ಸಾಹಿತ್ಯ ವಿಮರ್ಶೆ ಮತ್ತು ಆರ್ಥಿಕ ಸಂಶೋಧನಾ ಸಂಶ್ಲೇಷಣೆ

ಲಾಭಗಳು:

• ಅರ್ಥಶಾಸ್ತ್ರದ ಪ್ರಶ್ನೆಗೆ ಹುಡುಕಾಟ ತಂತ್ರ, ಪರಿಕಲ್ಪನೆ ನಕ್ಷೆ ಮತ್ತು ಸಂಶ್ಲೇಷಣೆಯ ರೂಪರೇಖೆಯನ್ನು ತಯಾರಿಸಲು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯನ್ನು ಬಳಸುವ ಸಾಮರ್ಥ್ಯ
• ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ರೂಪಿಸಬಹುದಾದ ಮೂಲಗಳು, ನಕಲಿ ಉಲ್ಲೇಖಗಳು ಮತ್ತು ತಪ್ಪು ಸಂಶೋಧನೆಗಳ ಅಪಾಯವನ್ನು ಗುರುತಿಸುವ ಸಾಮರ್ಥ್ಯ ಮತ್ತು ಮೂಲ ಮೂಲದಿಂದ ಪ್ರತಿ ಉಲ್ಲೇಖವನ್ನು ಪರಿಶೀಲಿಸುವ ಸಾಮರ್ಥ್ಯ
• ವಿರುದ್ಧ ದೃಷ್ಟಿಕೋನಗಳು, ಕ್ರಮಶಾಸ್ತ್ರೀಯ ವ್ಯತ್ಯಾಸಗಳು ಮತ್ತು ಸಂದರ್ಭದ ಗಡಿಗಳೊಂದಿಗೆ ಸಮತೋಲಿತ ಸಾಹಿತ್ಯದ ಸಾರಾಂಶವಾಗಿ ಸಂಶೋಧನೆಗಳನ್ನು ಪರಿವರ್ತಿಸುವ ಸಾಮರ್ಥ್ಯ.

ಯಾವುದೇ ಆರ್ಥಿಕ ವಿಶ್ಲೇಷಣೆಯು ನಿರ್ವಾತದಲ್ಲಿ ಹುಟ್ಟುವುದಿಲ್ಲ. ನೀತಿ ಪ್ರಶ್ನೆ, ಮುನ್ಸೂಚನೆ, ವರದಿಯನ್ನು ಪ್ರಾರಂಭಿಸುವ ಮೊದಲು, "ಈ ಸಮಸ್ಯೆಯ ಬಗ್ಗೆ ಏನು ತಿಳಿದಿದೆ, ಏನು ಚರ್ಚಿಸಲಾಗಿದೆ?" ಎಂಬ ಪ್ರಶ್ನೆಗೆ ಉತ್ತರಿಸುವುದು ಅವಶ್ಯಕ. ಸಾಹಿತ್ಯ ವಿಮರ್ಶೆ ಎಂದರೆ ಅದು: ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಜ್ಞಾನ, ಸಂಶೋಧನೆಗಳು ಮತ್ತು ವಿಷಯದ ಕುರಿತು ಚರ್ಚೆಗಳ ಸಂಘಟಿತ ಸಂಕಲನ. ಈ ವ್ಯವಹಾರದಲ್ಲಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ಬೆರಗುಗೊಳಿಸುವ ವೇಗವರ್ಧಕದಂತೆ ತೋರುತ್ತದೆ - ವಿಷಯವನ್ನು ಸಂಕ್ಷಿಪ್ತಗೊಳಿಸುವುದು, ಪರಿಕಲ್ಪನೆಗಳನ್ನು ಮ್ಯಾಪಿಂಗ್ ಮಾಡುವುದು, ವಿರುದ್ಧವಾದ ವೀಕ್ಷಣೆಗಳನ್ನು ವಿಂಗಡಿಸುವುದು. ಆದರೆ ಇಲ್ಲಿ ಇದು ಅತ್ಯಂತ ಅಪಾಯಕಾರಿ ಬಲೆಯನ್ನು ಹೊಂದಿದೆ: ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ಅಸ್ತಿತ್ವದಲ್ಲಿಲ್ಲದ ಮೂಲಗಳು, ನಕಲಿ ಲೇಖಕರು ಮತ್ತು ಸಂಪೂರ್ಣ ವಿಶ್ವಾಸದಿಂದ ಕಲ್ಪಿತ ಸಂಶೋಧನೆಗಳನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ. ಈ ಘಟಕದ ಬದಲಾಗದ ನಿಯಮ: ಪ್ರತಿ ಉಲ್ಲೇಖ, ಪ್ರತಿ ಶೋಧನೆ, ಪ್ರತಿ ಹೆಸರನ್ನು ಮೂಲ ಮೂಲದಿಂದ ಪರಿಶೀಲಿಸಲಾಗುತ್ತದೆ; ಯಾವುದೇ ಪರಿಶೀಲಿಸದ ಉಲ್ಲೇಖಗಳು ಪಠ್ಯವನ್ನು ನಮೂದಿಸುವುದಿಲ್ಲ.

