Ganancias:
- Capacidad para utilizar la inteligencia artificial no como fuente de información sino como herramienta para mapear temas, generar términos de búsqueda y resumir textos determinados.
- Capacidad para verificar cada fuente sugerida en el catálogo y proteger contra el riesgo de citas ficticias.
- Capacidad para distinguir entre fuentes primarias y secundarias y verificar cada fecha y hecho con al menos dos fuentes confiables.
La investigación literaria consiste en establecer la información en torno a un texto: qué época escribió un autor, a qué movimiento adhiere, cómo fue recibida una obra, quién dijo qué sobre un tema. Este trabajo requiere escanear, leer y sintetizar (combinar información dispersa en un todo coherente) de múltiples fuentes. La IA es un poderoso acelerador en este campo, pero también es una de las áreas donde es más peligrosa; porque la IA puede producir con confianza fuentes inexistentes, fechas incorrectas e información codificada.
La esencia de esta unidad en una sola frase es la siguiente: utilizar la IA como una “herramienta de organización e inducción a la investigación”, no como una “fuente de información”; Cada dato, fecha y fuente no se ingresa en ninguna parte sin la verificación de la fuente principal confiable.
¿Por qué la IA no es una fuente de conocimiento?
La IA es una máquina de predicción de texto, no una biblioteca real. Cuando usted hace una pregunta, produce la respuesta que "le parece más probable"; Él no sabe si esta respuesta es correcta o no y no puede garantizársela. Además, el conocimiento de la IA tiene una fecha límite (la fecha en la que el modelo se queda sin datos para entrenar); No sabe qué sucederá después de esa fecha y la información anterior a esa fecha también puede ser incorrecta. Por lo tanto:
- No utilice un año de publicación proporcionado por YZ sin verificarlo.
- No incluyas una fuente sugerida por AI en tu bibliografía sin confirmar que realmente existe.
- No transmita la "información" de la IA sobre un autor sin cotejarla con una enciclopedia o una publicación revisada por pares.
Precaución: las bibliografías generadas por IA son particularmente riesgosas. La IA puede combinar el nombre de un autor real con un título realista y un año realista para producir un recurso que nunca existió. Esto se llama "atribución fantasma" y es un grave error en el mundo académico. Verifique cada fuente con el catálogo de la biblioteca o una base de datos confiable.
Usar correctamente la IA en la investigación
La IA es realmente útil en las siguientes etapas de la investigación:
- Mapeo del tema: "¿Qué subtemas, qué debates hay sobre este tema?" Un mapa de inicio rápido para la pregunta.
- Generación de términos de búsqueda: Diversificar las palabras clave que buscará en bibliotecas y bases de datos.
- Resumir lo que leíste: resumir y comparar textos reales que TÚ proporcionaste.
- Esquema de síntesis: organizar sus notas verificadas en un esquema coherente.
- Contrapregunta: “¿Cuál podría ser la debilidad de esta tesis?” No pongas a prueba el pensamiento diciendo.
Ojo: en todas estas etapas, la información proviene de ti o de una fuente confiable; La IA regula y acelera, no produce.
Consejo: en lugar de hacer que la IA "explique" un tema, proporciónele textos confiables que haya encontrado y haga que los resuma y compare. De esta forma, te basarás en la fuente que has verificado, en lugar de en la información que la IA ha memorizado (que puede ser errónea).
tres mini casos
Caso 1: El mapeo de temas aceleró la investigación. Un investigador recibió un mapa de subtítulos de la IA al ingresar a un tema nuevo. De los 12 subtítulos, 9 funcionaron y 3 eran irrelevantes. El mapa mostraba dónde empezar la búsqueda en la biblioteca; Pero la información bajo cada título fue escaneada de fuentes reales.
Caso 2: Se detectaron tres fuentes ficticias. Un estudiante buscó en el catálogo de la biblioteca 8 recursos sugeridos por YZ. 3 no existían en absoluto, 1 se atribuyó a un autor equivocado, 4 eran reales. El estudiante utilizó sólo 4 fuentes confirmadas y sufrió un desastre de atribución ficticia.
Caso 3 — Fecha incorrecta corregida en síntesis. En una tesis de maestría, AI atribuyó el inicio de una tendencia al año equivocado. El estudiante corrigió la fecha luego de cotejarla con dos fuentes confiables. Si se confiara en una sola fuente (IA), quedaría un error fundamental en la tesis.
Caso 4: Regresar a la fuente primaria cambió la interpretación. Un investigador citó una frase de un poeta de un artículo de reseña (fuente secundaria). Cuando volvió al libro del poeta (la fuente principal), descubrió que el artículo había citado la línea de forma incompleta y esto había cambiado la interpretación. La disciplina de volver a la fuente primaria impidió una inferencia basada en una cita falsa.
Cuatro plantillas copiables
1) Mapeo de temas:
Su función: consultor de investigación literaria. Qué subtítulos y ejes de discusión puede haber sobre el siguiente tema: [tema]. Cree un MAPA solo para comenzar su investigación; NO RECLAME información, fechas o fuentes precisas. Marque cada título como "para ser verificado en la biblioteca".
