Hagnaður:
- Geta til að innleiða að taka aldrei tilvitnanir og tilvitnanir úr gervigreindarminninu á meðan þú safnar saman og tekur saman gögnin sem tekin eru úr raunverulegum tilvitnunargagnagrunni með gervigreind
- Geta til að skilja að mælikvarðar eins og tilvitnun, h-vísitala og áhrifaþáttur gefa til kynna notkun en ekki gæði og ósambærileika þeirra á milli sviða.
- Hæfni til að íhuga siðferðileg mörk þess að nota heimildafræðileg viðmið ein og sér við mat á einstaklingum og jafnvægi þeirra með eigindlegu mati
Háskólabókasafn mælir rannsóknarafköst stofnunar sinnar; rannsakanda til að finna áhrifamestu rannsóknir á sviði; stjórnandi gæti viljað meta vísindalegan sýnileika deildar. Á bak við þetta verk er bókfræði: það svið sem rannsakar vísindarit og tilvitnunartengsl þeirra á milli. Í þessari einingu munt þú læra hvernig á að nota gervigreind í tilvitnunargreiningu, útgáfukortlagningu og mati á áhrifum; en þú munt læra hvernig á að sigla um takmörk og siðferðilegar gildrur tölulegra mælinga.
Skilgreinum hugtökin. Tilvitnun er vísindaleg tilvísun í einu riti í annað rit; Fjöldi tilvitnana telst vera vísbending um hversu mikið verk hefur verið notað. H-vísitalan er mælikvarði sem sameinar bæði framleiðni og áhrif rannsakanda (ef h fjöldi rita hefur hvert um sig fengið að minnsta kosti h tilvitnanir er h-vísitalan h). Áhrifsstuðull er mælikvarði sem sýnir meðaltal tilvitnana í tímarit. Þessar mælikvarðar eru gagnlegar, en enginn er bein mælikvarði á „gæði“; Að hafa þennan aðgreining í huga er kjarninn í bókfræði.
Skref fyrir skref: ábyrg bókfræðigreining
1. Skýrðu spurninguna. "Hverjar eru grunnrannsóknir á þessu sviði?", "Hverjar eru mest vitnað í rit stofnunarinnar okkar?", "Hvernig skerast þessi tvö svið?" Hver spurning krefst mismunandi greiningar.
2. Notaðu áreiðanleg gögn. Tilvitnunargreining er aðeins eins áreiðanleg og gagnagjafinn. AI getur búið til fjölda tilvitnana eða útgáfulista; Þess vegna er nauðsynlegt að vinna með gögn úr raunverulegum tilvitnunargagnagrunni. Notaðu gervigreind til að túlka og draga saman raunveruleg gögn, ekki til að búa til gögn.
3. Láttu merkja mynstrin. Gervigreind hjálpar til við að draga saman efnisklasa, samstarfsnet eða þróun í gegnum tíðina í stórum útgáfum. Þetta beinir athygli mannfræðingsins að mikilvægum atriðum.
4. Túlkaðu viðmiðið í samhengi. Lág tilvitnunarfjöldi bendir ekki til þess að verkið sé einskis virði; Sviðið getur verið lítið, umfjöllunarefnið getur verið nýtt eða ritið mjög nýtt. Aldrei túlka töluna án samhengis.
5. Fylgstu með siðferðilegum mörkum. Ekki ætti að nota ritfræðilegar mælingar einar og sér til að taka ákvarðanir um ráðningu, kynningu eða fjármögnun einstaklinga. Tölur mæla ekki verðmæti fólks; Misnotkun á þeim er bæði ósanngjarnt og skaðlegt.
Ábending: Þegar gervigreind gerir greiningu á tilvitnunum, gefðu upp fjölda tilvitnana og birtingartilvitnanir úr raunverulegum gagnagrunni; Láttu gervigreindina einfaldlega skipuleggja, flokka og túlka þessi gögn. "Hver er h-vísitala þessa rithöfundar?" Ef þú spyrð beint getur það leitt til tilbúið númer.
Takmörk viðmiða og meðferðar
Vegna þess að ritfræðilegar mælingar virðast öflugar eru þær opnar fyrir misnotkun. Hægt er að blása upp tilvitnunartölur á margvíslegan hátt: óhófleg sjálfstilvitnun (vitnað í eigin verk), tilvitnunarhringi (hópar fólks sem vitna gagnkvæmt í hvert annað) eða eigin tilvitnunarmenningu sviðsins. Þar að auki eru viðmiðin ekki sambærileg á milli sviða: tilvitnunarumhverfi læknisfræðilegrar greinar og heimspekigreinar er gjörólíkt.