ಸಾಹಿತ್ಯದಲ್ಲಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಏನು ಚೆನ್ನಾಗಿ ಮಾಡುತ್ತದೆ ಮತ್ತು ಅದು ಎಂದಿಗೂ ಏನು ಮಾಡುವುದಿಲ್ಲ?

ಇದು ಉತ್ತಮವಾಗಿ ಏನು ಮಾಡುತ್ತದೆ (ಸಹಾಯಕ): ವಿಷಯ ಮತ್ತು ಅದರ ಉಪಶೀರ್ಷಿಕೆಗಳನ್ನು ಮ್ಯಾಪಿಂಗ್ ಮಾಡುವುದು, ಹುಡುಕಲು ಪ್ರಮುಖ ಪರಿಕಲ್ಪನೆಗಳು ಮತ್ತು ಹುಡುಕಾಟ ಪದಗಳನ್ನು ಸೂಚಿಸುವುದು, ನೀವು ಒದಗಿಸುವ ಪಠ್ಯಗಳನ್ನು ಸಂಕ್ಷಿಪ್ತಗೊಳಿಸುವುದು ಮತ್ತು ಹೋಲಿಕೆ ಮಾಡುವುದು, ಚರ್ಚೆಯ "ಬದಿಗಳನ್ನು" ರೂಪಿಸುವುದು, ಪಠ್ಯದ ವಾದ ರಚನೆಯನ್ನು ಹೊರತೆಗೆಯುವುದು.

ಎಂದಿಗೂ ನಂಬಬಾರದು (ಅಪಾಯಕಾರಿ): ನಿಜವಾದ ಉಲ್ಲೇಖಗಳು ಮತ್ತು ಕ್ರೆಡಿಟ್‌ಗಳನ್ನು ಉತ್ಪಾದಿಸುವುದು. ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ಅತ್ಯಂತ ವಾಸ್ತವಿಕವಾದ ಆದರೆ ಸಂಪೂರ್ಣವಾಗಿ ಕಲ್ಪಿತ ವಾಕ್ಯಗಳನ್ನು ಮಾಡಬಹುದು ಉದಾಹರಣೆಗೆ "Yılmaz (2019) ಹಣದುಬ್ಬರ-ಬೆಳವಣಿಗೆಯ ಸಂಬಂಧವು ಋಣಾತ್ಮಕವಾಗಿದೆ ಎಂದು ಕಂಡುಹಿಡಿದಿದೆ." ಲೇಖಕರು ಅಸ್ತಿತ್ವದಲ್ಲಿಲ್ಲದಿರಬಹುದು, ಲೇಖನವು ಅಸ್ತಿತ್ವದಲ್ಲಿಲ್ಲದಿರಬಹುದು ಅಥವಾ ನಿಜವಾದ ಲೇಖನವು ವಿರುದ್ಧವಾಗಿ ಹೇಳಬಹುದು. ಇದನ್ನು ಸಾಹಿತ್ಯದಲ್ಲಿ ಭ್ರಮೆ ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ ಮತ್ತು ಶೈಕ್ಷಣಿಕ/ವೃತ್ತಿಪರ ಖ್ಯಾತಿಗೆ ಮಾರಕವಾಗಿದೆ.

ಗಮನ: ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯಿಂದ ನೀಡಲಾದ ID "ವಾಸ್ತವವಾಗಿ ಕಾಣುತ್ತದೆ" ಎಂಬ ಕಾರಣದಿಂದಾಗಿ ಏನನ್ನೂ ಸಾಬೀತುಪಡಿಸುವುದಿಲ್ಲ. ಜರ್ನಲ್ ಹೆಸರು ಸರಿಯಾಗಿರಬಹುದು, ವರ್ಷವು ಸಮಂಜಸವಾಗಿದೆ, ಲೇಖಕರ ಹೆಸರು ಟರ್ಕಿಶ್ ಆಗಿರಬಹುದು - ಮತ್ತು ಲೇಖನವು ಎಂದಿಗೂ ಅಸ್ತಿತ್ವದಲ್ಲಿಲ್ಲ. ನೀವು ಅದನ್ನು ನಿಜವಾದ ಡೇಟಾಬೇಸ್‌ನಲ್ಲಿ (ಜರ್ನಲ್ ಸೈಟ್, DOI, ಲೈಬ್ರರಿ) ಕಂಡುಕೊಂಡಾಗ ಮಾತ್ರ ಅದು ಅಸ್ತಿತ್ವದಲ್ಲಿದೆ ಎಂದು ನೀವು ಒಪ್ಪಿಕೊಳ್ಳುತ್ತೀರಿ.

