Voitot:
- Kyky erottaa, missä tekoäly säästää reaaliaikaa akateemisen tutkimuksen työnkulussa (kirjallisuus, suunnittelu, analyysi, kirjoittaminen) ja missä tieteellinen harkinta ja vastuu jää tutkijalle tehtävän riskitason mukaan
- Kyky soveltaa tieteenalaa, joka yhdistää ja varmistaa jokaisen tekoälyn tuotoksen lähteeseen ja ymmärtää hallusinaatioiden (kehitetty) attribuution ongelman, joka on akatemian kriittisin riski.
- Kyky omaksua käyttökehys, joka on instituutioiden ja lehtien tekoälyn käyttöperiaatteiden, akateemisen rehellisyyden ja läpinäkyvyyden periaatteiden mukainen.
Tutkijan työhön kuuluu paljon enemmän kirjoittamista, lukemista ja muokkaamista kuin miltä näyttää: satojen artikkeleiden skannaamista, yhteenvetoa, tutkimuskysymyksen hiomista, menetelmien suunnittelua, datan analysointia, tulosten litterointia, lainausten muotoilua, lehtien valintaa, arvioijien kommentteihin vastaamista. Suuri osa tästä työstä on toistuvaa, aikaa vievää ja häiritsevää; Se varastaa todella arvokasta, omaperäistä ajattelua ja tulkintaa. Tekoäly (AI) – tietokoneohjelmat, jotka voivat ymmärtää ihmisten kieltä ja tuottaa tulosta, kuten tekstiä, tiivistelmiä, koodia, luonnoksia jne. – on tehokas apu nopeuttamaan tätä toistuvaa taakkaa. Tässä moduulissa emme pidä tekoälyä maagisena tiedonlähteenä. Opimme käyttämään sitä tutkimusassistenttina, luonnosten tuottamisessa, ideoiden antamisessa ja editoinnissa.
Mutta heti alussa laitetaan tärkein akateemista maailmaa koskeva lause: tekoäly ei tee tieteellisiä päätöksiä tutkijan sijasta; tekee luonnoksen, tieteellinen arvio ja vastuu kuuluu tutkijalle. Tiedemaailmassa tämä sääntö on vielä tiukempi kuin muissa ammateissa, koska tieteen valuutta on luottamus, jonka perustana on, että jokainen väite on linkitetty todennettavissa olevaan lähteeseen.
Tämä ensimmäinen yksikkö luo kolme perustaa: erottaa, missä tekoäly toimii ja missä sen tulisi pysyä tutkimuksen työnkulussa; jokaisen lähdön tarkistaminen; Omaksua akateemisen rehellisyyden ja avoimuuden periaate. Nämä kolme ovat kaikkien myöhempien yksiköiden suojauksen perusta.
Missä tekoäly säästää aikaa, missä päätös kuuluu tutkijalle?
Se auttaa ajattelemaan tutkimustehtäviä riskitason kannalta. Riskitaso on se, kuinka paljon haittaa se aiheuttaisi tieteelliselle tiedolle, jos se tehdään väärin.
Pieniriskiset tehtävät, joita tekoäly nopeuttaa paljon: Hakustrategian luominen (avainsana, synonyymi), alustavan yhteenvedon tekeminen pitkästä tekstistä, kappaleen kielen yksinkertaistaminen, taulukon otsikon ehdottaminen, aivoriihi, käsitteen selittäminen eri tavoin, ääriviivan rakenteen keksiminen. Täällä tekoäly ratkaisee "tyhjän sivun" ongelman; korjaat, vahvistat ja rikastat.
Keskiriskejä, tekoälyn tuottamia tehtäviä, jotka vaativat tiukkaa todentamista: Tilastollisen testin valintasuositus, koodiluonnos, viittauksen muotoilu, löydön tulkintaluonnos, menetelmävaihtoehtojen vertailu. Täällä tekoäly antaa nopeutta, mutta jokainen numero, jokainen tagi, jokainen logiikkavaihe on vahvistettava manuaalisesti.
