استناد و کتابشناسی: سبک ها، ابزارهای مدیریت، و خطر استناد ساختگی

سود:

• امکان استفاده از هوش مصنوعی برای قالب بندی و پشتیبانی از استناد درون متنی در سبک های استنادی مانند APA، IEEE، Vancouver و MLA
• امکان تشخیص استنادهای ساخته شده توسط هوش مصنوعی (توهمات) و تأیید هر منبع از طریق DOI، imprint و پایگاه داده
• امکان ایجاد یک گردش کار کتابشناسی قابل اعتماد با استفاده از هوش مصنوعی با ابزارهای مدیریت مرجع مانند Zotero و Mendeley

استناد ملموس‌ترین بیان صداقت دانشگاهی است: با ذکر صادقانه منبع هر ایده، داده و ادعا، هم به محققان قبلی اعتبار می‌دهید و هم خواننده را قادر می‌سازید تا ادعاهای خود را تأیید کند. استناد دقیق و منسجم چهره اعتبار یک مقاله است. هوش مصنوعی در وظایف استناد کمک خاصی ارائه می دهد: قالب بندی سبک، طرح استناد درون متنی، قالب بندی کتابشناسی. اما هشدار اصلی این واحد، مهم‌ترین جمله کل ماژول است: هوش مصنوعی اسنادی را می‌سازد که واقعی به نظر می‌رسند اما وجود ندارند (اسناد توهم‌آمیز). هر منبع را نمی توان بدون تأیید مستقل از طریق DOI و پایگاه داده استفاده کرد.

سبک های اسناد و نقش ایمن هوش مصنوعی

فیلدهای مختلف از سبک های نقل قول متفاوتی استفاده می کنند. APA (روانشناسی، آموزش، علوم اجتماعی - سال نویسنده)، MLA (علوم انسانی)، ونکوور (پزشکی - شماره گذاری شده)، IEEE (مهندسی - شماره پرانتز)، شیکاگو (تاریخ، ترکیبی). هر سبک استناد درون متنی و قالب کتابشناسی خود را دارد: نقطه گذاری، ترتیب، مورب، قوانین مخفف. هوش مصنوعی این قوانین رسمی را به خوبی می‌داند، و اگر اطلاعات چاپ صحیح را از قبل دارید، می‌توانید با خیال راحت از آن برای قالب‌بندی به سبک دلخواه استفاده کنید. بنابراین نقش ایمن هوش مصنوعی ترجمه یا قالب‌بندی خط‌های معتبر و تأیید شده شما از یک سبک به سبک دیگر است - نه یافتن یا به خاطر سپردن منبع.

این خطر با گفتن به هوش مصنوعی شروع می‌شود که «منبعی را در مورد این موضوع پیشنهاد کند» یا «یک مرجع به آن ادعا اضافه کند». به جای به خاطر سپردن یک منبع واقعی در آن لحظه، هوش مصنوعی یک نام نویسنده، سال، مجله و حتی یک DOI ایجاد می کند که به نظر رسمی می رسد معتبر است و از نظر آماری می گوید "ممکن است چنین مقاله ای وجود داشته باشد". این برچسب ها آنقدر واقعی هستند که نمی توان آنها را با چشم تشخیص داد. تنها راه تایید است. این خطر تئوری نیست: مطالعات منتشر شده نشان داده است که بخش قابل توجهی از منابع تولید شده توسط مدل‌های زبانی یا کاملاً ساخته شده‌اند یا به اشتباه از قطعات واقعی ساخته شده‌اند. نام یک نویسنده واقعی را می توان با عنوان یک مجله واقعی و عنوان یک مقاله ناموجود ترکیب کرد. قطعات آشنا هستند، کل جعلی است.

احتیاط: حتی یک DOI که به طور رسمی معتبر به نظر می رسد ممکن است ساخته شود. تجزیه DOI از طریق https://doi.org/: اگر به یک مقاله واقعی برود و خط فرعی مطابقت داشته باشد معتبر است. اگر می گوید "DOI یافت نشد" جعلی است.

ابزارهای تأیید و مدیریت مرجع

زنجیره اعتبارسنجی برای هر نقل قول عبارت است از: (1) جستجوی استناد در پایگاه داده (Google Scholar، Scopus، PubMed، CrossRef). (2) تجزیه و تحلیل DOI. (3) بررسی کنید که نویسنده، سال، عنوان، و مجله مطابقت دارند. (4) مهمتر از همه، از متن تأیید کنید که منبع واقعاً ادعایی را که شما نسبت داده اید پشتیبانی می کند. مرحله چهارم اغلب نادیده گرفته می شود: منبع ممکن است وجود داشته باشد اما آنچه شما می گویید را نگوید. هوش مصنوعی هر دو را گیج می کند.

