Gevinster:
- At kunne skelne, hvor kunstig intelligens sparer realtid i den akademiske forskningsarbejdsgang (litteratur, design, analyse, skrivning), og hvor videnskabelig dømmekraft og ansvar forbliver hos forskeren, alt efter opgavens risikoniveau
- At være i stand til at anvende en disciplin, der forbinder og verificerer enhver kunstig intelligens-output til kilden og forstå problemet med hallucination (fabrikeret) tilskrivning, som er den mest kritiske risiko ved akademiet.
- Evne til at vedtage en brugsramme, der overholder institutionelle og tidsskrifters brugspolitikker for kunstig intelligens, akademisk ærlighed og gennemsigtighedsprincipper.
En forskers job involverer meget mere at skrive, læse og redigere, end det ser ud til: at scanne hundredvis af artikler, opsummere dem, finpudse forskningsspørgsmålet, designe metoder, analysere data, transskribere resultater, formatere citater, udvælge tidsskrifter, svare på anmelderkommentarer. Meget af dette arbejde er gentaget, tidskrævende og distraherende; Det stjæler fra det, der virkelig er værdifuldt, original tænkning og fortolkning. Kunstig intelligens (AI) - computerprogrammer, der kan forstå menneskeligt sprog og producere output såsom tekst, resuméer, kode, udkast osv. - er en stærk hjælp til at fremskynde denne gentagne byrde. Gennem hele dette modul betragter vi AI ikke som en magisk kilde til information; Vi lærer at bruge det som forskningsassistent, producere udkast, give ideer og redigere.
Men lad os lige fra begyndelsen sætte den vigtigste sætning, der er specifik for den akademiske verden: AI træffer ikke videnskabelige beslutninger i stedet for forskeren; fremstiller udkastet, den videnskabelige vurdering og ansvaret påhviler forskeren. I den akademiske verden er denne regel endnu strengere end i andre erhverv, fordi videnskabens valuta er tillid, og grundlaget for den tillid er, at enhver påstand er knyttet til en verificerbar kilde.
Denne første enhed etablerer tre fundamenter: skelner mellem, hvor AI fungerer, og hvor det skal forblive i forsknings-workflowet; verificering af hvert output; At vedtage princippet om akademisk ærlighed og gennemsigtighed. Disse tre er det underliggende sikkerhedsgrundlag for alle efterfølgende enheder.
Hvor sparer AI tid, hvor tilhører beslutningen forskeren?
Det hjælper at tænke forskningsopgaver ud fra risikoniveau. Risikoniveauet er, hvor meget skade det ville forårsage for den videnskabelige dokumentation, hvis det gøres forkert.
Lavrisikoopgaver, som AI fremskynder meget: Generering af en søgestrategi (søgeord, synonym), lave en indledende opsummering af en lang tekst, forenkle sproget i et afsnit, foreslå en tabeloverskrift, brainstorming, forklare et koncept på forskellige måder, komme med strukturen af en disposition. Her løser AI problemet med "blank side"; du retter, verificerer og beriger.
Medium-risiko, AI-producerede opgaver, der kræver streng verifikation: Statistisk testudvælgelsesanbefaling, kodeudkast, citationsformatering, udkast til fortolkning af et fund, sammenligning af metodemuligheder. Her giver AI hastighed, men hvert tal, hvert tag, hvert logiske trin skal bekræftes manuelt.
Højrisikoopgaver, hvor beslutningen udelukkende er overladt til forskeren: endelig fastlæggelse af hypotese og metode, beslutning om, hvad dataene betyder, bedømmelse af, om et fund er meningsfuldt, beslutninger i den etiske komité (IRB), beslutning om, hvorvidt en kilde faktisk eksisterer og understøtter påstanden, erklæring om forfatterskab og bidrag. Disse beslutninger bestemmer pålideligheden af den videnskabelige dokumentation; Ansvaret og sidste ord tilkommer altid forskeren.
Advarsel: "AI sagde" er ikke en begrundelse. En tidsskriftsredaktør eller afhandlingsjury vil ikke acceptere udtalelsen "min model producerede det sådan." Et ubekræftet AI-output er som et ubekræftet rygte.