Riskitehtävät, joissa päätös jätetään yksinomaan tutkijan tehtäväksi: hypoteesin ja menetelmän lopullinen määrittäminen, tietojen merkityksen päättäminen, löydön merkityksellisyyden arvioiminen, eettisen komitean (IRB) päätökset, lähdettä todella olemassaolon ja väitteen tueksi päättäminen, tekijänlausunto ja panos. Nämä päätökset määräävät tieteellisten tietojen luotettavuuden; Vastuu ja viimeinen sana kuuluu aina tutkijalle.
Varoitus: "AI sanoi" ei ole oikeutus. Lehden toimittaja tai tutkielmaraati ei hyväksy väitettä "mallini tuotti sen tällä tavalla". Vahvistamaton tekoälytulos on kuin vahvistamaton huhu.
Miksi vahvistus on tarpeen? Hallusinaatiot ja keksitty attribuutio
Tekoäly ei tuota tekstiä "tietämällä" vaan "ennustamalla mahdollisen sanan". Siksi se antaa joskus erittäin sujuvaa, mutta itse asiassa virheellistä tietoa. Tätä kutsutaan hallusinaatioksi (tehtäväksi). Tämän vaarallisin muoto tiedemaailmassa on harhaanjohtaminen: tekoäly luo tekijän nimen, vuoden, lehden tai jopa DOI:n (digital object identifier - julkaisun pysyvä osoite), joka näyttää todelliselta, mutta lähdettä ei koskaan ollut olemassa. Jos tutkija käyttää tätä tarkistamatta, hän esittää väitteen, joka perustuu tutkimukseen, jota ei ole olemassa; Tämä johtaa opinnäytetyön hylkäämiseen, artikkelin peruuttamiseen ja maineen menettämiseen.
Toinen ongelma on vääristyminen: kun tehdään yhteenvetoa paperista, tekoäly voi liioitella löydöstä ja tiivistää tutkimuksen, jonka mukaan "ei ollut merkittävää eroa", koska "merkittävä ero löydettiin". Kolmas on harha: tekoäly toistaa suuntauksia datassa, johon se on koulutettu; Se voi korostaa tiettyä koulukuntaa, kieltä tai näkökulmaa ja saada kirjallisuuden näyttämään vääristyneeltä.
Näiden rajoitusten vuoksi ehdotamme yksinkertaista validointiohjetta, jota sovelletaan jokaiseen tuotteeseen:
- Yhdistä se lähteeseen. Etsi ja tarkista jokaisen tosiasian, päivämäärän, numeron, lainauksen ja erityisesti jokaisen lainauksen todellinen lähde (artikkeli, tietokanta, DOI).
- Tarkista uudelleen. Tarkista manuaalisesti numeeriset tai loogiset lähdöt (tilastollinen tulos, näytelaskenta).
- Tieteellinen suodatin. "Onko tämä väite yhdenmukainen alallani tunnetun kirjallisuuden kanssa?" hoitaa se omalla asiantuntemuksellasi.
- Ota vastuu. Sillä hetkellä, kun laitat sen julkaisuun tai opinnäytetyöhön, se lause on sinun; Kaikki virheet ovat sinun vastuullasi.
Akateeminen rehellisyys ja avoimuus
Akateeminen rehellisyys varmistaa, että työ on todella alkuperäinen panoksesi ja että kaikki lähteet mainitaan rehellisesti. Tekoälyn käyttö ei poista tätä periaatetta, vaan lisää uuden vastuun: läpinäkyvyyden. Useimmat lehdet ja yliopistot vaativat nyt nimenomaisen ilmoituksen tekoälyn käytöstä. Yhteinen toimituksellinen linja (esim. julkaisuetiikan periaatteet, kuten ICMJE ja COPE) sanoo kaksi asiaa selvästi: tekoäly ei voi olla tekijä (koska se ei voi ottaa vastuuta, ei voi julistaa eturistiriitaa) ja tekoälyn käyttöä ei piiloteta, vaan se paljastetaan menetelmä- tai tunnustusosiossa.
