§ Praca magisterska · Wydział Zarządzania UW · DIMA 2025–2027
Konsylium
Dokumentowanie zamiast wykrywania.
Uczelnie próbują wykrywać teksty pisane przez AI — i przegrywają ten wyścig. Konsylium stawia inne pytanie: nie „czy użyto AI?”, lecz „jak użyto AI i czy fakt ten udokumentowano?”. To projekt doradczy dla Uniwersytetu Warszawskiego i działająca aplikacja webowa, którą zaprojektowałem i zbudowałem.
Stan projektu
- Pracawersja robocza v13 · 225 s.
- Badania terenoweX–XII 2026
- Obronamarzec 2027
Wyścig, którego nie da się wygrać
Detektory tekstu AI mylą się w obie strony: przepuszczają sparafrazowane teksty i fałszywie oskarżają uczciwych autorów. Instytucja, która opiera na nich sankcje, ryzykuje podwójnie — etycznie i prawnie.
testowanych detektorów AI okazało się wiarygodnych
Żadne z 14 narzędzi — także Turnitin — nie osiągnęło 80% trafności.
Weber-Wulff i in., 2023esejów osób piszących w języku nierodzimym błędnie oznaczonych jako tekst AI
Średnio 61,3% w 7 detektorach — przy niemal bezbłędnej ocenie esejów autorów natywnych.
Liang i in., 2023Trzy warstwy jednego problemu
- Warstwa 01
Operacyjna
Brak narzędzia i procedury. Obowiązki dokumentacyjne są rozproszone, a powszechne użycie AI pozostaje nieudokumentowane.
- Warstwa 02
Prawna
Podwójne ryzyko: zaniechanie grozi niezgodnością z duchem AI Act, a nadmierna kontrola narusza RODO.
- Warstwa 03
Kulturowa
Zakorzeniona logika „kota i myszy” między studentem a instytucją — do zastąpienia relacją opartą na jawności.
Zmieniamy pytanie.
Dokumentowanie zamiast wykrywania
Nazwa nawiązuje do konsylium lekarskiego, w którym zespół specjalistów wspólnie i jawnie podejmuje decyzję. W Konsylium rola AI jest ujawniona, a nie tropiona.
Za zmianą stoją trzy argumenty
- Techniczny
Mechanizmy detekcji zawodzą.
- Prawny
Rejestr użycia AI jest bliżej zgodności z AI Act i RODO niż narzędzie oceniające.
- Pedagogiczny
Jawność uczy odpowiedzialnego korzystania z AI.
Obowiązek dokumentowania użycia AI wynika już z Uchwały URK nr 98/2023 i Przewodnika DIMA — Konsylium go nie ustanawia, lecz operacjonalizuje.
Sześć modułów, jeden obieg pracy
Każdy moduł odpowiada na inny wycinek problemu, więc wydział może wdrażać system krok po kroku. Statusy są uczciwe: część działa w prototypie, część to makiety na kolejne fazy.
- Działa
- Częściowo / wstępnie
- Makieta
- 01
Onboarding i edytor pracy
Prowadzi studenta przez proces; edytor z rejestrem wersji.
Status: Działarejestr wersji: makieta · F2Zakotwiczenie w literaturzeKim i in., 2025Gdzie w aplikacjiPulpit projektu; harmonogram kamieni milowych - 02
Wzory dokumentów i oświadczenia AI
Generuje aneks, który dokumentuje użycie AI w pracy.
Status: Częściowowzory dokumentów: F2Zakotwiczenie w literaturzePérez-Pérez i in., 2026Chaudhry i in., 2022Gdzie w aplikacjiDokumentowanie użycia AI (eksport aneksu) - 03
Walidator wymogów formalnych
Automatycznie sprawdza zgodność z 86-stronicowym zbiorem wymogów.
Status: Działa19 reguł z kataloguZakotwiczenie w literaturzeHalaweh, 2023Gdzie w aplikacjiSprawdzenie wymogów - 04
Repozytorium dowodów
Wersjonowany zapis procesu powstawania pracy.
