ಶೈಕ್ಷಣಿಕ ಸಂಶೋಧನೆಯಲ್ಲಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ: ಪಾತ್ರಗಳು, ಗಡಿಗಳು, ಮೌಲ್ಯೀಕರಣ ಮತ್ತು ಶೈಕ್ಷಣಿಕ ಸಮಗ್ರತೆ

ಲಾಭಗಳು:

• ಶೈಕ್ಷಣಿಕ ಸಂಶೋಧನೆಯ ಕೆಲಸದ ಹರಿವಿನಲ್ಲಿ (ಸಾಹಿತ್ಯ, ವಿನ್ಯಾಸ, ವಿಶ್ಲೇಷಣೆ, ಬರವಣಿಗೆ) ನೈಜ ಸಮಯವನ್ನು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಎಲ್ಲಿ ಉಳಿಸುತ್ತದೆ ಮತ್ತು ಕಾರ್ಯದ ಅಪಾಯದ ಮಟ್ಟಕ್ಕೆ ಅನುಗುಣವಾಗಿ ಸಂಶೋಧಕರಿಗೆ ವೈಜ್ಞಾನಿಕ ತೀರ್ಪು ಮತ್ತು ಜವಾಬ್ದಾರಿ ಎಲ್ಲಿ ಉಳಿಯುತ್ತದೆ ಎಂಬುದನ್ನು ಗುರುತಿಸಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ.
• ಪ್ರತಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಔಟ್‌ಪುಟ್ ಅನ್ನು ಮೂಲಕ್ಕೆ ಸಂಪರ್ಕಿಸುವ ಮತ್ತು ಪರಿಶೀಲಿಸುವ ಶಿಸ್ತನ್ನು ಅನ್ವಯಿಸಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ ಮತ್ತು ಅಕಾಡೆಮಿಯ ಅತ್ಯಂತ ನಿರ್ಣಾಯಕ ಅಪಾಯವಾದ ಭ್ರಮೆ (ರಚಿಸಲಾದ) ಗುಣಲಕ್ಷಣದ ಸಮಸ್ಯೆಯನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವುದು.
• ಸಾಂಸ್ಥಿಕ ಮತ್ತು ಜರ್ನಲ್ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಬಳಕೆಯ ನೀತಿಗಳು, ಶೈಕ್ಷಣಿಕ ಪ್ರಾಮಾಣಿಕತೆ ಮತ್ತು ಪಾರದರ್ಶಕತೆಯ ತತ್ವಗಳನ್ನು ಅನುಸರಿಸುವ ಬಳಕೆಯ ಚೌಕಟ್ಟನ್ನು ಅಳವಡಿಸಿಕೊಳ್ಳುವ ಸಾಮರ್ಥ್ಯ.

ಸಂಶೋಧಕರ ಕೆಲಸವು ತೋರುತ್ತಿರುವುದಕ್ಕಿಂತ ಹೆಚ್ಚಿನ ಬರವಣಿಗೆ, ಓದುವಿಕೆ ಮತ್ತು ಸಂಪಾದನೆಯನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ: ನೂರಾರು ಲೇಖನಗಳನ್ನು ಸ್ಕ್ಯಾನ್ ಮಾಡುವುದು, ಅವುಗಳನ್ನು ಸಂಕ್ಷಿಪ್ತಗೊಳಿಸುವುದು, ಸಂಶೋಧನಾ ಪ್ರಶ್ನೆಯನ್ನು ಗೌರವಿಸುವುದು, ವಿಧಾನಗಳನ್ನು ವಿನ್ಯಾಸಗೊಳಿಸುವುದು, ಡೇಟಾವನ್ನು ವಿಶ್ಲೇಷಿಸುವುದು, ಫಲಿತಾಂಶಗಳನ್ನು ಬರೆಯುವುದು, ಉಲ್ಲೇಖಗಳನ್ನು ಫಾರ್ಮ್ಯಾಟ್ ಮಾಡುವುದು, ಜರ್ನಲ್‌ಗಳನ್ನು ಆಯ್ಕೆ ಮಾಡುವುದು, ವಿಮರ್ಶಕರ ಕಾಮೆಂಟ್‌ಗಳಿಗೆ ಪ್ರತಿಕ್ರಿಯಿಸುವುದು. ಈ ಕೆಲಸದ ಬಹುಪಾಲು ಪುನರಾವರ್ತಿತವಾಗಿದೆ, ಸಮಯ ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ ಮತ್ತು ಗಮನವನ್ನು ಸೆಳೆಯುತ್ತದೆ; ಇದು ನಿಜವಾದ ಮೌಲ್ಯಯುತವಾದ, ಮೂಲ ಚಿಂತನೆ ಮತ್ತು ವ್ಯಾಖ್ಯಾನದಿಂದ ಕದಿಯುತ್ತದೆ. ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ (AI) - ಕಂಪ್ಯೂಟರ್ ಪ್ರೋಗ್ರಾಂಗಳು ಮಾನವ ಭಾಷೆಯನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಬಹುದು ಮತ್ತು ಪಠ್ಯ, ಸಾರಾಂಶಗಳು, ಕೋಡ್, ಡ್ರಾಫ್ಟ್‌ಗಳು ಇತ್ಯಾದಿಗಳಂತಹ ಔಟ್‌ಪುಟ್ ಅನ್ನು ಉತ್ಪಾದಿಸಬಹುದು - ಈ ಪುನರಾವರ್ತಿತ ಹೊರೆಯನ್ನು ವೇಗಗೊಳಿಸಲು ಪ್ರಬಲ ಸಹಾಯವಾಗಿದೆ. ಈ ಮಾಡ್ಯೂಲ್‌ನಾದ್ಯಂತ, ನಾವು AI ಅನ್ನು ಮಾಹಿತಿಯ ಮಾಂತ್ರಿಕ ಮೂಲವಾಗಿ ಪರಿಗಣಿಸುವುದಿಲ್ಲ; ನಾವು ಅದನ್ನು ಸಂಶೋಧನಾ ಸಹಾಯಕರಾಗಿ ಬಳಸಲು ಕಲಿಯುತ್ತೇವೆ, ಡ್ರಾಫ್ಟ್‌ಗಳನ್ನು ತಯಾರಿಸುತ್ತೇವೆ, ಆಲೋಚನೆಗಳನ್ನು ನೀಡುತ್ತೇವೆ ಮತ್ತು ಸಂಪಾದಿಸುತ್ತೇವೆ.

