Печалби:
- Възможност за планиране на обхвата на сканиране с поддръжка на изкуствен интелект чрез генериране на ключови думи, синоними и булеви низове за търсене от изследователския въпрос
- Позициониране на изкуствения интелект като инструмент за генериране на стратегия, а не инструмент за намиране на източник, и възможност за проверка на всеки източник, открит в реални бази данни (Google Scholar, Scopus, Web of Science, PubMed).
- Способност за разбиране на риска от изкуствен интелект, предоставящ изфабрикувани източници и фалшиви статистики и придобиване на рефлекс за проверка на всеки цитат при определяне на пропуск в литературата.
Всяко изследване започва с преглед на литературата: не можете да направите оригинален принос, без да видите какво е направено преди по вашата тема, на какви въпроси е отговорено и къде има пропуски. Но литературата е огромна; Годишно се публикуват милиони статии. Това е мястото, където AI е страхотен ускорител - но с много ясна демаркационна линия. Най-важното изречение в тази част е следното: AI се използва в литературния преглед като стратег за търсене, а не като изходна база данни. Тъй като AI не ви намира истински статии; Той създава възможно изглеждащи авторски редове на статии, някои от които са измислени.
В тази част ще научим как да извлечем систематичен план за търсене от вашия изследователски въпрос, да използваме AI, за да обогатим този план и да валидираме всеки източник, който откриете, спрямо реални бази данни.
Скелет на литературния преглед
Доброто сканиране има три етапа. Първо разбивате концепциите: разбивате изследователския си въпрос на основните му компоненти. Например във въпроса „Ефектът на обратната връзка върху мотивацията на учениците при дистанционно обучение“ има три понятия: дистанционно обучение, обратна връзка, мотивация. След това създавате набор от термини за всяко понятие: синоними, полеви жаргон, английски еквиваленти (дистанционно обучение → дистанционно обучение, онлайн обучение, електронно обучение, дистанционно обучение). И накрая, комбинирате тези термини с булеви оператори.
Булевите оператори са логически връзки, които казват на търсачките как да комбинират термини. Има три основни оператора: И (води до появата на двата термина — стеснява обхвата), ИЛИ (който и да е от термините — разширява обхвата, събира синоними) и НЕ (изключва термин). Също така кавички "..." търсят пълни фрази, звездичка * е коренното свиване (motivat* → мотивация, мотивационен). Низът за търсене обикновено изглежда така:
(„дистанционно обучение“ ИЛИ „онлайн обучение“ ИЛИ електронно обучение) И (обратна връзка ИЛИ „формиращо оценяване“) И (мотивация ИЛИ ангажираност ИЛИ „самоефективност“)
AI е отличен в генерирането на тези низове, допълването на синоними и адаптирането им към синтаксиса на различни бази данни (Scopus, PubMed, Web of Science изискват различен правопис). Но AI не е мястото, където изпълнявате низа; реални бази данни: Google Scholar (големи, безплатни), Scopus и Web of Science (подбрани, индексирани с цитиране), PubMed (медицински/науки за живота), полеви бази данни (ERIC образование, PsycINFO психология, IEEE Xplore инженерство).
Внимание: Ако поискате от инструмент за чат с изкуствен интелект „изброй 20 статии по тази тема“, той ще върне заглавия, които изглеждат реални, но някои от тях са измислени. Това не е проверка, а опасност. Използвайте AI за генериране на низ, намерете статията в базата данни.
Обхват, включване и анализ на пропуските
Познава добри граници на сканиране. Критериите за включване/изключване определят обхвата на вашето търсене: кой диапазон от години, кои езици, кои видове обучение (експериментално, преглед), кой контекст. AI може да предложи тези критерии в чернова и вие можете да ги изострите според вашата област. Ако правите систематичен преглед, можете да напомните на PRISMA (стандарт за отчитане за систематични прегледи) потока на AI и да го накарате да създаде шаблон за журнал за обхождане.
Празнота в литературата е въпрос или контекст, който все още не е адекватно проучен; Вашият оригинален принос често запълва празнина. AI ви помага да посочите възможни пропуски въз основа на резюметата, които четете, но го приемете като твърдение, което трябва да се провери, а не като хипотеза. AI може да каже "X не е проучван в тази област"; Въпреки това може да е проучено, просто AI не знае. Вие само потвърждавате празнината с действителното си сканиране.
Методът на снежната топка и сивата литература
Самото търсене по ключови думи не е достатъчно; Доброто сканиране се задълбочава със снежна топка. Връщайки се назад, ключът, който намирате, е да сканирате библиографията на статия и да намерите тези преди нея; Снежна топка напред проследява кой е цитирал тази статия (връзка „Цитирано от“ в Google Scholar) и стига до последващи проучвания. Този метод ви позволява да намерите проучвания, които са централни за областта, но които не можете да обхванете с вашите ключови думи. Когато предоставяте библиография на статия, AI може да ви помогне да приоритизирате кои препратки са най-близки до вашия въпрос; Но отново, от вас зависи да намерите и прочетете статията.
Освен това академичните бази данни не покриват всичко. Сивата литература — дисертации, институционални доклади, сборници от конференции, препечатки — е критична в някои области и компенсира пристрастията на публикациите (тенденцията да се публикуват само положителни резултати). AI може да предложи кои сиви литературни източници (дисертации на ProQuest, институционални хранилища, сървъри за предпечат като arXiv/SSRN) трябва да търсите; Често е наложително при систематичните прегледи да не ограничавате обхвата си само до статии в списания.