Þetta vandamál er enn áberandi í hugvísindum og félagsvísindum; vegna þess að umtalsverð framleiðsla á þessum sviðum (bækur, þýðingar, dóma) er undirtáknuð í tilvitnunargagnagrunnum. Að mæla áhrif sagnfræðings eða bókmenntafræðings eingöngu út frá fjölda tilvitnana er að misskilja eðli verksins. Bókavörðurinn er leiðarvísir sem útskýrir takmörk þessara viðmiða fyrir stjórnendum og rannsakendum.
Varúð: Ekki setja fram ritfræðilega mælikvarða sem endanlegan dóm um fræðilegan verðleika einstaklings eða gæði deildar. Meginreglur um ábyrgt rannsóknarmat leggja áherslu á að ráðstafanir eigi að vera viðbót við eigindlegt mat, ekki koma í stað þess.
þrjú smámál
Mál 1 — Svæði kortlagt. Bókavörður vildi sýna rannsóknarhópi grunnvinnu á sínu sviði. Það dró gögn úr 200 ritum úr raunverulegum tilvitnunargagnagrunni; YZ dró þessi gögn saman í efnisklasa og lagði áherslu á 10 rannsóknirnar sem mest var vitnað í. Sérfræðingurinn staðfesti hvern klasa og auðkenni í gagnagrunninum; hópurinn áttaði sig fljótt á uppbyggingu svæðisins.
Mál 2 - Fölsuð h-vísitala veiddur. Stjórnandi spurði gervigreindina um h-vísitölu rannsakanda; AI sagði „42“. Bókavörðurinn skoðaði raunverulegan gagnagrunn: rétt gildi var 19; AI hafði búið til númerið. Þetta sýndi að mæligildi ætti aldrei að taka úr gervigreindarminni heldur úr raunverulegum gögnum.
Tilfelli 3 — Rangan samanburð komið í veg fyrir. Ein eining vildi úthluta fjármunum með því að bera saman tvo kafla miðað við meðalfjölda tilvitnana þeirra. Bókavörðurinn útskýrði að önnur deildin væri læknisfræði (mikil tilvitnunarmenning) og hin hugvísindi (bókþrungin, lítil tilvitnunarmenning) og að þessi samanburður væri ósanngjarn. Matið var stutt af eigindlegum viðmiðum sem tóku tillit til sviðsmuna.
Sjónræn kort og lestrargildrur
Oft notað tól í bókfræði eru netkort (t.d. samtilvitnunar- eða samhöfundarnet), sem sýna tengsl á milli rita eða höfunda eftir hnútum og tenglum. Þessi kort gera sýnilega uppbyggingu, klasa og brúargerð svæðis; AI getur safnað saman undirliggjandi raunverulegum gögnum og hjálpað til við að túlka þessi kort. En sjónkort, þótt þau séu öflug, geta líka verið villandi: stór, sýnilegur hnútur sem er sýnilegur í miðbænum er kannski ekki „mikilvægastur“ heldur bara „tengdasti“; Stærð klasa getur aðeins endurspeglað magn útgáfunnar, ekki gildi þess rýmis. Að auki, hvernig kortið er teiknað (hvaða þröskuldur, hvaða tímabil, hvaða gagnagrunnur) breytir niðurstöðunni algjörlega. Þess vegna er mikilvægt að tilgreina með skýrum hætti á hvaða gögnum hún er byggð, á hvaða breytum og á hvaða tímabili þegar ritfræðileg sjónmynd er lögð fram sem grundvöllur ákvörðunar. Ef AI-mynduð athugasemd hæfir hnút á kortinu sem „leiðtoga“ eða „áhrifamestu“, athugaðu hvort þessi persónulýsing sé studd af raunverulegum gögnum.
Ábending: Ekki falla í "miðju = efst" gildruna þegar þú túlkar netkort. Miðlægð gefur aðeins til kynna þéttleika tenginga; Frumframlag eða gæði verks sjást ekki á kortinu og er aðeins hægt að skilja það með því að lesa innihaldið.
Fjögur afritanleg sniðmát
1) Samantekt á raunverulegum tilvitnunargögnum:
Hér að neðan er útgáfulistinn og tilvitnunarnúmer sem ég tók úr alvöru tilvitnunargagnagrunni. Skiptu þeim í efnisklasa og dragðu saman hvern klasa í einni setningu. Notaðu bara gögnin sem ég gaf upp, ekki bæta við / búa til ný rit eða tilvitnanir. Gögn: [hér]
2) Stefna og mynsturmerking:
Leggðu áherslu á athyglisverða þróun (aukning, lækkun, samþjöppun) í birtingar-/tilvitnunargögnum sem byggjast á ári hér að neðan. Byggðu allar athuganir á gögnum, ekki getgátur. Gögn: [hér]
3) Viðvörun um túlkun viðmiða:
Túlkaðu eftirfarandi bókfræðiviðmiðun, og tilgreinir einnig takmörk þess: um hvaða efni veitir það upplýsingar, um hvaða efni veitir það ekki upplýsingar, um hvaða efni er hægt að misnota þær? Viðmið og samhengi: [hér]
4) Svæðismunastýring:
Er hægt að bera saman tilvitnunargögn eftirfarandi tveggja hópa beint? Metið muninn á tilvitnunarmenningu milli sviðanna og útskýrið hvort samanburðurinn sé sanngjarn. Gögn: [hér]
Veik kvaðning / Sterk kvaðning
Veik kvaðning:
Listaðu yfir áhrifamestu greinar þessa höfundar og fjölda tilvitnana.
