Κέρδη:
- Δυνατότητα σύνταξης προτροπών για σύνοψη μεγάλων ακαδημαϊκών κειμένων, εξαγωγή βασικών ευρημάτων και μεθόδων και δημιουργία συγκριτικής βιβλιογραφίας.
- Δυνατότητα παραγωγής προσχέδιο που συνθέτει πολλαπλές πηγές κάτω από κοινά θέματα και το εμβαθύνει με τη δική του κριτική ανάγνωση
- Ικανότητα κατανόησης ότι ο κίνδυνος παραμόρφωσης, υπεραπλούστευσης και κατασκευής στο συνοπτικό αποτέλεσμα είναι ευθύνη του ερευνητή να επαληθεύσει επιστρέφοντας στο αρχικό κείμενο.
Αφού βρείτε τις πηγές, είναι καιρός να τις διαβάσετε και να τις κατανοήσετε. Ένας ερευνητής διαβάζει εκατοντάδες άρθρα το χρόνο. Είναι κουραστικό και χρονοβόρο η εξαγωγή του σκοπού, της μεθόδου, των ευρημάτων και των περιορισμών του καθενός. Εδώ έρχεται η τεχνητή νοημοσύνη ως βοηθός ανάγνωσης: συνοψίζοντας ένα μεγάλο κείμενο, σκιαγραφώντας ένα άρθρο, συγκεντρώνοντας πολλές πηγές σε έναν συγκριτικό πίνακα. Αλλά η βασική προειδοποίηση αυτής της ενότητας είναι η εξής: η περίληψη AI είναι μια ευκολία, όχι ένα υποκατάστατο της ίδιας της πηγής. Υπάρχει πάντα ο κίνδυνος παραμόρφωσης, υπεραπλούστευσης και απουσίας ευρημάτων στην αφηρημένη μορφή. Επαληθεύετε κάθε πρόταση που περιέχει ευρήματα, αριθμούς και ισχυρισμούς επιστρέφοντας στο αρχικό κείμενο.
Σε αυτή την ενότητα, θα μάθουμε πώς να συνοψίζουμε ένα μεμονωμένο άρθρο, να διαβάζουμε κριτικά, να συνθέτουμε πολλαπλές πηγές και να κατασκευάζουμε έναν πίνακα βιβλιογραφίας.
Διαφορά μεταξύ περίληψης και σύνθεσης
Η περίληψη συμπυκνώνει μια μόνο πηγή: τι έγινε, πώς, τι βρέθηκε. Η σύνθεση συνδυάζει πολλαπλές πηγές σε θέματα: «Αυτές οι τρεις μελέτες υποστηρίζουν το X, αλλά αυτές οι δύο βρίσκουν το αντίθετο· η διάκριση μπορεί να οφείλεται στη διαφορά δειγματοληψίας». Η αξία της ακαδημαϊκής γραφής βρίσκεται σε σύνθεση. Η περίληψη είναι απλώς η πρώτη ύλη. Η τεχνητή νοημοσύνη είναι πολύ γρήγορη στη δημιουργία περιλήψεων και μπορεί επίσης να συντάξει μια σύνθεση, αλλά η ακρίβεια της σύνθεσης εξαρτάται εξ ολοκλήρου από την ακριβή ανάγνωση των πραγματικών ευρημάτων — και εκεί είναι που η τεχνητή νοημοσύνη μπορεί να κάνει λάθος.
Μια καλή ανάγνωση άρθρου εξάγει τα ακόλουθα στοιχεία: ερευνητικό ερώτημα/σκοπός, μέθοδος (σχεδιασμός, δείγμα, μέτρηση), βασικά ευρήματα (με κατεύθυνση και μέγεθος), ερμηνεία των συγγραφέων, περιορισμοί και σύνδεση με την έρευνά σας. Εάν δώσετε στο AI μια δομημένη προτροπή ζητώντας αυτές τις ακριβείς επικεφαλίδες, θα λάβετε μια χρησιμοποιήσιμη κάρτα byline αντί για μια τυχαία παράγραφο. Αυτή η δομημένη μορφή είναι μια κοινή γλώσσα που κάνει δεκάδες άρθρα που διαβάζετε συγκρίσιμα. Όταν αποθηκεύετε κάθε άρθρο με τους ίδιους τίτλους, μπορείτε να θυμηθείτε ποια μελέτη είπε ποιους μήνες αργότερα, χωρίς να το ξαναδιαβάσετε.
Προσοχή: Όταν λέτε στην τεχνητή νοημοσύνη να "συνοψίσει αυτό το άρθρο", φροντίστε να δώσετε το πλήρες κείμενο του άρθρου. Εάν δώσετε απλώς τον τίτλο, η τεχνητή νοημοσύνη θα «μαντέψει» το περιεχόμενο και μπορεί να δημιουργήσει ευρήματα που δεν περιλαμβάνονται στο άρθρο. Αν δεν υπάρχει κείμενο, δεν υπάρχει περίληψη.
