Κέρδη:
- Δυνατότητα χρήσης τεχνητής νοημοσύνης για μορφοποίηση και υποστήριξη παραπομπών εντός κειμένου σε στυλ παραπομπών όπως APA, IEEE, Vancouver και MLA
- Δυνατότητα ανίχνευσης παραπομπών που δημιουργούνται από τεχνητή νοημοσύνη (παραισθήσεις) και επαλήθευσης κάθε πηγής μέσω DOI, αποτύπωσης και βάσης δεδομένων
- Δυνατότητα δημιουργίας μιας αξιόπιστης ροής εργασιών βιβλιογραφίας χρησιμοποιώντας τεχνητή νοημοσύνη με εργαλεία διαχείρισης αναφοράς όπως το Zotero και το Mendeley
Η παραπομπή είναι η πιο συγκεκριμένη έκφραση ακαδημαϊκής ακεραιότητας: αναφέροντας ειλικρινά την πηγή κάθε ιδέας, δεδομένων και ισχυρισμού, δίνετε τα εύσημα σε προηγούμενους ερευνητές και δίνετε τη δυνατότητα στον αναγνώστη να επαληθεύσει τους ισχυρισμούς σας. Η ακριβής και συνεπής παραπομπή είναι το πρόσωπο της αξιοπιστίας ενός άρθρου. Η τεχνητή νοημοσύνη προσφέρει ειδική βοήθεια σε εργασίες αναφορών: μορφοποίηση στυλ, διάταξη παραπομπών εντός κειμένου, μορφοποίηση βιβλιογραφίας. Αλλά η βασική προειδοποίηση αυτής της ενότητας είναι η πιο κρίσιμη πρόταση ολόκληρης της ενότητας: Η τεχνητή νοημοσύνη δημιουργεί αποδόσεις που φαίνονται πραγματικές αλλά δεν υπάρχουν (παραισθησιολογική απόδοση). Κάθε πηγή δεν μπορεί να χρησιμοποιηθεί χωρίς ανεξάρτητη επαλήθευση μέσω DOI και βάσης δεδομένων.
Στυλ απόδοσης και ο ασφαλής ρόλος της τεχνητής νοημοσύνης
Διαφορετικά πεδία χρησιμοποιούν διαφορετικά στυλ παραπομπών. APA (ψυχολογία, εκπαίδευση, κοινωνικές επιστήμες — έτος συγγραφέα), MLA (ανθρωπιστικές επιστήμες), Βανκούβερ (ιατρική — αριθμημένη), IEEE (μηχανική — αριθμός με παρένθεση), Σικάγο (ιστορία, μικτή). Κάθε στυλ έχει τη δική του μορφή αναφοράς και βιβλιογραφίας εντός κειμένου: σημεία στίξης, σειρά, πλάγια γράμματα, κανόνες συντομογραφίας. Η τεχνητή νοημοσύνη γνωρίζει καλά αυτούς τους επίσημους κανόνες και εάν έχετε ήδη τις σωστές πληροφορίες αποτύπωσης, μπορεί να χρησιμοποιηθεί με ασφάλεια για τη μορφοποίησή τους στο επιθυμητό στυλ. Επομένως, ο ασφαλής ρόλος του AI είναι να μεταφράζει ή να μορφοποιεί το αυθεντικό και επαληθευμένο byline σας από το ένα στυλ στο άλλο — όχι να βρίσκει ή να θυμάται την πηγή.
Ο κίνδυνος ξεκινά με το να πούμε στην τεχνητή νοημοσύνη να "προτείνει μια πηγή για αυτό το θέμα" ή "να προσθέσει μια αναφορά σε αυτόν τον ισχυρισμό". Αντί να θυμάται μια πραγματική πηγή εκείνη τη στιγμή, το AI δημιουργεί ένα όνομα συγγραφέα, έτος, περιοδικό και ακόμη και ένα DOI που φαίνεται επίσημα έγκυρο, λέγοντας ότι "μπορεί να υπάρχει ένα τέτοιο άρθρο" στατιστικά. Αυτές οι ετικέτες είναι τόσο ρεαλιστικές που δεν μπορούν να διακριθούν με το μάτι. Ο μόνος τρόπος είναι η επαλήθευση. Αυτός ο κίνδυνος δεν είναι θεωρητικός: δημοσιευμένες μελέτες έχουν δείξει ότι ένα σημαντικό μέρος των αναφορών που παράγονται από γλωσσικά μοντέλα είναι είτε εξ ολοκλήρου κατασκευασμένες είτε λάθος συναρμολογημένες από πραγματικά εξαρτήματα. Το όνομα ενός πραγματικού συγγραφέα μπορεί να συνδυαστεί με τον τίτλο ενός πραγματικού περιοδικού και τον τίτλο ενός ανύπαρκτου άρθρου. Τα μέρη είναι γνωστά, το σύνολο είναι ψεύτικο.