ಆದರೆ ಮೊದಲಿನಿಂದಲೂ, ಶಿಕ್ಷಣಕ್ಕೆ ನಿರ್ದಿಷ್ಟವಾದ ಪ್ರಮುಖ ವಾಕ್ಯವನ್ನು ಹಾಕೋಣ: AI ಸಂಶೋಧಕರ ಬದಲಿಗೆ ವೈಜ್ಞಾನಿಕ ನಿರ್ಧಾರಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳುವುದಿಲ್ಲ; ಕರಡನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ, ವೈಜ್ಞಾನಿಕ ತೀರ್ಪು ಮತ್ತು ಜವಾಬ್ದಾರಿ ಸಂಶೋಧಕರಿಗೆ ಸೇರಿದೆ. ಶಿಕ್ಷಣದಲ್ಲಿ, ಈ ನಿಯಮವು ಇತರ ವೃತ್ತಿಗಳಿಗಿಂತ ಕಟ್ಟುನಿಟ್ಟಾಗಿದೆ, ಏಕೆಂದರೆ ವಿಜ್ಞಾನದ ಕರೆನ್ಸಿ ನಂಬಿಕೆಯಾಗಿದೆ, ಮತ್ತು ಆ ನಂಬಿಕೆಯ ಆಧಾರವೆಂದರೆ ಪ್ರತಿ ಹಕ್ಕು ಪರಿಶೀಲಿಸಬಹುದಾದ ಮೂಲಕ್ಕೆ ಲಿಂಕ್ ಆಗಿದೆ.

ಈ ಮೊದಲ ಘಟಕವು ಮೂರು ಅಡಿಪಾಯಗಳನ್ನು ಸ್ಥಾಪಿಸುತ್ತದೆ: AI ಎಲ್ಲಿ ಕೆಲಸ ಮಾಡುತ್ತದೆ ಮತ್ತು ಸಂಶೋಧನಾ ಕಾರ್ಯದ ಹರಿವಿನಲ್ಲಿ ಅದು ಎಲ್ಲಿ ಉಳಿಯಬೇಕು ಎಂಬುದನ್ನು ಗುರುತಿಸುವುದು; ಪ್ರತಿ ಔಟ್ಪುಟ್ ಅನ್ನು ಪರಿಶೀಲಿಸುವುದು; ಶೈಕ್ಷಣಿಕ ಪ್ರಾಮಾಣಿಕತೆ ಮತ್ತು ಪಾರದರ್ಶಕತೆಯ ತತ್ವವನ್ನು ಅಳವಡಿಸಿಕೊಳ್ಳುವುದು. ಈ ಮೂರು ಎಲ್ಲಾ ನಂತರದ ಘಟಕಗಳಿಗೆ ಆಧಾರವಾಗಿರುವ ಭದ್ರತಾ ಆಧಾರವಾಗಿದೆ.

AI ಎಲ್ಲಿ ಸಮಯವನ್ನು ಉಳಿಸುತ್ತದೆ, ನಿರ್ಧಾರವು ಸಂಶೋಧಕರಿಗೆ ಎಲ್ಲಿದೆ?

ಅಪಾಯದ ಮಟ್ಟಕ್ಕೆ ಸಂಬಂಧಿಸಿದಂತೆ ಸಂಶೋಧನಾ ಕಾರ್ಯಗಳನ್ನು ಯೋಚಿಸಲು ಇದು ಸಹಾಯ ಮಾಡುತ್ತದೆ. ತಪ್ಪಾಗಿ ಮಾಡಿದರೆ ವೈಜ್ಞಾನಿಕ ದಾಖಲೆಗೆ ಎಷ್ಟು ಹಾನಿಯಾಗುತ್ತದೆ ಎಂಬುದು ಅಪಾಯದ ಮಟ್ಟ.

AI ಬಹಳಷ್ಟು ವೇಗವನ್ನು ಹೆಚ್ಚಿಸುವ ಕಡಿಮೆ-ಅಪಾಯಕಾರಿ ಕಾರ್ಯಗಳು: ಹುಡುಕಾಟ ತಂತ್ರವನ್ನು ರಚಿಸುವುದು (ಕೀವರ್ಡ್, ಸಮಾನಾರ್ಥಕ), ದೀರ್ಘ ಪಠ್ಯದ ಆರಂಭಿಕ ಸಾರಾಂಶವನ್ನು ಮಾಡುವುದು, ಪ್ಯಾರಾಗ್ರಾಫ್‌ನ ಭಾಷೆಯನ್ನು ಸರಳಗೊಳಿಸುವುದು, ಟೇಬಲ್ ಶಿರೋನಾಮೆಯನ್ನು ಸೂಚಿಸುವುದು, ಬುದ್ದಿಮತ್ತೆ, ಪರಿಕಲ್ಪನೆಯನ್ನು ವಿವಿಧ ರೀತಿಯಲ್ಲಿ ವಿವರಿಸುವುದು, ಬಾಹ್ಯರೇಖೆಯ ರಚನೆಯೊಂದಿಗೆ ಬರುವುದು. ಇಲ್ಲಿ AI "ಖಾಲಿ ಪುಟ" ಸಮಸ್ಯೆಯನ್ನು ಪರಿಹರಿಸುತ್ತದೆ; ನೀವು ಸರಿಪಡಿಸಿ, ಪರಿಶೀಲಿಸಿ ಮತ್ತು ಉತ್ಕೃಷ್ಟಗೊಳಿಸಿ.

ಕಠಿಣ ಪರಿಶೀಲನೆಯ ಅಗತ್ಯವಿರುವ ಮಧ್ಯಮ-ಅಪಾಯ, AI-ಉತ್ಪಾದಿತ ಕಾರ್ಯಗಳು: ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ಪರೀಕ್ಷೆಯ ಆಯ್ಕೆಯ ಶಿಫಾರಸು, ಕೋಡ್ ಡ್ರಾಫ್ಟ್, ಉಲ್ಲೇಖದ ಫಾರ್ಮ್ಯಾಟಿಂಗ್, ಕಂಡುಹಿಡಿಯುವಿಕೆಯ ಕರಡು ವ್ಯಾಖ್ಯಾನ, ವಿಧಾನದ ಆಯ್ಕೆಗಳ ಹೋಲಿಕೆ. ಇಲ್ಲಿ AI ವೇಗವನ್ನು ನೀಡುತ್ತದೆ, ಆದರೆ ಪ್ರತಿ ಸಂಖ್ಯೆ, ಪ್ರತಿ ಟ್ಯಾಗ್, ಪ್ರತಿ ತರ್ಕ ಹಂತವನ್ನು ಹಸ್ತಚಾಲಿತವಾಗಿ ದೃಢೀಕರಿಸಬೇಕು.

