Keuntungan:
- Kemampuan menggunakan kecerdasan buatan untuk menghasilkan strategi pencarian, peta konsep, dan garis besar sintesis untuk pertanyaan ekonomi
- Kemampuan untuk mengenali risiko sumber, kutipan palsu, dan temuan palsu yang dapat dibuat oleh kecerdasan buatan, dan memverifikasi setiap referensi dari sumber aslinya
- Kemampuan untuk mengubah temuan menjadi ringkasan literatur yang seimbang dengan pandangan yang berlawanan, perbedaan metodologis dan batasan konteks.
Tidak ada analisis ekonomi yang lahir dari ruang hampa. Sebelum memulai pertanyaan kebijakan, perkiraan, laporan, tanyakan “apa yang diketahui tentang isu ini, apa yang dibahas?” Penting untuk menjawab pertanyaan itu. Itulah yang dimaksud dengan tinjauan literatur: kompilasi terorganisir dari pengetahuan, temuan, dan perdebatan yang ada mengenai suatu topik. Kecerdasan buatan tampak seperti akselerator yang memukau dalam bisnis ini — merangkum suatu topik, memetakan konsep, memilah pandangan yang berlawanan. Namun di sinilah ia menyimpan jebakan paling berbahaya: Kecerdasan buatan dapat menghasilkan sumber yang tidak ada, penulis palsu, dan temuan palsu dengan penuh keyakinan. Aturan abadi unit ini: Setiap referensi, setiap temuan, setiap nama diverifikasi dari sumber aslinya; Tidak ada referensi yang belum terverifikasi yang masuk ke dalam teks.
Apa manfaat kecerdasan buatan dalam literatur dan apa yang tidak pernah dilakukannya?
Apa yang dilakukannya dengan baik (membantu): Memetakan topik dan subjudulnya, menyarankan konsep-konsep kunci dan istilah pencarian yang harus dicari, merangkum dan membandingkan teks yang Anda berikan, membingkai “sisi” perdebatan, mengekstraksi struktur argumen dari sebuah teks.
Tidak pernah bisa dipercaya (berbahaya): Menghasilkan kutipan dan penghargaan yang nyata. Kecerdasan buatan dapat membuat kalimat yang sangat realistis namun sepenuhnya dibuat-buat seperti "Yılmaz (2019) menemukan bahwa hubungan inflasi-pertumbuhan adalah negatif." Penulisnya mungkin tidak ada, artikelnya mungkin tidak ada, atau artikel sebenarnya mungkin mengatakan sebaliknya. Hal ini disebut halusinasi dalam literatur dan berakibat fatal bagi reputasi akademis/profesional.
Perhatian: Hanya karena ID yang diberikan oleh kecerdasan buatan "terlihat realistis" tidak membuktikan apa pun. Nama jurnalnya mungkin benar, tahunnya masuk akal, nama penulisnya mungkin orang Turki — dan artikelnya mungkin tidak pernah ada. Anda hanya menerima bahwa itu ada ketika Anda menemukannya di database sebenarnya (situs jurnal, DOI, perpustakaan).
Alur kerja yang tepat: peta AI, Anda verifikasi
- Perjelas pertanyaannya. Anda cari apa? Ruang lingkup, periode, geografi, metode?
- Buat peta konsep. Tanyakan kepada AI tentang subjudul topik, konsep utama, dan istilah pencarian — ini adalah petunjuk yang dapat diverifikasi, bukan sumber.
- Lakukan panggilan sungguhan. Cari istilah-istilah ini di database nyata (mesin pencari akademis, arsip jurnal, publikasi institusi).
- Ringkaslah teks-teks yang ditemukan untuk kecerdasan buatan. Sekarang Anda memiliki teks sebenarnya; AI dapat merangkum dan membandingkannya.
- Sintesis dan keseimbangan. Temuan yang bertentangan, perbedaan metode, dan batasan konteks disajikan bersama.
- Verifikasi setiap atribusi. Apakah setiap referensi yang terdapat dalam teks benar-benar ada, apakah atribusinya benar, apakah benar memuat temuan yang diklaim?
