„ChatGPT“ ar „Perplexity“ tyrimams: šaltinių gausa keičia darbo eigą

Jei pirmiausia reikia rasti viešus šaltinius ir susiaurinti tyrimo klausimą, patogus pasirinkimas yra „Perplexity“. Kai užduotis remiasi savais failais, reikia valdyti tyrimo planą ir parengti struktūruotą ataskaitą, daugiau galimybių suteikia „ChatGPT“. Tai pasirinkimas pagal darbo eigą, o ne bendras vieno įrankio pranašumas.

Studijų darbui, rinkos analizei ar straipsniui nuorodų skaičius yra tik pradinis signalas. Naudingesnis atsakymas yra tas, kuriame galima pereiti nuo konkretaus teiginio prie originalaus dokumento ir patikrinti citatos kontekstą. Dėl to gausios nuorodos keičia paieškos pradžią, bet kartu didina poreikį atsirinkti, kurios iš jų iš tiesų pagrindžia išvadą.

Ką duoda gausesnės nuorodos

„Perplexity“ „Pro Search“ apraše nurodo, kad atsakymai pateikiami su tiesioginėmis nuorodomis į naudotus šaltinius, o klausimą galima tikslinti tęsiant pokalbį. Plačios temos pradžioje tai leidžia greitai pamatyti, ar randami institucijų duomenys, moksliniai darbai, įmonių pranešimai ar vien jų apžvalgos. Vis dėlto nuoroda šalia sakinio dar neparodo, ar susietame puslapyje yra būtent tas teiginys.

2026 m. kovo 11 d. paskelbtame „Tom’s Guide“ bandyme abiem įrankiams pateiktos trys vienodos tyrimo užklausos; autorius pasirinko „Perplexity“ dėl išsamesnių atsakymų, papildomų klausimų ir gausesnių šaltinių. Tai naudinga iliustracija, kaip skiriasi atsakymų pateikimas, tačiau bandymas nevertino visų tyrimo užduočių ir nenustato, kuris įrankis tiksliau cituoja lietuviškus dokumentus.

Šaltinių gausą verta vertinti pagal jų kilmę. Jeigu kelios nuorodos perpasakoja tą patį institucijos pranešimą, jos nesudaro kelių nepriklausomų įrodymų. Rinkos analizėje įmonės paskelbta informacija gali tiksliai apibūdinti jos pačios planus, bet platesnei rinkos išvadai reikia atskirai įvertinti duomenų rinkimo būdą ir aprėptį. Akademiniame darbe panašiai skiriasi pirminio tyrimo rezultatai ir straipsnis, kuris tuos rezultatus apžvelgia. Tas pats skirtumas svarbus ir lyginant kitų tyrimo įrankių nuorodas.

Kaip siaurinti klausimą neprarandant šaltinio

Platus klausimas dažnai duoda sklandų tekstą, bet neaiškius palyginimo pagrindus. Pavyzdžiui, nagrinėjant jaunimo užimtumą Lietuvoje reikėtų apsibrėžti amžiaus grupę, laikotarpį, rodiklį ir teritoriją. Įrankio paprašius pasiūlyti kelias tikrinamas klausimo versijas, galima pamatyti, kurioms iš jų apskritai randami tinkami duomenys.

„Perplexity“ ypač patogus, kai kiekviena nauja klausimo kryptis iškart siejama su viešų šaltinių paieška. „ChatGPT“ gali būti patogesnis, kai tyrimo ribos formuojamos per ilgesnį pokalbį ir vėliau turi virsti ataskaitos planu. Šie pasirinkimai nesuteikia garantijos dėl atsakymo kokybės: klausimas „ką rodo šie konkretūs dokumentai?“ yra tikslesnis už prašymą apskritai papasakoti apie temą, nepriklausomai nuo pasirinkto įrankio.

Ypač svarbu nesuplakti rodiklių, kurie skamba panašiai. Jei vienas dokumentas aprašo registruotą nedarbą, o kitas – apklausos duomenimis matuojamą užimtumą, bendras atsakymas gali sukurti tariamą palyginimą. Klausimo siaurinimas čia yra ne vien patogumo veiksmas: jis nustato, kurių šaltinių duomenis galima prasmingai gretinti.

Failai ir ataskaitos: kur atsiranda daugiau kontrolės

„ChatGPT“ išsamaus tyrimo apraše nurodo, kad galima naudoti viešą žiniatinklį, pasirinktas svetaines ir įkeltus failus, prieš pradžią peržiūrėti siūlomą planą, o pabaigoje gauti struktūruotą ataskaitą su nuorodomis. Todėl šis režimas tinka užduočiai, kurioje vieši šaltiniai turi būti sugretinti su paties naudotojo dokumentų rinkiniu. Plano peržiūra leidžia iš anksto atskirti, pavyzdžiui, duomenų metodiką nuo išvadų.