Κριτική ανάγνωση: πέρα από την περίληψη
Η κριτική ανάγνωση υπερβαίνει το ερώτημα «τι βρέθηκε» και ρωτά «πόση εμπιστοσύνη μπορώ να έχω σε αυτό το εύρημα;» Αυτή είναι η διαφορά μεταξύ της παθητικής κατανάλωσης ενός άρθρου και της αξιολόγησής του με το μάτι του ειδικού, και είναι η περιοχή όπου η τεχνητή νοημοσύνη είναι πιο αδύναμη. επειδή η τεχνητή νοημοσύνη συνοψίζει τι λέει το κείμενο, αλλά δεν έχει εσωτερική διαίσθηση για το πόσο σταθερά είναι τα στοιχεία για αυτόν τον ισχυρισμό. Είναι επαρκές το δείγμα; Ισχύει η μέτρηση; Είναι το αποτέλεσμα αιτιότητα ή απλή συσχέτιση; Το συμπέρασμα του συγγραφέα υπερβαίνει τα δεδομένα του; Το AI μπορεί να δημιουργήσει αυτές τις ερωτήσεις ως υπενθυμίσεις και να απαριθμήσει πιθανά αδύναμα σημεία ενός άρθρου. αλλά η τελική κριτική κρίση είναι δική σας, γιατί γνωρίζετε τα πρότυπα του τομέα σας και το πλαίσιο αυτής της εργασίας.
Ο πίνακας βιβλιογραφίας είναι ένας πίνακας που τοποθετεί τις πηγές που διαβάζετε σε σειρές και τις διαστάσεις που εξετάζετε σε στήλες (έτος συγγραφέα, σκοπός, μέθοδος, δείγμα, εύρεση, όριο, σημείωσή μου). Αυτή η μήτρα διευκολύνει τη σύνθεση και δείχνει ποια πηγή ταιριάζει που κατά τη γραφή. Το AI δημιουργεί γρήγορα ένα προσχέδιο μιας τέτοιας μήτρας από τις περιλήψεις που παρέχετε. επαληθεύετε κάθε κελί με το αρχικό κείμενο και γράφετε μόνοι σας τη στήλη "Η σημείωση μου".
Σχολιασμένη βιβλιογραφία και η παγίδα της υπερεξάρτησης
Ένας συγγενής του πίνακα είναι η σχολιασμένη βιβλιογραφία: κάτω από την πίστωση κάθε πηγής γράφετε μια αξιολόγηση 3-5 προτάσεων — τι κάνει, πόσο ισχυρό είναι, πώς συνδέεται με τη δουλειά σας. Η τεχνητή νοημοσύνη μπορεί να δημιουργήσει ένα προσχέδιο αυτής της επεξηγηματικής παραγράφου από μια περίληψη, αλλά η τελευταία πρόταση, «πώς συνδέεται αυτό με τη δουλειά μου», είναι εξ ολοκλήρου η αρχική σας σκέψη. Το AI δεν γνωρίζει την εσωτερική λογική της έρευνάς σας. Αυτή η συνήθεια σάς επιτρέπει να θυμάστε γιατί αναφέρατε κάθε πηγή σε μελλοντική γραφή.
Ένας κρυφός κίνδυνος εδώ είναι η παγίδα της υπερβολικής εξάρτησης: οι περιλήψεις της τεχνητής νοημοσύνης είναι τόσο ρευστές που με την πάροδο του χρόνου καταλήγουμε να δουλεύουμε μόνο με περιλήψεις χωρίς να ανοίξουμε ποτέ το πραγματικό άρθρο. Ωστόσο, το επιστημονικό βάθος κρύβεται στις λεπτομέρειες που αποσπά η τεχνητή νοημοσύνη (οι καλές συνθήκες της μεθόδου, οι περιορισμοί των αποτελεσμάτων, οι επιφυλάξεις του συγγραφέα). Φροντίστε να διαβάσετε μόνοι σας ολόκληρο ένα κριτικό έργο — ειδικά την κύρια πηγή στην οποία βασίζεται το επιχείρημά σας. Το σύντομο AI είναι σαν χάρτης. Δεν αντικαθιστά την εξερεύνηση του εδάφους, απλώς σας δείχνει πού να κοιτάξετε.
