利益:
- リソース カタログとしてではなく、概念マップとして人工知能を使用するという規律を適用する能力。
- 人工知能によって生成された各痕跡を独立したカタログで検証し、偽のソースを排除する機能
- 可能な限り自分で提供した実際のテキストを使用して合成を行うことで、それぞれの意見を最も強く正直な形で表現できるようになります。
あらゆる哲学的および倫理的研究は文献に基づいて構築されています。文献レビュー (あるトピックに関する過去の重要な著作、論文、議論を見つけて読むことによって、その分野をマッピングする研究) は、論文執筆者、査読者、またはコースを準備する講師の仕事の基礎です。ある問題について誰が何を言っているのか、どの陣営が形成されているのか、議論がどこで結びついているのかを知らなければ、独自の貢献をすることはできません。この仕事は伝統的に何週間もかかる、面倒で面倒な労働です。 AI はこのスキャンのマッピングと合成を高速化できますが、人間の領域では、偽のソースと偽の帰属という非常に特別で危険な落とし穴が存在します。
この単元では、AI を文献アシスタントとして自信を持って使用する方法、想像上の情報源の最も致命的な間違いを排除する方法、さまざまな見解を正直に統合する方法を見ていきます。
最大の危険: 偽の情報源
これを一番上に置いたのは、人間の分野で AI を使用する場合の最大の悩みの種だからです。 AI に「このトピックに関する重要な論文をリストする」ように指示すると、モデルは多くの場合、実際の記事と存在しなかった記事の組み合わせを提示します。つまり、本物の著者の名前で作られた記事、本物のジャーナルに掲載されていない巻/号、正しく見える偽の DOI 番号などです。これらは非常に説得力があるように見えるため、経験豊富な研究者でも一目見ただけでは区別できません。論文や記事の中での 1 つの誤った引用によって、作品全体の信頼性が損なわれ、学術的な調査が行われる可能性があります。
これは AI の仕組みによるものです。モデルは「引用データベース」ではありません。テキストのパターンから「引用がどのようなものであるか」を学習し、本物かどうかに関係なく、本物のように見える引用を生成します。このため、YZ が提供する情報源は、独立したカタログ (図書館、査読済みデータベース、出版社のページ) で逐語的に検証されない限り使用できません。
注意: AI によって生成されたリソースは、「見た目がリアルすぎる」という理由だけで本物ではありません。著者名、雑誌、年はよく知られているかもしれませんが、論文自体は書かれたことがないかもしれません。 YZ 以外の信頼できるカタログで各情報源を見つけ、その引用と正確に一致することなしに、各情報源を決して使用しないでください。
適切なワークフロー: 最初にソース、後で合成
安全な文献研究の順序は重要です。
1. カタログではなく地図に AI を使用します。 AI に「この議論の主な陣営は何ですか、どの概念が中心で、どの区別が重要ですか?」と尋ねます。聞く。通常、この概念マップは機能します。ただし、「ソース リストをください」という出力は、最終的なリストとしてではなく、出発点として考えてください。
2. 各リソースを個別のカタログと照合して確認します。 YZ が推奨するすべての作品を信頼できるデータベースから検索します。見つからないリソースをリストから削除します。また、カタログ内の既存の情報源の引用 (著者、タイトル、年、雑誌、ページ) を修正します。
3. ソースを自分で読み、それを合成してもらいます。最も安全な合成は、提供された実際のテキストを AI に要約して比較させることです。したがって、AI は外部から捏造を加えることができません。指定した実際のテキストでのみ機能します。
4. 総合では意見を正直に表現します。さまざまな陣営を最強の状態で紹介します。意見を風刺的に描かないでください。
ヒント: AI に文献の要約を行わせるときは、「私が提供したテキストのみに依存し、著者や記事を自分の記憶から追加する」ように指示します。これにより、無関係な幻覚が大幅にカットされ、各主張が提供されたテキストに関連付けられます。
ミニケース3個
ケース 1 — 捏造された帰属が捕捉されました。ある大学院生が AI に、あるテーマに関して「最も引用された 8 つの論文」を尋ねました。学生は図書館のデータベースでそれぞれの資料を検索しました。8 つの情報源のうち 3 つはまったく存在しませんでした。本物の著者の名前で捏造された記事、真実に見えるが存在しない記事でした。学生はこれら 3 つを削除し、残りの 5 つを本物の ID タグで修正しました。検証ステップにより、3 つのゴースト引用が論文に入るのを防ぎました。
ケース 2 — テキストを考慮すると、合成は安全でした。講師自らが実際の記事6本をPDFとして収集し、これらのテキストのみをAIに比較させてテーマ表を作成させた。出力は 30 分で完成し、AI は提供された実際のテキストのみで動作するため、ダミーのソースは含まれませんでした。講師は引き続き、各テーマの参照を対応する記事にリンクしました。
ケース 3 — 視界の歪みが修正されました。研究者はAIに2つの相反する倫理的立場を要約させた。 AI は少数派の立場を弱い、典型的な方法で提示しました。研究者がその立場の最初の支持者の文書に目を向けたところ、より強力な議論を発見し、総合を修正しました。 「人気者を強いものとして、少数派を弱いものとして描く」という AI の傾向は、正直な表現によってバランスが保たれています。