2) Resumiendo la fuente proporcionada (forma segura):
A continuación se muestra un texto confiable que encontré. Basado únicamente en este texto: tesis principal, evidencia utilizada y puntos controvertidos. Agregando información que no está en el texto, hablando desde tu propia memoria. Texto: [pegar texto]
3) Disciplina de verificación de fuente:
Te daré una lista de recursos. Para cada recurso: verifique que la cita sea estilísticamente consistente. ADVERTENCIA: No puede verificar si un recurso realmente existe; dime cómo buscar cada recurso en el catálogo de la biblioteca. Finalización de la impresión de ajuste. Lista: [pegar lista]
4) Hipótesis contraria:
Genere los argumentos más sólidos en contra de mi declaración de tesis a continuación. Dime qué tipo de fuentes pueden refutar esta tesis. Mi objetivo es fortalecer mi tesis. Producir sólo objeciones lógicas; citar fuentes inventadas. Tesis: [escribe tu tesis]
Aviso débil / Aviso fuerte
Débil: "Dame 10 fuentes sobre este tema".
Güçlü: "Dígame qué tipo de fuentes (artículo revisado por pares, artículo de enciclopedia, tesis, libro confiable) y con qué palabras clave debo buscar investigaciones sobre este tema. No produzca ninguna cita que no esté seguro de que exista; en su lugar, deme una estrategia de búsqueda efectiva. Resumiré y verificaré las fuentes que encuentre más adelante para usted".
El poderoso mensaje evita que la IA genere recursos imaginarios y la utiliza como "estratega de búsqueda". Una motivación débil invita directamente al riesgo de una atribución ficticia.
Fase de investigación y tabla de verificación.
etapa
Rol de la IA
verificación
mapeo de temas
Sugiere subtítulo
Escanear desde la biblioteca
Término de búsqueda
Diversifica la palabra.
intentando
abastecimiento
poco confiable
Confirmación de catálogo/base de datos
resumen de texto
Fuerte (en el texto dado)
Comparación con el texto
síntesis
Borradores de diseños
juicio humano
fecha/hecho
poco confiable
Al menos dos fuentes
Separación de fuentes primarias y secundarias.
En la investigación, separar las fuentes en dos tipos es la base de la verificación. Fuente primaria (un evento, obra o fenómeno en sí; el original del texto en estudio; por ejemplo, el propio libro de poesía de un poeta, la carta de un escritor, un periódico de una época). Fuente secundaria (una reseña, crítica o comentario posterior sobre la fuente primaria; por ejemplo, un artículo que analiza la obra de un poeta). En la investigación literaria, la autoridad real es la fuente principal: si estás hablando de una línea, debes tomarla del poema mismo, no de un artículo de segunda mano.
Aquí es donde la IA es más peligrosa: cumple "recordando" una línea, una trama o una fecha; pero esto es un recuerdo de segunda o incluso de tercera mano, a menudo confuso. Entonces, la regla es clara: siempre confirme la afirmación de una fuente primaria (una cita, una línea, un evento) de la fuente primaria misma. Utilice la IA para mapear qué tipos de argumentos podrían encontrarse en la literatura secundaria y para resumir los textos secundarios reales que proporciona.
Consejo: antes de utilizar una información, pregunte: "¿Es esta una afirmación primaria o secundaria?" Si es principal, regrese al texto original; Si es secundario, basarse en una publicación real y verificada. Nada de lo que la IA “recuerde” sustituye a estos dos tipos de recursos.
Errores comunes
- Confundir la IA con una fuente de información. La IA produce predicciones; No es una fuente.
- Usar fuentes recomendadas sin confirmarlas. La atribución ficticia es el error con mayor riesgo.
- Obtener fechas de una sola fuente. Verifique con al menos dos fuentes confiables.
- Confiando en la memorización de la IA. Da tus propios textos confiables y resúmelos.
- Olvidar la fecha límite. Es posible que la IA no conozca los acontecimientos actuales.
En resumen
IA en la investigación literaria; Es una poderosa ayuda para mapear temas, generar términos de búsqueda, resumir y sintetizar textos determinados. Pero no es una fuente de información: nunca utilices fechas, hechos y sobre todo fuentes sin verificarlas. La atribución imaginaria es la trampa más peligrosa de este campo. Posicionar la IA como una herramienta para organizar y acelerar, y la fuente confiable como el verdadero lugar de la información.
Tarea de aplicación
Elija un tema de investigación. Obtenga un mapa inicial de AI con la plantilla de "mapeo de temas". Luego intenta que la IA te recomiende 5 recursos y busque cada uno en el catálogo de la biblioteca; Cuente cuántos existen realmente. Escriba esta experiencia en un párrafo: ¿Dónde fue útil la IA y dónde no fue confiable?
lista de verificación
- [] Utilicé la IA como herramienta de investigación, no como fuente de información.
- [ ] Confirmé la existencia de cada recurso en el catálogo.
- [] Verifiqué cada fecha y hecho con al menos dos fuentes.
- [] Di mis propios textos confiables y los resumí.
- [ ] Yo mismo establecí la síntesis y el juicio.