Как тему «ИИ и большие языковые модели» превратить в эмпирическую часть ВКР по психологии: три рабочих сценария, методология и подводные камни

Семантический анализ: основной запрос — ВКР по психологии с использованием ИИ; LSI-запросы — LLM в психодиагностике, когнитивные искажения при работе с ИИ, валидность автоматизированных методов, копинг-стратегии цифрового поколения, интервенции с ИИ-ассистентом, надёжность α Кронбаха, прогностическая валидность. Реальные студенческие вопросы: «Как выбрать тему, если ИИ меняется каждые полгода?», «Можно ли применять LLM как инструмент, а не как объект?», «Где взять этически чистые данные?», «Какой статистический критерий уместен в JASP?». Ключевые сущности — МКБ-11, Этический кодекс РПО, опросники SCL-90 и HADS, LIWC, t-критерий Стьюдента, факторный анализ, базы PsycINFO и eLibrary.

Почему панельная сессия APS-2026 — это не «про IT», а про вашу дипломную

Панельная сессия Psychological Science and Society (председатель — James W. Pennebaker, участники — Alex Bentley, Ian Morris, Stephan Lewandowsky) фиксирует сдвиг, который за последние три года пережил почти каждый психолог-исследователь: LLM меняют представления о статистике, прогнозировании, построении теорий и о самом понимании человека. Для выпускника это не абстракция. Это повод сформулировать исследование так, чтобы оно опиралось на реальные методологические вызовы, а не на «модную тему». Именно поэтому ниже — три готовых каркаса ВКР и разбор того, как провести каждую главу без подмены понятий и с соблюдением первоисточника.

Три темы ВКР, которые «вырастают» из панели

Тема 1. Принятие решений человеком при взаимодействии с LLM-ассистентом: роль когнитивных искажений

Актуальность. Pennebaker и коллеги прямо ставят вопрос о смене парадигмы предсказания: если модель даёт вероятностный ответ, насколько человек склонен его переоценивать? Это классическая социальная когниция на новом материале.

Цель: выявить связь склонности к эвристике доступности и эффекту якоря с уровнем доверия к ответам LLM у студентов-психологов.

Задачи:

• операционализировать «доверие к ИИ-ассистенту» через самоотчётную шкалу и поведенческий индикатор (согласие с ошибочным ответом модели);
• измерить базовые когнитивные искажения с помощью адаптированных задач;
• сравнить группы с разным опытом использования LLM (не пользовался / эпизодически / ежедневно);
• предложить рекомендации по обучению критическому взаимодействию с ИИ.

Структура: Глава 1 — теоретический обзор эвристик и моделей доверия к автоматизированным системам; Глава 2 — организация и методы (выборка, стимульный материал, этика); Глава 3 — результаты, интерпретация, практические рекомендации для образовательных программ.

Тема 2. Валидность автоматизированного анализа текста в психодиагностике: сопоставление LLM-метрик и классического LIWC-подхода

Актуальность. Наследие Pennebaker — LIWC — долгие годы было стандартом текстовой психодиагностики. Сегодня LLM претендуют на ту же роль. Возникает валидный исследовательский вопрос: совпадают ли оценки?

Цель: оценить конвергентную валидность эмоциональных и когнитивных маркеров, полученных LLM, и классических словарных метрик.

Задачи: сформировать корпус текстов; рассчитать показатели обоими методами; оценить согласованность (корреляция Пирсона, ICC); проверить внутреннюю согласованность шкал (α Кронбаха); сформулировать ограничения метода.

Структура: Глава 1 — понятийный аппарат и история автоматизированной диагностики; Глава 2 — дизайн валидационного исследования; Глава 3 — психометрические результаты.

Тема 3. Копинг-стратегии и цифровая грамотность как предикторы устойчивости к дезинформации, порождаемой ИИ

Актуальность. Lewandowsky много лет исследует сопротивление дезинформации; панель связывает эту линию с генеративными моделями. Для ВКР по клинической или социальной психологии — прямой выход на интервенции.

Цель: определить вклад копинг-стратегий (адаптивных vs. избегающих) и цифровой грамотности в устойчивость к правдоподобной ложной информации.