Status: Makietapełny widok: F2–F3Zakotwiczenie w literaturzeChan, 2023Gdzie w aplikacjiKafelek na pulpicie projektu - 05
Dziennik użycia AI
Deklaratywny rejestr prowadzony przez studenta, eksportowany do aneksu — zamiast wykrywania.
Status: Wersja wstępnawersja deklaratywna: F2Zakotwiczenie w literaturzeLiang i in., 2023Chan, 2023Gdzie w aplikacjiDokumentowanie użycia AI · w prototypie widok „Audyt AI” - 06
Etyka i EBM
Wsparcie decyzji w oparciu o dowody (Evidence-Based Management).
Status: Asystent działaprzegląd literatury: F3Zakotwiczenie w literaturzeBond i in., 2024Alduais i in., 2025Gdzie w aplikacjiPrzegląd literatury; wbudowany asystent
Statusy według macierzy spójności z pracy. Osiem z 41 publikacji z przeglądu literatury zasila funkcje modułów bezpośrednio — pozostałe tworzą zaplecze argumentacyjne całej koncepcji.
- 26widoków aplikacji w 8 grupach
- 19reguł formalnych w walidatorze
- 10kamieni milowych z promotorem
- 86stron Przewodnika DIMA przełożonych na system
Pięć scen z aplikacji
Asystent, który pomaga, ale nie wyręcza
Wbudowany czat odpowiada na pytania o metodologię, wymogi i harmonogram. Poproszony o napisanie rozdziału odmawia, powołuje się na Załącznik B Przewodnika DIMA, odnotowuje próbę w module Audyt AI (prototyp v1 — zob. scena 2) i proponuje ideację, teorię albo korektę.
- Gemini 2.5 Flash
- dozwolone / wymaga dokumentacji / zakazane
- w prototypie v1 każdy prompt trafia do rejestru
Kliknij podpowiedź — zobacz, jak klasyfikowany jest prompt.
Od audytu do dziennika
Prototyp etykietuje wpisy jako „naruszenia”. Samoocena według heurystyk Nielsena pokazała, że to odtwarza logikę wykrywania, którą praca odrzuca (dotkliwość 4). Wersja docelowa (F2) ma być deklaratywna: student opisuje użycie, system nie przechowuje pełnych promptów, a ocenę zgodności zostawia promotorowi.
Przełącz wersje modułu — strzałki też działają.
Dziennik użycia AI
Plan po samoocenie heurystycznejWalidator 19 wymogów formalnych
Times New Roman 12 pkt, marginesy 25 mm, interlinia 1,5, objętość, bibliografia, karta nakładu pracy, raport AI… Zielone znaczy: gotowe do skanu JSA.
- 19 reguł formalnych
- Przewodnik DIMA · 86 stron
- gotowe do JSA
Uruchom skan ponownie — reguły rozstrzygają się jedna po drugiej.
Walidator pracy dyplomowej
Komentarze przypięte do treści
Pinezki kotwiczą się do elementów strony, wątki można rozwiązać, a powiadomienia trafiają do dzwonka w aplikacji i przez Web Push.
- pinezki na elementach strony
- wątki do rozwiązania
- Web Push (VAPID)
Kliknij pinezkę, by otworzyć albo zamknąć wątek.
10 kamieni milowych z promotorem
Harmonogram według Tab. 3 Przewodnika: każde spotkanie ma wejście, oczekiwane wyjście i to, czego oczekuje promotor. Materiał trafia do promotora co najmniej 3 dni wcześniej.
- Tab. 3 Przewodnika
- luty 2026 → luty 2027
- materiał ≥ 3 dni przed
Wybierz spotkanie — strzałki też działają.