Gervigreind býr til tilbúna titla og tilvitnunartölur úr alþjóðlegu minni þess án þess að fá aðgang að raunverulegum gögnum. Niðurstaða: sannfærandi en svikin greining.
Öflug tilvitnun:
Þitt hlutverk: aðstoðarmaður í bókfræði. Hér að neðan eru birtingartilvitnanir og tilvitnunarnúmer sem ég dró úr raunverulegum tilvitnunargagnagrunni. Raðaðu þessum gögnum frá flestum tilvitnuðu léni til lægsta, skiptu þeim í efnisklasa og dragðu saman hvern klasa. Ekki víkja frá þeim gögnum sem ég hef gefið upp, ekki búa til neinar tölur eða merkimiða. Bættu við stuttri athugasemd um takmörk viðmiðanna. Gögn: [hér]
Öflug hvetja; Það takmarkar gervigreind við raunveruleg gögn, bannar framleiðslu og minnir okkur á viðmiðunarmörk.
Tafla viðmiða og takmarkana
viðmiðun
Hvað sýnir
Hvað kemur ekki fram
Athygli
Fjöldi tilvitnana
Notkun/skyggni
gæði, nákvæmni
Fer eftir menningu svæðisins
h-vísitala
Framleiðni+áhrif
gildi einstaklingsins
Næmur fyrir lengd starfsferils
Áhrifaþáttur
Meðaltal í blaðinu
Gildi stakrar greinar
Forsendur dagbókarstigs
samstarfsnet
Sem vann með
Framlagshlutfall
Hlutverk á netinu óljóst
Algeng mistök
- Óskað eftir fjölda tilvitnana frá AI. Tölur eru búnar til utan raunverulegs gagnagrunns.
- Að halda að viðmiðið sé mælikvarði á gæði. Tilvitnun gefur til kynna notkun, ekki gæði.
- Að bera saman svæði beint. Eiginleikamenning er ólík, það er ekki sanngjarnt.
- Mæling á hugvísindum með tilvísun. Bókþung útkoma er undirtáknuð í gagnagrunnum.
- Mat á einstaklingum með forsendum. Ákvörðun um ráðningu/hækkun ætti ekki að byggja á einni viðmiðun.
Í stuttu máli
Í bókfræði og tilvitnunargreiningu er gervigreind öflugur aðstoðarmaður sem flokkar raunveruleg gögn, flaggar þróun og dregur saman; En taktu aldrei tilvitnunarnúmer og hliðarlínur úr gervigreindarminni, því það gerir það upp. Mælingar sýna notkun og sýnileika, ekki gæði; ekki hægt að bera saman milli léna; er vantrúaður í hugvísindum og er ekki hægt að nota einn til að leggja mat á einstaklinga. Bókavörður er ábyrgur leiðsögumaður sem útskýrir takmörk þessara viðmiða og jafnar þau með eigindlegu mati.
Umsóknarverkefni
Taktu lítinn lista yfir rit (10-15 skrár, með fjölda tilvitnana) úr raunverulegum tilvitnunargagnagrunni. Fáðu gervigreindarþyrpinguna og dragðu saman með sniðmátinu „Santaðu saman raunveruleg tilvitnunargögn“, sannreyndu síðan tilvitnanir og teldu á móti gagnagrunninum. Prentaðu síðan út mörk mæligildis að eigin vali (t.d. h-vísitölu) með sniðmátinu „Túlkunarviðvörun við viðmiðanir“ og skipuleggðu hvernig þú útskýrir það fyrir stjórnanda.
gátlisti
- [ ] Ég gaf upp tilvitnunarnúmerin og tilvitnanir úr hinum raunverulega gagnagrunni, ég lét þær ekki búa til gervigreind.
- [ ] Ég setti fram mælikvarðana sem vísbendingar um notkun/sýnileika, ekki gæði.
- [ ] Ég tók með í reikninginn muninn á tilvitnunarmenningu milli sviða.
- [ ] Ég tók tillit til vanfulltrúa hugvísinda.
- [ ] Ég notaði ekki viðmiðunina eina við mat á einstaklingum.