ನಿರ್ಧಾರವನ್ನು ಸಂಶೋಧಕರಿಗೆ ಮಾತ್ರ ಬಿಡುವ ಹೆಚ್ಚಿನ ಅಪಾಯದ ಕಾರ್ಯಗಳು: ಊಹೆ ಮತ್ತು ವಿಧಾನದ ಅಂತಿಮ ನಿರ್ಣಯ, ಡೇಟಾದ ಅರ್ಥವನ್ನು ನಿರ್ಧರಿಸುವುದು, ಸಂಶೋಧನೆಯು ಅರ್ಥಪೂರ್ಣವಾಗಿದೆಯೇ ಎಂದು ನಿರ್ಣಯಿಸುವುದು, ನೀತಿಶಾಸ್ತ್ರ ಸಮಿತಿ (IRB) ಯೊಳಗಿನ ನಿರ್ಧಾರಗಳು, ಮೂಲವು ನಿಜವಾಗಿ ಅಸ್ತಿತ್ವದಲ್ಲಿದೆಯೇ ಮತ್ತು ಅದನ್ನು ಬೆಂಬಲಿಸುತ್ತದೆಯೇ ಎಂದು ನಿರ್ಧರಿಸುವುದು, ಕರ್ತೃತ್ವ ಮತ್ತು ಕೊಡುಗೆಯ ಹೇಳಿಕೆ. ಈ ನಿರ್ಧಾರಗಳು ವೈಜ್ಞಾನಿಕ ದಾಖಲೆಯ ವಿಶ್ವಾಸಾರ್ಹತೆಯನ್ನು ನಿರ್ಧರಿಸುತ್ತವೆ; ಜವಾಬ್ದಾರಿ ಮತ್ತು ಅಂತಿಮ ಮಾತು ಯಾವಾಗಲೂ ಸಂಶೋಧಕರಿಗೆ ಸೇರಿದೆ.

ಎಚ್ಚರಿಕೆ: "AI ಹೇಳಿದರು" ಒಂದು ಸಮರ್ಥನೆ ಅಲ್ಲ. ಜರ್ನಲ್ ಸಂಪಾದಕರು ಅಥವಾ ಪ್ರಬಂಧ ತೀರ್ಪುಗಾರರು "ನನ್ನ ಮಾದರಿಯು ಇದನ್ನು ಈ ರೀತಿ ನಿರ್ಮಿಸಿದೆ" ಎಂಬ ಹೇಳಿಕೆಯನ್ನು ಸ್ವೀಕರಿಸುವುದಿಲ್ಲ. ಪರಿಶೀಲಿಸದ AI ಔಟ್‌ಪುಟ್ ಪರಿಶೀಲಿಸದ ವದಂತಿಯಂತೆ.

ಪರಿಶೀಲನೆ ಏಕೆ ಅಗತ್ಯ? ಭ್ರಮೆ ಮತ್ತು ಫ್ಯಾಬ್ರಿಕೇಟೆಡ್ ಆಟ್ರಿಬ್ಯೂಷನ್

AI ಪಠ್ಯವನ್ನು "ತಿಳಿದುಕೊಳ್ಳುವ" ಮೂಲಕ ಅಲ್ಲ ಆದರೆ "ಸಂಭವನೀಯ ಪದವನ್ನು ಊಹಿಸುವ ಮೂಲಕ" ಉತ್ಪಾದಿಸುತ್ತದೆ. ಅದಕ್ಕಾಗಿಯೇ ಕೆಲವೊಮ್ಮೆ ಇದು ಅತ್ಯಂತ ನಿರರ್ಗಳವಾಗಿ ಆದರೆ ವಾಸ್ತವವಾಗಿ ತಪ್ಪಾದ ಮಾಹಿತಿಯನ್ನು ನೀಡುತ್ತದೆ. ಇದನ್ನು ಭ್ರಮೆ (ಫ್ಯಾಬ್ರಿಕೇಶನ್) ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ. ಶೈಕ್ಷಣಿಕ ಕ್ಷೇತ್ರದಲ್ಲಿ ಇದರ ಅತ್ಯಂತ ಅಪಾಯಕಾರಿ ರೂಪವು ನಕಲಿ ಗುಣಲಕ್ಷಣವಾಗಿದೆ: AI ಲೇಖಕರ ಹೆಸರು, ವರ್ಷ, ಜರ್ನಲ್ ಅಥವಾ DOI (ಡಿಜಿಟಲ್ ಆಬ್ಜೆಕ್ಟ್ ಐಡೆಂಟಿಫಯರ್ - ಪ್ರಕಟಣೆಯ ಶಾಶ್ವತ ವಿಳಾಸ) ಅನ್ನು ಸೃಷ್ಟಿಸುತ್ತದೆ, ಅದು ನಿಜವೆಂದು ತೋರುತ್ತದೆ, ಆದರೆ ಆ ಮೂಲವು ಎಂದಿಗೂ ಅಸ್ತಿತ್ವದಲ್ಲಿಲ್ಲ. ಒಬ್ಬ ಸಂಶೋಧಕ ಇದನ್ನು ಪರಿಶೀಲಿಸದೆ ಬಳಸಿದರೆ, ಅವನು ಅಥವಾ ಅವಳು ಅಸ್ತಿತ್ವದಲ್ಲಿಲ್ಲದ ಅಧ್ಯಯನವನ್ನು ಆಧರಿಸಿ ಹಕ್ಕು ಸಾಧಿಸುತ್ತಿದ್ದಾರೆ; ಇದು ಪ್ರಬಂಧವನ್ನು ತಿರಸ್ಕರಿಸುವುದು, ಲೇಖನದ ಹಿಂತೆಗೆದುಕೊಳ್ಳುವಿಕೆ ಮತ್ತು ಖ್ಯಾತಿಯ ನಷ್ಟಕ್ಕೆ ಕಾರಣವಾಗುತ್ತದೆ.