10 kamieni milowych z promotorem
04 · Przegląd literatury
- Wejście
- ≥ 30 pozycji (w tym obcojęzyczne: AI w edukacji, EU AI Act)
- Wyjście
- ramy teoretyczne + finalny problem badawczy
- Promotor oczekuje
- teoria adekwatna do problemu
Prawdziwa aplikacja, nie makieta
Zrzuty z działającego prototypu w wersji przygotowanej dla pracy magisterskiej — od huba projektu, przez panel zespołu i walidator, po prezentację dla Dziekana.
Przewijaj, aby przekartkować stos. Kliknij zrzut, aby go powiększyć.
§ 01Hub projektuPunkt wejścia do projektu: 12 kafelków w trzech grupach — produkt, dokumenty strategiczne, badania — i asystent, który zna cały projekt. 
§ 02Dashboard zespołuKompletność pracy, spotkania z promotorem, bibliografia i repozytorium w jednym rzędzie, a pod nimi najbliższy kamień milowy z tym, czego oczekuje promotor. 
§ 03Asystent KonsyliumCzat oparty na Przewodniku DIMA. Już w powitaniu uprzedza, że nie napisze fragmentu pracy, i podsuwa pytania do bieżącego ekranu. 
§ 04Prezentacja dla Dziekana30 slajdów dla władz Wydziału Zarządzania UW: koncepcja, demo, wartość dla interesariuszy i plan badań. 
§ 05Bibliografia i symulatory41 publikacji z metrykami bibliometrycznymi, a przy każdej interaktywny symulator — tu model wpływu sposobu oceniania na nieuczciwe użycie AI. 
§ 06Design systemAtrament i papier, granat UW i terakotowy „§” — ta sama paleta, w której złożona jest ta strona. 
§ 07Walidator na telefonie19 wymogów formalnych w układzie mobilnym, z dolnym paskiem nawigacji po kluczowych modułach.
Trzech użytkowników, jedna prawda
Zespół pisze, promotor recenzuje, partner obserwuje. Jedno źródło prawdy zamiast mailowych załączników i pięciu wersji dokumentu.
- § 1Sformułowanie problemu badawczegoklient, diagnoza, luka w wiedzy, pytania badawcze — w centrum tego widoku
- § 2Przegląd literaturydetekcja, transparentność, EU AI Act i RODO — w centrum tego widoku
- § 3Postawienie hipotezy badawczejH1–H5: zawodność detekcji, postawy interesariuszy — w centrum tego widoku
- § 4Projektowanie badania i dobór metodologiitriangulacja, desk research, cztery badania terenowe — w centrum tego widoku
- § 5Zbieranie danych (Realizacja)harmonogram X–XII 2026, pilotaż, kontrola jakości — w centrum tego widoku
- § 6Analiza wynikówH1–H2 w świetle literatury, plan analizy danych — w centrum tego widoku
- § 7Weryfikacja hipotezyreguły decyzyjne, status H1–H5 — w centrum tego widoku
- § 8Prototyp aplikacji „Konsylium”projektowanie UX/UI, badania użyteczności — w centrum tego widoku
- § 9Ścieżka prawno-formalna wdrożeniaanaliza prawna, interesariusze, ryzyko, model ekonomiczny — w centrum tego widoku
- § 10Wnioskisynteza, ograniczenia, rekomendacje dla władz uczelni — w centrum tego widoku
„Jako konsultanci przestajecie być jedynie autorami tekstu, a stajecie się dostawcami decyzji.”
Najpierw dowody, potem kod
Diagnoza opiera się na ustrukturyzowanym przeglądzie 41 publikacji i analizie procesu dyplomowania na WZ UW. Hipotezy sformułowano tak, by dało się je obalić — a dla tych, które sprawdzą badania terenowe, reguły decyzyjne ustalono przed zebraniem danych.
Przegląd literatury
Ustrukturyzowany przegląd; pozycje zweryfikowane względem baz CrossRef i PubMed.
- Etyka i integralność1332%
- Ocenianie i dydaktyka1332%
- Adopcja i polityka1229%
- Kompetencje AI37%
Rozkład w przybliżeniu równomierny — taki układ chroni diagnozę przed jednostronnością.