ಸರಿಯಾದ ಕೆಲಸದ ಹರಿವು: AI ನಕ್ಷೆಗಳು, ನೀವು ಪರಿಶೀಲಿಸುತ್ತೀರಿ

1. ಪ್ರಶ್ನೆಯನ್ನು ಸ್ಪಷ್ಟಪಡಿಸಿ. ನೀವು ಏನು ಹುಡುಕುತ್ತಿದ್ದೀರಿ? ವ್ಯಾಪ್ತಿ, ಅವಧಿ, ಭೌಗೋಳಿಕತೆ, ವಿಧಾನ?
2. ಪರಿಕಲ್ಪನೆಯ ನಕ್ಷೆಯನ್ನು ರಚಿಸಿ. ವಿಷಯದ ಉಪಶೀರ್ಷಿಕೆಗಳು, ಪ್ರಮುಖ ಪರಿಕಲ್ಪನೆಗಳು ಮತ್ತು ಹುಡುಕಾಟ ಪದಗಳಿಗಾಗಿ AI ಅನ್ನು ಕೇಳಿ - ಇವುಗಳು ಪರಿಶೀಲಿಸಬಹುದಾದ ಪಾಯಿಂಟರ್‌ಗಳು, ಮೂಲಗಳಲ್ಲ.
3. ನಿಜವಾದ ಕರೆ ಮಾಡಿ. ನೈಜ ಡೇಟಾಬೇಸ್‌ಗಳಲ್ಲಿ ಈ ಪದಗಳನ್ನು ಹುಡುಕಿ (ಶೈಕ್ಷಣಿಕ ಹುಡುಕಾಟ ಎಂಜಿನ್‌ಗಳು, ಜರ್ನಲ್ ಆರ್ಕೈವ್‌ಗಳು, ಸಾಂಸ್ಥಿಕ ಪ್ರಕಟಣೆಗಳು).
4. ಕಂಡುಬರುವ ಪಠ್ಯಗಳನ್ನು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಗೆ ಸಂಕ್ಷೇಪಿಸಿ. ಈಗ ನೀವು ನಿಜವಾದ ಪಠ್ಯವನ್ನು ಹೊಂದಿದ್ದೀರಿ; AI ಅದನ್ನು ಸಂಕ್ಷಿಪ್ತಗೊಳಿಸಬಹುದು ಮತ್ತು ಹೋಲಿಸಬಹುದು.
5. ಸಂಶ್ಲೇಷಿಸಿ ಮತ್ತು ಸಮತೋಲನಗೊಳಿಸಿ. ವಿರುದ್ಧವಾದ ಸಂಶೋಧನೆಗಳು, ವಿಧಾನ ವ್ಯತ್ಯಾಸಗಳು ಮತ್ತು ಸಂದರ್ಭದ ಗಡಿಗಳನ್ನು ಒಟ್ಟಿಗೆ ಪ್ರಸ್ತುತಪಡಿಸಲಾಗುತ್ತದೆ.
6. ಪ್ರತಿ ಗುಣಲಕ್ಷಣವನ್ನು ಪರಿಶೀಲಿಸಿ. ಪಠ್ಯದಲ್ಲಿ ಸೇರಿಸಲಾದ ಪ್ರತಿಯೊಂದು ಉಲ್ಲೇಖವು ನಿಜವಾಗಿಯೂ ಅಸ್ತಿತ್ವದಲ್ಲಿದೆಯೇ, ಅದರ ಗುಣಲಕ್ಷಣ ಸರಿಯಾಗಿದೆಯೇ, ಅದು ನಿಜವಾಗಿಯೂ ಹಕ್ಕು ಸಾಧಿಸಿದ ಅನ್ವೇಷಣೆಯನ್ನು ಹೊಂದಿದೆಯೇ?

ಸಲಹೆ: AI ಅನ್ನು "ಹುಡುಕಾಟ ತಂತ್ರಗಾರ ಮತ್ತು ಸಾರಾಂಶಕಾರ" ಎಂದು ಬಳಸಿ, "ಮೂಲ ಶೋಧಕ" ಅಲ್ಲ. ನೀವು ಮೂಲವನ್ನು ಹುಡುಕಿ ಮತ್ತು ಪರಿಶೀಲಿಸುತ್ತೀರಿ; ನೀವು ಕಂಡುಕೊಂಡ ಮೂಲವನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ಮತ್ತು ಹೋಲಿಸಲು AI ನಿಮಗೆ ಸಹಾಯ ಮಾಡುತ್ತದೆ.

