Literaturrecherche und wissenschaftliches Schreiben

Gewinne:

• Fähigkeit, künstliche Intelligenz nicht für die Suche nach Quellen einzusetzen, sondern für die Zusammenfassung des von Ihnen bereitgestellten echten Artikels, die Festlegung einer Suchstrategie und die Positionierung als Sprachtool
• Verstehen Sie den Mechanismus erfundener Zitate und eliminieren Sie jedes Zitat, indem Sie es unabhängig mit PubMed/DOI verifizieren
• Fähigkeit, wissenschaftliche Aussagen und Zahlen bereitzustellen und den Einsatz künstlicher Intelligenz transparent zu deklarieren

Ein Biologe verbringt einen Großteil seiner Zeit mit Lesen und Schreiben: Er bleibt auf dem Gebiet auf dem Laufenden, sieht, wie viel von einem Thema untersucht wurde, und setzt seine Erkenntnisse in eine Arbeit, eine Abschlussarbeit oder einen Förderantrag um. Künstliche Intelligenz sorgt in beiden Bereichen für große Beschleunigung; Doch hier birgt es die gefährlichste Falle: halluzinierte Zitate. Das Modell kann Artikel-Bylines erzeugen, die überhaupt nicht existieren, aber äußerst realistisch aussehen. In dieser Einheit lernen wir, künstliche Intelligenz bei der Literaturrecherche und beim wissenschaftlichen Schreiben sicher einzusetzen.

Das Grundprinzip: Lassen Sie die KI Ihr Tippen beschleunigen, nicht Ihr Denken und Prüfen.

Die richtige Rolle künstlicher Intelligenz in der Literaturrecherche

Künstliche Intelligenz ist keine Literaturdatenbank. Ein generisches LLM weiß nicht zuverlässig, welches Papier existiert und kann keine tatsächlichen Zitate generieren. Die richtigen Werkzeuge für den Job:

• PubMed, Google Scholar, Semantic Scholar: Echte Artikelsuche.
• Zitierverkettungstools (z. B. Connected Papers, Litmaps): Finden Sie verwandte Artikel als visuelle Karte.
• Dokumentbasierte KI: Tools, die den von Ihnen bereitgestellten tatsächlichen Artikel (PDF/Text) zusammenfassen und Ihre Fragen basierend auf diesem Text beantworten. Hier stellt das Modell nicht die Quelle dar, sondern verarbeitet das, was Sie ihm geben.

Sichere Nutzung von LLM: Reale Artikel, die Sie finden, zusammenfassen, vergleichen, Ihnen ein Thema erklären, Suchbegriffe vorschlagen.

Tipp: Sagen Sie der KI nicht „geben Sie mir 10 Quellen zu diesem Thema“; stattdessen „Welche Suchbegriffe sollte ich in PubMed zu diesem Thema verwenden?“ fragen. Dann tätigen Sie den eigentlichen Anruf. Das Modell ist nicht beim Auffinden von Ressourcen zuverlässig, sondern bei der Festlegung einer Suchstrategie.

Das Problem der erfundenen Zuschreibung: Warum und wie man sie vermeidet

LLM produziert Text; Es funktioniert mit der Logik des „nächstmöglichen Wortes“. Wenn man um eine Zitierung bittet, „generiert“ es, anstatt sich an einen tatsächlichen Artikel zu erinnern, eine realistisch aussehende Verfasserzeile: plausible Autorennamen, realistische Zeitschrift, passendes Jahr, sogar ein gefälschter DOI. Die meisten von ihnen existieren nie. Schutz:

1. Überprüfen Sie jedes Zitat unabhängig: Suchen Sie nach DOI auf doi.org, nach Zitaten auf PubMed.
2. Zitieren Sie nur Artikel, die Sie selbst gelesen haben.
3. Platzieren Sie das vom Modell erstellte Zitat niemals direkt in der Bibliographie.
4. Auch wenn Sie ein dokumentbasiertes Tool verwenden, überprüfen Sie, ob das Zitat im tatsächlichen Text enthalten ist.

