ಲಾಭಗಳು:
- ಸಂಶೋಧನಾ ಪ್ರಶ್ನೆಯಿಂದ ಕೀವರ್ಡ್ಗಳು, ಸಮಾನಾರ್ಥಕ ಪದಗಳು ಮತ್ತು ಬೂಲಿಯನ್ ಹುಡುಕಾಟ ತಂತಿಗಳನ್ನು ರಚಿಸುವ ಮೂಲಕ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಬೆಂಬಲದೊಂದಿಗೆ ಸ್ಕ್ಯಾನಿಂಗ್ ವ್ಯಾಪ್ತಿಯನ್ನು ಯೋಜಿಸುವ ಸಾಮರ್ಥ್ಯ
- ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯನ್ನು ಕಾರ್ಯತಂತ್ರದ ಉತ್ಪಾದನೆಯ ಸಾಧನವಾಗಿ ಇರಿಸುವುದು, ಮೂಲವನ್ನು ಕಂಡುಹಿಡಿಯುವ ಸಾಧನವಲ್ಲ ಮತ್ತು ನೈಜ ಡೇಟಾಬೇಸ್ಗಳಲ್ಲಿ ಕಂಡುಬರುವ ಪ್ರತಿಯೊಂದು ಮೂಲವನ್ನು ಪರಿಶೀಲಿಸಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ (ಗೂಗಲ್ ಸ್ಕಾಲರ್, ಸ್ಕೋಪಸ್, ವೆಬ್ ಆಫ್ ಸೈನ್ಸ್, ಪಬ್ಮೆಡ್).
- ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಅಪಾಯವನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವ ಸಾಮರ್ಥ್ಯವು ಕೃತಕ ಮೂಲಗಳು ಮತ್ತು ನಕಲಿ ಅಂಕಿಅಂಶಗಳನ್ನು ಒದಗಿಸುತ್ತದೆ ಮತ್ತು ಸಾಹಿತ್ಯದಲ್ಲಿನ ಅಂತರವನ್ನು ನಿರ್ಧರಿಸುವಾಗ ಪ್ರತಿ ಉಲ್ಲೇಖವನ್ನು ಪರಿಶೀಲಿಸಲು ಪ್ರತಿಫಲಿತವನ್ನು ಪಡೆದುಕೊಳ್ಳುತ್ತದೆ.
ಪ್ರತಿ ಸಂಶೋಧನೆಯು ಸಾಹಿತ್ಯ ವಿಮರ್ಶೆಯೊಂದಿಗೆ ಪ್ರಾರಂಭವಾಗುತ್ತದೆ: ನಿಮ್ಮ ವಿಷಯದ ಬಗ್ಗೆ ಮೊದಲು ಏನು ಮಾಡಲಾಗಿದೆ, ಯಾವ ಪ್ರಶ್ನೆಗಳಿಗೆ ಉತ್ತರಿಸಲಾಗಿದೆ ಮತ್ತು ಎಲ್ಲಿ ಅಂತರಗಳಿವೆ ಎಂಬುದನ್ನು ನೋಡದೆ ನೀವು ಮೂಲ ಕೊಡುಗೆಯನ್ನು ನೀಡಲು ಸಾಧ್ಯವಿಲ್ಲ. ಆದರೆ ಸಾಹಿತ್ಯ ದೊಡ್ಡದು; ವಾರ್ಷಿಕವಾಗಿ ಲಕ್ಷಾಂತರ ಲೇಖನಗಳು ಪ್ರಕಟವಾಗುತ್ತವೆ. ಇಲ್ಲಿಯೇ AI ಉತ್ತಮ ವೇಗವರ್ಧಕವಾಗಿದೆ - ಆದರೆ ಬಹಳ ವಿಭಿನ್ನವಾದ ಗಡಿರೇಖೆಯೊಂದಿಗೆ. ಈ ಘಟಕದ ಪ್ರಮುಖ ವಾಕ್ಯವೆಂದರೆ: AI ಅನ್ನು ಸಾಹಿತ್ಯ ವಿಮರ್ಶೆಯಲ್ಲಿ ಹುಡುಕಾಟ ತಂತ್ರಗಾರನಾಗಿ ಬಳಸಲಾಗುತ್ತದೆ, ಮೂಲ ಡೇಟಾಬೇಸ್ ಆಗಿ ಅಲ್ಲ. ಏಕೆಂದರೆ AI ನಿಮಗೆ ನಿಜವಾದ ಲೇಖನಗಳನ್ನು ಹುಡುಕುವುದಿಲ್ಲ; ಇದು ಸಂಭವನೀಯವಾಗಿ ಕಾಣುವ ಲೇಖನದ ಬೈಲೈನ್ಗಳನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ, ಅವುಗಳಲ್ಲಿ ಕೆಲವು ಫ್ಯಾಬ್ರಿಕೇಟೆಡ್ ಆಗಿವೆ.