Προσοχή: Ακόμη και ένα DOI που φαίνεται επίσημα έγκυρο μπορεί να κατασκευαστεί. Αναλύστε το DOI μέσω https://doi.org/: ισχύει εάν πηγαίνει σε ένα πραγματικό άρθρο και το byline ταιριάζει. Αν λέει "DOI not found" είναι ψεύτικο.
Εργαλεία διαχείρισης επαλήθευσης και αναφοράς
Η αλυσίδα επικύρωσης για κάθε παραπομπή είναι: (1) αναζήτηση για την αναφορά σε μια βάση δεδομένων (Google Scholar, Scopus, PubMed, CrossRef). (2) ανάλυση DOI. (3) ελέγξτε ότι ο συγγραφέας, το έτος, ο τίτλος και το περιοδικό ταιριάζουν. (4) το πιο σημαντικό, επαληθεύστε από το κείμενο ότι η πηγή υποστηρίζει πραγματικά τον ισχυρισμό που αποδίδετε. Το τέταρτο βήμα συχνά παραλείπεται: η πηγή μπορεί να υπάρχει αλλά να μην λέει αυτό που λέτε. Το AI μπερδεύει και τα δύο.
Τα εργαλεία διαχείρισης αναφοράς καθιστούν αυτή τη δουλειά ασφαλή. Οι Zotero και Mendeley (δωρεάν), EndNote (θεσμικός) αποθηκεύουν το άρθρο απευθείας από τη βάση δεδομένων στη βιβλιοθήκη σας με την πραγματική του αναφορά και παράγουν αναφορές εντός κειμένου και βιβλιογραφία με το στυλ που θέλετε. Η ασφαλέστερη ροή εργασίας είναι η εξής: εισάγετε πόρους σε αυτά τα εργαλεία από τη βάση δεδομένων και όχι από την τεχνητή νοημοσύνη. Χρησιμοποιείτε AI μόνο για επίσημες ερωτήσεις (διαφορά στυλ, διόρθωση πεδίου που λείπει σε αποτύπωμα). Έτσι, η βιβλιογραφία δημιουργείται από πραγματικά αρχεία, δεν μπορούν να συμπεριληφθούν κατασκευασμένες παραπομπές.
CrossRef, απόσυρση και υγιεινή αποτύπωσης
Η υποδομή πίσω από την επικύρωση DOI είναι καταχωρητές όπως το CrossRef. Όταν αναλύετε ένα DOI μέσω του doi.org, πλοηγείστε σε αυτές τις εγγραφές. Τα εργαλεία αναζήτησης και οι υπηρεσίες "αναζήτησης μεταδεδομένων" του CrossRef μπορούν να χρησιμοποιηθούν για την εύρεση του πραγματικού DOI ενός κειμένου ή τίτλου. Αυτός είναι ένας αξιόπιστος τρόπος για να μάθετε την αλήθεια του αποτυπώματος που μπορεί να δημιουργήσει το AI. Η αναζήτηση σε μια βάση δεδομένων για τον τίτλο σε εισαγωγικά πριν από την προσθήκη μιας γραμμής θα αποκαλύψει τις περισσότερες ψευδείς αποδόσεις σε δευτερόλεπτα.
Μια πτυχή της επαλήθευσης που συχνά παραβλέπεται είναι ο έλεγχος ανάκλησης: μια εργασία μπορεί να έχει ανακληθεί μετά τη δημοσίευση λόγω σοβαρού λάθους ή ηθικών παραβιάσεων. Η αναφορά μιας ανακληθείσας μελέτης σαν να ήταν έγκυρη αποδυναμώνει το επιχείρημά σας. Η βάση δεδομένων Retraction Watch και οι προειδοποιητικές ετικέτες σε σελίδες άρθρων πολλών εκδοτών το δείχνουν αυτό. Ελέγξτε τις βασικές πηγές σας και από αυτή την άποψη. Τέλος, προσέξτε την αποτύπωση "υγιεινή": σωστή σειρά και ορθογραφία των ονομάτων των συγγραφέων, πλήρης μορφή του ονόματος του περιοδικού (όχι συντομογραφία, εάν το στυλ δεν το απαιτεί), πληρότητα τόμου-τεύχος-σελίδα και DOI. Η τεχνητή νοημοσύνη είναι χρήσιμη για την καταγραφή ασυνεπειών μορφοποίησης σε αυτούς τους τομείς, αλλά οι ακριβείς πληροφορίες προέρχονται πάντα από την πραγματική εγγραφή.