- 40 + 1recenzowanych publikacji i jeden preprint
- 38 z 41z lat 2023–2026 — kohorta jest aktualna
- 20 z 41w czasopismach kategorii Top Tier lub High Prestige
- 41interaktywnych symulatorów w hubie — po jednym na publikację
Pięć falsyfikowalnych hipotez
PB1: Dlaczego detekcja nie przystaje do problemu
analiza źródeł zastanychHipoteza 1
Detektory AI częściej fałszywie oskarżają autorów piszących w języku nierodzimym.
ugruntowana w literaturzeH1 · MetodaSynteza literatury
KryteriumZgodne wyniki kilku niezależnych badań, bez wyników przeciwnych o porównywalnej sile.PodstawaLiang i in., 2023 · Weber-Wulff i in., 2023nieweryfikowana własnym badaniemHipoteza 2
Parafraza istotnie obniża czułość detektora.
ugruntowana w literaturzeH2 · MetodaSynteza literatury
KryteriumLiteratura konsekwentnie odnotowuje spadek czułości po parafrazie lub „humanizacji” tekstu.PodstawaDalalah i Dalalah, 2023 · Weber-Wulff i in., 2023 · Eke, 2023nieweryfikowana własnym badaniem
PB2: Potrzeby i postawy interesariuszy
badania terenowe · X–XII 2026Hipoteza 3
Ponad 50% studentów DIMA korzysta z GenAI przy pracy dyplomowej.
czeka na dane · X–XII 2026H3 · MetodaCAWI + przedział ufności
Reguła decyzyjnaPrzyjęta, gdy dolna granica 95% przedziału ufności odsetka korzystających z GenAI przekracza 50%.NarzędzieRES-CAWI-STD-01 · Zał. Custalona przed zebraniem danychHipoteza 4
Studenci wolą dokumentowanie niż detekcję i sankcje.
czeka na dane · X–XII 2026H4 · MetodaCAWI + test jednej proporcji
Reguła decyzyjnaPrzyjęta, gdy model transparentności wybiera ponad 50% respondentów, a dolna granica 95% przedziału ufności przekracza 0,5 (α = 0,05).NarzędzieRES-CAWI-STD-01 · Zał. Custalona przed zebraniem danychHipoteza 5
Promotorzy postrzegają brak narzędzi do zarządzania AI jako problem praktyczny.
czeka na dane · X–XII 2026H5 · MetodaIDI + analiza tematyczna
Reguła decyzyjnaPrzyjęta, gdy kod „brak narzędzi do zarządzania AI” osiąga nasycenie tematyczne, a zgodność koderów wynosi κ ≥ 0,70.NarzędzieRES-IDI-PRO-01 · Zał. Bustalona przed zebraniem danych
Reguły przed danymi
Dla H3–H5 reguły decyzyjne ustalono z góry — to chroni przed naginaniem wniosków do oczekiwań. H1–H2 oceniono kryterium spójności literatury: to jawna miara siły dowodów, nie test a priori.
Przycisk „Metoda” odwraca kartę.
Cztery badania terenowe
październik–grudzień 2026 · z analizą mocy statystycznej próbyScenariusze są gotowe: każdy ma protokół — dobór próby, narzędzie, plan analizy, etykę, ryzyka — oraz pełny skrypt. Pole zaplanowano tak, by materiał trafił na bramkę B#1 w marcu 2027.
- pilotaż
- pole
- bufor
- RES-CAWI-STD-01Zał. C
Ankieta CAWI
Studenci DIMA
Doświadczenia studentów, korzystanie z AI i reakcja na koncepcję Konsylium.
- Próba
- n ≥ 100
- Czas
- 10–15 min
- Testuje
- H3H4
- pilotaż 5–11.10
- pole 19.10–8.11
- bufor do 15.11
- RES-IDI-PRO-01Zał. B
Wywiady pogłębione (IDI)
Promotorzy
Obciążenie promotorów, punkty tarcia w nadzorze, postawy wobec AI i reakcja na prototyp.