ಎರಡನೆಯ ಸಮಸ್ಯೆ ಅಸ್ಪಷ್ಟತೆಯಾಗಿದೆ: ಕಾಗದವನ್ನು ಸಾರಾಂಶ ಮಾಡುವಾಗ, AI ಸಂಶೋಧನೆಯನ್ನು ಉತ್ಪ್ರೇಕ್ಷಿಸಬಹುದು, "ಯಾವುದೇ ಗಮನಾರ್ಹ ವ್ಯತ್ಯಾಸವಿಲ್ಲ" ಎಂದು ಹೇಳುವ ಅಧ್ಯಯನವನ್ನು "ಗಮನಾರ್ಹ ವ್ಯತ್ಯಾಸ ಕಂಡುಬಂದಿದೆ" ಎಂದು ಸಾರಾಂಶಿಸಬಹುದು. ಮೂರನೆಯದು ಪಕ್ಷಪಾತ: AI ತರಬೇತಿ ಪಡೆದ ಡೇಟಾದಲ್ಲಿನ ಪ್ರವೃತ್ತಿಗಳನ್ನು ಪುನರಾವರ್ತಿಸುತ್ತದೆ; ಇದು ಒಂದು ನಿರ್ದಿಷ್ಟ ಶಾಲೆ, ಭಾಷೆ ಅಥವಾ ದೃಷ್ಟಿಕೋನವನ್ನು ಹೈಲೈಟ್ ಮಾಡಬಹುದು ಮತ್ತು ಸಾಹಿತ್ಯವನ್ನು ವಿರೂಪಗೊಳಿಸಬಹುದು.

ಈ ಮಿತಿಗಳ ಕಾರಣದಿಂದಾಗಿ, ಪ್ರತಿ ಔಟ್‌ಪುಟ್‌ಗೆ ಅನ್ವಯಿಸಲು ನಾವು ಸರಳವಾದ ದೃಢೀಕರಣ ಶಿಸ್ತನ್ನು ಪ್ರಸ್ತಾಪಿಸುತ್ತೇವೆ:

1. ಅದನ್ನು ಮೂಲಕ್ಕೆ ಸಂಪರ್ಕಿಸಿ. ಪ್ರತಿ ಸತ್ಯ, ದಿನಾಂಕ, ಸಂಖ್ಯೆ, ಉಲ್ಲೇಖ ಮತ್ತು ವಿಶೇಷವಾಗಿ ಪ್ರತಿ ಉಲ್ಲೇಖಕ್ಕಾಗಿ ನಿಜವಾದ ಮೂಲವನ್ನು (ಲೇಖನ, ಡೇಟಾಬೇಸ್, DOI) ಹುಡುಕಿ ಮತ್ತು ಪರಿಶೀಲಿಸಿ.
2. ಮತ್ತೊಮ್ಮೆ ಪರಿಶೀಲಿಸಿ. ಸಂಖ್ಯಾತ್ಮಕ ಅಥವಾ ತಾರ್ಕಿಕ ಔಟ್‌ಪುಟ್‌ಗಳನ್ನು ಹಸ್ತಚಾಲಿತವಾಗಿ ಪರಿಶೀಲಿಸಿ (ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ಫಲಿತಾಂಶ, ಮಾದರಿ ಲೆಕ್ಕಾಚಾರ).
3. ವೈಜ್ಞಾನಿಕ ಫಿಲ್ಟರ್. "ಈ ಹಕ್ಕು ನನ್ನ ಕ್ಷೇತ್ರದಲ್ಲಿ ತಿಳಿದಿರುವ ಸಾಹಿತ್ಯದೊಂದಿಗೆ ಸ್ಥಿರವಾಗಿದೆಯೇ?" ನಿಮ್ಮ ಸ್ವಂತ ಪರಿಣತಿಯೊಂದಿಗೆ ಅದನ್ನು ನಿರ್ವಹಿಸಿ.
4. ಜವಾಬ್ದಾರಿಯನ್ನು ತೆಗೆದುಕೊಳ್ಳಿ. ನಿಮ್ಮ ಪ್ರಕಟಣೆ ಅಥವಾ ಪ್ರಬಂಧದಲ್ಲಿ ನೀವು ಅದನ್ನು ಹಾಕಿದಾಗ, ಆ ವಾಕ್ಯವು ನಿಮ್ಮದಾಗಿದೆ; ಯಾವುದೇ ತಪ್ಪುಗಳು ನಿಮ್ಮ ಜವಾಬ್ದಾರಿ.

ಶೈಕ್ಷಣಿಕ ಪ್ರಾಮಾಣಿಕತೆ ಮತ್ತು ಪಾರದರ್ಶಕತೆ

ಶೈಕ್ಷಣಿಕ ಸಮಗ್ರತೆಯು ಕೆಲಸವು ನಿಜವಾಗಿಯೂ ನಿಮ್ಮ ಮೂಲ ಕೊಡುಗೆಯಾಗಿದೆ ಮತ್ತು ಎಲ್ಲಾ ಮೂಲಗಳನ್ನು ಪ್ರಾಮಾಣಿಕವಾಗಿ ಉಲ್ಲೇಖಿಸಲಾಗಿದೆ ಎಂದು ಖಚಿತಪಡಿಸುತ್ತದೆ. AI ಯ ಬಳಕೆಯು ಈ ತತ್ವವನ್ನು ತೊಡೆದುಹಾಕುವುದಿಲ್ಲ, ಬದಲಿಗೆ ಹೊಸ ಜವಾಬ್ದಾರಿಯನ್ನು ಸೇರಿಸುತ್ತದೆ: ಪಾರದರ್ಶಕತೆ. ಹೆಚ್ಚಿನ ಜರ್ನಲ್‌ಗಳು ಮತ್ತು ವಿಶ್ವವಿದ್ಯಾನಿಲಯಗಳಿಗೆ ಈಗ AI ಬಳಕೆಯ ಸ್ಪಷ್ಟ ಘೋಷಣೆಯ ಅಗತ್ಯವಿದೆ. ಸಾಮಾನ್ಯ ಸಂಪಾದಕೀಯ ಸಾಲು (ಉದಾಹರಣೆಗೆ, ICMJE ಮತ್ತು COPE ನಂತಹ ಪ್ರಕಟಣೆಯ ನೀತಿಶಾಸ್ತ್ರ ಸಂಸ್ಥೆಗಳ ತತ್ವಗಳು) ಎರಡು ವಿಷಯಗಳನ್ನು ಸ್ಪಷ್ಟವಾಗಿ ಹೇಳುತ್ತದೆ: AI ಲೇಖಕರಾಗಲು ಸಾಧ್ಯವಿಲ್ಲ (ಏಕೆಂದರೆ ಅದು ಜವಾಬ್ದಾರಿಯನ್ನು ತೆಗೆದುಕೊಳ್ಳಲು ಸಾಧ್ಯವಿಲ್ಲ, ಆಸಕ್ತಿಯ ಸಂಘರ್ಷವನ್ನು ಘೋಷಿಸಲು ಸಾಧ್ಯವಿಲ್ಲ), ಮತ್ತು AI ಬಳಕೆಯನ್ನು ಮರೆಮಾಡಲಾಗಿಲ್ಲ, ಆದರೆ ವಿಧಾನ ಅಥವಾ ಸ್ವೀಕೃತಿ ವಿಭಾಗದಲ್ಲಿ ಬಹಿರಂಗಪಡಿಸಲಾಗಿದೆ.