τρεις μίνι θήκες
Περίπτωση 1 — Ψεύτικο DOI. Ένας ερευνητής ζήτησε από την τεχνητή νοημοσύνη για την "κατάλληλη απόδοση" σε μια αξίωση και έλαβε το byline με το DOI του. Όταν ανέλυσα το DOI στο doi.org, εμφανίστηκε ως "δεν βρέθηκε". Το όνομα του συγγραφέα ήταν πραγματικό, αλλά δεν υπήρχε άρθρο με αυτόν τον τίτλο. Το AI είχε επισυνάψει ένα άρθρο που δεν υπήρχε σε έναν υπάρχοντα συγγραφέα. Ο ερευνητής βρήκε την πραγματική πηγή στο Scholar και πρόσθεσε το byline με το Zotero.
Περίπτωση 2 — Η πηγή υπάρχει αλλά δεν την υποστηρίζει. Ένας μαθητής επαλήθευσε ένα άρθρο που πρότεινε η AI: ήταν πραγματικό, το DOI λειτουργούσε. Όταν όμως άνοιξε το άρθρο και το διάβασε, είδε ότι η πρόταση του δεν περιείχε το πόρισμα που ισχυριζόταν. Το AI δεν ταίριαζε με την πηγή. Ο μαθητής αφαίρεσε την αναφορά. Μάθημα: Δεν αρκεί να υπάρχει η πηγή, επαληθεύεται επίσης αν υποστηρίζει τον ισχυρισμό.
Περίπτωση 3 — Ασφαλής χρήση μετάφρασης στυλ. Ένας ερευνητής είχε 40 πηγές δεδομένων για το Zotero, αλλά το περιοδικό ήθελε το Βανκούβερ αντί για το APA. Ο Zotero μετέφρασε αυτόματα το στυλ. Σε μερικά διστακτικά σημεία ρώτησε την τεχνητή νοημοσύνη «πώς γράφω αυτό το byline στο Βανκούβερ;» Αυτό ήταν απολύτως ασφαλές αφού οι πηγές ήταν ήδη αληθινές. Το AI βοήθησε μόνο να διαμορφωθεί.
Αντιγράψιμα πρότυπα
1) Μορφοποίηση στυλ (από την πραγματική αποτύπωση):
Παρακάτω είναι οι επαληθευμένες πληροφορίες αποτύπωσης που ΕΧΩ. Μορφοποιήστε τα σε στυλ APA 7. ΠΡΟΣΘΗΚΗ νέας πηγής, ΤΟΠΟΘΕΤΗΣΗ αποτύπωσης. Απλώς μορφοποιήστε τις πληροφορίες που σας δίνω. Αποτυπώματα: [συγγραφέας, έτος, τίτλος, περιοδικό, τόμος, σελίδα, DOI ...]
2) Πίνακας ελέγχου επικύρωσης:
Δημιουργήστε έναν κενό πίνακα επικύρωσης για την ακόλουθη λίστα παραπομπών:[Όχι, Συγγραφέας, Έτος, Τίτλος, DOI, Found in Scholar;, Υποστηρίζει τον ισχυρισμό;]. ΔΕΝ Επαληθεύετε. Θα το συμπληρώσω χειροκίνητα. Λίστα: [επικόλληση παραπομπών]
3) Μετάφραση στυλ:
Γράψτε την επαληθευμένη αναφορά παρακάτω σε στυλ APA 7 και Βανκούβερ, εξηγώντας εν συντομία τις διαφορές. Το αποτύπωμα είναι πραγματικό. αλλαγή πληροφοριών. Αποτύπωμα: [επικόλληση]
4) Σειρά αναφοράς εντός κειμένου:
Στην επόμενη παράγραφο, τακτοποιήστε τις παραπομπές εντός κειμένου σύμφωνα με τις οδηγίες APA 7 (αριθμός συγγραφέων, σύμβαση et al., σειρά πολλαπλών παραπομπών). ΠΡΟΣΘΗΚΗ/ΚΑΤΑΡΓΗΣΗ Πηγής. απλώς διορθώστε τη μορφοποίηση των υπαρχουσών παραπομπών. Παράγραφος: [επικόλληση]
Αδύναμη προτροπή / Ισχυρή προτροπή
Αδύναμη προτροπή:
Προσθέστε 3 ακαδημαϊκές πηγές σε αυτήν την πρόταση. [πρόταση]
Η τεχνητή νοημοσύνη δημιουργεί τρία ψεύτικα αποτυπώματα. Όλα φαίνονται ρεαλιστικά αλλά μπορεί να μην υπάρχουν.