- Próba
- n = 6–10
- Czas
- 45–60 min · 1:1
- Testuje
- H5
- pilotaż 5–11.10
- pole 19.10–8.11
- bufor do 22.11
- RES-EXP-B2B-01Zał. A
Wywiady eksperckie
Partnerzy B2B
Potrzeby partnerów, bariery współpracy, jakość danych i poufność (NDA).
- Próba
- n = 5–8
- Czas
- ~45 min · 1:1
- pilotaż 26.10–1.11
- pole 2–22.11
- bufor do 29.11
- RES-FGI-UCZ-01Zał. D
Panel FGI
Przedstawiciele uczelni
Wymogi formalne i zakres systemu oczami dziekanatu, jakości kształcenia, IOD i IT.
- Próba
- 5–8 osób
- Czas
- 60–90 min
- pilotaż 23–29.11
- pole 7–13.12
- bufor do 20.12
Warsztat analityczny i ramy prawne
- BMC
- PESTEL
- 5 Sił Portera
- VRIO
- dojrzałość cyfrowa
- macierz GE
- benchmarking
- EU AI Act
- RODO
- Prawo o szkolnictwie wyższym i nauce
- Uchwała URK nr 98/2023
- Przewodnik dyplomowy DIMA
Opracowany wniosek grantowy: uzasadnienie naukowe, cele i plan badań.
wniosek opracowanySześć faz, pięć bramek decyzyjnych
Konstrukcja stage-gate: zanim ruszą nakłady kolejnej fazy, poprzednia musi potwierdzić założenia. Po każdej bramce można świadomie zatrzymać projekt.
- do dziś
- plan
- bramka decyzyjna
- 06.2026–03.2027 Jesteśmy tutaj
Faza 1: Badania i walidacja koncepcji
Praca magisterska: badania terenowe (X–XII 2026) → specyfikacja wymagań.
Bramka B#1 · III 2027Problem–Solution Fitmierzy: wskaźniki z badań terenowych - 04–09.2027
Faza 2: UX/UI i architektura, makiety
Makiety, design system, testy użyteczności z promotorami.
Bramka B#2 · IX 2027Makiety + doktoratmierzy: użyteczność makiet - 10.2027–06.2028
Faza 3: Development i sandbox
Grant B+R: kod, zabezpieczenia AI, pilotaż w sandboksie na roczniku DIMA.
Bramka B#3 · VI 2028Proof of Conceptmierzy: adopcja i zgodność w środowisku testowym - 07.2028–12.2029
Faza 4: Integracja i skalowanie na UW
SSO/USOS, APD, JSA, certyfikacja EU AI Act, kolejne wydziały.
Bramka B#4 · XII 2029Gotowość rynkowamierzy: efekt w skali Wydziału - 2030–2031
Faza 5: Komercjalizacja (SaaS)
Spółka spin-off, SaaS dla uczelni w Polsce (B2G/B2B).
Bramka B#5 · 2031Skalowalność komercyjnamierzy: zwalidowany, rentowny model komercyjny - 2031+
Faza 6: Ekspansja europejska
Wielojęzyczność, ramy bolońskie, logowanie eduGAIN.
Bez bramki — etap czysto wykonawczy
Docelowo: spółka spin-off UW i model SaaS dla uczelni w Polsce i UE.
Dziś trwa faza 1 — wszystko dalej to plan, który każda bramka może jeszcze zweryfikować.
Więcej niż prototyp
Konsylium to nie pojedynczy ekran, lecz cały ekosystem w jednym repozytorium: praca, aplikacja, prezentacja, dokumenty wdrożeniowe i baza literatury.
Projekt w liczbach
- 225stron pracy magisterskiej — wersja robocza v13
- 42tys.linii TypeScript/TSX w repozytorium
- 30slajdów prezentacji dla Dziekana
- 16dokumentów ścieżki prawno-wdrożeniowej
- 16technologii i usług w stosie projektu
- 12kafelków huba w 3 grupach
Policzone w repozytorium projektu i w wersji roboczej pracy.