ಸಲಹೆ: ಯಾವುದೇ ಉಪಕರಣಕ್ಕೆ ಪಠ್ಯವನ್ನು ಅಂಟಿಸುವ ಮೊದಲು, ಎರಡು ಪ್ರಶ್ನೆಗಳನ್ನು ಕೇಳಿ: (1) ಈ ಉಪಕರಣವು ಡೇಟಾವನ್ನು ಹೇಗೆ ಸಂಗ್ರಹಿಸುತ್ತದೆ, ಇದನ್ನು ಶಿಕ್ಷಣದಲ್ಲಿ ಬಳಸಲಾಗುತ್ತದೆ? (2) ನನ್ನ ಸಂಸ್ಥೆಯ ಮತ್ತು ಗುರಿ ಜರ್ನಲ್‌ನ AI ನೀತಿ ಏನು ಹೇಳುತ್ತದೆ? ಇವೆರಡನ್ನು ತಿಳಿಯದೆ ಪ್ರಾರಂಭಿಸಬೇಡಿ.

ಮೂರು ಸಣ್ಣ ಪ್ರಕರಣಗಳು

ಪ್ರಕರಣ 1 - ಫ್ಯಾಬ್ರಿಕೇಟೆಡ್ ಆಟ್ರಿಬ್ಯೂಷನ್ ರಾಜಿ ಪ್ರಬಂಧ. ಪದವೀಧರ ವಿದ್ಯಾರ್ಥಿಯೊಬ್ಬರು ತಮ್ಮ ಪ್ರಬಂಧ ಪರಿಚಯಕ್ಕಾಗಿ 12 ಮೂಲಗಳನ್ನು YZ ಗೆ ಕೇಳಿದರು ಮತ್ತು ಅವರ ಉಲ್ಲೇಖಗಳೊಂದಿಗೆ ಅವೆಲ್ಲವನ್ನೂ ಸ್ವೀಕರಿಸಿದರು. ಅವರ ಸಲಹೆಗಾರರು ಯಾದೃಚ್ಛಿಕವಾಗಿ ಗೂಗಲ್ ಸ್ಕಾಲರ್‌ನಲ್ಲಿ ಅವುಗಳಲ್ಲಿ 4 ಅನ್ನು ಹುಡುಕಿದರು; ಅವುಗಳಲ್ಲಿ 2 ಅಸ್ತಿತ್ವದಲ್ಲಿಲ್ಲ, ಅವುಗಳಲ್ಲಿ 1 DOI ಮತ್ತೊಂದು ಲೇಖನಕ್ಕೆ ಹೋಗುತ್ತಿದೆ. ವಿದ್ಯಾರ್ಥಿಯು ಸಂಪೂರ್ಣ ಪಟ್ಟಿಯನ್ನು ಒಂದೊಂದಾಗಿ ಪರಿಶೀಲಿಸಬೇಕಾಗಿತ್ತು ಮತ್ತು 7 ಅಧಿಕೃತ ಮೂಲಗಳನ್ನು ಮಾತ್ರ ಬಳಸಬೇಕಾಗಿತ್ತು. ಪರಿಶೀಲನೆ 40 ನಿಮಿಷಗಳನ್ನು ತೆಗೆದುಕೊಂಡಿತು; ಆದರೆ ಅದನ್ನು ಕಾಲ್ಪನಿಕ ಉಲ್ಲೇಖದೊಂದಿಗೆ ನೀಡಿದ್ದರೆ, ತೀರ್ಪುಗಾರರ ವಿಶ್ವಾಸವು ಸಂಪೂರ್ಣವಾಗಿ ಅಲುಗಾಡುತ್ತಿತ್ತು.

ಪ್ರಕರಣ 2 - ಸಮಯ ಉಳಿತಾಯ. ಪೋಸ್ಟ್‌ಡಾಕ್ಟರಲ್ ಸಂಶೋಧಕರು ಪ್ರತಿ ವಾರ 15-20 ಹೊಸ ಲೇಖನಗಳನ್ನು ಸ್ಕ್ಯಾನಿಂಗ್ ಮತ್ತು ಸಾರಾಂಶವನ್ನು 6 ಗಂಟೆಗಳ ಕಾಲ ಕಳೆದರು. ಅವರು ತಮ್ಮ ಮೊದಲ ಸಾರಾಂಶ ಜನರೇಟರ್ ಆಗಿ AI ಅನ್ನು ಬಳಸಲು ಪ್ರಾರಂಭಿಸಿದರು: AI ಪ್ರತಿ ಲೇಖನದ ಅಮೂರ್ತ ಮತ್ತು ಪರಿಚಯವನ್ನು ಸಂಕ್ಷಿಪ್ತಗೊಳಿಸುವುದು, ತನ್ನದೇ ಆದ ವಿಮರ್ಶಾತ್ಮಕ ಓದುವಿಕೆಯೊಂದಿಗೆ ಅದನ್ನು ಆಳಗೊಳಿಸುವುದು ಮತ್ತು ಮೂಲ ಪಠ್ಯದಿಂದ ಸಂಶೋಧನೆಗಳನ್ನು ಪರಿಶೀಲಿಸುವುದು. ಸಮಯವು ವಾರಕ್ಕೆ 6 ಗಂಟೆಗಳಿಂದ ~2.5 ಗಂಟೆಗಳವರೆಗೆ ಕಡಿಮೆಯಾಗಿದೆ; ಅವರು ಗಳಿಸಿದ ಸಮಯವನ್ನು ಮೂಲ ಸಂಶ್ಲೇಷಣೆಯನ್ನು ಬರೆಯಲು ಮೀಸಲಿಟ್ಟರು.

ಪ್ರಕರಣ 3 - ರಹಸ್ಯದಿಂದ ಹಿಂತಿರುಗಿ. ಸಾಮಾಜಿಕ ವಿಜ್ಞಾನಿಯೊಬ್ಬರು ಅಪ್ರಕಟಿತ ಕ್ಷೇತ್ರದ ಡೇಟಾ ಮತ್ತು ಭಾಗವಹಿಸುವವರ ಸಾಕ್ಷ್ಯಗಳನ್ನು ವಿಶ್ಲೇಷಣೆಗಾಗಿ AI ಗೆ ಅಂಟಿಸಲು ಹೊರಟಿದ್ದರು. ಇದು ರುಜುವಾತುಗಳನ್ನು ಒಳಗೊಂಡಿದೆ ಎಂದು ಅವರು ಅರಿತುಕೊಂಡರು; ಕಚ್ಚಾ ಡೇಟಾವನ್ನು ಹಂಚಿಕೊಳ್ಳುವ ಬದಲು, ಅವರು ಅನಾಮಧೇಯ, ಸಂಕ್ಷಿಪ್ತ ಮಾದರಿ ಮತ್ತು ವಿಶ್ಲೇಷಣೆ ಯೋಜನೆಯನ್ನು ಮಾತ್ರ ಕೇಳಿದರು. ಅವರು ಮೌಲ್ಯಯುತವಾದ ವಿಧಾನದ ಶಿಫಾರಸನ್ನು ಪಡೆದರು, ಆದರೆ ಯಾವುದೇ ಸೂಕ್ಷ್ಮ ಡೇಟಾ ಹೊರಬಂದಿಲ್ಲ.