ಸಮತೋಲಿತ ಸಂಶ್ಲೇಷಣೆ: ಬದಿಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳದೆ

ಉತ್ತಮ ಸಾಹಿತ್ಯದ ಸಾರಾಂಶವು ಒಂದೇ ಒಂದು ಸಂಶೋಧನೆಯನ್ನು ಸಂಪೂರ್ಣ ಸತ್ಯವಾಗಿ ಪ್ರಸ್ತುತಪಡಿಸುವುದಿಲ್ಲ. ಅರ್ಥಶಾಸ್ತ್ರದಲ್ಲಿ ಹೆಚ್ಚಿನ ಪ್ರಶ್ನೆಗಳಿಗೆ ವಿರುದ್ಧವಾದ ಸಂಶೋಧನೆಗಳಿವೆ: ಒಂದು ಅಧ್ಯಯನವು ಸಕಾರಾತ್ಮಕ ಸಂಬಂಧವನ್ನು ಕಂಡುಕೊಳ್ಳುತ್ತದೆ ಮತ್ತು ಇನ್ನೊಂದು ಅಲ್ಲ. ಇದು ಸಾಮಾನ್ಯವಾಗಿ ವಿಧಾನ, ಅವಧಿ, ದೇಶ ಅಥವಾ ಡೇಟಾದಲ್ಲಿನ ವ್ಯತ್ಯಾಸಗಳಿಂದಾಗಿರುತ್ತದೆ. ಪ್ರಾಮಾಣಿಕ ಸಂಶ್ಲೇಷಣೆಯು ಈ ವ್ಯತ್ಯಾಸಗಳನ್ನು ಗೋಚರವಾಗುವಂತೆ ಮಾಡುತ್ತದೆ: "ಎ ವಿಧಾನವನ್ನು ಬಳಸುವ ಅಧ್ಯಯನಗಳು ಇದನ್ನು ಕಂಡುಕೊಳ್ಳುತ್ತವೆ, ಬಿ ವಿಧಾನವನ್ನು ಬಳಸುವ ಅಧ್ಯಯನಗಳು ಅದನ್ನು ಕಂಡುಕೊಳ್ಳುತ್ತವೆ; ವ್ಯತ್ಯಾಸವು ಬಹುಶಃ ಈ ಊಹೆಯಿಂದ ಉಂಟಾಗುತ್ತದೆ."

ಮೂರು ಸಣ್ಣ ಪ್ರಕರಣಗಳು

ಪ್ರಕರಣ 1 - ಫ್ಯಾಬ್ರಿಕೇಟೆಡ್ ಆಟ್ರಿಬ್ಯೂಷನ್ ಕ್ಯಾಚ್. ಒಬ್ಬ ಸಂಶೋಧಕ AI ಅನ್ನು "ಕನಿಷ್ಠ ವೇತನ ಮತ್ತು ಉದ್ಯೋಗದ ನಡುವಿನ ಸಂಬಂಧದ 5 ಅಧ್ಯಯನಗಳನ್ನು ಸಾರಾಂಶಗೊಳಿಸಿ" ಎಂದು ಕರೆದರು. AI ಐದು ಯೋಗ್ಯ ಟ್ಯಾಗ್‌ಗಳನ್ನು ನೀಡಿದೆ. ಸಂಶೋಧಕರು ಶೈಕ್ಷಣಿಕ ಡೇಟಾಬೇಸ್‌ನಲ್ಲಿ ಪ್ರತಿಯೊಂದನ್ನು ಹುಡುಕಿದರು: ಮೂರು ನಿಜ, ಎರಡು ಅಲ್ಲ - ಲೇಖಕ-ವರ್ಷ-ಜರ್ನಲ್ ಸಂಯೋಜನೆಯನ್ನು ಸಂಪೂರ್ಣವಾಗಿ ರಚಿಸಲಾಗಿದೆ. ಅವರು ನಿಜವಾದ ಮೂರನ್ನು ಬಳಸಿದರು ಮತ್ತು ಎರಡು ತೆಗೆದುಕೊಂಡರು. ಪರಿಶೀಲನೆಯಿಲ್ಲದೆ, ಎರಡು ಪ್ರೇತ ಮೂಲಗಳು ಅದನ್ನು ಲೇಖನದಲ್ಲಿ ಮಾಡುತ್ತವೆ.

ಪ್ರಕರಣ 2 - ಪ್ರತಿಕೂಲ ಪತ್ತೆ. AI ಸರಿಯಾದ ಬೈಲೈನ್‌ನೊಂದಿಗೆ ನೈಜ ಲೇಖನವನ್ನು ಉಲ್ಲೇಖಿಸಿದೆ, ಆದರೆ "ಈ ಅಧ್ಯಯನವು X ಅನ್ನು ಕಂಡುಹಿಡಿದಿದೆ" ಎಂದು ಹೇಳಿದೆ. ಸಂಶೋಧಕರು ಮೂಲ ಕಾಗದವನ್ನು ತೆರೆದರು: ಇದು ವಾಸ್ತವವಾಗಿ ವಿರುದ್ಧವಾಗಿ ಕಂಡುಬಂದಿದೆ. ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ನಿಜವಾದ ಮೂಲಕ್ಕೆ ತಪ್ಪಾದ ಶೋಧನೆಯನ್ನು ಆರೋಪಿಸಿದೆ. ಮುದ್ರೆ ನಿಜವಾಗಿದ್ದರೂ, ಹಕ್ಕು ಪರಿಶೀಲಿಸದೆ ಅದನ್ನು ಬಳಸಲಾಗುವುದಿಲ್ಲ ಎಂಬ ಪಾಠವನ್ನು ಬಲಪಡಿಸಲಾಯಿತು.