Produkt
- 01Prototyp — wersja pracy
- 02Prototyp — demo
- 03Design System
Dokumenty strategiczne
- 04Prezentacja dla Dziekana
- 05Problem biznesowy
- 06Ścieżka wdrożenia
Badania naukowe
- 07Bibliografia
- 08Przegląd literatury
- 09Wniosek PRELUDIUM
- 10Scenariusze badań
- 11Przewodnik DIMA
- 12Praca magisterska
Architektura
- Hub12 kafelków i asystent RAG na starcie
- Aplikacja26 widoków w 8 grupach
- APIasystent AI, RAG, komentarze, Web Push, eksport PDF
Stos technologiczny
- Next.js 15 (App Router)
- React 19
- TypeScript
- Tailwind CSS v4
- shadcn/ui
- Neon Postgres
- Drizzle ORM
- pgvector
- Vercel AI SDK
- Gemini 2.5 Flash
- gemini-embedding-001 (768 wym.)
- RAG
- JWT (jose)
- Web Push (VAPID)
- PDFKit
- Vercel
Od koncepcji po kod
Moja rola
Jakub Nowak- Architektura informacji: hub projektu i 26 widoków aplikacji.
- Projekt UX/UI i „manuskryptowy” design system — jeden język dla aplikacji, dokumentów i materiałów projektu.
- Budowa full-stack: Next.js, Postgres z pgvector, asystent RAG, komentarze z Web Push, eksport PDF.
- Współautorstwo pracy (udział 50/50), wiodąco część prawno-formalna i prototyp.
- Projekt i wykonanie prezentacji dla władz Wydziału (30 slajdów), przygotowanej wspólnie z Maksymilianem Całą.
Karta autorstwa
Autorzy
- Promotor
- dr Edyta Barmentloo
- Jednostka
- Wydział Zarządzania UW · specjalność Digital Marketing (DIMA) · 2025–2027
- Tytuł pracy
- Projekt doradczy dla Uniwersytetu Warszawskiego: Nowoczesne narzędzia dydaktyczne jako odpowiedź na potrzebę transparentności w użyciu sztucznej inteligencji w szkolnictwie wyższym
- 1 · Problem badawczyJakub Nowak 60%, Maksymilian Cała 40%
- 2 · Przegląd literaturyJakub Nowak 45%, Maksymilian Cała 55%
- 3 · HipotezyJakub Nowak 55%, Maksymilian Cała 45%
- 4 · MetodologiaJakub Nowak 40%, Maksymilian Cała 60%
- 5 · Zbieranie danychJakub Nowak 45%, Maksymilian Cała 55%
- 6 · Analiza wynikówJakub Nowak 40%, Maksymilian Cała 60%
- 7 · Weryfikacja hipotezJakub Nowak 50%, Maksymilian Cała 50%
- 8 · Prototyp „Konsylium”Jakub Nowak 60%, Maksymilian Cała 40%
- 9 · Ścieżka prawno-formalnaJakub Nowak 65%, Maksymilian Cała 35%
- 10 · WnioskiJakub Nowak 50%, Maksymilian Cała 50%
- ŁącznieJakub Nowak 50%, Maksymilian Cała 50%
źródło: karta nakładu pracy, wersja robocza v13
Praca stosuje własną zasadę: Załącznik E jawnie opisuje, do czego użyliśmy narzędzi GenAI — m.in. do porządkowania literatury, korekty językowej i kodu analitycznego. Koncepcja, hipotezy, wnioski i rekomendacje pozostają w całości dziełem autorów.
Ewidencja, nie opinia.
Chętnie pokażę aplikację na żywo i opowiem o decyzjach projektowych.
§ Konsylium · DIMA · Wydział Zarządzania UW · 2025 / 2027
Na początek
§ 2.3 Od detekcji ku transparentności