Ισχυρή προτροπή:
Παρακάτω είναι τα αναγνωριστικά 3 πηγών που ΕΧΩ ΗΔΗ ΒΡΕΙ ΚΑΙ ΕΠΑΛΗΘΕΥΣΑ. Τοποθετήστε τις ως παραπομπές εντός κειμένου APA 7 σε προτάσεις και γράψτε εγγραφές βιβλιογραφίας. Πρόταση νέων πηγών, δημιουργία αποτυπωμάτων. Πρόταση: [...]Αποτυπώματα: [πραγματικά αποτυπώματα]
επιχείρηση
Είναι ασφαλές;
κανόνας
Μορφοποίηση του πραγματικού αποτυπώματος
Ναι
Αλλαγή πληροφοριών
Μετάφραση μεταξύ στυλ
Ναι
Το αποτύπωμα έχει ήδη επαληθευτεί
Διάταξη αναφοράς εντός κειμένου
Ναι
Χωρίς προσθήκη/αφαίρεση πόρων
"Πρόταση/προσθήκη πηγών"
όχι
Κίνδυνος κατασκευασμένης απόδοσης
Ζητείται η δημιουργία DOI
όχι
Κίνδυνος πλαστού DOI
Συνήθη λάθη
- Ζητώντας πόρους από το AI. Η κατασκευασμένη απόδοση είναι το πιο καταστροφικό λάθος στον ακαδημαϊκό χώρο. οδηγεί σε απόσυρση.
- Δεν γίνεται ανάλυση του DOI. Ένα φαινομενικά έγκυρο DOI μπορεί να είναι δόλιο. Δοκιμάστε το στο doi.org.
- Υποθέτοντας ότι η υπάρχουσα πηγή υποστηρίζει τον ισχυρισμό. Ακόμα κι αν η πηγή είναι πραγματική, μπορεί να μην ταιριάζει.
- Μη χρήση εργαλείου αναφοράς. Η χειροκίνητη καταχώριση αποτυπωμάτων ενέχει τον κίνδυνο τόσο σφάλματος όσο και κατασκευής.
- Δεν ελέγχοντας τους κανόνες του στυλ έναν προς έναν. Η ασυνεπής βιβλιογραφία υπονομεύει την εμπιστοσύνη.
Συμβουλή: Χρυσός κανόνας: "Πηγή από βάση δεδομένων και Zotero, μορφή από AI." Μην ανακτάτε ποτέ τους ίδιους τους πόρους από τη μνήμη του AI. Χρησιμοποιήστε AI μόνο για να επεξεργαστείτε πραγματικές ετικέτες.
Συνοπτικά
Η αναφορά είναι το συγκεκριμένο πρόσωπο της ακαδημαϊκής ακεραιότητας. Το AI μπορεί να χρησιμοποιηθεί με ασφάλεια για τη μορφοποίηση των πραγματικών και επαληθευμένων αποτυπωμάτων σας στο στυλ που θέλετε. Αλλά αν χρησιμοποιείται για την εύρεση πηγών, παράγει ψευδείς αναφορές. Αυτός είναι ο πιο κρίσιμος κίνδυνος της ενότητας. Επαληθεύστε κάθε πηγή έναντι DOI και βάσης δεδομένων, επαληθεύστε ότι υποστηρίζει την αξίωση και διαχειριστείτε τις πηγές σας από την πραγματική εγγραφή με εργαλεία όπως το Zotero/Mendeley. Ο συντομότερος εμπειρικός κανόνας: η πηγή προέρχεται από την πραγματική εγγραφή, η μορφή προέρχεται από το AI, η επικύρωση είναι από εσάς.
Εργασία εφαρμογής
Προσθέστε τις 5 πραγματικές πηγές σας σε ένα εργαλείο αναφοράς (Zotero/Mendeley) και δημιουργήστε μια βιβλιογραφία σε στυλ APA και IEEE. Στη συνέχεια, κάντε ένα πείραμα: Πείτε στο AI να "προτείνει 3 πηγές" για το θέμα σας και ελέγξτε τις προτεινόμενες αναφορές μία προς μία με ανάλυση DOI. Σημειώστε πόσα αποδεικνύονται αληθινά και πόσα είναι ψεύτικα. Αυτό σας δίνει μια συγκεκριμένη εικόνα του κινδύνου ψευδούς απόδοσης.
λίστα ελέγχου
- [ ] Έχω επαληθεύσει κάθε πηγή μέσω DOI και βάσης δεδομένων;
- [ ] Έχω επιβεβαιώσει ότι η πηγή υποστηρίζει πραγματικά τον ισχυρισμό που απέδωσα;
- [ ] Πήρα τις πηγές από το πραγματικό αρχείο και όχι από το AI;
- [ ] Χρησιμοποίησα εργαλείο διαχείρισης αναφοράς;
- [ ] Έχω εφαρμόσει το στυλ αναφοράς με συνέπεια;