Gains :
- Capacité à utiliser l'intelligence artificielle pour des résumés de littérature et des brouillons de rédaction scientifique et à reconnaître le risque de citations frauduleuses (faux articles, mauvais DOI)
- Capacité à prendre l'habitude de vérifier chaque citation dans la source principale via DOI/PubMed et de prévenir le risque de plagiat/de citations fabriquées
- Capacité à utiliser l'intelligence artificielle comme outil de rédaction et de langage qui accélère l'écriture et adopter le principe de laisser la responsabilité scientifique à l'auteur
La biologie moléculaire et la génétique s’appuient sur une abondante littérature, avec des centaines de milliers d’articles ajoutés chaque année. La signification clinique d’un variant, la fonction d’un gène ou la validité d’une méthode dépendent toutes des preuves publiées. L'intelligence artificielle (IA) est une aide puissante pour sélectionner, résumer et rédiger des textes scientifiques pour cette littérature, mais elle est aussi la source d'hallucinations la plus dangereuse du domaine : l'IA peut forger des articles qui n'ont jamais existé, dans de vraies revues, avec de vrais auteurs, avec des signatures bien formées. Dans cette unité, vous apprendrez comment utiliser l'IA en toute sécurité dans la littérature et l'écriture et comment vérifier chaque citation.
Règle critique : n'utilisez aucune des références données par YZ sans ouvrir et vérifier personnellement la source. Ne faites confiance à aucune signature sans DOI (ID numérique permanent d'une publication), PubMed ID (PMID) ou page d'éditeur directe. Une balise fournie par l’IA peut sembler « trop réaliste » ; le réalisme n'est pas la réalité.
Deux visages de l'IA dans la littérature
Côté utile : Résume rapidement un sujet, simplifie un article complexe, suggère des termes de recherche, corrige la langue d'un manuscrit, compare des résultats contradictoires.
Aspect dangereux : Fabrique un article inexistant (fausse citation), déforme les conclusions d'un article réel, présente des informations périmées comme si elles étaient d'actualité, "applique" une source à une affirmation.
Utilisez donc l’IA comme point de départ dans votre revue de littérature, et non comme dernier mot. La recherche proprement dite est effectuée dans des répertoires faisant autorité tels que PubMed, Google Scholar, Europe PMC ; Le résumé d'AI ne remplace pas cette recherche.
Étape par étape : flux de documentation sécurisé
1. Clarifiez la question et extrayez les termes de recherche avec l'IA. Demandez à l'IA : "quels mots-clés et termes MeSH (balises de sujet de PubMed) dois-je rechercher sur ce sujet ?" demander.
2. Effectuez la recherche réelle dans le répertoire faisant autorité. Recherchez-le vous-même sur PubMed/Scholar ; Ne vous fiez pas à la liste « il y a ces articles » d'IA.
3. Demandez à AI de résumer les articles que vous trouvez. Il est sécuritaire de confier le texte (ou le résumé) à l’IA et de le faire résumer ; Parce que vous avez la ressource. Demander à l’IA de raconter un article « de mémoire » est dangereux.
4. Vérifiez chaque citation avec DOI/PMID. Confirmez que chaque source incluse dans votre texte existe réellement et soutient l'affirmation.
5. Utilisez l’IA par écrit pour le langage et la structure, et non pour la génération de faits. L'IA est bonne pour la fluidité des phrases, l'organisation des paragraphes, les grandes lignes du résumé ; mais les résultats, les chiffres et les citations viennent de vous.
Astuce : Le moyen le plus rapide de vérifier une citation : ouvrez le DOI donné via doi.org ou recherchez dans PubMed avec le titre entre guillemets. Si elle ne s'ouvre pas ou si le titre/l'auteur ne correspond pas, cette citation est probablement inventée.
trois mini-cases
Cas 1 — Trois références sur cinq sont fausses. Un étudiant diplômé a demandé un paragraphe d’introduction et 5 citations d’IA. Lorsqu'il a vérifié les DOI un par un, il a constaté que 3 d'entre eux n'étaient ouverts nulle part, 1 appartenait à un autre article et 1 seul était correct. Le paragraphe était fluide, mais la plupart des sources étaient fabriquées de toutes pièces.
