Gains :
- Capacité à utiliser l'intelligence artificielle pour produire une stratégie de recherche, une carte conceptuelle et un plan de synthèse pour une question économique
- Capacité à reconnaître le risque de sources, de fausses citations et de fausses découvertes que l'intelligence artificielle peut inventer, et à vérifier chaque référence à partir de la source originale
- Capacité à transformer les résultats en un résumé équilibré de la littérature avec des points de vue opposés, des différences méthodologiques et des limites contextuelles.
Aucune analyse économique ne naît du vide. Avant de commencer une question politique, une prévision, un rapport, demandez-vous « que sait-on de cette question, de quoi est-il discuté ? » Il faut répondre à la question. C'est ce qu'est une revue de la littérature : une compilation organisée des connaissances existantes, des conclusions et des débats sur un sujet. L’intelligence artificielle apparaît comme un accélérateur fulgurant dans ce métier : résumer un sujet, cartographier des concepts, trier des points de vue opposés. Mais c’est là qu’elle recèle le piège le plus dangereux : l’intelligence artificielle peut produire des sources inexistantes, de faux auteurs et des découvertes fabriquées en toute confiance. La règle immuable de cette unité : Chaque référence, chaque découverte, chaque nom est vérifié à partir de la source originale ; Aucune référence non vérifiée n’entre dans le texte.
Qu’est-ce que l’intelligence artificielle fait bien dans la littérature et qu’est-ce qu’elle ne fait jamais ?
Ce qu'il fait bien (utile) : cartographier un sujet et ses sous-titres, suggérer des concepts clés et des termes de recherche à rechercher, résumer et comparer les textes que vous fournissez, définir les « côtés » d'un débat, extraire la structure argumentative d'un texte.
Ne jamais faire confiance (dangereux) : Produire de vraies citations et crédits. L'intelligence artificielle peut créer des phrases extrêmement réalistes mais complètement fabriquées telles que « Yılmaz (2019) a constaté que la relation inflation-croissance est négative ». L’auteur peut ne pas exister, l’article peut ne pas exister ou l’article lui-même peut dire le contraire. C'est ce qu'on appelle l'hallucination dans la littérature et cela est fatal à la réputation académique/professionnelle.
Attention : Ce n’est pas parce qu’une identification donnée par l’intelligence artificielle « semble réaliste » que cela prouve quoi que ce soit. Le nom de la revue peut être correct, l'année est raisonnable, le nom de l'auteur peut être turc – et l'article peut ne jamais exister. Vous n'acceptez qu'il existe lorsque vous le trouvez dans la base de données réelle (site de revue, DOI, bibliothèque).
Le bon workflow : les cartes IA, vous vérifiez
- Clarifiez la question. Qu'est-ce que tu cherches? Portée, période, géographie, méthode ?
- Créez une carte conceptuelle. Demandez à l'IA les sous-titres des sujets, les concepts clés et les termes de recherche – ce sont des pointeurs vérifiables, pas des sources.
- Passez un véritable appel. Recherchez ces termes dans des bases de données réelles (moteurs de recherche académiques, archives de revues, publications institutionnelles).
- Résumez les textes trouvés à l’intelligence artificielle. Vous avez maintenant le vrai texte ; L’IA peut le résumer et le comparer.
- Synthétiser et équilibrer. Les résultats opposés, les différences de méthodes et les limites du contexte sont présentés ensemble.
- Vérifiez chaque attribution. Chaque référence incluse dans le texte existe-t-elle réellement, son attribution est-elle correcte, contient-elle réellement la découverte revendiquée ?
Astuce : utilisez l'IA comme un « stratège de recherche et un résumeur », et non comme un « chercheur de sources ». Vous trouvez et vérifiez la source ; L'IA vous aide à comprendre et à comparer la source que vous trouvez.
Synthèse équilibrée : sans prendre parti
Un bon résumé de la littérature ne présente pas une seule conclusion comme étant une vérité absolue. Il existe des résultats opposés sur la plupart des questions économiques : une étude trouve une relation positive et une autre non. Cela est généralement dû à des différences de méthode, de période, de pays ou de données. Une synthèse honnête rend ces différences visibles : « Les études utilisant la méthode A trouvent ceci, les études utilisant la méthode B trouvent cela ; la différence vient probablement de cette hypothèse. »
trois mini-cases
Cas 1 — Attribution fabriquée de toutes pièces détectée. Un chercheur a qualifié l'IA de "résumer 5 études sur la relation entre le salaire minimum et l'emploi". L'IA a donné cinq balises décentes. Le chercheur a recherché chacun d’eux dans une base de données universitaire : trois étaient réels, deux ne l’étaient pas du tout – la combinaison auteur-année-journal était complètement inventée. Il a utilisé les trois vrais et en a retiré deux. Sans vérification, deux sources fantômes auraient pu figurer dans l’article.
Cas 2 — Résultat anormal. L'IA a cité un article réel avec la signature correcte, mais a déclaré que "cette étude a trouvé X". Le chercheur a ouvert l’article original : il a en réalité découvert le contraire. L’intelligence artificielle a attribué la fausse conclusion à la véritable source. Même si l’empreinte est vraie, la leçon selon laquelle elle ne peut pas être utilisée sans vérifier l’affirmation a été renforcée.