ಈ ಘಟಕದಲ್ಲಿ, ನಿಮ್ಮ ಸಂಶೋಧನಾ ಪ್ರಶ್ನೆಯಿಂದ ವ್ಯವಸ್ಥಿತ ಹುಡುಕಾಟ ಯೋಜನೆಯನ್ನು ಹೇಗೆ ಪಡೆಯುವುದು, ಆ ಯೋಜನೆಯನ್ನು ಉತ್ಕೃಷ್ಟಗೊಳಿಸಲು AI ಅನ್ನು ಬಳಸುವುದು ಮತ್ತು ನೈಜ ಡೇಟಾಬೇಸ್ಗಳ ವಿರುದ್ಧ ನೀವು ಕಂಡುಕೊಳ್ಳುವ ಪ್ರತಿಯೊಂದು ಮೂಲವನ್ನು ಮೌಲ್ಯೀಕರಿಸುವುದು ಹೇಗೆ ಎಂದು ನಾವು ಕಲಿಯುತ್ತೇವೆ.
ಸಾಹಿತ್ಯ ವಿಮರ್ಶೆಯ ಅಸ್ಥಿಪಂಜರ
ಉತ್ತಮ ಸ್ಕ್ಯಾನ್ ಮೂರು ಹಂತಗಳನ್ನು ಹೊಂದಿರುತ್ತದೆ. ಮೊದಲು ನೀವು ಪರಿಕಲ್ಪನೆಗಳನ್ನು ಒಡೆಯುತ್ತೀರಿ: ನಿಮ್ಮ ಸಂಶೋಧನಾ ಪ್ರಶ್ನೆಯನ್ನು ಅದರ ಮುಖ್ಯ ಅಂಶಗಳಾಗಿ ವಿಭಜಿಸುತ್ತೀರಿ. ಉದಾಹರಣೆಗೆ, "ದೂರ ಶಿಕ್ಷಣದಲ್ಲಿ ವಿದ್ಯಾರ್ಥಿಗಳ ಪ್ರೇರಣೆಯ ಮೇಲಿನ ಪ್ರತಿಕ್ರಿಯೆಯ ಪರಿಣಾಮ" ಎಂಬ ಪ್ರಶ್ನೆಯಲ್ಲಿ, ಮೂರು ಪರಿಕಲ್ಪನೆಗಳಿವೆ: ದೂರ ಶಿಕ್ಷಣ, ಪ್ರತಿಕ್ರಿಯೆ, ಪ್ರೇರಣೆ. ನಂತರ ನೀವು ಪ್ರತಿ ಪರಿಕಲ್ಪನೆಗೆ ಟರ್ಮ್ ಪೂಲ್ ಅನ್ನು ರಚಿಸುತ್ತೀರಿ: ಸಮಾನಾರ್ಥಕಗಳು, ಕ್ಷೇತ್ರ ಪರಿಭಾಷೆ, ಇಂಗ್ಲಿಷ್ ಸಮಾನತೆಗಳು (ದೂರ ಶಿಕ್ಷಣ → ದೂರ ಶಿಕ್ಷಣ, ಆನ್ಲೈನ್ ಕಲಿಕೆ, ಇ-ಕಲಿಕೆ, ದೂರಶಿಕ್ಷಣ). ಅಂತಿಮವಾಗಿ, ನೀವು ಈ ನಿಯಮಗಳನ್ನು ಬೂಲಿಯನ್ ಆಪರೇಟರ್ಗಳೊಂದಿಗೆ ಸಂಯೋಜಿಸುತ್ತೀರಿ.