Tip: Gunakan AI sebagai “ahli strategi penelusuran dan peringkas”, bukan “pencari sumber”. Anda menemukan dan memverifikasi sumbernya; AI membantu Anda memahami dan membandingkan sumber yang Anda temukan.
Sintesis seimbang: tanpa memihak
Ringkasan literatur yang baik tidak menampilkan satu temuan pun sebagai kebenaran mutlak. Ada temuan yang berlawanan pada sebagian besar pertanyaan di bidang ekonomi: satu studi menemukan hubungan positif dan studi lainnya tidak. Hal ini biasanya disebabkan oleh perbedaan metode, periode, negara atau data. Sintesis yang jujur membuat perbedaan-perbedaan ini terlihat: "Penelitian yang menggunakan metode A menemukan hal ini, penelitian yang menggunakan metode B menemukan hal tersebut; perbedaannya mungkin berasal dari asumsi ini."
tiga kasus mini
Kasus 1 — Atribusi palsu tertangkap. Seorang peneliti menyebut AI "meringkas 5 studi tentang hubungan antara upah minimum dan lapangan kerja". AI memberikan lima tag yang layak. Peneliti mencari masing-masing di database akademis: tiga di antaranya nyata, dua sama sekali tidak ada—kombinasi penulis-tahun-jurnal sepenuhnya dibuat-buat. Dia menggunakan tiga yang asli dan mengeluarkan dua. Tanpa verifikasi, dua sumber hantu akan masuk ke dalam artikel tersebut.
Kasus 2 — Temuan yang merugikan. AI mengutip artikel asli dengan byline yang benar, tetapi mengatakan "studi ini menemukan X." Peneliti membuka makalah asli: justru menemukan kebalikannya. Kecerdasan buatan menghubungkan temuan yang salah dengan sumber sebenarnya. Sekalipun jejak tersebut benar, pelajaran bahwa jejak tersebut tidak dapat digunakan tanpa memverifikasi klaim tersebut semakin diperkuat.
Kasus 3 — Sintesis seimbang. Seorang analis mengumpulkan literatur tentang dampak kebijakan pajak. Pada draf pertama, AI menarik kesimpulan sepihak (“dampak positif”). Analis juga menambahkan penelitian yang berlawanan dan menunjukkan bahwa perbedaannya berasal dari metodenya (data jangka pendek vs jangka panjang). Hasilnya adalah ringkasan berimbang “bersyarat”; Peringkat kebijakan menjadi lebih dapat diandalkan.
tabel validasi
keluaran AI
Langkah verifikasi
Kutipan/cetakan
Apakah itu benar-benar ada di database/dengan DOI?
"Studi ini menemukan ini"
Apakah ini benar-benar temuan dalam teks aslinya?
Hasil numerik
Apakah sesuai dengan tabel/ringkasan di artikel?
"Penerimaan umum adalah seperti ini"
Apakah temuan-temuan yang berlawanan telah disembunyikan?
Istilah pencarian
Apakah ini memberikan hasil yang berarti dalam pencarian sebenarnya?
Empat templat yang dapat disalin
1) Peta konsep dan strategi pencarian:
Saya akan menyelidiki pertanyaan ekonomi berikut: [pertanyaan]. Beri saya subjudul subjek, konsep kunci, dan istilah pencarian (Turki + Inggris) yang dapat saya gunakan dalam database akademik. SUMBER/KUTIPAN PENGHASIL; beri tahu saya di mana mencarinya dan dalam istilah apa.
2) Meringkas teks yang disediakan:
Di bawah ini adalah teks/ringkasan artikel sebenarnya. Ringkaslah ini: pertanyaan penelitian, metode, data, temuan utama, keterbatasan. Jangan menambahkan apa pun yang TIDAK ada dalam teks; Tandai bagian yang Anda tidak yakin sebagai "tidak jelas dalam teks".[teks]
3) Sintesis komparatif:
Bandingkan ringkasan dari 4 penelitian nyata yang saya berikan kepada Anda: mana yang menunjukkan temuan serupa, mana yang menunjukkan temuan bertentangan, dan apa (metode, periode, negara, data) yang mungkin menyebabkan perbedaan tersebut? Jangan memaksakan kesimpulan sepihak; membuat temuan yang bertentangan sama-sama terlihat.
