v metodě, vzorku
   nebo období sběru dat
4. Které studie jsou původní výzkum a které jen přebírají cizí zjištění
5. Chronologie: jak se pohled na otázku vyvíjel

Nepřidávej nic, co v nahraných zdrojích není. Kde zdroje na otázku
neodpovídají, napiš to.

Bod 4 šetří ostudu: v každém oboru koluje pár tvrzení, která všichni citují z druhé ruky a původní studie říká něco jiného. Bod 3 je materiál na diskusi ve vašem článku — vysvětlit cizí rozpor metodologicky je silnější než ho jen konstatovat.

Vlastní poznámky ke článku

Čtení nedelegujete, ale výpisky jde zrychlit. Nechte si k článku připravit podklad ke čtení: hlavní teze v pěti větách, design a vzorek, pět zjištění s čísly stránek, tři citovatelné pasáže v přesném znění — a hlavně bod „na co si mám dát při čtení pozor" (kde jsou závěry silnější než data, kde chybí kontrolní skupina, kde je vzorek úzký). Ten poslední bod z toho dělá čtecí nástroj místo náhražky čtení. Do zadání připište, ať model vychází výhradně z tohoto zdroje a kde stránka není k dohledání, napíše to místo odhadu.

Jedna technická poznámka ke skenům: u starých nebo křivě naskenovaných PDF se OCR plete v číslicích a diakritice, u dvousloupcové sazby míchá odstavce. Než z takového zdroje převezmete číslo nebo doslovnou citaci, otevřete originální stránku a porovnejte.

Fáze 3: příprava výuky z vlastních podkladů

Cvičení připravené z vlastních slidů a článků je něco úplně jiného než cvičení vygenerované z ničeho. Rozdíl je v tom, že navazuje na přednášku, používá vaše značení a míří na vaši zkoušku. Klíčové slovo je proto z vlastních podkladů — nahrajte slidy, skripta, zadání z minulých let a dva články, na kterých hodina stojí.

Devadesátiminutové cvičení

Připrav mi podklad na 90minutové cvičení. Přikládám svoje slidy
z přednášky, skripta a dva články, na kterých hodina stojí.

Předmět: [název], ročník: [2. bakalářský], počet studentů: [25]
Téma hodiny: [téma]
Co už umí z přednášky: [výčet]
Čeho chci dosáhnout: [studenti umí samostatně spočítat / rozlišit /
navrhnout ...]

Vrať:
1. Časový plán hodiny po blocích (minuty, činnost, forma práce)
2. Pět příkladů od nejjednoduššího po nejtěžší — u každého zadání,
   kompletní řešení postupem a odhad času
3. U každého příkladu nejčastější chybu studentů a jak ji na místě
   vysvětlit
4. Dvě otázky na rozehřátí na začátek hodiny
5. Co dát za domácí úkol a jak dlouho ho budu opravovat

Vycházej z mých podkladů a drž se značení, které v nich používám.
Kde bys potřeboval něco, co v podkladech není, napiš CHYBÍ: [co].

Vrátí hodinu, kterou stačí projít a upravit. Řešení příkladů si spočítejte sami — zejména u kvantitativních oborů model počítá „od oka" a výsledek vypadá věrohodně. U příkladů s výpočtem je bezpečnější nechat si napsat skript, který čísla spočítá. Bod 3 je ta část, kterou jinak získáte až po třech letech učení.

Vysvětlení, které funguje na studenty

Když studenti něco nechápou opakovaně, obvykle to není jejich chyba, ale chyba vysvětlení. Nechte si vyrobit víc variant a vyberte tu, která sedí vaší skupině.

Studenti opakovaně nechápou [pojem/postup]. Vysvětlení, které používám,
je tohle: [vlož své vysvětlení].

Nabídni mi 4 různé cesty, jak to vysvětlit:
1. Přes konkrétní příklad z praxe oboru
2. Přes analogii z běžného života — a napiš, kde analogie přestává
   platit, ať ji nepoužiju za hranici
3. Přes odvození od základů, které už znají z [předmět]
4. Přes typickou chybu: ukázat, co vyjde špatně, když se to pochopí
   opačně

U každé varianty napiš, komu sedne (kdo si spíš představuje, kdo počítá)
a jednu kontrolní otázku, kterou si na hodině ověřím, že to pochopili.

Bod 2 s hranicí analogie je důležitý: analogie, kterou studenti dotáhnou dál, než platí, vyrobí chybu, kterou pak odstraňujete půl semestru.