ಬೂಲಿಯನ್ ಆಪರೇಟರ್ಗಳು ತಾರ್ಕಿಕ ಸಂಯೋಗಗಳಾಗಿವೆ, ಅದು ಸರ್ಚ್ ಇಂಜಿನ್ಗಳಿಗೆ ಪದಗಳನ್ನು ಹೇಗೆ ಸಂಯೋಜಿಸುವುದು ಎಂದು ತಿಳಿಸುತ್ತದೆ. ಮೂರು ಮೂಲ ನಿರ್ವಾಹಕರು ಇದ್ದಾರೆ: ಮತ್ತು (ಎರಡೂ ಪದಗಳ ಸಂಭವದ ಫಲಿತಾಂಶಗಳು - ವ್ಯಾಪ್ತಿಯನ್ನು ಕಿರಿದಾಗಿಸುತ್ತದೆ), ಅಥವಾ (ಯಾವುದೇ ನಿಯಮಗಳು - ವ್ಯಾಪ್ತಿಯನ್ನು ವಿಸ್ತರಿಸುತ್ತದೆ, ಸಮಾನಾರ್ಥಕಗಳನ್ನು ಸಂಗ್ರಹಿಸುತ್ತದೆ), ಮತ್ತು NOT (ಪದವನ್ನು ಹೊರತುಪಡಿಸಿ). "..." ಸಂಪೂರ್ಣ ಪದಗುಚ್ಛಗಳಿಗಾಗಿ ನೋಡಿ, ನಕ್ಷತ್ರ * ಎಂಬುದು ಮೂಲ ಸಂಕೋಚನವಾಗಿದೆ (ಪ್ರೇರಣೆ* → ಪ್ರೇರಣೆ, ಪ್ರೇರಕ). ಹುಡುಕಾಟ ಸ್ಟ್ರಿಂಗ್ ಸಾಮಾನ್ಯವಾಗಿ ಈ ರೀತಿ ಕಾಣುತ್ತದೆ:
("ದೂರ ಶಿಕ್ಷಣ" ಅಥವಾ "ಆನ್ಲೈನ್ ಕಲಿಕೆ" ಅಥವಾ ಇ-ಕಲಿಕೆ) ಮತ್ತು (ಪ್ರತಿಕ್ರಿಯೆ ಅಥವಾ "ರಚನಾತ್ಮಕ ಮೌಲ್ಯಮಾಪನ") ಮತ್ತು (ಪ್ರೇರಣೆ ಅಥವಾ ನಿಶ್ಚಿತಾರ್ಥ ಅಥವಾ "ಸ್ವಯಂ-ಪರಿಣಾಮ")
ಈ ಸ್ಟ್ರಿಂಗ್ಗಳನ್ನು ರಚಿಸುವಲ್ಲಿ, ಸಮಾನಾರ್ಥಕ ಪದಗಳನ್ನು ಪೂರ್ಣಗೊಳಿಸುವಲ್ಲಿ ಮತ್ತು ವಿವಿಧ ಡೇಟಾಬೇಸ್ಗಳ ಸಿಂಟ್ಯಾಕ್ಸ್ಗೆ ಹೊಂದಿಕೊಳ್ಳುವಲ್ಲಿ AI ಅತ್ಯುತ್ತಮವಾಗಿದೆ (ಸ್ಕೋಪಸ್, ಪಬ್ಮೆಡ್, ವೆಬ್ ಆಫ್ ಸೈನ್ಸ್ಗೆ ವಿಭಿನ್ನ ಕಾಗುಣಿತಗಳು ಬೇಕಾಗುತ್ತವೆ). ಆದರೆ ನೀವು ಸ್ಟ್ರಿಂಗ್ ಅನ್ನು ಚಲಾಯಿಸುವ ಸ್ಥಳದಲ್ಲಿ AI ಅಲ್ಲ; ನೈಜ ಡೇಟಾಬೇಸ್ಗಳು: ಗೂಗಲ್ ಸ್ಕಾಲರ್ (ದೊಡ್ಡದು, ಉಚಿತ), ಸ್ಕೋಪಸ್ ಮತ್ತು ವೆಬ್ ಆಫ್ ಸೈನ್ಸ್ (ಕ್ಯುರೇಟೆಡ್, ಉಲ್ಲೇಖ-ಸೂಚ್ಯಂಕ), ಪಬ್ಮೆಡ್ (ವೈದ್ಯಕೀಯ/ಜೀವನ ವಿಜ್ಞಾನ), ಕ್ಷೇತ್ರ ಡೇಟಾಬೇಸ್ಗಳು (ERIC ಶಿಕ್ಷಣ, PsycINFO ಸೈಕಾಲಜಿ, IEEE ಎಕ್ಸ್ಪ್ಲೋರ್ ಎಂಜಿನಿಯರಿಂಗ್).