ابزارهای مدیریت مرجع این کار را ایمن می کند. Zotero و Mendeley (رایگان)، EndNote (موسسه ای) مقاله را مستقیماً از پایگاه داده در کتابخانه شما با استناد واقعی آن ذخیره می کنند و استنادهای درون متنی و کتابشناسی را به سبک مورد نظر شما تولید می کنند. امن ترین گردش کار این است: شما منابع را از پایگاه داده به این ابزار وارد می کنید، نه از هوش مصنوعی. شما از هوش مصنوعی فقط برای سؤالات رسمی استفاده می کنید (تفاوت سبک، رفع فیلد گم شده در اثر). بنابراین، کتابشناسی از سوابق واقعی ایجاد شده است، هیچ استناد ساختگی نمی تواند گنجانده شود.

CrossRef، انصراف و بهداشت حک

زیرساخت پشت اعتبار DOI ثبت کننده هایی مانند CrossRef است. وقتی یک DOI را از طریق doi.org تجزیه می کنید، به این رکوردها می روید. ابزارهای جستجوی CrossRef و خدمات "جستجوی فراداده" را می توان برای یافتن DOI واقعی یک قطعه متن یا عنوان استفاده کرد. این یک راه قابل اعتماد برای کشف حقیقت اثری است که هوش مصنوعی می تواند ایجاد کند. جستجوی یک پایگاه داده برای عنوان در نقل قول قبل از افزودن یک خط فرعی، اکثر اسناد جعلی را در عرض چند ثانیه آشکار می کند.

جنبه ای که اغلب نادیده گرفته می شود تأیید، کنترل بازپس گیری است: ممکن است یک مقاله پس از انتشار به دلیل خطای جدی یا نقض اخلاقی پس گرفته شده باشد. استناد به یک مطالعه پس گرفته شده به عنوان معتبر بودن استدلال شما را ضعیف می کند. پایگاه داده Retraction Watch و برچسب های هشدار در صفحات مقالات بسیاری از ناشران این را نشان می دهد. منابع کلیدی خود را نیز در این زمینه بررسی کنید. در نهایت، به حک "بهداشت" توجه کنید: ترتیب و املای صحیح نام نویسندگان، فرم کامل نام مجله (و نه مخفف، در صورتی که سبک نیازی به آن نداشته باشد)، کامل بودن جلد - شماره - صفحه و DOI. هوش مصنوعی در تشخیص تناقضات قالب بندی در این زمینه ها مفید است، اما اطلاعات دقیق همیشه از ضبط واقعی به دست می آید.

سه کیف کوچک

مورد 1 - DOI جعلی. محققی از هوش مصنوعی درخواست «انتساب مناسب» به یک ادعا کرد و خط فرعی را با DOI آن دریافت کرد. وقتی DOI را در doi.org تجزیه کردم، به صورت "یافت نشد" ظاهر شد. نام نویسنده واقعی بود، اما مقاله ای با این عنوان وجود نداشت. هوش مصنوعی مقاله ای را ضمیمه کرده بود که به یک نویسنده موجود وجود نداشت. محقق منبع واقعی را در Scholar پیدا کرد و خط فرعی را با Zotero اضافه کرد.

مورد 2 - منبع وجود دارد اما آن را پشتیبانی نمی کند. یک دانش آموز مقاله ای را که توسط هوش مصنوعی پیشنهاد شده بود تأیید کرد: واقعی بود، DOI کار می کرد. اما وقتی مقاله را باز کرد و آن را خواند، دید که جمله او حاوی یافته ای نیست که ادعا می کرد. هوش مصنوعی با منبع مطابقت نداشت. دانش آموز مرجع را حذف کرد. درس: وجود منبع کافی نیست، در صورت تأیید ادعا نیز تأیید می شود.

مورد 3 - استفاده ایمن از ترجمه سبک. یک محقق 40 منبع واقعی در مورد Zotero داشت، اما مجله به جای APA، ونکوور را می‌خواست. زوترو به طور خودکار این سبک را ترجمه کرد. او در چند نقطه مردد از هوش مصنوعی پرسید: "چگونه این خط فرعی را در ونکوور بنویسم؟" این کاملاً ایمن بود زیرا منابع قبلاً واقعی بودند. هوش مصنوعی فقط به شکل گیری کمک کرد.

قالب های قابل کپی

1) قالب بندی سبک (از چاپ واقعی):

در زیر اطلاعات چاپ تایید شده ای است که من دارم. آنها را به سبک APA 7 فرمت کنید. افزودن منبع جدید، چاپ مناسب. فقط اطلاعاتی را که به شما می دهم فرمت کنید. آثار: [نویسنده، سال، عنوان، مجله، جلد، صفحه، DOI ...]