ಪ್ರಕರಣ 3 - ಸಮತೋಲಿತ ಸಂಶ್ಲೇಷಣೆ. ತೆರಿಗೆ ನೀತಿಯ ಪ್ರಭಾವದ ಕುರಿತು ಒಬ್ಬ ವಿಶ್ಲೇಷಕ ಸಾಹಿತ್ಯವನ್ನು ಸಂಗ್ರಹಿಸಿದರು. ಮೊದಲ ಡ್ರಾಫ್ಟ್‌ನಲ್ಲಿ, AI ಏಕಪಕ್ಷೀಯ ತೀರ್ಮಾನವನ್ನು ತೆಗೆದುಕೊಂಡಿತು ("ಪರಿಣಾಮ ಧನಾತ್ಮಕ"). ವಿಶ್ಲೇಷಕರು ವಿರೋಧಿ ಅಧ್ಯಯನಗಳನ್ನು ಸೇರಿಸಿದರು ಮತ್ತು ವ್ಯತ್ಯಾಸವು ವಿಧಾನದಿಂದ ಬರುತ್ತದೆ ಎಂದು ತೋರಿಸಿದರು (ಅಲ್ಪಾವಧಿಯ ಮತ್ತು ದೀರ್ಘಾವಧಿಯ ಡೇಟಾ). ಫಲಿತಾಂಶವು "ಷರತ್ತುಬದ್ಧ" ದ ಸಮತೋಲಿತ ಸಾರಾಂಶವಾಗಿದೆ; ನೀತಿ ರೇಟಿಂಗ್ ಹೆಚ್ಚು ವಿಶ್ವಾಸಾರ್ಹವಾಗಿದೆ.

ಮೌಲ್ಯಮಾಪನ ಕೋಷ್ಟಕ

AI ಔಟ್ಪುಟ್

ಪರಿಶೀಲನೆ ಹಂತ

ಉಲ್ಲೇಖ/ಮುದ್ರೆ

ಇದು ವಾಸ್ತವವಾಗಿ ಡೇಟಾಬೇಸ್‌ನಲ್ಲಿ/DOI ಯೊಂದಿಗೆ ಅಸ್ತಿತ್ವದಲ್ಲಿದೆಯೇ?

"ಈ ಅಧ್ಯಯನವು ಇದನ್ನು ಕಂಡುಹಿಡಿದಿದೆ"

ಇದು ನಿಜವಾಗಿಯೂ ಮೂಲ ಪಠ್ಯದಲ್ಲಿ ಕಂಡುಬಂದಿದೆಯೇ?

ಸಂಖ್ಯಾತ್ಮಕ ಫಲಿತಾಂಶ

ಇದು ಲೇಖನದಲ್ಲಿನ ಕೋಷ್ಟಕ/ಸಾರಾಂಶಕ್ಕೆ ಹೊಂದಿಕೆಯಾಗುತ್ತದೆಯೇ?

"ಸಾಮಾನ್ಯ ಸ್ವೀಕಾರವು ಈ ರೀತಿಯಾಗಿದೆ"

ವಿರೋಧಿ ಸಂಶೋಧನೆಗಳನ್ನು ನಿಗ್ರಹಿಸಲಾಗಿದೆಯೇ?

ಹುಡುಕಾಟ ಪದಗಳು

ಇದು ನಿಜವಾದ ಹುಡುಕಾಟದಲ್ಲಿ ಅರ್ಥಪೂರ್ಣ ಫಲಿತಾಂಶಗಳನ್ನು ನೀಡುತ್ತದೆಯೇ?

ನಾಲ್ಕು ನಕಲಿಸಬಹುದಾದ ಟೆಂಪ್ಲೇಟ್‌ಗಳು

1) ಪರಿಕಲ್ಪನೆ ನಕ್ಷೆ ಮತ್ತು ಹುಡುಕಾಟ ತಂತ್ರ:

ನಾನು ಈ ಕೆಳಗಿನ ಆರ್ಥಿಕ ಪ್ರಶ್ನೆಯನ್ನು ತನಿಖೆ ಮಾಡುತ್ತೇನೆ: [ಪ್ರಶ್ನೆ]. ಶೈಕ್ಷಣಿಕ ಡೇಟಾಬೇಸ್‌ನಲ್ಲಿ ನಾನು ಬಳಸಬಹುದಾದ ವಿಷಯದ ಉಪಶೀರ್ಷಿಕೆಗಳು, ಪ್ರಮುಖ ಪರಿಕಲ್ಪನೆಗಳು ಮತ್ತು ಹುಡುಕಾಟ ಪದಗಳನ್ನು (ಟರ್ಕಿಶ್ + ಇಂಗ್ಲಿಷ್) ನನಗೆ ನೀಡಿ. ಉತ್ಪಾದನಾ ಮೂಲ/ಉಲ್ಲೇಖ; ಎಲ್ಲಿ ನೋಡಬೇಕು ಮತ್ತು ಯಾವ ಪರಿಭಾಷೆಯಲ್ಲಿ ನೋಡಬೇಕು ಎಂದು ಹೇಳಿ.