Künstliche Intelligenz im wissenschaftlichen Schreiben

Hier ist künstliche Intelligenz wirklich mächtig, denn sie fungiert nicht mehr als „Informationsquelle“, sondern als „Sprachwerkzeug“:

• Entwurfserstellung: Die erste Version eines Methodenabsatzes, eine Zusammenfassung.
• Sprachkorrektur: Sprachkompetenz und Grammatik, insbesondere für Nicht-Muttersprachler des Englischen.
• Reorganisation: Verstreute Notizen in einen logischen Fluss bringen.
• Unterschiedliche Zielgruppe: Dasselbe Ergebnis für Experten, Studenten oder die Öffentlichkeit umschreiben.
• Antwortschreiben: Entwurf einer Antwort auf die Kommentare des Schiedsrichters.

Aber wissenschaftliche Aussagen, Zahlen und Referenzen müssen immer von Ihnen stammen und von Ihnen überprüft werden.

Schritt für Schritt: Bearbeitung einer Artikelzusammenfassung

1. Finden Sie den aktuellen Artikel (PubMed/Scholar).
2. Geben Sie den Text an die KI weiter (Zusammenfassung oder Volltext).
3. Bitten Sie um eine strukturierte Zusammenfassung: Frage, Methode, Ergebnisse, Einschränkungen.
4. Vergleichen Sie die Behauptungen mit dem Text: Hat das Modell irgendwelche Ergänzungen vorgenommen?
5. Übertragen Sie es in Ihre eigene Notiz, notieren Sie die Quelle mit dem tatsächlichen Zitat.

Kopierbare Eingabeaufforderungsvorlagen

Fassen Sie die folgende Artikelzusammenfassung unter 5 Überschriften zusammen: (1) Forschungsfrage, (2) Methode und Stichprobe, (3) Hauptergebnis (mit Zahlen), (4) Einschränkungen, (5) Bezug zu meiner Studie. Fügen Sie keine Informationen hinzu, die NICHT im Text enthalten sind. Text: [Zusammenfassung]

Schlagen Sie effektive Suchbegriffe für die Suche nach dem folgenden Thema in PubMed vor: Schlüsselbegriffe, Synonyme, MeSH-Begriffe und boolesche Operatoren. Betreff: [Betreff]. Geben Sie mir keine Quellenliste, sondern nur eine Suchstrategie.

Diese Methode optimiert meinen Absatz und korrigiert die Grammatik, ändert jedoch keine numerischen Werte, Methodennamen oder Behauptungen. Markieren Sie die Änderungen. Text: [Absatz]

Formulieren Sie meine Erkenntnisse für drei verschiedene Zielgruppen: (1) Fachexperten, (2) Studenten im Grundstudium, (3) die breite Öffentlichkeit. Behalten Sie die wissenschaftliche Genauigkeit bei und übertreiben Sie nicht. Befund: [Text]

Schwache Eingabeaufforderung / Starke Eingabeaufforderung

Schwach: „Schreiben Sie eine Einführung zu CRISPR und fügen Sie eine Quelle hinzu.“

Strong: „Nachfolgend sind 4 Artikel aufgeführt, die ich selbst gelesen und überprüft habe (Zitate im Anhang). Entwerfen Sie auf der Grundlage dieser Artikel einen einleitenden Absatz über CRISPR in der Pflanzenzüchtung. Geben Sie in Klammern an, welche dieser 4 Quellen jede Behauptung stützt. Fügen Sie keine Behauptungen hinzu, die nicht in diesen Quellen enthalten sind.“

Unterschied: In der leistungsstarken Eingabeaufforderung geben Sie die Ressourcen an und das Modell verwendet sie nur. Das Risiko erfundener Zuschreibungen ist ausgeschlossen.

drei Mini-Koffer

Fall 1 – Fake DOI: Ein Doktorand hat in seiner Einleitung zu seiner Abschlussarbeit 8 durch künstliche Intelligenz bereitgestellte Quellen einbezogen. Als der Berater nachsah, stellte sich heraus, dass drei davon nie existierten und die Autoren von zwei davon falsch lagen. Der Student musste die gesamte Bibliographie überarbeiten. Lektion: Vertrauen Sie niemals der Zuschreibung des Modells.