弱いプロンプト / 強いプロンプト
弱いプロンプト:
このトピックに関するトップ 10 の情報源とその概要を教えてください。
このプロンプトは偽のソース ファクトリです。AI はメモリから現実的ではあるが偽の識別子を生成します。ユーザーはそのリストを検証する前にそのリストを信頼します。
強力なプロンプト:
あなたの役割は、慎重な文学アシスタントです。 2つのステージを行います。ステージ 1 (マップ): この議論の主な立場、中心的な概念、および重要な違いを明確にします。出典のクレジットを提供しないでください。概念的な地図を与えるだけです。フェーズ 2 (合成): アップロードする実際のテキストを比較します。私が提供するテキストにのみ依存し、著者や記事を記憶から追加しないでください。各主張を関連するテキストにリンクします。トピック: [ここにトピックを挿入]
このリクエストにより、偽のインプリントの作成が防止されます。 AI から概念マップを取得し、ユーザーから実際のリソースを取得します。
コピー可能な 4 つのテンプレート
1) 概念図 (出典なし):
[トピック] 討論の主な陣営、各陣営の中心的な主張、陣営間の主な相違点を特定します。出典引用/CITATION;概念的な地図を与えるだけです。よくわからない場合は、その区別を「確認が必要」としてマークしてください。
2) 与えられたテキストの総合表:
以下に N 個の実際のテキストを示します。これらのみに基づいて；外部リソースの追加。表が表示されます: 行 = 比較テーマ、列 = そのテーマ内の各テキストの位置。各セル内の関連するテキストの名前を参照します。テキスト: [テキストを貼り付け]
3) ソース検証チェックリストの作成:
以下の情報源リストの引用ごとに、検証する必要があるフィールドのチェックリストが個別のカタログに表示されます: 著者、完全なタイトル、年、雑誌/出版社、巻/号、ページ、DOI。あなたは情報源の信頼性を検証します。確認する箇所のみ記載します。リスト: [ソースを貼り付け]
4) 正直な表現の管理:
以下の合成では、各ポジションが最も強い形で表現されているか、それとも弱い似顔絵で表現されているかを確認してください。少数派または不人気な意見が不当に弱体化したことがありますか?より公平な表現が必要な箇所を強調します。合成: [テキストを貼り付け]
ソース信頼レベル表
ソースの出所
信頼レベル
何をすべきか
AIの記憶から生成される痕跡
低すぎる
カタログ内で正確に検証または破棄する
あなたが提供したテキストをAIが要約してくれる
高い
主張を本文にリンクバックする
査読済みのデータベース/図書館カタログ
高い
インプリントを文字通りに使用する
出版社・雑誌公式ページ
高い
直接信頼できる
よくある間違い
- AI のリソース リストに依存します。最も壊滅的な間違い。各インプリントは、独立したカタログで検証されない限り使用できません。
- 「リアルに見える」テスト。参考文献が説得力があるように見えるからといって、それが真実であるとは限りません。でっち上げられた痕跡も同様に本物らしく見えます。
- DOI を検証せずに受け入れる。 AI は、偽の、しかし形式的には正しいように見える DOI を生成できます。 DOI を解析して、実際の記事に到達したかどうかを確認します。
- 景色を風刺画にします。 AI は少数派の立場を弱いものとして示す傾向があります。あなたは誠実な表現を提供します。
- 外部リソース制限を設定していません。 「私が与えるテキストに頼ってください」と言わずに総合を求めることは、外部からの捏造への扉を開くことになります。
要約すれば
文献レビューは哲学的研究の基礎であり、AI によってそれをスピードアップすることができます。しかし、人文科学における最も危険な罠は、捏造された出典と引用です。安全な道は明らかです。リソース カタログではなく、概念マップに AI を使用します。各インプリントを独立したデータベースと照合して逐語的に検証します。できれば提供した実際のテキストを使用して合成を行ってください。そして、それぞれの意見を最大限に正直に表現します。 「リアルに見える」というのは検証ではありません。情報源の完全性があなたの学術的信頼性を保証します。
アプリケーションタスク
- 「概念マップ」テンプレートを使用して AI からトピックに関するキャンプを抽出します (ソースなし)。
- また、AI に 6 つのリソース タグを生成させます。
- 信頼できるカタログでこれら 6 つのタグを 1 つずつ検索します。どれくらいが本物で、どれくらいが偽物かを判断します。
- 本物を2つ自分で読み込んでAIに合成テーブルを作成してもらいます。
- ビューが合成で適切に表現されているかどうかを確認します。
チェックリスト
- [ ] AI をリソース カタログとしてではなく、概念マップとして使用しました。
- [ ] 私は独立したカタログで各出典の引用を逐語的に確認しました。
- [ ] 偽のソースをリストから削除しました。
- [ ] 可能な限り私が提供した実際のテキストで合成してもらいました。
- [ ] 各主張を関連する実際のテキストにリンクしました。
- [ ] 私はそれぞれの見解を最も強く正直な形で表現しました。