τρεις μίνι θήκες
Περίπτωση 1 — Διαστρεβλωμένο εύρημα. Ένας ερευνητής ζήτησε από την τεχνητή νοημοσύνη να συνοψίσει 8 άρθρα. Για ένα, η περίληψη έλεγε ότι «η παρέμβαση αύξησε σημαντικά τα κίνητρα». Ο ερευνητής εξέτασε το πραγματικό κείμενο: η μελέτη είπε στην πραγματικότητα "δεν βρέθηκε σημαντική διαφορά". Το AI είχε αντίστροφη κατεύθυνση. Εάν αυτό το μεμονωμένο λάθος δεν είχε διορθωθεί, ολόκληρη η σύνθεση θα βασιζόταν σε ψευδή στοιχεία. Μάθημα: κάθε διαπιστωτική πρόταση επιβεβαιώνεται από το κείμενο.
Περίπτωση 2 — Επιτάχυνση μήτρας. Ένας φοιτητής διδάκτορας πέρασε εβδομάδες προσπαθώντας να συγκρίνει 25 άρθρα με το χέρι. Έδωσε τη δική του δομημένη περίληψη κάθε άρθρου στον YZ και τον έβαλε να δημιουργήσει ένα προσχέδιο μήτρας. οι πυλώνες έγιναν συνεπείς, τα θέματα έγιναν ορατά. Συμπλήρωσε τις στήλες «η σημείωσή μου» και «σύνδεσμος με την έρευνά μου». Η εργασία διήρκεσε από τρεις εβδομάδες σε λίγες ημέρες και ήταν πιο συνεπής.
Περίπτωση 3 — Υπεραπλούστευση. Ένας μεταπτυχιακός φοιτητής ζήτησε από την τεχνητή νοημοσύνη να συνοψίσει μια περίπλοκη θεωρητική εργασία. Η περίληψη εξήγησε την έννοια σωστά αλλά πολύ ρηχά, και έχασε έναν σημαντικό περιορισμό. Ο μαθητής χρησιμοποίησε την περίληψη ως «χάρτη» και διάβασε ο ίδιος το άρθρο. βρήκε τον περιορισμό που παραλείφθηκε και τον χρησιμοποίησε στην ενότητα συζήτησης. Η τεχνητή νοημοσύνη έχει κάνει την ανάγνωση πιο γρήγορη, αλλά δεν έχει αντικαταστήσει την ανάγνωση.
Αντιγράψιμα πρότυπα
1) Σύνοψη δομημένου ενιαίου άρθρου:
Συνοψίστε το ακόλουθο κείμενο του άρθρου με τις ακόλουθες επικεφαλίδες: - Ερώτηση/σκοπός της έρευνας- Μέθοδος (σχέδιο, δείγμα, μέτρηση) - Κύρια ευρήματα (με κατεύθυνση και μέγεθος) - Ερμηνεία συγγραφέων- ΌριαΧρησιμοποιήστε μόνο ό,τι ΓΡΑΦΕΙ στο κείμενο. Αν λείπει, γράψτε "δεν αναφέρεται στο κείμενο". Το εύρημα ΑΠΟΤΥΧΕ. Κείμενο: [επικόλληση πλήρους κειμένου]
2) Πρόχειρο λογοτεχνικό πίνακα:
Ακολουθεί μια δομημένη περίληψη 6 άρθρων. Μετατρέψτε τα σε μια βιβλιογραφική μήτρα: row=study, column=[autor-year, σκοπός, μέθοδος, δείγμα, κύριο εύρημα, όριο]. Αφήστε μια κενή στήλη για το "ο βαθμός μου". Χρησιμοποιήστε μόνο τις πληροφορίες στην περίληψη που παρείχα. Περιλήψεις: [επικόλληση]
3) Λίστα ελέγχου κριτικής ανάγνωσης:
Δημιουργήστε μια λίστα με ερωτήσεις κριτικής ανάγνωσης για το ακόλουθο άρθρο: όσον αφορά την επάρκεια του δείγματος, την εγκυρότητα μέτρησης, την εσωτερική/εξωτερική εγκυρότητα, τον ισχυρισμό της αιτιότητας και την παρέκταση του συγγραφέα από τα δεδομένα του. Ας είναι αυτές οι ερωτήσεις που θα χρησιμοποιήσω για να αξιολογήσω το κείμενο. Κείμενο: [επικόλληση]
4) Περίγραμμα θεματικής σύνθεσης:
Συνθέστε τις περιλήψεις των παρακάτω 6 μελετών σε 3-4 ΚΟΙΝΗ ΘΕΜΑΤΑ. Σε κάθε θέμα, υποδείξτε ποιες μελέτες συμφωνούν, ποια σύγκρουση και τον πιθανό λόγο. Αυτό είναι ένα ΣΧΕΔΙΟ. Θα επαληθεύσω κάθε αξίωση από το πρωτότυπο. Περιλήψεις: [επικόλληση]
Αδύναμη προτροπή / Ισχυρή προτροπή
Αδύναμη προτροπή:
Τι λέει αυτό το άρθρο; [τίτλος]
Ακριβώς επειδή δίνεται ο τίτλος, το AI συνθέτει το περιεχόμενο. Η περίληψη είναι φανταστική.