ನಕಲು ಮಾಡಬಹುದಾದ ಟೆಂಪ್ಲೇಟ್‌ಗಳು

1) ಅಪಾಯದ ಮಟ್ಟದಿಂದ ಕೆಲಸವನ್ನು ಪ್ರತ್ಯೇಕಿಸುವುದು:

ನಿಮ್ಮ ಪಾತ್ರ: ಸಂಶೋಧಕರಿಗೆ ಸಹಾಯ ಮಾಡುವ ಶೈಕ್ಷಣಿಕ ಸಹಾಯಕ. ಕೆಳಗಿನ ಸಂಶೋಧನಾ ಕಾರ್ಯಗಳನ್ನು ಮೂರು ಪಟ್ಟಿಗಳಾಗಿ ವಿಂಗಡಿಸಿ: (A) AI ಸುರಕ್ಷಿತವಾಗಿ ಹಸ್ತಪ್ರತಿಯನ್ನು ತಯಾರಿಸಬಹುದಾದ ಕಡಿಮೆ-ಅಪಾಯದ ಕಾರ್ಯಗಳು, (B) AI ಹಸ್ತಪ್ರತಿಯನ್ನು ತಯಾರಿಸಬಹುದಾದ ಮತ್ತು ಕಠಿಣ ಪರಿಶೀಲನೆಯ ಅಗತ್ಯವಿರುವ ಮಧ್ಯಮ-ಅಪಾಯದ ಕಾರ್ಯಗಳು, (C) ಹೆಚ್ಚಿನ ಅಪಾಯದ ಕಾರ್ಯಗಳು ಅಂತಿಮ ನಿರ್ಧಾರವನ್ನು ಸಂಶೋಧಕರ ಬಳಿ ತೆಗೆದುಕೊಳ್ಳಬೇಕು. ಪ್ರತಿ ಕಾರ್ಯಕ್ಕೂ ಒಂದು ವಾಕ್ಯದ ಸಮರ್ಥನೆಯನ್ನು ಬರೆಯಿರಿ. ಪ್ರಶ್ನೆಗಳು: [ಸ್ವಂತ ಪ್ರಶ್ನೆಗಳನ್ನು ಅಂಟಿಸಿ]

2) ಮೌಲ್ಯೀಕರಣ ಚೆಕ್ ಪ್ರಾಂಪ್ಟ್:

ಕೆಳಗಿನ ಪಠ್ಯದಲ್ಲಿ ಸತ್ಯ, ದಿನಾಂಕ, ಸಂಖ್ಯೆ, ಉಲ್ಲೇಖ ಅಥವಾ ಗುಣಲಕ್ಷಣವನ್ನು ಒಳಗೊಂಡಿರುವ ಪ್ರತಿಯೊಂದು ವಾಕ್ಯವನ್ನು ಗುರುತಿಸಿ ಮತ್ತು ಅದನ್ನು "ಪರಿಶೀಲನೆ ಅಗತ್ಯವಿದೆ" ಎಂದು ಗುರುತಿಸಿ. ನೀವು ಎಲ್ಲಿ ಖಚಿತವಾಗಿಲ್ಲ ಎಂದು ಸ್ಪಷ್ಟವಾಗಿ ತಿಳಿಸಿ. ಮೂಲ ಅಥವಾ ಸಂಖ್ಯೆಯನ್ನು ರೂಪಿಸಬೇಡಿ; ನಿಮಗೆ ಗೊತ್ತಿಲ್ಲದಿದ್ದರೆ, "ನನಗೆ ಗೊತ್ತಿಲ್ಲ" ಎಂದು ಬರೆಯಿರಿ. ಪಠ್ಯ: [ಡ್ರಾಫ್ಟ್ ಅಂಟಿಸಿ]

3) ಕರಡು AI ಬಳಕೆಯ ಘೋಷಣೆ:

ಲೇಖನದ ವಿಧಾನಗಳು/ಸ್ವೀಕಾರಗಳ ವಿಭಾಗಕ್ಕೆ, 2-3 ವಾಕ್ಯಗಳ ಕರಡು "AI ಬಳಕೆಯ ಹೇಳಿಕೆ" ಬರೆಯಿರಿ ಅದು ನಾನು ಯಾವ ಹಂತಗಳಲ್ಲಿ AI ಅನ್ನು ಬಳಸಿದ್ದೇನೆ (ಉದಾ. ಭಾಷೆಯ ತಿದ್ದುಪಡಿ, ಔಟ್‌ಲೈನ್ ಡ್ರಾಫ್ಟ್) ಅನ್ನು ಪಾರದರ್ಶಕವಾಗಿ ವಿವರಿಸುತ್ತದೆ. ಬಳಕೆ: [ವಿವರಿಸಿ]

4) ಮೂಲ ಪರಿಶೀಲನೆ ಪಟ್ಟಿ:

ಕೆಳಗಿನ ಉಲ್ಲೇಖ ಪಟ್ಟಿಯಲ್ಲಿ ಪ್ರತಿ ಮೂಲಕ್ಕಾಗಿ ಪರಿಶೀಲನೆ ಚೆಕ್‌ಶೀಟ್ ಅನ್ನು ರಚಿಸಿ: [ಲೇಖಕರು, ವರ್ಷ, ಶೀರ್ಷಿಕೆ, DOI, ಪರಿಶೀಲಿಸಲಾಗಿದೆಯೇ?]. ನೀವು ಪರಿಶೀಲಿಸಲಾಗುವುದಿಲ್ಲ; ನಾನು ಹಸ್ತಚಾಲಿತವಾಗಿ ಪರಿಶೀಲಿಸುವ ಖಾಲಿ ಟೇಬಲ್ ಅನ್ನು ನನಗೆ ನೀಡಿ. ಪಟ್ಟಿ: [ಉಲ್ಲೇಖಗಳನ್ನು ಅಂಟಿಸಿ]

ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್ / ಬಲವಾದ ಪ್ರಾಂಪ್ಟ್

ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್:

ನನ್ನ ಪ್ರಬಂಧದ ಪರಿಚಯಕ್ಕಾಗಿ ನನಗೆ ಮೂಲಗಳನ್ನು ಹುಡುಕಿ.