Cas 3 — Synthèse équilibrée. Un analyste a rassemblé des publications sur l’impact d’une politique fiscale. Dans la première ébauche, l’IA tirait une conclusion unilatérale (« impact positif »). L'analyste a également ajouté des études opposées et a montré que la différence vient de la méthode (données à court terme vs données à long terme). Le résultat a été un résumé équilibré de « conditionnel » ; La notation politique est devenue plus fiable.
tableau de validation
Sortie IA
Étape de vérification
Citation/empreinte
Existe-t-il réellement dans la base de données/avec DOI ?
"Cette étude a révélé ceci"
Est-ce vraiment la conclusion du texte original ?
Résultat numérique
Correspond-il au tableau/résumé de l'article ?
"L'acceptation générale est la suivante"
Des conclusions contradictoires ont-elles été supprimées ?
Termes de recherche
Cela donne-t-il des résultats significatifs dans une recherche réelle ?
Quatre modèles copiables
1) Carte conceptuelle et stratégie de recherche :
J'étudierai la question économique suivante : [question]. Donnez-moi les sous-titres du sujet, les concepts clés et les termes de recherche (turc + anglais) que je peux utiliser dans la base de données académique. SOURCE/CITATION DE PRODUCTION ; dites-moi simplement où chercher et dans quels termes.
2) Résumant le texte fourni :
Vous trouverez ci-dessous le texte/résumé d’un article réel. Résumez ceci : question de recherche, méthode, données, principales conclusions, limites. N'ajoutez rien qui ne soit PAS dans le texte ; Marquez la partie dont vous n'êtes pas sûr comme "peu claire dans le texte".[text]
3) Synthèse comparative :
Comparez les résumés de ces 4 études réelles que je vous ai données : lesquelles montrent des résultats similaires, lesquelles montrent des résultats contradictoires, et qu'est-ce (méthode, période, pays, données) que la différence est susceptible d'expliquer ? N'imposez pas de conclusion unilatérale ; rendre également visibles les résultats opposés.
4) Liste de vérification des citations :
Énumérez toutes les références dans ce brouillon. Pour chacun, indiquez trois choses que je dois vérifier : (1) la source existe-t-elle réellement, (2) l'attribution est-elle exacte, (3) contient-elle la découverte qui lui est attribuée ? Ne considérez aucun d’entre eux comme « certain » jusqu’à ce que je les vérifie.
Invite faible/Invite forte
Invite faible :
Rédigez une synthèse de la littérature sur ce sujet et donnez les sources.
L'IA produit un texte qui semble réaliste mais qui est rempli de références partiellement inventées ; Si vous ne vérifiez pas, de fausses sources entreront dans le rapport.
Invite puissante :
Je ferai des recherches sur la relation salaire minimum-emploi. Tout d'abord, donnez-moi les sous-titres et les termes de recherche (PRODUCING sources/citations). Je retrouverai les œuvres réelles et vous apporterai leurs textes ; Vous venez de résumer et de comparer ce que j'ai apporté. Présentez les résultats opposés de manière égale et discutez si la différence vient de la méthode ou de la période. N'ajoutez aucun chiffre ou résultat qui ne figure pas dans le texte.
Erreurs courantes
- Demander des sources/citations directement à l’intelligence artificielle et les utiliser sans vérification. Risque d'hallucinations.
- Confondre des empreintes réalistes avec de vraies. L'apparence n'est pas une preuve.
- Ne pas remarquer l'attribution d'un mauvais résultat à la bonne balise. Il existe une source, mais l'affirmation est peut-être fausse.
- Synthèse à sens unique. Dissimuler des conclusions contraires.
- Contourner la différence méthode/contexte. Comparer des pommes et des poires.
- Fuite de numéros dans le résumé qui ne figure pas dans le texte. "Fourrage" de l'intelligence artificielle.
En résumé
Dans la revue de la littérature, l’IA est un puissant stratège de recherche et synthétiseur, mais un générateur de sources peu fiable. Le bon flux de travail : l'IA cartographie les concepts et les termes de recherche, vous trouvez et vérifiez les sources réelles, puis l'IA résume et compare vos résultats. Chaque référence et découverte est confirmée par la source originale ; La synthèse reflète honnêtement des points de vue opposés et des différences méthodologiques.
Tâche de candidature
Choisissez une question économique. Obtenez une carte conceptuelle et des termes de recherche de l'IA avec le modèle 1 (sans demander de sources). Trouvez au moins trois études réelles dans une véritable base de données académique avec ces termes. Résumez-les et comparez-les avec les modèles 2 et 3. Ensuite, dans une tentative distincte, demandez à l'intelligence artificielle une citation directe et recherchez dans la base de données les citations qu'elle donne pour déterminer combien sont réelles et combien sont fabriquées et notez-les.
liste de contrôle
- [ ] J'ai utilisé l'IA comme stratège/résumateur de recherche, pas comme générateur de ressources.
- [ ] J'ai trouvé moi-même les vraies sources et je les ai vérifiées dans la base de données.
- [ ] J'ai confirmé que chaque référence existe réellement et que son attribution est correcte.
- [ ] J'ai vérifié la conclusion attribuée à partir du texte original.
- [ ] J'ai présenté des résultats opposés et des différences méthodologiques de manière équilibrée.
- [ ] J'ai vérifié qu'aucun chiffre/résultat qui ne figurait pas dans le texte n'avait été divulgué dans le résumé.
- [ ] Je n'ai inclus aucune référence non vérifiée dans le texte.