Vinkki: Ennen kuin liität tekstiä mihinkään työkaluun, esitä kaksi kysymystä: (1) Miten tämä työkalu tallentaa tietoja, käytetäänkö sitä opetuksessa? (2) Mitä oppilaitokseni ja kohdelehteni tekoälypolitiikka sanoo? Älä aloita tietämättä näitä kahta.
kolme minilaukkua
Tapaus 1 – Fabriculated attribuutio vaarantui opinnäytetyön. Jatko-opiskelija pyysi YZ:ltä 12 lähdettä opinnäytetyönsä johdannossa ja sai ne kaikki lainauksineen. Hänen neuvonantajansa haki satunnaisesti 4 niistä Google Scholarissa; 2 niistä ei ollut olemassa ollenkaan, 1 heistä oli DOI menossa toiseen artikkeliin. Opiskelijan piti tarkistaa koko lista yksitellen ja käyttää vain 7 autenttista lähdettä. Vahvistus kesti 40 minuuttia; mutta jos se olisi toimitettu fiktiivinen viittaus, tuomariston luottamus olisi horjunut täysin.
Tapaus 2 – Ajansäästö. Tohtoritutkija käytti 6 tuntia skannaamalla ja tiivistämällä 15-20 uutta artikkelia joka viikko. Hän aloitti tekoälyn käytön ensimmäisenä yhteenvetogeneraattorina: hän antoi tekoälyn tehdä yhteenvedon kunkin artikkelin abstraktista ja johdannosta, syventää sitä omalla kriittisellä lukemisellaan ja tarkistaa alkuperäisen tekstin havainnot. Aika väheni 6 tunnista viikossa ~2,5 tuntiin; Hän omisti ansaitsemansa ajan alkuperäisen synteesin kirjoittamiseen.
Tapaus 3 – Paluu salailusta. Yhteiskuntatieteilijä aikoi liittää julkaisemattomia kenttätietoja ja osallistujien todistuksia tekoälyyn analysoitavaksi. Hän tajusi, että se sisälsi valtakirjat; Raakatietojen jakamisen sijaan hän pyysi vain anonymisoitua, tiivistettyä näyte- ja analyysisuunnitelmaa. Hän sai arvokkaan menetelmäsuosituksen, mutta arkaluonteisia tietoja ei tullut ulos.
Kopioitavat mallit
1) Tehtävän erottelu riskitason mukaan:
Tehtäväsi: tutkijaa avustava akateeminen assistentti. Jaa seuraavat tutkimustehtävät kolmeen luetteloon: (A) vähäriskiset tehtävät, joista tekoäly voi turvallisesti tuottaa käsikirjoituksen, (B) keskiriskiset tehtävät, joista tekoäly voi tuottaa käsikirjoituksen ja vaativat tiukkaa todentamista, (C) korkean riskin tehtävät, joista lopullisen päätöksen tekee tutkija. Kirjoita kullekin tehtävälle yhden lauseen perustelu. Tehtävät: [liitä omat tehtävät]
2) Vahvistuksen tarkistuskehote:
Merkitse alla olevaan tekstiin jokainen lause, joka sisältää faktan, päivämäärän, numeron, lainauksen tai viittauksen, ja merkitse se "vahvistuksen tarpeessa". Kerro selvästi, missä olet epävarma. ÄLÄ keksi lähdettä tai numeroa; Jos et tiedä, kirjoita "en tiedä".Teksti: [liitä luonnos]
3) AI-käyttöilmoitusluonnos:
Kirjoita artikkelin menetelmät/kiitokset-osioon 2–3 lauseen luonnos "AI-usage Statement", joka selittää avoimesti, missä vaiheissa olen käyttänyt tekoälyä (esim. kielenkorjaus, luonnos). Käyttö: [selitä]
4) Lähteen vahvistusluettelo:
Luo vahvistuslomake jokaiselle seuraavan lainausluettelon lähteelle: [tekijä, vuosi, nimi, DOI, vahvistettu?]. Et voi vahvistaa; Anna minulle tyhjä taulukko, jonka tarkistan manuaalisesti.Lista: [liitä lainaukset]
Heikko kehote / Vahva kehote
Heikko kehote:
Etsi minulle lähteitä opinnäytetyöni johdannossa.