2) ಒದಗಿಸಿದ ಪಠ್ಯವನ್ನು ಸಂಕ್ಷಿಪ್ತಗೊಳಿಸುವುದು:

ಕೆಳಗಿನವು ನಿಜವಾದ ಲೇಖನದ ಪಠ್ಯ/ಸಾರಾಂಶವಾಗಿದೆ. ಇದನ್ನು ಸಂಕ್ಷಿಪ್ತಗೊಳಿಸಿ: ಸಂಶೋಧನಾ ಪ್ರಶ್ನೆ, ವಿಧಾನ, ಡೇಟಾ, ಮುಖ್ಯ ಶೋಧನೆ, ಮಿತಿಗಳು. ಪಠ್ಯದಲ್ಲಿ ಇಲ್ಲದ ಯಾವುದನ್ನೂ ಸೇರಿಸಬೇಡಿ; ನೀವು ಖಚಿತವಾಗಿರದ ಭಾಗವನ್ನು "ಪಠ್ಯದಲ್ಲಿ ಅಸ್ಪಷ್ಟ" ಎಂದು ಗುರುತಿಸಿ.[text]

3) ತುಲನಾತ್ಮಕ ಸಂಶ್ಲೇಷಣೆ:

ನಾನು ನಿಮಗೆ ನೀಡಿದ ಈ 4 ನೈಜ ಅಧ್ಯಯನಗಳ ಸಾರಾಂಶಗಳನ್ನು ಹೋಲಿಕೆ ಮಾಡಿ: ಯಾವುದು ಒಂದೇ ರೀತಿಯ ಸಂಶೋಧನೆಗಳನ್ನು ತೋರಿಸುತ್ತದೆ, ಇದು ವಿರೋಧಾತ್ಮಕ ಸಂಶೋಧನೆಗಳನ್ನು ತೋರಿಸುತ್ತದೆ ಮತ್ತು ಯಾವ (ವಿಧಾನ, ಅವಧಿ, ದೇಶ, ಡೇಟಾ) ವ್ಯತ್ಯಾಸವನ್ನು ಪರಿಗಣಿಸಬಹುದು? ಏಕಪಕ್ಷೀಯ ತೀರ್ಮಾನವನ್ನು ಹೇರಬೇಡಿ; ವಿರುದ್ಧ ಸಂಶೋಧನೆಗಳನ್ನು ಸಮಾನವಾಗಿ ಗೋಚರಿಸುವಂತೆ ಮಾಡಿ.

4) ಉಲ್ಲೇಖದ ಪರಿಶೀಲನೆ ಪಟ್ಟಿ:

ಈ ಡ್ರಾಫ್ಟ್‌ನಲ್ಲಿರುವ ಎಲ್ಲಾ ಉಲ್ಲೇಖಗಳನ್ನು ಪಟ್ಟಿ ಮಾಡಿ. ಪ್ರತಿಯೊಂದಕ್ಕೂ, ನಾನು ಪರಿಶೀಲಿಸಬೇಕಾದ ಮೂರು ವಿಷಯಗಳನ್ನು ತಿಳಿಸಿ: (1) ಮೂಲವು ನಿಜವಾಗಿ ಅಸ್ತಿತ್ವದಲ್ಲಿದೆಯೇ, (2) ಗುಣಲಕ್ಷಣವು ನಿಖರವಾಗಿದೆಯೇ, (3) ಅದಕ್ಕೆ ಕಾರಣವಾದ ಶೋಧನೆಯನ್ನು ಅದು ಒಳಗೊಂಡಿದೆಯೇ? ನಾನು ಅವುಗಳನ್ನು ಪರಿಶೀಲಿಸುವವರೆಗೆ ಅವುಗಳಲ್ಲಿ ಯಾವುದನ್ನೂ "ನಿಶ್ಚಿತ" ಎಂದು ಪರಿಗಣಿಸಬೇಡಿ.

ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್ / ಬಲವಾದ ಪ್ರಾಂಪ್ಟ್

ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್:

ಈ ವಿಷಯದ ಬಗ್ಗೆ ಸಾಹಿತ್ಯದ ಸಾರಾಂಶವನ್ನು ಬರೆಯಿರಿ ಮತ್ತು ಮೂಲಗಳನ್ನು ನೀಡಿ.

AI ವಾಸ್ತವಿಕವಾಗಿ ಕಾಣುವ ಆದರೆ ಭಾಗಶಃ ಮಾಡಿದ ಉಲ್ಲೇಖಗಳಿಂದ ತುಂಬಿರುವ ಪಠ್ಯವನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ; ನೀವು ಪರಿಶೀಲಿಸದಿದ್ದರೆ, ನಕಲಿ ಮೂಲಗಳು ವರದಿಯನ್ನು ನಮೂದಿಸುತ್ತವೆ.

ಶಕ್ತಿಯುತ ಪ್ರಾಂಪ್ಟ್:

ನಾನು ಕನಿಷ್ಟ ವೇತನ-ಉದ್ಯೋಗ ಸಂಬಂಧವನ್ನು ಸಂಶೋಧಿಸುತ್ತೇನೆ. ಮೊದಲಿಗೆ, ನನಗೆ ಉಪಶೀರ್ಷಿಕೆಗಳು ಮತ್ತು ಹುಡುಕಾಟ ಪದಗಳನ್ನು ನೀಡಿ (ಮೂಲಗಳು/ಉಲ್ಲೇಖಗಳನ್ನು ಉತ್ಪಾದಿಸುವುದು). ನಾನು ನಿಜವಾದ ಕೃತಿಗಳನ್ನು ಕಂಡುಕೊಳ್ಳುತ್ತೇನೆ ಮತ್ತು ಅವುಗಳ ಪಠ್ಯಗಳನ್ನು ನಿಮಗೆ ತರುತ್ತೇನೆ; ನಾನು ತಂದದ್ದನ್ನು ನೀವು ಸಂಕ್ಷಿಪ್ತಗೊಳಿಸಿ ಮತ್ತು ಹೋಲಿಕೆ ಮಾಡಿ. ವಿರುದ್ಧವಾದ ಸಂಶೋಧನೆಗಳನ್ನು ಸಮಾನವಾಗಿ ಪ್ರಸ್ತುತಪಡಿಸಿ ಮತ್ತು ವ್ಯತ್ಯಾಸವು ವಿಧಾನ ಅಥವಾ ಅವಧಿಯಿಂದ ಬಂದಿದೆಯೇ ಎಂದು ಚರ್ಚಿಸಿ. ಪಠ್ಯದಲ್ಲಿ ಇಲ್ಲದ ಯಾವುದೇ ಸಂಖ್ಯೆಗಳು ಅಥವಾ ಸಂಶೋಧನೆಗಳನ್ನು ಸೇರಿಸಬೇಡಿ.

ಸಾಮಾನ್ಯ ತಪ್ಪುಗಳು

• ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯಿಂದ ನೇರವಾಗಿ ಮೂಲಗಳು/ಉಲ್ಲೇಖಗಳನ್ನು ಕೇಳುವುದು ಮತ್ತು ಪರಿಶೀಲನೆಯಿಲ್ಲದೆ ಅವುಗಳನ್ನು ಬಳಸುವುದು. ಭ್ರಮೆಗಳ ಅಪಾಯ.
• ವಾಸ್ತವಿಕ ಮುದ್ರೆಗಳನ್ನು ನಿಜವೆಂದು ತಪ್ಪಾಗಿ ಗ್ರಹಿಸುವುದು. ಗೋಚರತೆ ಪುರಾವೆಯಲ್ಲ.
• ಸರಿಯಾದ ಟ್ಯಾಗ್‌ಗೆ ತಪ್ಪು ಕಂಡುಹಿಡಿಯುವಿಕೆಯ ಗುಣಲಕ್ಷಣವನ್ನು ಗಮನಿಸುವುದಿಲ್ಲ. ಒಂದು ಮೂಲವಿದೆ, ಆದರೆ ಹಕ್ಕು ತಪ್ಪಾಗಿರಬಹುದು.
• ಏಕಮುಖ ಸಂಶ್ಲೇಷಣೆ. ವ್ಯತಿರಿಕ್ತ ಸಂಶೋಧನೆಗಳನ್ನು ಮರೆಮಾಚುವುದು.
• ವಿಧಾನ/ಸಂದರ್ಭ ವ್ಯತ್ಯಾಸವನ್ನು ಬೈಪಾಸ್ ಮಾಡುವುದು. ಸೇಬುಗಳು ಮತ್ತು ಪೇರಳೆಗಳನ್ನು ಹೋಲಿಸುವುದು.
• ಪಠ್ಯದಲ್ಲಿ ಇಲ್ಲದ ಅಮೂರ್ತಕ್ಕೆ ಸಂಖ್ಯೆ ಸೋರಿಕೆ. ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ "ಸ್ಟಫಿಂಗ್".

ಸಾರಾಂಶದಲ್ಲಿ

ಸಾಹಿತ್ಯ ವಿಮರ್ಶೆಯಲ್ಲಿ, AI ಶಕ್ತಿಯುತ ಹುಡುಕಾಟ ತಂತ್ರಜ್ಞ ಮತ್ತು ಸಾರಾಂಶ ಆದರೆ ವಿಶ್ವಾಸಾರ್ಹವಲ್ಲದ ಮೂಲ ಜನರೇಟರ್ ಆಗಿದೆ. ಸರಿಯಾದ ಕೆಲಸದ ಹರಿವು: AI ನಕ್ಷೆಗಳು ಪರಿಕಲ್ಪನೆಗಳು ಮತ್ತು ಹುಡುಕಾಟ ಪದಗಳು, ನೀವು ನಿಜವಾದ ಮೂಲಗಳನ್ನು ಹುಡುಕುತ್ತೀರಿ ಮತ್ತು ಪರಿಶೀಲಿಸುತ್ತೀರಿ, ನಂತರ AI ನಿಮ್ಮ ಸಂಶೋಧನೆಗಳನ್ನು ಸಂಕ್ಷಿಪ್ತಗೊಳಿಸುತ್ತದೆ ಮತ್ತು ಹೋಲಿಸುತ್ತದೆ. ಪ್ರತಿಯೊಂದು ಉಲ್ಲೇಖ ಮತ್ತು ಸಂಶೋಧನೆಯು ಮೂಲ ಮೂಲದಿಂದ ದೃಢೀಕರಿಸಲ್ಪಟ್ಟಿದೆ; ಸಂಶ್ಲೇಷಣೆಯು ಪ್ರಾಮಾಣಿಕವಾಗಿ ವಿರುದ್ಧ ದೃಷ್ಟಿಕೋನಗಳು ಮತ್ತು ಕ್ರಮಶಾಸ್ತ್ರೀಯ ವ್ಯತ್ಯಾಸಗಳನ್ನು ಪ್ರತಿಬಿಂಬಿಸುತ್ತದೆ.