Ισχυρή προτροπή:
Επικολλώ το πλήρες κείμενο του άρθρου παρακάτω. Συνοψίστε με τις ακόλουθες επικεφαλίδες: σκοπός, μέθοδος, δείγμα, κύριο εύρημα (κατεύθυνση + μέγεθος), όρια. Χρησιμοποιήστε μόνο τις πληροφορίες στο κείμενο. Γράψτε "απροσδιόριστο" όπου δεν βρίσκεται. Προσθέστε μια λίστα με "αριθμητικές αξιώσεις που πρέπει να επαληθευτούν" στο τέλος.[πλήρες κείμενο]
Αναζήτηση
Συνεισφορά του AI
Η επαλήθευση σας
Περίληψη μεμονωμένου άρθρου
Γρήγορο δομημένο σχέδιο
Επιβεβαιώστε το εύρημα/τον αριθμό από το κείμενο
Μήτρα λογοτεχνίας
Συνεπής επιτραπέζιος σκελετός
Κάθε κελί + τη δική σας σημείωση
Κριτικές ερωτήσεις ανάγνωσης
λίστα υπενθυμίσεων
Κρίση και αξιολόγηση
θεματική σύνθεση
πρόχειρη συγχώνευση
Επαληθεύστε τις αντιφάσεις από το κείμενο
Συνήθη λάθη
- Ζητώντας περίληψη με τίτλο. Η περίληψη χωρίς κείμενο παράγει κατασκευασμένα ευρήματα.
- Σύνθεση του ευρήματος χωρίς επαλήθευση. Μια παραμορφωμένη περίληψη καταρρέει ολόκληρο το επιχείρημα.
- Χρησιμοποιώντας την περίληψη ως παραπομπή. Η πηγή είναι το αρχικό κείμενο. είναι η συνοπτική σας σημείωση.
- Ανάθεση κριτικής ανάγνωσης στο AI. Η τελική επιστημονική κρίση είναι δική σας.
- Βασιζόμενος σε υπερβολικά απλοϊκή περίληψη. Οι κρίσιμοι περιορισμοί μπορούν να παρακαμφθούν. Διαβάστε μόνοι σας το σύνθετο κείμενο.
Συμβουλή: Στο τέλος κάθε περίληψης, ζητήστε από το AI μια λίστα με «αριθμητικούς ισχυρισμούς που πρέπει να επαληθευτούν». Αυτή η λίστα σάς παρέχει έτοιμες ποιες προτάσεις να συγκρίνετε με το αρχικό κείμενο και επιταχύνει την επαλήθευση.
Συνοπτικά
Η τεχνητή νοημοσύνη επιταχύνει σημαντικά την ανάγνωση και τη σύνοψη: παραγωγή δομημένων περιλήψεων, πινάκων λογοτεχνίας, περιγραμμάτων σύνθεσης και κριτικών ερωτήσεων ανάγνωσης. Αλλά η περίληψη δεν αντικαθιστά την πηγή. Κάθε αριθμός και αξίωση επαληθεύεται από το αρχικό κείμενο για να αποφευχθεί ο κίνδυνος παραμόρφωσης και κατασκευασμένων ευρημάτων. Η ευθύνη για τη σύνθεση και την κριτική κρίση παραμένει σε εσάς. Ο συντομότερος εμπειρικός κανόνας: περίληψη από την τεχνητή νοημοσύνη, επαλήθευση και σύνθεση από εσάς.
Εργασία εφαρμογής
Επιλέξτε 4 άρθρα από το δικό σας έργο. Εκτελέστε την προτροπή "δομημένη σύνοψη" παραπάνω για καθένα σε πλήρες κείμενο. Στη συνέχεια, δημιουργήστε ένα προσχέδιο της μήτρας της βιβλιογραφίας και συμπληρώστε μόνοι σας τη στήλη «ο βαθμός μου». Συγκρίνετε τουλάχιστον μία ευρισκόμενη πρόταση σε κάθε περίληψη με το κύριο κείμενο και ελέγξτε αν είναι σωστή. Εάν εντοπίσετε μια παραμόρφωση, σημειώστε την.
λίστα ελέγχου
- [ ] Έχω παράσχει το πλήρες κείμενο του άρθρου για την περίληψη;
- [ ] Έχω επαληθεύσει κάθε εύρημα και αριθμό από το αρχικό κείμενο;
- [ ] Έχω προσθέσει τη δική μου σημείωση στη μήτρα της λογοτεχνίας;
- [ ] Απάντησα στις ερωτήσεις κριτικής ανάγνωσης με τη δική μου κρίση;
- [ ] Έχω αποδώσει κάθε ισχυρισμό στη σύνθεση στην πηγή;