„Perplexity“ taip pat turi failų analizės galimybių, tad vien įkėlimo mygtukas nėra lemiamas skirtumas. Sprendžiant, kuris įrankis tinkamesnis lietuviškam PDF, svarbiau stebėti, ar atsakymas tiksliai susieja išvadą su dokumento lentele, išnaša ar skyriumi. Skenuotas puslapis, sudėtinga lentelė ir keli skirtingi to paties rodiklio apibrėžimai gali apsunkinti šią užduotį abiem sistemoms.

Tvarkinga ataskaita padeda skaityti ilgą tyrimą, tačiau jos struktūra neparodo, ar kiekviena išvada pagrįsta. Gerame rezultate aišku, kuris sakinys perteikia dokumento faktą, o kuris yra tų faktų interpretacija. Jeigu atsakyme minimas skaičius, tikrinant reikia rasti jo laikotarpį, matavimo vienetą ir pastabas prie lentelės; vien nuorodos į visą dokumentą tam gali nepakakti.

Vienodų užduočių matrica pasirinkimui

Pasirinkimą galima patikrinti abiem įrankiams pateikus tą pačią viešų šaltinių paieškos užduotį, tą patį siaurinamą klausimą ir tą patį lietuvišką dokumentą. Vertėtų iš anksto nuspręsti, kokio pobūdžio atsakymo reikia, kad ilgesnis tekstas automatiškai neatrodytų geresnis. Kiekvieną rezultatą galima vertinti pagal keturis požymius:

• Nuorodų atsekamumas. Ar nuoroda atveria originalų dokumentą ir ar galima jame rasti teiginyje minimą vietą?
• Pirminių šaltinių dalis. Ar svarbiausi teiginiai remiasi originaliais tyrimais, duomenimis arba institucijų dokumentais, ar daugiausia jų perpasakojimais?
• Citatos tikslumas. Ar ištrauka pagrindžia būtent atsakyme pateiktą teiginį, išsaugodama laikotarpį, imtį ir sąlygas?
• Darbas su lietuvišku failu. Ar teisingai perteikti terminai, lentelių antraštės ir skirtumas tarp dokumento teiginio bei įrankio išvados?

Ši matrica sąmoningai neveda prie bendro balo. Vienas įrankis gali greičiau pateikti daugiau galimų šaltinių, o kitas – aiškiau išlaikyti ilgos užduoties struktūrą. Pasirinkimui reikšminga, kuriame etape tenka daugiau taisyti: ieškant pirminio dokumento, tikslinant klausimą ar ieškant atsakyme panaudotos citatos.

Citatos tikslumą galima patikrinti atvėrus originalą ir perskaičius ne vien nurodytą eilutę, bet ir gretimą pastraipą arba lentelės pastabą. Pavyzdžiui, išvada apie vieną apklaustą grupę neturėtų virsti teiginiu apie visus Lietuvos gyventojus. Toks patikrinimas atskiria iš pažiūros įtikinamą santrauką nuo teiginio, kurį galima panaudoti darbe ar publikacijoje.

Planų ribos ir pasirinkimas

„ChatGPT“ planų palyginime nurodo, kad „Plus“ apima išplėstą išsamaus tyrimo prieigą, daugiau failų įkėlimų, projektus ir pažangius GPT-6 samprotavimo modelius; naudojimo ribos vis tiek taikomos. Šis derinys naudingas, jei vienas tyrimas tęsiasi per kelis etapus ir apima savus dokumentus. Lyginant planus verta žiūrėti į konkrečios reikalingos funkcijos ribą, o ne vien į bendrą plano pavadinimą.

„Perplexity“ planų lentelėje nemokamam planui nurodo vieną „Research“ užklausą per mėnesį, o mokami planai suteikia didesnes tyrimo užklausų ir failų naudojimo ribas. Taigi retkarčiais ieškant viešų šaltinių galima vertinti įprastos paieškos eigą, o dažnai rengiant išsamias ataskaitas – atskirai įvertinti „Research“ limitą.

Šaltinių paieškai ir ankstyvam klausimo siaurinimui rinkčiausi „Perplexity“; tyrimui su savais failais, valdomu planu ir ilga ataskaita – „ChatGPT“. Jei užduotis apima abu etapus, lemiamas kriterijus yra tas pats: kiek pastangų reikia nuo atsakymo teiginio pasiekti originalią, tiksliai jį pagrindžiančią vietą.

Taip pat skaitykite:

• ChatGPT ar Gemini „Deep Research“: šaltinių gausa dar nereiškia tikslumo
• „ChatGPT Plus“ ar „Claude Pro“: vienoda kaina slepia nevienodas ribas
• NotebookLM ar ChatGPT Study Mode: šaltiniai prieš gyvą mokytoją