Cas 2 — Conclusion faussée. Un chercheur a demandé à une IA de résumer un article réel ; YZ a écrit que l'article disait : « Le gène X provoque la maladie Y ». Lorsque le chercheur a ouvert l’article, il a vu qu’il disait en fait : « Le gène X s’est avéré associé à Y, la causalité n’a pas été démontrée ». La différence entre association et causalité était scientifiquement cruciale.
Cas 3 — Confirmation obtenue. Lorsqu'un doctorant a effectué une recherche dans PubMed en utilisant les termes MeSH suggérés par YZ, il a trouvé une revue récente qui était au cœur du sujet, mais n'a jamais été mentionnée dans le résumé de YZ. L'IA a généré les termes de recherche (utiles), mais la véritable découverte se trouvait dans l'index faisant autorité.
Quatre modèles copiables
1) Stratégie de recherche :
Votre rôle : assistant de revue de littérature. Suggérez des termes de recherche, des termes MeSH et des combinaisons booléennes (AND/OR) à utiliser dans PubMed pour la question de recherche suivante : [question]. LISTE DES ARTICLES ; Configurez simplement une bonne requête de recherche. Je ferai la recherche sur PubMed.
2) Résumer le texte donné (j'ai la source) :
Résumez le texte/résumé de l'article que j'ai collé ci-dessous : [texte]. Distinguez entre : les résultats clés, la méthode, la taille de l'échantillon, les contraintes. NE MÉLANGEZ PAS les allégations de « corrélation » et de « causalité » ; Citez exactement ce que dit l’article. N'ajoutez rien qui ne soit pas dans le texte.
3) Liste de contrôle de vérification des citations :
Je vais vous donner cette liste de références. Les champs que je dois vérifier pour chacun (DOI, PMID, revue, année, cohérence titre-auteur) apparaissent sous forme de liste de contrôle. VOUS ne pouvez pas vérifier que les références sont réelles ; Je confirmerai avec DOI/PMID, donnez-moi les étapes de vérification.
4) Correction du langage scientifique :
Corrigez le langage et le déroulement du paragraphe suivant, mais utilisez des faits, des chiffres et des références. MODIFIER, AJOUTER, SUPPRIMER : [paragraphe]. Améliorez-vous uniquement en termes de grammaire, de maîtrise et de style scientifique. Marquez chaque phrase que vous avez modifiée.
Invite faible/Invite forte
Faible : « Rédigez une introduction de 5 sources sur le rôle de CRISPR dans le traitement du cancer. »
Problème : l'IA écrit à partir de la mémoire et produit probablement de fausses citations ; Vous ne voyez pas la source.
Fort : "Suggérez des termes de recherche que je devrais utiliser dans PubMed sur CRISPR et la thérapie contre le cancer. Ensuite, je donnerai un résumé de 5 articles que je trouverai et collerai ; rédigerai une introduction basée uniquement sur eux, en reliant chaque phrase à l'article concerné. N'ajoutez aucune affirmation qui ne figure pas dans le texte."
Pourquoi c'est puissant : les attributions sont réelles et sous votre contrôle ; L'IA ne fonctionne qu'avec le texte qu'elle voit.
Quête
L’IA est-elle sûre ?
état
Proposer un terme de recherche
Oui
Vous passez l'appel
Résumer un texte donné
Oui
Laissez la source être la vôtre.
Répertorier les articles de mémoire
non
Il existe un risque élevé de fausses citations
Correction de langue/style
Oui
Ne changez pas le fait/la référence
résultats de transfert
prudent
Distinction relation/causalité
Erreurs courantes
- Utiliser des citations sans vérification. L’erreur la plus courante et la plus dommageable ; Les fausses citations constituent une violation de l’intégrité académique.
- Demander des articles de mémoire. La liste d’AI « il existe ces études » peut être fabriquée.
- Confondre la relation avec la causalité. L’IA peut effacer cette distinction lors d’un résumé ; revenir à la source.
- En supposant l'actualité. Les connaissances de l'IA sont interrompues à une certaine date ; Obtenez les dernières découvertes de l’index.
- Laisser la génération de faits à l’IA. Le numéro, le résultat et la réclamation doivent provenir de vous et non de l'IA.