2) جدول کنترل اعتبارسنجی:

یک جدول اعتبارسنجی خالی برای فهرست استناد زیر ایجاد کنید: [No, Author, Year, Title, DOI, Found in Scholar?, آیا این ادعا را پشتیبانی می کند؟]. شما تایید نمی کنید. من آن را به صورت دستی پر می کنم. فهرست: [چسب کردن مراجع]

3) ترجمه سبک:

نقل قول تایید شده را در زیر به سبک APA 7 و ونکوور بنویسید و تفاوت ها را به اختصار توضیح دهید. اثر واقعی است. تغییر اطلاعات چاپ: [چسباندن]

4) ترتیب استناد درون متنی:

در پاراگراف زیر، استنادهای درون متنی را بر اساس دستورالعمل های APA 7 (تعداد نویسندگان، قرارداد و همکاران، ترتیب استناد چندگانه) ترتیب دهید. افزودن/حذف منبع؛ فقط قالب بندی نقل قول های موجود را اصلاح کنید. پاراگراف: [پیست کردن]

اعلان ضعیف / اعلان قوی

اعلان ضعیف:

3 منبع دانشگاهی را به این جمله اضافه کنید. [جمله]

هوش مصنوعی سه اثر جعلی ایجاد می کند. همه آنها واقع بینانه به نظر می رسند اما ممکن است وجود نداشته باشند.

اعلان قدرتمند:

در زیر شناسه‌های 3 منبعی که قبلاً پیدا کرده‌ام و تأیید کرده‌ام وجود دارد. اینها را به عنوان استنادهای درون متنی APA 7 در جملات قرار دهید و مدخل های کتابشناسی بنویسید. پیشنهاد منابع جدید، ساختن چاپ. جمله: [...] نقش: [نقاط واقعی]

کسب و کار

ایمن است؟

حکومت کند

قالب بندی اثر واقعی

بله

تغییر اطلاعات

ترجمه بین سبک ها

بله

چاپ قبلاً تأیید شده است

طرح استناد درون متنی

بله

بدون افزودن/حذف منابع

"پیشنهاد/افزودن منابع"

نه

خطر اسناد ساختگی

درخواست برای ایجاد DOI

نه

خطر DOI جعلی

اشتباهات رایج

• درخواست منابع از هوش مصنوعی اسناد ساختگی مخرب ترین خطا در دانشگاه است. منجر به کناره گیری می شود.
• تجزیه نشدن DOI. یک DOI به ظاهر معتبر ممکن است تقلبی باشد. آن را در doi.org تست کنید.
• با فرض اینکه منبع موجود این ادعا را تایید می کند. حتی اگر منبع واقعی باشد، ممکن است با هم مطابقت نداشته باشد.
• عدم استفاده از ابزار مرجع ورود چاپ دستی خطر خطا و ساخت را به همراه دارد.
• چک نکردن قوانین سبک یک به یک. کتابشناسی متناقض اعتماد را تضعیف می کند.

نکته: قانون طلایی: "منبع از پایگاه داده و Zotero؛ قالب از AI." هرگز خود منابع را از حافظه هوش مصنوعی بازیابی نکنید. فقط برای ویرایش تگ های واقعی از هوش مصنوعی استفاده کنید.

به طور خلاصه

استناد چهره ملموس یکپارچگی تحصیلی است. از هوش مصنوعی می‌توان با خیال راحت برای قالب‌بندی آثار واقعی و تأیید شده‌تان به سبکی که می‌خواهید استفاده کرد. اما اگر از آن برای یافتن منابع استفاده شود، نقل قول های نادرست ایجاد می کند. این بحرانی ترین خطر ماژول است. هر منبع را در برابر DOI و پایگاه داده تأیید کنید، تأیید کنید که از ادعا پشتیبانی می کند، و منابع خود را از روی رکورد واقعی با ابزارهایی مانند Zotero/Mendeley مدیریت کنید. کوتاه ترین قانون سرانگشتی: منبع از رکورد واقعی است، قالب از AI، اعتبارسنجی از شما است.

وظیفه کاربردی

5 منبع واقعی خود را به یک ابزار مرجع (Zotero/Mendeley) اضافه کنید و یک کتابشناسی به سبک های APA و IEEE تهیه کنید. سپس آزمایشی را انجام دهید: به هوش مصنوعی بگویید در مورد موضوع شما 3 منبع را پیشنهاد کند و نقل قول های پیشنهادی را یک به یک با تجزیه و تحلیل DOI بررسی کنید. توجه داشته باشید که چه تعداد واقعی و چه تعداد جعلی هستند. این به شما یک دید ملموس از خطر انتساب جعلی می دهد.

چک لیست

• [ ] آیا من هر منبع را از طریق DOI و پایگاه داده تأیید کرده ام؟
• [ ] آیا تأیید کرده ام که منبع واقعاً از ادعایی که من نسبت داده ام پشتیبانی می کند؟
• [ ] آیا من منابع را از رکورد واقعی دریافت کردم و نه از هوش مصنوعی؟
• [ ] آیا از ابزار مدیریت مرجع استفاده کردم؟
• [ ] آیا سبک استناد را به طور مداوم اعمال کرده ام؟