Fall 2 – Hinzugefügter Befund: Ein Forscher ließ eine Arbeit zusammenfassen; Das Modell fügte einen Ausdruck „statistische Signifikanz“ hinzu, der nicht in der Zusammenfassung enthalten war. Der Forscher bemerkte den Unterschied, als er ihn mit dem Text verglich. Lektion: Vergleichen Sie immer die Zusammenfassung mit der Quelle.

Fall 3 – Richtige Verwendung: Ein Forscher, der kein englischer Muttersprachler ist, ließ die KI den von ihm geschriebenen Methodenabschnitt optimieren; Er legte fest, dass er die Zahlen und Ansprüche nicht ändern dürfe. Das Ergebnis ist ein viel besser lesbarer Text, ohne die Bedeutung zu verfälschen. Lektion: Als Sprachwerkzeug ist KI hervorragend.

Vergleichstabelle

Suche

Ist künstliche Intelligenz zuverlässig?

Richtiges Werkzeug/Methode

Beschaffung

Nein

PubMed/Scholar

Ein Zitat erstellen

Nein (macht es wieder gut)

Manuell überprüfen

Zusammenfassung des angegebenen Artikels

Ja (per SMS bestätigen)

LLM + Vergleich

Sprachkorrektur

Ja

LLM

Erstellen Sie einen Entwurf

Ja (Anspruch von Ihnen)

LLM

Suchstrategie

Ja

LLM

Häufige Fehler

• Die Zuschreibung des Modells nutzen, ohne diese zu überprüfen: Der häufigste und schädlichste Fehler.
• LLM mit einer Suchmaschine verwechseln: Es findet keine echten Artikel.
• Sich auf die Zusammenfassung verlassen und die Quelle nicht lesen: Kann zu einer Ergänzung/Verzerrung des Modells führen.
• Künstliche Intelligenz dazu bringen, Behauptungen hervorzubringen: Die wissenschaftliche Behauptung muss von Ihnen kommen.
• Plagiat und Originalität: Den vom Modell erstellten Text so darstellen, als wäre es mein eigener Satz; kann gegen die Zeitschriftenrichtlinien verstoßen.

Achtung: Viele Zeitschriften und Institutionen verlangen eine Offenlegung der KI-Nutzung und erkennen KI nicht als Autor an. Machen Sie transparent deutlich, welches Werkzeug und welchen Umfang Sie bei Ihrem KI-gestützten Schreiben nutzen; Sie sind für die Richtigkeit des endgültigen Textes verantwortlich.

Systematisches Screening und die Grenzen der künstlichen Intelligenz

Künstliche Intelligenz erscheint in systematischen Rezensionen, die ein ganzes Thema umfassend und unvoreingenommen untersuchen wollen, attraktiv, sollte jedoch mit Vorsicht eingesetzt werden. Das Wesentliche einer systematischen Suche ist eine reproduzierbare und transparente Suchstrategie: die Dokumentation, welche Datenbanken mit welchen Begriffen und mit welchen Einschluss-/Ausschlusskriterien durchsucht wurden. KI hilft Ihnen bei der Einrichtung dieser Strategie, der Erweiterung der Begriffe und der Erstellung des Screening-Protokolls. Aber es ist die eigentliche Datenbanksuche, die die Artikel tatsächlich findet; Nur weil das Modell sagt: „Hier sind relevante Studien“, ist dies kein Ersatz für das Screening und kann dazu führen, dass wichtige Studien übersehen werden.

Eine weitere wirkungsvolle und sichere Anwendung besteht darin, eine große Anzahl von Artikeln zu überprüfen: Hunderte von Abstracts zu überprüfen, um festzustellen, ob sie Ihren Einschlusskriterien entsprechen, kostet Zeit. Das Modell kann jede Zusammenfassung anhand Ihrer Kriterien als „möglicherweise relevant/irrelevant“ vorklassifizieren. Die endgültige Entscheidung über die Einbeziehung unsicherer Situationen bleibt jedoch dem Menschen überlassen. Auch hier ist das Modell kein Entscheidungsträger, sondern eine Vorauswahlhilfe.