Attention : si vous avez utilisé l'IA lors de la rédaction d'un article, vérifiez la politique d'utilisation de l'IA de votre revue et de votre institution. De nombreuses revues stipulent que l’IA ne peut pas être auteur et que son utilisation doit être déclarée de manière transparente. La fausse citation est un motif de retrait et de sanctions académiques.
Profondeur : détecter une fausse citation en 30 secondes
La plupart des fausses attributions s’effondrent rapidement après quelques vérifications mécaniques. Développer un réflexe de validation étape par étape. Tout d’abord, ouvrez le DOI via doi.org. Un véritable DOI vous amène directement à la page de l'éditeur ; Si vous obtenez une erreur « DOI introuvable », la citation est presque certainement fausse. Deuxièmement, recherchez dans PubMed le titre avec des guillemets. Si le titre n'apparaît pas du tout ou ne correspond pas à l'auteur/à la revue/à l'année que l'IA vous donne, soyez méfiant : l'IA attribuera souvent un vrai titre au mauvais auteur ou à la mauvaise revue. Troisièmement, la cohérence d’une année à l’autre : AI fabrique parfois un article au cours d’une année où il n’existe pas de revue (« publiée en 2019 » mais la revue a été fondée en 2021).
Un exemple concret : un étudiant a demandé à l’IA une citation appuyant le caractère pathogène d’un variant. L'empreinte semblait parfaite : une revue bien connue, le nom d'un véritable groupe de recherche, un DOI formellement correct. Lorsque le DOI a été ouvert, il est apparu un article sur un sujet complètement différent : l'IA avait fait correspondre un vrai DOI avec un titre inventé. Leçon : Il ne suffit pas d'« ouvrir » le DOI ; Vérifiez également que le titre et l'auteur de la page qui s'ouvre correspondent exactement à la citation.
Une situation particulièrement dangereuse : l’affirmation selon laquelle un variant aurait « déjà été signalé comme pathogène ». Cette affirmation peut se traduire par une décision clinique (telle que PS1/PM5 dans ACMG) ; Si la référence sur laquelle elle se fonde est fallacieuse, la chaîne de preuves s’effondre radicalement. Chaque référence de poids clinique doit être vérifiée de la manière la plus stricte et dans deux index indépendants.
5) Modèle de validation croisée des citations :
Lister dans l'ordre les vérifications que je ferais pour vérifier l'attribution suivante :[imprint]. Le DOI est-il affiché ? Affiche-t-il le titre/auteur/année de la page ouverte ? Apparaît-il avec une recherche de titre dans PubMed ? Laissez une case « réussite/échec » à chaque étape. Vous ne pouvez pas vérifier l'attribution ; donne-moi la liste de contrôle.
En résumé
- L’IA est une aide puissante pour l’analyse de la littérature et la rédaction scientifique, mais elle constitue la plus grande source de citations frauduleuses.
- La recherche proprement dite est effectuée dans des répertoires faisant autorité (PubMed, Scholar) ; La liste d’AI n’est pas le dernier mot.
- Chaque citation doit être vérifiée personnellement avec DOI/PMID ; La distinction relation-causalité doit être préservée.
- Utiliser l'IA pour le langage et la structure ; Les faits, les chiffres et l'attribution doivent provenir de vous.
Tâche de candidature
Choisissez une question de recherche. Obtenez des termes de recherche de l'IA avec le modèle 1, recherchez-le vous-même sur PubMed et trouvez 3 vrais articles. Résumez-les à l’IA (modèle 2). Demandez également à l'IA « 3 articles de mémoire » et vérifiez leurs DOI – notez combien s'avèrent réels. Écrivez en une phrase la différence de fiabilité entre les deux méthodes.
liste de contrôle
- [ ] J'ai extrait les termes de recherche avec l'IA et effectué la recherche moi-même.
- [ ] J'ai trouvé les articles dans l'index faisant autorité, je n'ai pas fait confiance à la liste de YZ.
- [ ] J'ai vérifié chaque citation avec DOI/PMID.
- [ ] J'ai confirmé la distinction entre relation et causalité dans la source.
- [ ] J'ai utilisé l'IA uniquement pour le langage/la structure, pas pour la génération de faits.
- [ ] J'ai observé la politique d'utilisation de l'IA de la revue/institution.