Materiály ke cvičení

Z hotového plánu hodiny nechte udělat dva výstupy jedním zadáním: handout na jednu stranu A4 (zadání příkladů bez řešení, potřebné vzorce, místo na poznámky, dva příklady navíc domů) a osnovu osmi až deseti slidů s nadpisy formulovanými jako tvrzení. Do zadání připište, ať model drží vaše značení a nepřidává nic nad rámec plánu hodiny — bez toho rád doplní „bonusovou" látku, kterou jste neprobrali a která studenty jen zmate. Klikatelný náhled si můžete nechat postavit jako artefakt a odladit v něm, co se vejde do času; slidy pak vysázíte postupem z tipu z dokumentu prezentace.

Fáze 4: opravování testů — AI navrhuje, vy podepisujete

Tady je největší úspora času a zároveň nejtvrdší hranice celého návodu.

Železné pravidlo

Známku uděluje vyučující, ne model. Známka je rozhodnutí s důsledky pro konkrétního člověka — ovlivňuje stipendium, průchod studiem, sebedůvěru. AI smí být rychlý první čtenář, který navrhne body a zdůvodní je, ale každý návrh procházíte a podepisujete vy. Prakticky to znamená: model vrátí návrh bodování se zdůvodněním, vy ho čtete, u sporných odpovědí otevřete originál a rozhodnete. Zbývá vám asi třetina původního času, ne nula.

Druhá strana téhož pravidla: hodnocení musí být obhajitelné bez odkazu na nástroj. Když student přijde s tím, že mu chybí bod, odpovídáte vy s bodovacím klíčem v ruce. „Tak to vyhodnotila AI" není odpověď, kterou lze vyslovit.

Anonymizace, než cokoli nahrajete

Písemky obsahují jména, čísla studentů, někdy i rodná čísla na hlavičce. Než soubory kamkoli nahrajete:

• zakryjte nebo odstřihněte hlavičku se jménem — u skenu stačí ořez, u fotek jde jméno přelepit ještě před focením
• přiřaďte každé písemce pořadové číslo a klíč (číslo = jméno) si nechte u sebe v souboru, který nikam neposíláte
• používejte institucionální nebo placený účet se smluvní ochranou dat, ne volný chat
• ověřte pravidla své univerzity — některé fakulty mají nahrávání studentských prací do externích služeb výslovně upravené

Naskenovat sadu zvládne telefon — použijte režim skenování dokumentů, který srovná perspektivu.

Bodovací klíč jako první krok

Kvalita návrhů stojí a padá s klíčem. Vágní klíč („správný postup 3 body") vede k vágnímu bodování. Klíč napište dřív, než začnete opravovat — a nechte si ho zkontrolovat.

Tady je zadání písemky a můj bodovací klíč:

[vlož zadání i klíč]

Projdi klíč jako zkušený vyučující a napiš:
1. Kde je klíč nejednoznačný — tedy kde dva opravující udělí
   rozdílný počet bodů za tutéž odpověď
2. Které částečně správné postupy klíč vůbec neřeší
3. Jaké alternativní správné řešení může student napsat a klíč by
   ho odmítl
4. Návrh doplnění klíče o dílčí body, aby šel použít mechanicky

Neměň bodovou dotaci úloh. Vrať doplněný klíč v odrážkách.

Vrátí klíč, který unese padesát písemek beze změn v průběhu. Bod 3 je ten, kvůli kterému se prompt vyplatí: alternativní správné řešení, na které jste nepomysleli, bývá nejčastější důvod reklamací.

Návrh bodování včetně rukopisu

Naskenované písemky včetně ručně psaných modely přečtou — čtení obrázků a rukopisu je běžná funkce. U nečitelných rukopisů se ale plete, a proto je do promptu potřeba vestavět přiznání nejistoty.

Přikládám naskenovanou písemku (student číslo [07]), zadání
a bodovací klíč.

Postupuj takhle a nic nepřeskakuj:
1. Přepiš doslova, co student u každé úlohy napsal. Kde je rukopis
   nečitelný, napiš NEČITELNÉ a necituj odhad.
2. U každé úlohy porovnej odpověď s klíčem a navrhni body.
3. U každého návrhu napiš jednu větu zdůvodnění s odkazem na
   konkrétní bod klíče.
4. Zvlášť označ VYŽADUJE KONTROLU u odpovědí, které jsou částečně
   správné, netypicky formulované, nečitelné nebo správné jiným
   postupem, než popisuje klíč.
5. Na konci součet bodů a seznam všeho, co mám otevřít osobně.

Nehodnoť úpravu ani pravopis, pokud to klíč nepožaduje.
Neuděluj známku, jen body.

