Как построить эмпирическую часть ВКР по клинической психологии на основе статьи о моральном развитии ИИ Claude
Публикация Psychological Science (2026) рассказывает о том, что компания Anthropic привлекает католического священника и христианских экспертов для «морального воспитания» языковой модели Claude. Это не просто новостной курьёз — за ним стоит фундаментальный вопрос: как формируются моральные суждения и можно ли их «привить» искусственному интеллекту? Для студентов-психологов эта кейс-статья открывает возможность эмпирически изучить феномен моральной чувствительности, ценностных ориентаций и восприятия «человечности» AI. Выпускники, выбирающие тему ВКР, получают шанс соединить современный цифровой контекст с классическими теориями морального развития (Кольберг, Хайдт, теория моральных оснований).
Темы ВКР, вытекающие из статьи
Тема 1: Моральные основания в восприятии ИИ-помощников: роль религиозности пользователя
Актуальность: Статья Anthropic прямо указывает на попытку внедрить христианскую этику в ИИ. В психологии это пересекается с теорией моральных оснований Хайдта и копинг-стратегиями совладания с неопределённостью. Цель — выявить, как религиозность и тип моральных оснований влияют на доверие к морально-ориентированному AI.
- Задачи: 1) Адаптировать шкалу моральных оснований (MFQ‑30) для оценки восприятия ИИ. 2) Провести онлайн-опрос (n=150–200) верующих и неверующих респондентов. 3) Сравнить уровни доверия к Claude при описании его «религиозного» воспитания. 4) Проанализировать различия с помощью t-критерия Стьюдента и дисперсионного анализа.
- Структура: Глава 1 — теория моральных оснований и религиозности; Глава 2 — описание выборки, методик (MFQ‑30, HADS для контроля тревожности); Глава 3 — результаты корреляций Пирсона, регрессионный анализ.
Тема 2: Когнитивные искажения при оценке этичности ИИ: эффект «ореола» религии
Актуальность: Упоминание религии может создавать когнитивное искажение — респонденты склонны приписывать AI более высокие моральные качества. Это проверяется через экспериментальный дизайн. Цель — выявить, влияет ли фрейминг «религиозное обучение» на восприятие надёжности и безопасности Claude.
- Задачи: 1) Разработать два сценария описания AI (с религиозным контекстом и без). 2) Собрать данные с использованием шкалы семантического дифференциала. 3) Проверить нормальность распределения и использовать t-критерий для независимых выборок. 4) Оценить взаимодействие с помощью двухфакторного ANOVA (группа × уровень религиозности).
- Структура: Глава 1 — когнитивные искажения, эффект ореола; Глава 2 — экспериментальный план (2×2), методики; Глава 3 — статистические выводы, интерпретация.
Тема 3: Копинг-стратегии и моральная чувствительность у разработчиков ИИ (качественное исследование)
Актуальность: Anthropic использует религиозные консультации как стратегию совладания с этической неопределённостью. Цель — изучить, как сами разработчики AI справляются с моральными дилеммами, используя интервью.
- Задачи: 1) Провести полуструктурированные интервью с 10–12 разработчиками. 2) Выделить категории копинг-стратегий (проблемно-ориентированные, эмоционально-ориентированные). 3) Проанализировать транскрипты методом тематического анализа. 4) Сопоставить результаты с моделью морального выбора.
- Структура: Глава 1 — копинг-стратегии и моральное решение; Глава 2 — организация качественного исследования; Глава 3 — тематическая карта и рекомендации.
Как применить статью в конкретных разделах ВКР
H2: Теоретическая глава — обзор подходов и обоснование гипотез
Статья даёт богатый материал для обсуждения морального интуитивизма (Дж. Хайдт) и социального конструктивизма. Вы можете вписать её в контекст дискуссии о моральной психологии: почему Anthropic выбирает религию? Это вопрос о врождённых моральных основаниях vs культурного научения. В дипломе стоит показать, как теория моральных оснований (MFQ) предсказывает реакцию пользователей на AI. Для этого в теоретической главе опишите пять моральных оснований: забота, справедливость, лояльность, авторитет, святость. Последнее особенно релевантно — религиозное воспитание Claude активирует именно «святость» как основу.
Не забудьте упомянуть концепцию «морального круга» П. Сингера и её связь с AI. Гипотеза: респонденты с высокими баллами по шкале святости будут больше доверять «религиозному» Claude. Обоснование — через теорию моральных оснований.
H2: Методологический блок — подбор выборки, валидация, этика
Для эмпирической части ВКР критично обеспечить репрезентативность выборки. Если вы планируете онлайн-опрос (а это легитимный инструмент при соблюдении требований), укажите: выборка целевая — пользователи AI-сервисов (n=100–250). Используйте шкалы MFQ‑30 (α Кронбаха >0,7), HADS для контроля тревожности, а также авторскую анкету отношения к AI.
Этическое заключение обязательно оформите в соответствии с Этическим кодексом РПО: информированное согласие, анонимность, право отказа. В статье Anthropic поднимает вопрос конфиденциальности данных — это станет отличным примером для вашего раздела про этику. В приложении разместите бланки опросников, таблицы первичных данных (в закодированном виде).