ಅಪ್ಲಿಕೇಶನ್ ಕಾರ್ಯ

ಅರ್ಥಶಾಸ್ತ್ರದ ಪ್ರಶ್ನೆಯನ್ನು ಆಯ್ಕೆಮಾಡಿ. ಟೆಂಪ್ಲೇಟ್ 1 ನೊಂದಿಗೆ (ಮೂಲಗಳನ್ನು ವಿನಂತಿಸದೆ) AI ನಿಂದ ಪರಿಕಲ್ಪನೆಯ ನಕ್ಷೆ ಮತ್ತು ಹುಡುಕಾಟ ಪದಗಳನ್ನು ಪಡೆಯಿರಿ. ಈ ನಿಯಮಗಳೊಂದಿಗೆ ನೈಜ ಶೈಕ್ಷಣಿಕ ಡೇಟಾಬೇಸ್‌ನಲ್ಲಿ ಕನಿಷ್ಠ ಮೂರು ನೈಜ ಅಧ್ಯಯನಗಳನ್ನು ಹುಡುಕಿ. ಅವುಗಳನ್ನು 2 ಮತ್ತು 3 ಟೆಂಪ್ಲೇಟ್‌ಗಳೊಂದಿಗೆ ಸಂಕ್ಷೇಪಿಸಿ ಮತ್ತು ಹೋಲಿಕೆ ಮಾಡಿ. ನಂತರ, ಪ್ರತ್ಯೇಕ ಪ್ರಯತ್ನದಲ್ಲಿ, ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯನ್ನು ನೇರ ಉಲ್ಲೇಖಕ್ಕಾಗಿ ಕೇಳಿ ಮತ್ತು ಅದು ನೀಡುವ ಉಲ್ಲೇಖಗಳಿಗಾಗಿ ಡೇಟಾಬೇಸ್ ಅನ್ನು ಹುಡುಕಿ ಎಷ್ಟು ನೈಜ ಮತ್ತು ಎಷ್ಟು ಕಟ್ಟುಕಟ್ಟಾಗಿದೆ ಎಂಬುದನ್ನು ನಿರ್ಧರಿಸಲು ಮತ್ತು ಅವುಗಳನ್ನು ಗಮನಿಸಿ.

ಪರಿಶೀಲನಾಪಟ್ಟಿ

• [ ] ನಾನು AI ಅನ್ನು ಹುಡುಕಾಟ ತಂತ್ರಗಾರ/ಸಾರಾಂಶಕಾರನಾಗಿ ಬಳಸಿದ್ದೇನೆ, ಸಂಪನ್ಮೂಲ ಜನರೇಟರ್ ಅಲ್ಲ.
• [ ] ನಾನೇ ನಿಜವಾದ ಮೂಲಗಳನ್ನು ಕಂಡುಕೊಂಡೆ ಮತ್ತು ಅವುಗಳನ್ನು ಡೇಟಾಬೇಸ್‌ನಲ್ಲಿ ಪರಿಶೀಲಿಸಿದ್ದೇನೆ.
• [ ] ಪ್ರತಿಯೊಂದು ಉಲ್ಲೇಖವು ನಿಜವಾಗಿ ಅಸ್ತಿತ್ವದಲ್ಲಿದೆ ಮತ್ತು ಅದರ ಗುಣಲಕ್ಷಣ ಸರಿಯಾಗಿದೆ ಎಂದು ನಾನು ದೃಢೀಕರಿಸಿದ್ದೇನೆ.
• [ ] ನಾನು ಮೂಲ ಪಠ್ಯದಿಂದ ಗುಣಲಕ್ಷಣದ ಶೋಧನೆಯನ್ನು ಪರಿಶೀಲಿಸಿದ್ದೇನೆ.
• [ ] ನಾನು ವಿರುದ್ಧವಾದ ಸಂಶೋಧನೆಗಳು ಮತ್ತು ಕ್ರಮಶಾಸ್ತ್ರೀಯ ವ್ಯತ್ಯಾಸಗಳನ್ನು ಸಮತೋಲಿತ ರೀತಿಯಲ್ಲಿ ಪ್ರಸ್ತುತಪಡಿಸಿದೆ.
• [ ] ಪಠ್ಯದಲ್ಲಿ ಇಲ್ಲದ ಯಾವುದೇ ಸಂಖ್ಯೆಗಳು/ಸಂಶೋಧನೆಗಳು ಸಾರಾಂಶದಲ್ಲಿ ಸೋರಿಕೆಯಾಗಿಲ್ಲ ಎಂದು ನಾನು ಪರಿಶೀಲಿಸಿದ್ದೇನೆ.
• [ ] ನಾನು ಪಠ್ಯದಲ್ಲಿ ಯಾವುದೇ ಪರಿಶೀಲಿಸದ ಉಲ್ಲೇಖಗಳನ್ನು ಸೇರಿಸಿಲ್ಲ.