Hvorfor er verifikation nødvendig? Hallucination og opdigtet tilskrivning
AI producerer tekst ikke ved at "vide", men ved at "forudsige det mulige ord". Derfor giver det nogle gange ekstremt flydende, men faktisk forkerte oplysninger. Dette kaldes en hallucination (fabrikation). Den farligste form for dette i den akademiske verden er falsk tilskrivning: AI genererer et forfatternavn, årstal, tidsskrift eller endda DOI (digital objektidentifikator - den permanente adresse på en publikation), der ser ud til at være ægte, men den kilde har aldrig eksisteret. Hvis en forsker bruger dette uden at tjekke, fremsætter han eller hun en påstand baseret på en undersøgelse, der ikke eksisterer; Dette fører til afvisning af specialet, tilbagetrækning af artiklen og tab af omdømme.
Det andet problem er forvrængning: når man opsummerer et papir, kan AI overdrive et fund, idet man opsummerer en undersøgelse, der sagde "der var ingen signifikant forskel" som "der blev fundet en signifikant forskel." Den tredje er bias: AI gentager tendenserne i de data, den trænes på; Det kan fremhæve en bestemt skole, sprog eller synspunkt og få litteraturen til at fremstå forvrænget.
På grund af disse grænser foreslår vi en simpel valideringsdisciplin, der skal anvendes på hvert output:
- Tilslut den til kilden. Find og bekræft den faktiske kilde (artikel, database, DOI) for hver kendsgerning, dato, nummer, citat og især hvert citat.
- Tjek igen. Kontroller manuelt numeriske eller logiske output (statistisk resultat, prøveberegning).
- Videnskabeligt filter. "Er denne påstand i overensstemmelse med den kendte litteratur inden for mit felt?" håndtere det med din egen ekspertise.
- Tag ansvar. I det øjeblik du sætter det i din publikation eller afhandling, er den sætning din; Eventuelle fejl er dit ansvar.
Akademisk ærlighed og gennemsigtighed
Akademisk integritet sikrer, at værket virkelig er dit originale bidrag, og at alle kilder citeres ærligt. Brugen af kunstig intelligens fjerner ikke dette princip, men tilføjer snarere et nyt ansvar: gennemsigtighed. De fleste tidsskrifter og universiteter kræver nu en eksplicit erklæring om brug af kunstig intelligens. Den fælles redaktionelle linje (for eksempel principperne for publiceringsetiske organer som ICMJE og COPE) siger to ting klart: AI kan ikke være forfatteren (fordi den ikke kan tage ansvar, ikke kan erklære en interessekonflikt), og AI-brug er ikke skjult, men afsløret i metode- eller anerkendelsessektionen.
Tip: Stil to spørgsmål, før du indsætter tekst i et værktøj: (1) Hvordan gemmer dette værktøj data, bruges det i undervisningen? (2) Hvad siger min institutions og måltidsskrifts AI-politik? Start ikke uden at kende disse to.
tre minisager
Case 1 — Fabriceret tilskrivning kompromitterede afhandling. En kandidatstuderende bad YZ om 12 kilder til sin afhandlingsintroduktion og modtog dem alle sammen med deres citater. Hans rådgiver søgte tilfældigt efter 4 af dem på Google Scholar; 2 af dem eksisterede slet ikke, 1 af dem havde en DOI til en anden artikel. Eleven skulle verificere hele listen én efter én og brugte kun 7 autentiske kilder. Verifikation tog 40 minutter; men hvis den var blevet leveret med en fiktiv reference, ville juryens tillid være blevet fuldstændig rystet.
Case 2 — Tidsbesparelser. En postdoc-forsker brugte 6 timer på at scanne og opsummere 15-20 nye artikler hver uge. Han begyndte at bruge AI som sin første resumégenerator: at lade AI opsummere abstraktet og introduktionen af hver artikel, uddybe den med sin egen kritiske læsning og verificere resultaterne fra den originale tekst. Tiden faldt fra 6 timer om ugen til ~2,5 timer; Han viede den tid, han tjente, til at skrive original syntese.
Case 3 - Retur fra stealth. En samfundsforsker var ved at indsætte upublicerede feltdata og deltagervidnesbyrd i AI til analyse. Han indså, at den indeholdt legitimationsoplysninger; I stedet for at dele rådataene bad han kun om en anonymiseret, opsummeret prøve og analyseplan. Han modtog en værdifuld metodeanbefaling, men ingen følsomme data kom ud.