Vrátí návrh, který procházíte. Postup: přečtěte zdůvodnění u všech úloh, otevřete originál u všeho označeného jako VYŽADUJE KONTROLU a namátkou zkontrolujte i dvě tři písemky celé — je to jediný způsob, jak poznat, že model soustavně nepodhodnocuje nějaký typ odpovědi. Bod 1 s doslovným přepisem je tam schválně: bez něj model rovnou hodnotí a vy nevíte, jestli text vůbec přečetl správně.

Konzistence napříč sadou

Únava opravujícího je reálný problém: padesátá písemka ve dvě ráno dostane jiné body než první. Strojově aplikovaný klíč tenhle rozptyl odstraňuje — ale jen když ho po sobě zkontrolujete napříč sadou.

Tady jsou návrhy bodování celé sady písemek (studenti čísla [01]–[48])
s odůvodněními.

Zkontroluj vnitřní konzistenci:
1. Najdi dvojice odpovědí, které jsou obsahově stejné, ale dostaly
   různý počet bodů — u každé uveď obě čísla studentů
2. Označ úlohu, kde je rozptyl bodů podezřele malý nebo velký
3. Vypiš úlohu, kterou nesplnila víc než polovina studentů, a napiš,
   jestli je problém v zadání, nebo v látce
4. Sestav tabulku: student | body po úlohách | celkem

Nic neupravuj, jen vypiš nálezy.

Bod 3 je zpětná vazba na vaši výuku, ne na studenty: úloha, kterou nezvládla polovina skupiny, obvykle znamená, že se něco na cvičení nepodařilo vysvětlit.

Zpětná vazba studentům

Body jsou minimum; z čeho se studenti skutečně učí, je věta o tom, kde udělali chybu. Ta se dá připravit hromadně a osobně podepsat.

Ke každé opravené písemce napiš studentovi krátkou zpětnou vazbu
podle tohohle vzoru:

- jedna věta, co se povedlo (konkrétně, ne „dobrá práce")
- u každé ztráty bodů: co konkrétně chybělo a jak to mělo vypadat
- jedno doporučení, co si projít do zkoušky, s odkazem na kapitolu
  ve skriptech

Tón: věcný, laskavý, bez ironie a bez hodnocení člověka —
hodnotíme řešení, ne studenta. Maximálně 120 slov.
Oslovuj číslem studenta, jména nepoužívej.

[vlož opravené písemky s body]

Vrátí koncepty, které projdete a odešlete pod svým jménem. Hlídejte, aby zpětná vazba neobsahovala tvrzení, které v písemce není, a aby tón seděl vaší skupině — model má sklon k mírné patetičnosti, kterou vysokoškoláci vycítí hned.

Fáze 5: e-maily a administrativa

Doktorandská administrativa je z devadesáti procent opakování. Padesát studentů se ptá na pět věcí, výkazy se liší jen čísly, reporty školiteli mají pořád stejnou strukturu.

Šablony z vlastní odeslané pošty

Nejlepší šablony nevznikají z ničeho, ale z vašich vlastních odpovědí, které jste už napsali — postup je v tipu šablony z odeslané pošty.

Přikládám 15 svých odeslaných odpovědí studentům z posledního semestru.

Udělej z nich šablony:
1. Rozděl je do typů podle důvodu dotazu (termín, uznání, zadání
   úkolu, omluva, konzultace, technický problém s odevzdáním)
2. U každého typu vytvoř šablonu s hranatými závorkami pro to,
   co se mění ([jméno], [termín], [název úkolu])
3. Zachovej můj tón a oslovení — nezdvořilostňuj to a nepřidávej
   fráze, které v mých mailech nejsou
4. U každé šablony napiš, kdy ji NEPOUŽÍT a je potřeba odpovědět
   osobně

Šablony ať jsou krátké. Kde moje původní odpovědi byly rozvláčné,
zkrať je, ale zachovej informace.

Bod 4 je pojistka, na kterou se zapomíná: student, který píše, že nestíhá odevzdat, protože je v nemocnici, si nezaslouží šablonu. Šablony nasadíte na provozní dotazy, na všechno ostatní odpovídáte sami.

Opakovaná administrativa jako rutina

Měsíční report školiteli, čtvrtletní výkaz činnosti, přehled odučených hodin — vše se dá připravit rutinou, která vám v daný den nachystá koncept z vašich poznámek a kalendáře.

Každý poslední pátek v měsíci mi připrav koncept reportu školiteli.

Vycházej z: mých poznámek ve složce [cesta], záznamů v kalendáři
za daný měsíc a seznamu přečtených zdrojů.