Ei kontekstia ja vaarallinen: tekoäly sylkee väärennettyjä henkilötunnuksia ja luulet niiden olevan todellisia.
Tehokas kehotus:
Tehtäväsi: metodologian konsultti. Sijainti: "opiskelijamotivaatio etäopetuksessa". ÄLÄ LÖYDÄ MINUA LÄHDETÄ; Ehdota sen sijaan 8 avainsanaa, 3 synonyymiryhmää ja Boolen hakumerkkijonoa etsiäksesi tätä aihetta Scopusissa. Todellinen artikkeli riviltä FAKE. Tarkistan itse löytämäni lähteet.
Quest
Riskitaso
AI:n rooli
lopullinen päätös
Hakustrategian luominen
alhainen
Ehdottaa avainsanaa/merkkijonoa
tutkija
Artikkelin abstrakti luonnos
Matala-Keskitaso
Luo luonnosta
Tutkija vahvistaa
Tilastotestin suositus
keskikokoinen
Tarjoaa vaihtoehtoja
Tutkija valitsee/vahvistaa
Lainausluettelo
korkea
Muotoilun avustaja
Jokainen painatus tarkistetaan käsin
Tulkinnan/hypoteesin löytäminen
korkea
antaa ideoita
yksinäinen tutkija
Yleisiä virheitä
- Sitaattien käyttö ilman vahvistusta. Kekseliäs attribuutio on yleisin ja tuhoisin virhe yliopistomaailmassa; johtaa vetäytymiseen.
- Lähteen korvaaminen tiivistelmällä. Tekoälyyhteenveto voi vääristää havaintoa; Mitään lainausta ei anneta palaamatta alkuperäiseen tekstiin.
- Ohita läpinäkyvyys. Käytön salailu on eettinen rikkomus, kun se havaitaan.
- Anna tekoälyn tehdä tieteellisiä päätöksiä. Hypoteesi, tulkinta ja menetelmäpäätökset kuuluvat tutkijalle.
- Luottamuksellisten tietojen lataaminen avoimeen työkaluun. Julkaisemattomat tiedot ja osallistujien tiedot eivät ole sinun hallinnassasi.
Vinkki: Ajattele jokaista tekoäly-istuntoa kuin työskentelyä kokeneen mutta epäluotettavan harjoittelijan kanssa: hän on nopea ja ahkera, mutta sinä tarkistat kaiken, mitä hän sanoo, ennen kuin allekirjoitat.
Yhteenvetona
AI on tehokas apulainen, joka helpottaa tutkijan toistuvaa lukemista ja kirjoittamista; mutta hallusinaatioiden, vääristymien ja harhojen vuoksi jokainen tulos vaatii varmistuksen. Akateemisen maailman kriittisin riski on väärä lainaus: jokainen lähde on tarkistettava DOI:n ja tietokannan kautta. Erottele tehtävät riskitason mukaan, suojaa tiedot, ilmoita käyttö avoimesti. Lyhin nyrkkisääntö: suunnitelma on tekoälyltä, tieteellinen vastuu on tutkijalta.
Sovellustehtävä
Listaa 8 tehtävää omasta nykyisestä tutkimusprojektistasi ja merkitse jokainen pieni/keskimääräinen/korkea riski. Valitse sitten vähäriskinen tehtävä ja kirjoita kontekstillinen kehote, kuten yllä oleva "Tehokas kehote". Merkitse vähintään 3 elementtiä (numero, painatus, väite), jotka sinun on tarkistettava tulosteessa ja kirjoita kuinka aiot vahvistaa sen.
tarkistuslista
- [ ] Olenko erotellut tehtävät riskitason mukaan?
- [ ] Aionko tarkistaa jokaisen lainauksen ja laskennan tekoälytulokseen?
- [ ] Tiedänkö käyttämäni ajoneuvon tietojen säilytyskäytännöt?
- [ ] Olenko lukenut oppilaitokseni ja kohdelehteni tekoälypolitiikan?
- [ ] Olenko varma, että säilytän lopullisen tieteellisen tuomion?