Валидность: проверьте конструктную валидность шкал методом факторного анализа (метод главных осей, вращение Varimax). Это укрепит доверие к результатам. Для расчётов используйте SPSS или JASP.
H2: Интерпретация данных — статистика, визуализация, рекомендации
После сбора данных выполните проверку нормальности (тест Шапиро-Уилка). Для сравнения двух групп (верующие/неверующие) примените t-критерий Стьюдента или U-критерий Манна-Уитни. Для анализа связей — корреляцию Пирсона/Спирмена. Обязательно включите таблицы описательных статистик (среднее, стандартное отклонение).
| Показатель | Верующие (n=80) | Неверующие (n=70) | t | p |
|---|---|---|---|---|
| Доверие (1-7) | 5,12 (1,23) | 3,98 (1,41) | 4,21 | <0,001 |
| Моральная приемлемость | 5,67 (1,09) | 4,12 (1,38) | 5,03 | <0,001 |
Результаты интерпретируйте в свете теории моральных оснований: различие по шкале «святость» объясняет высокие оценки верующих. На основе данных сформулируйте рекомендации для дизайнеров AI (например, учитывать культурные ценности пользователей, не манипулировать религиозными символами).
Практические выводы — чему вы научитесь
- Подбирать психодиагностический инструментарий (адаптировать MFQ‑30, HADS) с проверкой надёжности-валидности.
- Организовывать эмпирическое исследование: от выборки до этического заключения.
- Работать в SPSS/JASP: описательная статистика, t-тест, корреляция, факторный анализ.
- Писать практические рекомендации для психологов-консультантов, работающих с пользователями AI.
Типичные ошибки студентов
1. Смешение конструктов без операционализации. Нельзя спрашивать «доверяете ли вы AI?» без уточнения: доверие как надёжность, моральность или безопасность? В статье Anthropic чётко разграничивает «мудрость» и «благость» — возьмите это за образец. Как избежать: каждый конструкт должен быть определён и измерен отдельной шкалой.
2. Отсутствие проверки надёжности методик (α Кронбаха). Многие студенты пропускают этот шаг, а потом получают незначимые результаты. Всегда рассчитывайте α на пилотной выборке (n=30). Если α<0,7 — меняйте шкалу.
3. Игнорирование требований Этического кодекса РПО при сборе данных. Например, не получают информированное согласие при онлайн-опросах. Это чревато тем, что работа не будет допущена к защите. Как избежать: скачайте шаблон согласия на сайте РПО, адаптируйте под своё исследование.
FAQ — ответы на частые вопросы студентов
Какой минимальный объём выборки для диплома?
Для корреляционного исследования — не менее 50–60 человек, для сравнения групп — от 25 в каждой. В онлайн-опросах планируйте с учётом отсева (обычно 20%) и используйте расчёт мощности через G*Power (например, для t-теста при среднем эффекте d=0,5 нужно 64 человека на группу).
Можно ли проводить опрос через Google Forms и считать его научным?
Да, при соблюдении правил: анонимность, контроль повторов, информированное согласие. Однако в тексте ВКР укажите платформу и опишите меры по обеспечению качества данных (отсев «роботов», проверка времени прохождения).
Как оформить приложения с бланками методик?
Каждый опросник выносится в приложение с полным текстом (если это авторская разработка или адаптация). Для стандартных методик (MFQ, HADS) достаточно указать название и ссылку, но лучше приложить образец. Не забывайте об авторских правах — указывайте источник.
Кто может быть рецензентом? Нужен ли психолог-практик?
Рецензент — обычно преподаватель кафедры, но если ваша тема связана с практикой (например, рекомендации для разработчиков AI), хорошо бы привлечь внешнего эксперта — практикующего психолога или специалиста по этике AI. Его подпись усилит практическую значимость работы.
Чек-лист «Что проверить перед сдачей»
- ☐ Гипотезы соответствуют выводам (нет необоснованных утверждений).
- ☐ Протоколы статистики в SPSS/JASP сохранены (log-файлы или скриншоты).
- ☐ Все ссылки на литературу оформлены по ГОСТ, включая статью Psychological Science.
- ☐ Наличие этического заключения (согласие комиссии или подписанные формы).
- ☐ Приложения содержат бланки опросников, таблицы первичных данных (в кодированном виде).
- ☐ Текст прошёл проверку на антиплагиат (оригинальность >70%).
У вас всего 120 часов до сдачи? Мы предлагаем бесплатную консультацию по структуре и методологии. Поможем с любой темой — от моральных дилемм AI до классической психодиагностики. Обращайтесь — @psyresearch (Telegram).
Источник: Anthropic Wants Claude to Be Moral. Is Religion Really the Answer? (опубликовано 2026-05-20)
*Для качественной ВКР на заказ или помощи с дипломом обращайтесь к профессионалам. Мы знаем, как написать ВКР, которая понравится рецензенту.
```