Struktura reportu:
1. Co jsem za měsíc udělal (3 až 5 odrážek, konkrétně)
2. Kde jsem se zasekl a co k tomu potřebuju rozhodnout
3. Co plánuju na příští měsíc
4. Otázky na školitele — takové, kde jeho odpověď změní, co udělám
5. Stav publikačních výstupů a termínů

Piš stručně, maximálně jedna strana. Nic nevymýšlej — kde v podkladech
není, co jsem dělal, napiš DOPLNIT.

Koncept si vždycky přečtěte a doplňte — model neví o tom, co jste nezapsali. A platí: AI navrhuje, člověk odesílá.

Fáze 6: disertace jako bakalářka ve větším

Vlastní výzkum se od závěrečné práce metodicky neliší, jen je delší, hlubší a musí přinést něco nového. Celý poctivý workflow — od výzkumné otázky přes rešerši a analýzu dat skriptem po simulovaného oponenta — je rozepsaný v tipu bakalářka s AI. Tady jen to, co je u doktorátu jinak.

Analýzu počítají skripty, ne chat — jazykový model negeneruje výpočet, ale text, který vypadá jako výsledek. Text žije v jednom souboru, ne ve čtrnácti; u práce psané tři roky je verzování otázka přežití, takže markdown a Git, případně aspoň denní kopie s datem v názvu. A citace ověřujte proti originálu, každou — u disertace je jich několik set a jedna vymyšlená položka zpochybní zbytek seznamu.

Navíc přibývá jedna věc, kterou závěrečná práce nemá: publikační výstupy. Článek do časopisu se dá vytáhnout z rozepsané kapitoly a naopak. Recenzní řízení je pak samostatná disciplína, kde se AI hodí na jedno — připravit podklad k odpovědi recenzentům, který přepíšete vlastními slovy.

Dostal jsem posudky od dvou recenzentů k článku [název].
Přikládám posudky a rukopis.

Připrav mi podklad k odpovědi:
1. Rozepiš každou připomínku zvlášť, i když jich je v jednom
   odstavci víc
2. Rozděl je na: souhlasím a opravím / souhlasím částečně /
   nesouhlasím a musím obhájit / nedorozumění, stačí vysvětlit
3. U každé napiš, co konkrétně změním v textu a na které stránce
4. U bodů, kde nesouhlasím, navrhni věcnou argumentaci opřenou
   o data v článku — bez obranného tónu
5. Vypiš připomínky, které si protiřečí mezi recenzenty

Nic nepiš za mě do finální podoby, tohle je můj pracovní podklad.

Bod 5 je praktický: protichůdné požadavky recenzentů se řeší tak, že na ně slušně upozorníte v odpovědi editorovi, ne že se pokusíte vyhovět oběma. A odpověď pište vlastními slovy — je součástí odborné komunikace, kterou vedete vy.

Fáze 7: pravidla, přiznání a hranice

Poslední fáze je nudná a nejdůležitější. Univerzity i odborné časopisy mají pravidla pro použití AI ve výzkumu a výuce — a píšou se právě teď, takže to, co platilo loni, letos nemusí.

Zjistěte pravidla své fakulty dřív, než cokoli nasadíte. Typicky se liší tři věci: co smíte použít při vlastním výzkumu, co při výuce a hodnocení, a jak se to přiznává. U časopisů hledejte pokyny pro autory — většina vydavatelů dnes vyžaduje uvést, k čemu jste nástroj použili, a zároveň zakazuje uvádět model jako spoluautora. A přiznávejte konkrétně: formulace „při psaní byla použita AI" nic neříká, užitečné přiznání zní, k čemu přesně, který nástroj a co jste ověřovali sami.

Hranice, které nepřekračujte. Osobní údaje studentů do volného chatu ne. Cizí rukopisy z recenzního řízení, nepublikovaná data kolegů a materiály pod embargem taky ne. Známku a posudek podepisujete vy.

Přikládám doslovné znění směrnice naší univerzity k použití AI
ve studiu a výuce a pokyny pro autory časopisu [název].

Projdi je a vrať:
1. Co je podle nich výslovně dovolené
2. Co je výslovně zakázané
3. Co není zmíněno a je tedy sporné — u každého napiš, koho se zeptat
4. Přesnou formulaci přiznání, kterou mám použít, podle toho, že jsem
   AI použil na: [rešerši zdrojů / jazykovou korekturu / návrh
   bodování písemek / žádnou z uvedených částí]
5. Co si mám o použití nástroje zaznamenat, kdyby se někdo ptal zpětně

Cituj doslovně z přiloženého textu, neparafrázuj z obecné znalosti.

Poslední řádek je podstatný: parafráze z paměti je přesně to místo, kde se ztratí věta o povinném přiznání. Vlepte směrnici doslova a nechte si ukázat, odkud co plyne.