4) Daftar verifikasi kutipan:
Cantumkan semua referensi dalam draf ini. Untuk masing-masing sumber, nyatakan tiga hal yang perlu saya verifikasi: (1) apakah sumbernya benar-benar ada, (2) apakah atribusinya akurat, (3) apakah sumber tersebut memuat temuan yang diatribusikan padanya? Jangan menganggap salah satu dari mereka sebagai "pasti" sampai saya memverifikasinya.
Perintah lemah / Perintah kuat
Perintah yang lemah:
Tulis ringkasan literatur tentang subjek ini dan berikan sumbernya.
AI menghasilkan teks yang terlihat realistis tetapi berisi referensi yang dibuat sebagian; Jika Anda tidak memverifikasi, sumber palsu akan masuk ke dalam laporan.
Perintah yang kuat:
Saya akan meneliti hubungan upah minimum-pekerjaan. Pertama, berikan saya subjudul dan istilah pencarian (PRODUKSI sumber/kutipan). Saya akan menemukan karya aslinya dan memberikan teksnya kepada Anda; Anda tinggal merangkum dan membandingkan apa yang saya bawa. Sajikan temuan-temuan yang berlawanan secara seimbang dan diskusikan apakah perbedaannya berasal dari metode atau periodenya. Jangan menambahkan angka atau temuan apa pun yang tidak ada dalam teks.
Kesalahan umum
- Meminta sumber/kutipan langsung dari kecerdasan buatan dan menggunakannya tanpa verifikasi. Risiko halusinasi.
- Salah mengira cetakan realistis itu nyata. Penampilan bukanlah bukti.
- Tidak memperhatikan atribusi temuan yang salah dengan tag yang benar. Ada sumbernya, tapi klaimnya mungkin salah.
- Sintesis satu arah. Menyembunyikan temuan yang bertentangan.
- Melewati perbedaan metode/konteks. Membandingkan apel dan pir.
- Kebocoran nomor ke dalam abstrak yang tidak ada dalam teks. "Isi" kecerdasan buatan.
Singkatnya
Dalam tinjauan literatur, AI adalah ahli strategi dan peringkas pencarian yang hebat, namun merupakan penghasil sumber yang tidak dapat diandalkan. Alur kerja yang tepat: AI memetakan konsep dan istilah pencarian, Anda menemukan dan memverifikasi sumber sebenarnya, lalu AI merangkum dan membandingkan temuan Anda. Setiap rujukan dan temuan dipastikan dari sumber aslinya; Sintesis ini secara jujur mencerminkan pandangan-pandangan yang berlawanan dan perbedaan-perbedaan metodologis.
Tugas aplikasi
Pilih pertanyaan ekonomi. Dapatkan peta konsep dan istilah pencarian dari AI dengan template 1 (tanpa meminta sumber). Temukan setidaknya tiga studi nyata dalam database akademik nyata dengan istilah-istilah ini. Ringkas dan bandingkan dengan templat 2 dan 3. Kemudian, dalam upaya terpisah, mintalah kutipan langsung dari kecerdasan buatan dan cari database untuk kutipan yang diberikannya untuk menentukan berapa banyak yang nyata dan berapa yang dibuat-buat, lalu catat.
daftar periksa
- [ ] Saya menggunakan AI sebagai ahli strategi/peringkasan pencarian, bukan penghasil sumber daya.
- [ ] Saya sendiri yang menemukan sumber sebenarnya dan memverifikasinya di database.
- [ ] Saya telah memastikan bahwa setiap referensi benar-benar ada dan atribusinya benar.
- [] Saya memeriksa temuan yang diatribusikan dari teks asli.
- [ ] Saya menyajikan temuan-temuan yang berlawanan dan perbedaan metodologis secara seimbang.
- [ ] Saya memeriksa bahwa tidak ada angka/temuan yang tidak ada dalam teks yang bocor ke dalam ringkasan.
- [ ] Saya tidak menyertakan referensi yang belum diverifikasi dalam teks.