Bewerten Sie die folgende Artikelzusammenfassung anhand der folgenden Einschlusskriterien:[Kriterien]. Als „relevant/irrelevant/unsicher“ einordnen und in einem Satz begründen. Die endgültige Entscheidung liegt bei mir; Sie qualifizieren sich lediglich vorab.Zusammenfassung: [Text]

Versteckte Spuren künstlicher Intelligenz in meinem Schreiben

KI-generierte Texte sind manchmal zu allgemein, sich wiederholend oder „cool, aber leer“. Beim wissenschaftlichen Schreiben kommt es auf Konkretheit an: Jeder Satz sollte Informationen vermitteln. Anstatt die Modellskizze so zu belassen, wie sie ist, beginnen Sie jeden Absatz mit der Frage: „Sag dieser Satz wirklich etwas oder ist er Füllmaterial?“ Beseitigen. Darüber hinaus enthält der vom Modell erstellte Text manchmal subtile Fehlbegriffe oder häufige, aber fehlerhafte Ausdrücke. Überprüfen Sie jeden Fachbegriff mit den Augen eines Fachexperten. KI ist ein guter Generator für erste Entwürfe. Er ist kein guter Korrekturleser. Die letzte Lektüre liegt immer bei Ihnen.

Warum Zuschreibungen erfunden werden: Den Mechanismus verstehen.

Wenn man die Attributionsfälschung des Modells als natürliche Konsequenz seiner Funktionsweise und nicht als „Fehler“ betrachtet, ist es leichter zu schützen. Während des Trainings lernt das Modell das Muster von Millionen echter Bylines: wie Autorennamen aussehen, das Format von Zeitschriftennamen, die Struktur von DOIs. Wenn ein Zitat angefordert wird, „schlägt“ es nicht nach einem tatsächlichen Datensatz; Es „generiert“ ein statistisch plausibles Tag, das dem gelernten Muster entspricht. Das Ergebnis sieht also sehr realistisch aus, ist aber möglicherweise nicht real; Möglicherweise nimmt er sogar den Namen eines echten Autors in einen Artikel auf, den er nie geschrieben hat. Sobald Sie diesen Mechanismus verstanden haben, wird die Regel klar: Jeder vom Modell generierte Bezeichner gilt erst dann als vorhanden, wenn Sie ihn in der Datenbank sehen. Dokumentabhängige Tools (bei denen Sie den tatsächlichen Text bereitstellen) verringern dieses Risiko, da das Modell auf dem von Ihnen bereitgestellten Text und nicht auf der Anpassung basiert. aber überprüfen Sie trotzdem, ob das Zitat tatsächlich in diesem Text enthalten ist.

Zusammenfassend

KI findet bei einer Literatursuche keine (erfundenen) Quellen, fasst jedoch die von Ihnen bereitgestellten Artikel zusammen, erstellt eine Suchstrategie und optimiert Ihr Schreiben. Die größte Gefahr sind erfundene Zuschreibungen; Überprüfen Sie jede Zeile unabhängig und verwenden Sie nur Quellen, die Sie gelesen haben. Wissenschaftliche Behauptungen, Zahlen und Zitate stammen von Ihnen; KI stärkt nur Sprache und Ordnung. Deklarieren Sie die Nutzung transparent.

Anwendungsaufgabe

Geben Sie einen Artikel, den Sie tatsächlich gelesen haben (Abstract oder Volltext), der künstlichen Intelligenz und erstellen Sie eine strukturierte Zusammenfassung (Frage, Methode, Erkenntnis, Einschränkung). Vergleichen Sie die Zusammenfassung mit dem Quelltext, um festzustellen, ob das Modell etwas hinzugefügt oder verzerrt hat. Bitten Sie das Modell separat um eine Liste mit Ressourcen zum gleichen Thema. Durchsuchen Sie jede Zeile, die er auf PubMed angibt, und zählen Sie, wie viele echt sind.

Checkliste

• [ ] Ich habe die Quellen selbst in PubMed/Scholar gefunden, ich habe sie nicht an das Modell angepasst.
• [ ] Ich habe jedes Zitat unabhängig überprüft.
• [ ] Ich habe die Zusammenfassung mit dem Quelltext verglichen.
• [ ] Ich habe die wissenschaftlichen Behauptungen und Zahlen selbst bereitgestellt.
• [ ] Ich habe nur Quellen zitiert, die ich gelesen habe.
• [ ] Ich habe den Einsatz künstlicher Intelligenz transparent erklärt.