ಯಾವುದೇ ಸಂದರ್ಭವಿಲ್ಲ ಮತ್ತು ಅಪಾಯಕಾರಿ: AI ನಕಲಿ ಐಡಿಗಳನ್ನು ಹೊರಹಾಕುತ್ತದೆ ಮತ್ತು ಅವುಗಳು ನಿಜವೆಂದು ನೀವು ಭಾವಿಸುತ್ತೀರಿ.

ಶಕ್ತಿಯುತ ಪ್ರಾಂಪ್ಟ್:

ನಿಮ್ಮ ಪಾತ್ರ: ವಿಧಾನ ಸಲಹೆಗಾರ. ಸ್ಥಳ: "ದೂರ ಶಿಕ್ಷಣದಲ್ಲಿ ವಿದ್ಯಾರ್ಥಿ ಪ್ರೇರಣೆ". ನನಗೆ ಒಂದು ಮೂಲವನ್ನು ಹುಡುಕಬೇಡ; ಬದಲಿಗೆ, ಸ್ಕೋಪಸ್‌ನಲ್ಲಿ ಈ ವಿಷಯವನ್ನು ಹುಡುಕಲು 8 ಕೀವರ್ಡ್‌ಗಳು, 3 ಸಮಾನಾರ್ಥಕ ಗುಂಪುಗಳು ಮತ್ತು ಬೂಲಿಯನ್ ಸರ್ಚ್‌ಸ್ಟ್ರಿಂಗ್ ಅನ್ನು ಸೂಚಿಸಿ. ನೈಜ ಲೇಖನ ಬೈಲೈನ್ ಫೇಕ್. ನಾನು ಕಂಡುಕೊಂಡ ಮೂಲಗಳನ್ನು ನಾನು ಪರಿಶೀಲಿಸುತ್ತೇನೆ.

ಅನ್ವೇಷಣೆ

ಅಪಾಯದ ಮಟ್ಟ

AI ನ ಪಾತ್ರ

ಅಂತಿಮ ನಿರ್ಧಾರ

ಹುಡುಕಾಟ ತಂತ್ರವನ್ನು ರಚಿಸುವುದು

ಕಡಿಮೆ

ಕೀವರ್ಡ್/ಸ್ಟ್ರಿಂಗ್ ಅನ್ನು ಸೂಚಿಸುತ್ತದೆ

ಸಂಶೋಧಕ

ಲೇಖನದ ಅಮೂರ್ತ ಕರಡು

ಕಡಿಮೆ-ಮಧ್ಯಮ

ಡ್ರಾಫ್ಟ್ ಅನ್ನು ರಚಿಸುತ್ತದೆ

ಸಂಶೋಧಕರು ಖಚಿತಪಡಿಸುತ್ತಾರೆ

ಅಂಕಿಅಂಶಗಳ ಪರೀಕ್ಷೆಯ ಶಿಫಾರಸು

ಮಧ್ಯಮ

ಆಯ್ಕೆಗಳನ್ನು ಒದಗಿಸುತ್ತದೆ

ಸಂಶೋಧಕರು ಆಯ್ಕೆ ಮಾಡುತ್ತಾರೆ/ದೃಢೀಕರಿಸುತ್ತಾರೆ

ಉಲ್ಲೇಖ ಪಟ್ಟಿ

ಹೆಚ್ಚು

ಫಾರ್ಮ್ಯಾಟ್ ಸಹಾಯಕ

ಪ್ರತಿಯೊಂದು ಮುದ್ರೆಯನ್ನು ಕೈಯಿಂದ ಪರಿಶೀಲಿಸಲಾಗುತ್ತದೆ

ವ್ಯಾಖ್ಯಾನ/ಕಲ್ಪನೆಯನ್ನು ಕಂಡುಹಿಡಿಯುವುದು

ಹೆಚ್ಚು

ಕಲ್ಪನೆಗಳನ್ನು ನೀಡುತ್ತದೆ

ಏಕಾಂಗಿ ಸಂಶೋಧಕ

ಸಾಮಾನ್ಯ ತಪ್ಪುಗಳು

• ಪರಿಶೀಲನೆ ಇಲ್ಲದೆ ಉಲ್ಲೇಖಗಳನ್ನು ಬಳಸುವುದು. ಫ್ಯಾಬ್ರಿಕೇಟೆಡ್ ಆಟ್ರಿಬ್ಯೂಷನ್ ಎಂಬುದು ಅಕಾಡೆಮಿಯಾದಲ್ಲಿ ಅತ್ಯಂತ ಆಗಾಗ್ಗೆ ಮತ್ತು ವಿನಾಶಕಾರಿ ದೋಷವಾಗಿದೆ; ವಾಪಸಾತಿಗೆ ಕಾರಣವಾಗುತ್ತದೆ.
• ಮೂಲಕ್ಕಾಗಿ ಸಾರಾಂಶವನ್ನು ಬದಲಿಸುವುದು. AI ಸಾರಾಂಶವು ಶೋಧನೆಯನ್ನು ವಿರೂಪಗೊಳಿಸಬಹುದು; ಮೂಲ ಪಠ್ಯಕ್ಕೆ ಹಿಂತಿರುಗದೆ ಯಾವುದೇ ಉಲ್ಲೇಖವನ್ನು ನೀಡಲಾಗುವುದಿಲ್ಲ.
• ಪಾರದರ್ಶಕತೆಯನ್ನು ಬಿಟ್ಟುಬಿಡುವುದು. ಬಳಕೆಯನ್ನು ಮರೆಮಾಚುವುದು ಪತ್ತೆಯಾದಾಗ ನೈತಿಕ ಉಲ್ಲಂಘನೆಯಾಗಿದೆ.
• AI ವೈಜ್ಞಾನಿಕ ನಿರ್ಧಾರಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳಲಿ. ಕಲ್ಪನೆ, ವ್ಯಾಖ್ಯಾನ ಮತ್ತು ವಿಧಾನದ ನಿರ್ಧಾರಗಳು ಸಂಶೋಧಕರಿಗೆ ಸೇರಿವೆ.
• ಪರಿಕರವನ್ನು ತೆರೆಯಲು ಗೌಪ್ಯ ಡೇಟಾವನ್ನು ಅಪ್‌ಲೋಡ್ ಮಾಡಲಾಗುತ್ತಿದೆ. ಅಪ್ರಕಟಿತ ಡೇಟಾ ಮತ್ತು ಭಾಗವಹಿಸುವವರ ಮಾಹಿತಿಯು ನಿಮ್ಮ ನಿಯಂತ್ರಣದಲ್ಲಿಲ್ಲ.