три мини калъфа
Случай 1 — Разширение на низ. Когато изследовател в областта на образованието потърси „обърната класна стая“ в Scopus, тя получи 300 резултата, но почувства, че липсват синоними. Той накара AI да създаде набор от термини; Той добави еквиваленти като "обърната класна стая" и "обърнато обучение". С новия низ резултатът се увеличи от 300 на 470; 40 подходящи статии бяха пропуснати при първоначалното търсене. AI не намери статиите, но конструира низа, който ги направи откриваеми.
Случай 2 — Връщане от готов списък. Един дипломиран студент попита директно AI за „най-добрите 15 източника“ за сканиране и постави списъка в дипломната си работа. Под контрола на консултанта 4 цитата не можаха да бъдат намерени в Web of Science и 2 DOI бяха неправилни. Студентът започна отначало: този път той взе линията от AI, намери 60 реални резултата в Scopus, прецеди резюмето на заглавието и избра 18. Тези 18 бяха истински.
Случай 3 — Изясняване на обхвата. Здравен изследовател разбрал, че търсенето му е толкова широко, че бил затрупан от 2000 резултата. Изготвен е проект на критерии за включване/изключване на AI: последните 10 години, английски, проба за възрастни, рандомизирани контролирани проучвания. Той добави филтъра „само за болнична среда“ със собствената си информация. Резултатът падна от 2000 на 180; Създаден е сканируем клъстер.
Копируеми шаблони
1) Разделяне на понятия и набор от термини:
Вашата роля: информационен специалист (библиотекар-изследовател). Моят изследователски въпрос е: „[напишете въпроса]“. Разбийте този въпрос на основните му понятия. Генерирайте набор от термини от английски синоними, полеви жаргон и алтернативни изписвания за всяко понятие. Дайте го в таблица. Статията е ФАЛШИВА.
2) Генериране на булев низ за търсене:
Конструирайте булев низ за търсене за Scopus, като използвате следния набор от термини: ИЛИ термини в рамките на концепции, И между концепции, фрази в кавички, използвайте *, където е подходящо. Адаптирайте същия низ към синтаксиса на Web of Science и PubMed. Басейн: [поставяне]
3) Проект на критерии за включване/изключване:
Правя преглед на литературата по "[тема]". Предложете ми проект на критерии за включване/изключване: под заглавията за диапазон от години, език, тип обучение, извадка, контекст. Това са предложения; Ще ги сменя според моята област. Напишете накратко причините.
4) Запитване за кандидати за свободни позиции (предстои проверка):
По-долу има резюмета на 10-те статии, които сканирах. Начертайте общите им теми и предложете КАНДИДАТИТЕ за празнини относно това КОИ ВЪПРОСИ СА ПО-МАЛКО РАЗГЛЕЖДАНИ. Представете ги като хипотези, които ще проверя, а не като абсолютна истина. Резюмета: [поставяне]
Слаба подкана / Силна подкана
Слаба подкана:
Дайте ми списък с ресурси за изкуствен интелект и образование.
AI създава фалшиви документи за самоличност; Темата също е твърде обширна.
Мощна подкана:
Вашата роля: информационен специалист. Тема: „Ефектът от геймификацията върху математическата тревожност в началното училище“. НЕ МИ ДАВАЙТЕ СПИСЪК С ИЗТОЧНИЦИ. Вместо това: (1) анализирайте 3-те концепции, (2) генерирайте хранилище на английски синоними за всяка концепция, (3) Булев низ за Scopus, (4) проект на приложими критерии за включване/изключване. Заглавието на статията е фалшиво.
Цел
използвайте AI
място за проверка
Срочно разширяване на пула
Да, силно
Преглед с познания за домейна
Конструкция на булев низ
Да, силно
Тест в база данни
Описание на обхвата/критериите
да
Изостряне по площ
Намерете статия
не
Scholar/Scopus/WoS/PubMed
Ангажимент за освобождаване
частично
Истинското сканиране е задължително
Често срещани грешки
- Грешка AI за база данни. Заявката за цитиране на статия създава фалшиви цитати; Това е най-честата и опасна грешка.
- Пропускане на синоними. Търсенето на един термин пропуска голяма част от литературата.
- Оставяйки обхвата неясен. Без филтри за година, език и жанр ще бъдете затрупани с хиляди резултати.
- Утвърждаване на празнота, без да я проверява. Да се каже, че „никой не е учил“ без действителен скрининг, е рисковано.
- Разчитане на една база данни. Различните индекси обхващат различно; използвайте няколко заедно.
Съвет: За да направите вашето търсене възпроизводимо, запишете низа, който сте използвали, базата данни, датата и броя на резултатите в таблица. Този журнал е задължителен при систематичен преглед; Това е добър навик във всяко изследване.
В обобщение
Прегледът на литературата е систематична задача: дестилация на концепция, набор от термини, булев низ, критерий за покритие. AI е мощен помощник в тези стратегически стъпки; произвежда синоними, конструира низове, очертава критерии. Но намирате статии от реални бази данни, а не от AI, и проверявате всеки авторски ред. Кратко правило: стратегия от AI, източник от база данни, валидиране от вас.
Задача за приложение
Получете свой собствен изследователски въпрос. Анализирайте концепции с AI и създайте набор от термини и булев низ. Изпълнете този низ срещу реална база данни (Scholar или индекс, до който имате достъп). Отбележете 10-те най-добри резултата и ги сравнете с авторските редове (ако има такива), които AI е предложил преди това, когато е попитан директно; Маркирайте колко всъщност съществуват.
контролен списък
- [ ] Разделил ли съм изследователския си въпрос на концепции?
- [ ] Създал ли съм група от синоними/английски термини за всяка концепция?
- [ ] Тествах ли булевия низ в реалната база данни?
- [ ] Изясних ли критериите си за включване/изключване?
- [ ] Проверих ли, че всеки ресурс, който намерих, действително съществува?