Nejčastější chyby

• Nechat AI udělit známku. Hodnocení je vaše zodpovědnost i vaše obhajoba, když student přijde reklamovat. Návrh bodování je nástroj, podpis je člověk.
• Nahrát neanonymizované písemky do volného chatu. Jména a výsledky studentů jsou osobní údaje — pořadová čísla, institucionální účet se smluvní ochranou dat a pravidla fakulty, jinak to nedělejte vůbec.
• Věřit citacím z rešerše bez ověření. Modely vyrábějí věrohodné neexistující práce. Co jste neotevřeli v databázi, do evidence ani do článku nepatří.
• Nechat si spočítat statistiku v chatu. Model negeneruje výpočet, ale text, který vypadá jako výsledek. Čísla do disertace i do příkladů na cvičení musí pocházet ze skriptu, který jde spustit znovu.
• Generovat výuku z ničeho. Cvičení, které nevzniklo z vašich slidů a skript, nenavazuje na přednášku a studenti to poznají do pěti minut.
• Nahrávat cizí nepublikované rukopisy. Recenzní řízení je důvěrné; rukopis kolegy není váš materiál, ať už s ním chcete udělat cokoli. Totéž platí pro pravidla fakulty a časopisu: přečtěte si je dřív, než nástroj nasadíte, přiznání se dodatečně dopisuje mnohem hůř.

Nejlepší nástroje

• Claude s plánovanými úlohami — pondělní rešeršní rutina, měsíční report školiteli, koncepty odpovědí studentům; běží podle rozvrhu, vy jen čtete a schvalujete.
• NotebookLM — knihovna článků k tématu: odpovídá jen z nahraných zdrojů a u každé odpovědi ukáže, odkud tvrzení vzala.
• Claude Cowork — práce nad složkou naskenovaných písemek a podkladů k výuce: návrhy bodování podle vašeho klíče, tabulka výsledků, materiály ke cvičení bez kopírování do chatu.
• Projekty s trvalým kontextem — jeden projekt na předmět, který učíte, s vaším značením, klíčem a zvyklostmi; nemusíte je vypisovat pokaždé znovu.
• Python skripty (pandas, matplotlib) — analýzy pro disertaci i pro příklady do cvičení: přesně, reprodukovatelně, obhajitelně.
• Zotero — evidence zdrojů od prvního přečteného článku; formátování citace smí pomoct AI, existenci zdroje ověřujete vy.

Co vám to přinese

• Čas: střízlivě dva dny týdně — hlavně z rešerše (dvě hodiny na deset minut) a z opravování (osm hodin na tři). To je rozdíl mezi doktorátem za čtyři roky a za šest.
• Peníze: nepřímo — rok studia navíc stojí rok vaší mzdy jinde a včas odevzdaný článek bývá podmínkou grantu.
• Konzistentní hodnocení: bodovací klíč aplikovaný stejně na první i padesátou písemku. Vy hlídáte spravedlnost a sporné případy, ne pozornost v jedenáct večer.
• Lepší výuka: příprava nestojí odpoledne, takže na cvičení přijdete s pěti dobrými příklady a připravenými vysvětleními místo dvou narychlo.
• Klid: rutiny znamenají, že se na pondělí nemusíte pamatovat a report školiteli nevzniká v noci před schůzkou.
• Kvalita: srovnávací tabulky metod a mapa sporů v literatuře ukážou mezeru, do které se vejde vaše práce — dřív než ve třetím ročníku.

Pro tip

Zaveďte si u opravování jednoduchou kontrolu, která stojí deset minut a chrání vás před systematickou chybou: než sadu uzavřete, vytáhněte tři písemky náhodně a opravte je celé sami, bez pohledu na návrh. Pak porovnejte. Když se návrh liší u jedné ze tří, máte problém v klíči, ne ve studentech — a vyřešíte ho dřív, než rozešlete padesát známek. Tuhle kontrolu dělejte u každé nové sady, ne jednou za semestr.

A na závěr to podstatné. Těch zbylých deset procent doktorandské práce, které AI nezvládne, jsou zároveň ta nejdůležitější: vlastní výzkumná otázka, zodpovědnost za známku — a pivo se studenty po přednášce. To třetí nechte technologii ještě chvíli, tam lidstvo drží pohodlný náskok. Vážně řečeno: mentoring a vztah se studenty jsou to, proč si vás budou pamatovat, a jsou zároveň jediná část téhle práce, kterou nikdo nezrychlí. AI vám na ně uvolňuje čas — nenechte ji je nahradit.