ಸಲಹೆ: ಅನುಭವಿ ಆದರೆ ವಿಶ್ವಾಸಾರ್ಹವಲ್ಲದ ಇಂಟರ್ನ್‌ನೊಂದಿಗೆ ಕೆಲಸ ಮಾಡುವ ಪ್ರತಿ AI ಸೆಶನ್ ಅನ್ನು ಯೋಚಿಸಿ: ಅವನು ವೇಗ ಮತ್ತು ಶ್ರದ್ಧೆಯುಳ್ಳವನಾಗಿದ್ದಾನೆ, ಆದರೆ ನೀವು ಸಹಿ ಮಾಡುವ ಮೊದಲು ಅವನು ಹೇಳುವ ಎಲ್ಲವನ್ನೂ ನೀವು ಪರಿಶೀಲಿಸುತ್ತೀರಿ.

ಸಾರಾಂಶದಲ್ಲಿ

AI ಒಂದು ಪ್ರಬಲ ಸಹಾಯಕವಾಗಿದ್ದು ಅದು ಸಂಶೋಧಕರ ಪುನರಾವರ್ತಿತ ಓದುವಿಕೆ ಮತ್ತು ಬರವಣಿಗೆಯ ಹೊರೆಯನ್ನು ಕಡಿಮೆ ಮಾಡುತ್ತದೆ; ಆದರೆ ಭ್ರಮೆ, ಅಸ್ಪಷ್ಟತೆ ಮತ್ತು ಪಕ್ಷಪಾತದಿಂದಾಗಿ, ಪ್ರತಿ ಔಟ್‌ಪುಟ್‌ಗೆ ಪರಿಶೀಲನೆಯ ಅಗತ್ಯವಿದೆ. ಶೈಕ್ಷಣಿಕ ಕ್ಷೇತ್ರದಲ್ಲಿ ಅತ್ಯಂತ ನಿರ್ಣಾಯಕ ಅಪಾಯವು ನಕಲಿ ಉಲ್ಲೇಖವಾಗಿದೆ: ಪ್ರತಿಯೊಂದು ಮೂಲವನ್ನು DOI ಮತ್ತು ಡೇಟಾಬೇಸ್ ಮೂಲಕ ಪರಿಶೀಲಿಸಬೇಕು. ಅಪಾಯದ ಮಟ್ಟದಿಂದ ಕಾರ್ಯಗಳನ್ನು ಪ್ರತ್ಯೇಕಿಸಿ, ಡೇಟಾವನ್ನು ರಕ್ಷಿಸಿ, ಬಳಕೆಯನ್ನು ಪಾರದರ್ಶಕವಾಗಿ ಘೋಷಿಸಿ. ಹೆಬ್ಬೆರಳಿನ ಚಿಕ್ಕ ನಿಯಮ: ಬ್ಲೂಪ್ರಿಂಟ್ AI ನಿಂದ ಬಂದಿದೆ, ವೈಜ್ಞಾನಿಕ ಜವಾಬ್ದಾರಿ ಸಂಶೋಧಕರಿಂದ.

ಅಪ್ಲಿಕೇಶನ್ ಕಾರ್ಯ

ನಿಮ್ಮ ಸ್ವಂತ ಪ್ರಸ್ತುತ ಸಂಶೋಧನಾ ಯೋಜನೆಯಿಂದ 8 ಕಾರ್ಯಗಳನ್ನು ಪಟ್ಟಿ ಮಾಡಿ ಮತ್ತು ಪ್ರತಿಯೊಂದನ್ನು ಕಡಿಮೆ/ಮಧ್ಯಮ/ಹೆಚ್ಚಿನ ಅಪಾಯ ಎಂದು ಗುರುತಿಸಿ. ನಂತರ ಕಡಿಮೆ-ಅಪಾಯದ ಕೆಲಸವನ್ನು ಆಯ್ಕೆಮಾಡಿ ಮತ್ತು ಮೇಲಿನ "ಪವರ್‌ಫುಲ್ ಪ್ರಾಂಪ್ಟ್" ನಂತಹ ಸಂದರ್ಭದೊಂದಿಗೆ ಪ್ರಾಂಪ್ಟ್ ಅನ್ನು ಬರೆಯಿರಿ. ಔಟ್‌ಪುಟ್‌ನಲ್ಲಿ ನೀವು ಪರಿಶೀಲಿಸಬೇಕಾದ ಕನಿಷ್ಠ 3 ಅಂಶಗಳನ್ನು (ಸಂಖ್ಯೆ, ಮುದ್ರೆ, ಹಕ್ಕು) ಗುರುತಿಸಿ ಮತ್ತು ನೀವು ಅದನ್ನು ಹೇಗೆ ಪರಿಶೀಲಿಸುತ್ತೀರಿ ಎಂಬುದನ್ನು ಬರೆಯಿರಿ.

ಪರಿಶೀಲನಾಪಟ್ಟಿ

• [ ] ನಾನು ಅಪಾಯದ ಮಟ್ಟದಿಂದ ಕಾರ್ಯಗಳನ್ನು ಪ್ರತ್ಯೇಕಿಸಿದ್ದೇನೆಯೇ?
• [] ನಾನು ಪ್ರತಿ ಉಲ್ಲೇಖವನ್ನು ಪರಿಶೀಲಿಸಲು ಮತ್ತು AI ಔಟ್‌ಪುಟ್‌ನಲ್ಲಿ ಎಣಿಸಲು ಯೋಜಿಸುತ್ತೇನೆಯೇ?
• [ ] ನಾನು ಬಳಸುವ ವಾಹನದ ಡೇಟಾ ಧಾರಣ ನೀತಿ ನನಗೆ ತಿಳಿದಿದೆಯೇ?
• [ ] ನಾನು ನನ್ನ ಸಂಸ್ಥೆಯ ಮತ್ತು ಗುರಿ ಜರ್ನಲ್‌ನ AI ನೀತಿಯನ್ನು ಓದಿದ್ದೇನೆಯೇ?
• [ ] ನಾನು ಅಂತಿಮ ವೈಜ್ಞಾನಿಕ ತೀರ್ಪನ್ನು ಉಳಿಸಿಕೊಂಡಿದ್ದೇನೆ ಎಂದು ನನಗೆ ಖಚಿತವಾಗಿದೆಯೇ?