Задачи: измерить копинг-профиль; оценить цифровую грамотность; предъявить стимульный набор текстов (LLM-сгенерированные vs. верифицированные); проанализировать связь через множественную регрессию.

Теоретическая глава: как не утонуть в хайпе

Первая глава чаще всего проваливается не из-за отсутствия источников, а из-за их однородности. Держите три регистра обзора. Первый — классическая когнитивная психология: Тверски и Канеман, исследования прайминга. Второй — вычислительная лингвистика и психолингвистика (LIWC, латентно-семантический анализ). Третий — современные работы APS и материалы PsycINFO за 2023–2026 годы. Гипотезы формулируйте на стыке: «Если LLM-метрика конвергентна LIWC, то…». Так вы уходите от риторики «ИИ изменит всё» к проверяемым утверждениям.

Методологический блок: выборка, инструменты, этика

Выборка

Для конфирматорных дизайнов ориентируйтесь на априорный расчёт мощности (G*Power) — типичный минимум 80–120 респондентов для корреляционного анализа средней силы. Онлайн-опросы допустимы, но требуйте attention checks и исключайте протоколы с временем прохождения ниже 40% медианы.

Инструментарий

Этика

Согласно Этическому кодексу РПО, обязательно: информированное согласие, право на отзыв данных, деперсонализация корпуса текстов. Если вы используете тексты участников как стимульный материал — нужен отдельный пункт согласия. При работе с клиническими подвыборками сверяйтесь с формулировками МКБ-11, избегая диагностических ярлыков в описании.

Интерпретация данных: статистика без магии

Для сравнения двух групп — t-критерий Стьюдента (при нормальности) или U-Манна–Уитни. Для связи — корреляция Пирсона или Спирмена. Для структуры авторской шкалы — эксплораторный факторный анализ, затем конфирматорный. В JASP и SPSS всегда выводите размер эффекта (Cohen’s d, η²) и 95% ДИ — это то, что отличает зрелую ВКР от описательной статистики. Визуализация: не «круговые диаграммы для красоты», а scatter-plot с линией регрессии, box-plot с индивидуальными точками.

Чему вы научитесь на этом материале

• подбирать диагностический инструментарий под конкретную гипотезу, а не «что нашлось»;
• проводить эмпирическое исследование с элементами валидации методики;
• корректно выбирать статистические критерии и считать размер эффекта;
• формулировать рекомендации для практиков — от образовательных программ до клинических протоколов;
• оформлять приложения с бланками и протоколами по требованиям кафедры.

FAQ

Практический сценарий: как это выглядит в календаре

Первый месяц — обзор и операционализация. Второй — пилотаж на 15–20 респондентах, проверка α и формулировок. Третий — основной сбор. Четвёртый — обработка в JASP и написание третьей главы. Пятый — рекомендации, оформление, антиплагиат. Такой ритм снимает 80% стресса на защите.

Дополнительный ракурс: что даёт панель для клинической психологии

Многие студенты недооценивают, насколько выводы Pennebaker и коллег применимы к клинике. Речь идёт о границах прогноза: если LLM предсказывает риск, кто несёт ответственность за решение? Для ВКР по клинической психологии это открывает отдельную линию — исследование установок специалистов к алгоритмическим рекомендациям в супервизии. Дизайн: полуструктурированные интервью (n = 12–15) с последующей тематической кодировкой. Методология качественная, этика обязательна, объём текста — до 100 страниц. Но именно такие работы сейчас ценятся кафедрами выше компилятивных.

С чего начать буквально завтра

1. Выпишите одну проверяемую гипотезу в одно предложение.
2. Подберите два инструмента: один измеряет предиктор, второй — критерий.
3. Проверьте априорную мощность и посчитайте, сколько участников нужно.
4. Подайте заявку в этический комитет — не откладывайте.
5. Соберите 10 пилотных ответов и пересчитайте α.

Источник: Psychological Science and Society Presidential Plenary Panel Session: New Directions in AI and Large Language Models (опубликовано 2026-06-15)