Kopierbare skabeloner
1) Adskille opgaven efter risikoniveau:
Din rolle: akademisk assistent, der assisterer en forsker. Opdel følgende forskningsopgaver i tre lister: (A) lavrisikoopgaver, som AI'en sikkert kan producere et manuskript til, (B) mellemrisikoopgaver, som AI'en kan producere et manuskript til og kræver streng verifikation, (C) højrisikoopgaver, som den endelige beslutning skal ligge hos forskeren. Skriv en begrundelse med én sætning til hver opgave. Quests: [indsæt egne quests]
2) Prompt om valideringstjek:
Markér hver sætning i teksten nedenfor, der indeholder en kendsgerning, en dato, et tal, et citat eller en tilskrivning, og marker det som "kræver verifikation". Angiv tydeligt, hvor du er usikker. UNDGÅ at finde på kilden eller nummeret; Hvis du ikke ved det, så skriv "Jeg ved det ikke". Tekst: [indsæt kladde]
3) Udkast til AI-brugserklæring:
Til afsnittet om metoder/anerkendelser i en artikel skal du skrive et udkast på 2-3 sætninger til "AI-brugserklæring", der tydeligt forklarer, på hvilke stadier jeg brugte AI (f.eks. sprogkorrektion, skitseudkast). Brug: [forklar]
4) Kildebekræftelsesliste:
Generer et verifikationstjekark for hver kilde i følgende citationsliste: [forfatter, år, titel, DOI, verificeret?]. Du kan ikke verificere; Giv mig en tom tabel, som jeg vil kontrollere manuelt. Liste: [indsæt citater]
Svag prompt / Stærk prompt
Svag prompt:
Find mig kilder til introduktionen til mit speciale.
Ingen kontekst og farligt: AI spytter falske id'er ud, og du tror, de er ægte.
Kraftig prompt:
Din rolle: en metodekonsulent. Sted: "elevmotivation i fjernundervisning". FIND MIG IKKE EN KILDE; Foreslå i stedet 8 nøgleord, 3 synonymgrupper og en boolsk søgestreng for at søge efter dette emne i Scopus. Ægte artikelbyline FAKE. Jeg vil verificere de kilder, jeg selv finder.
Quest
Risikoniveau
AI's rolle
endelig beslutning
Generering af en søgestrategi
lav
Foreslår søgeord/streng
forsker
Artikel abstrakt udkast
Lav-Middel
Generer udkast
Det bekræfter forskeren
Anbefaling af statistiktest
medium
Giver muligheder
Forsker udvælger/bekræfter
Citationsliste
høj
Formatassistent
Hvert aftryk er verificeret i hånden
At finde fortolkning/hypotese
høj
giver ideer
enlig forsker
Almindelige fejl
- Brug af citater uden bekræftelse. Fabriceret tilskrivning er den hyppigste og mest ødelæggende fejl i den akademiske verden; fører til tilbagetrækning.
- Erstatter resuméet med kilden. AI-resuméet kan forvrænge resultatet; Der gives ingen citat uden at vende tilbage til den oprindelige tekst.
- Springer gennemsigtighed over. At skjule brug er en etisk overtrædelse, når den opdages.
- Lad AI træffe videnskabelige beslutninger. Hypotese, fortolkning og metodebeslutninger tilhører forskeren.
- Uploader fortrolige data til åbent værktøj. Ikke-offentliggjorte data og deltageroplysninger er uden for din kontrol.
Tip: Tænk på hver AI-session som at arbejde med en erfaren, men upålidelig praktikant: han er hurtig og flittig, men du bekræfter alt, hvad han siger, før du skriver under.
Sammenfattende
AI er en kraftfuld assistent, der letter forskerens byrde ved gentagen læsning og skrivning; men på grund af hallucination, forvrængning og bias kræver hvert output verifikation. Den mest kritiske risiko i den akademiske verden er falsk citering: hver kilde skal verificeres gennem DOI og database. Adskil opgaver efter risikoniveau, beskyt data, erklær brug gennemsigtigt. Den korteste tommelfingerregel: Planen er fra AI, det videnskabelige ansvar er fra forskeren.
Ansøgningsopgave
Nævn 8 opgaver fra dit eget aktuelle forskningsprojekt og marker hver enkelt som lav/middel/høj risiko. Vælg derefter en lavrisikoopgave, og skriv en prompt med kontekst, som "Kraftfuld prompt" ovenfor. Marker mindst 3 elementer (nummer, aftryk, påstand), som du skal verificere i outputtet, og skriv, hvordan du vil verificere det.
tjekliste
- [ ] Har jeg adskilt opgaver efter risikoniveau?
- [ ] Planlægger jeg at verificere hvert citat og tælle i AI-outputtet?
- [ ] Kender jeg dataopbevaringspolitikken for det køretøj, jeg bruger?
- [ ] Har jeg læst min institutions og måltidsskrifts AI-politik?
- [ ] Er jeg sikker på, at jeg beholder den endelige videnskabelige bedømmelse?