ಗಮನ: ನೀವು AI ಚಾಟ್ ಟೂಲ್ ಅನ್ನು "ಈ ವಿಷಯದ ಕುರಿತು 20 ಲೇಖನಗಳನ್ನು ಪಟ್ಟಿ ಮಾಡಿ" ಎಂದು ಕೇಳಿದರೆ, ಅದು ನಿಜವಾಗಿ ಕಾಣುವ ಶೀರ್ಷಿಕೆಗಳನ್ನು ಹಿಂತಿರುಗಿಸುತ್ತದೆ, ಆದರೆ ಅವುಗಳಲ್ಲಿ ಕೆಲವು ರಚಿಸಲಾಗಿದೆ. ಇದು ಸ್ಕ್ರೀನಿಂಗ್ ಅಲ್ಲ ಆದರೆ ಅಪಾಯ. ಸ್ಟ್ರಿಂಗ್ ಅನ್ನು ರಚಿಸಲು AI ಬಳಸಿ, ಡೇಟಾಬೇಸ್ನಲ್ಲಿ ಲೇಖನವನ್ನು ಹುಡುಕಿ.
ವ್ಯಾಪ್ತಿ, ಸೇರ್ಪಡೆ ಮತ್ತು ಅಂತರ ವಿಶ್ಲೇಷಣೆ
ಉತ್ತಮ ಸ್ಕ್ಯಾನಿಂಗ್ ಮಿತಿಗಳನ್ನು ತಿಳಿದಿದೆ. ಸೇರ್ಪಡೆ/ಹೊರಹಾಕುವಿಕೆಯ ಮಾನದಂಡಗಳು ನಿಮ್ಮ ಹುಡುಕಾಟದ ವ್ಯಾಪ್ತಿಯನ್ನು ನಿರ್ಧರಿಸುತ್ತವೆ: ಯಾವ ವರ್ಷದ ಶ್ರೇಣಿ, ಯಾವ ಭಾಷೆಗಳು, ಯಾವ ಅಧ್ಯಯನ ಪ್ರಕಾರಗಳು (ಪ್ರಾಯೋಗಿಕ, ವಿಮರ್ಶೆ), ಯಾವ ಸಂದರ್ಭ. AI ಈ ಮಾನದಂಡಗಳನ್ನು ಕರಡು ರೂಪದಲ್ಲಿ ಸೂಚಿಸಬಹುದು ಮತ್ತು ನಿಮ್ಮ ಕ್ಷೇತ್ರಕ್ಕೆ ಅನುಗುಣವಾಗಿ ನೀವು ಅವುಗಳನ್ನು ತೀಕ್ಷ್ಣಗೊಳಿಸಬಹುದು. ನೀವು ವ್ಯವಸ್ಥಿತ ವಿಮರ್ಶೆಯನ್ನು ಮಾಡುತ್ತಿದ್ದರೆ, ನೀವು AI ಗೆ PRISMA (ಕ್ರಮಬದ್ಧ ವಿಮರ್ಶೆಗಳಿಗಾಗಿ ವರದಿ ಮಾಡುವ ಮಾನದಂಡ) ಹರಿವನ್ನು ನೆನಪಿಸಬಹುದು ಮತ್ತು ಅದು ಕ್ರಾಲ್ ಲಾಗ್ ಟೆಂಪ್ಲೇಟ್ ಅನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ.
ಸಾಹಿತ್ಯದ ಅಂತರವು ಇನ್ನೂ ಸಮರ್ಪಕವಾಗಿ ಅನ್ವೇಷಿಸದ ಪ್ರಶ್ನೆ ಅಥವಾ ಸಂದರ್ಭವಾಗಿದೆ; ನಿಮ್ಮ ಮೂಲ ಕೊಡುಗೆ ಸಾಮಾನ್ಯವಾಗಿ ಅಂತರವನ್ನು ತುಂಬುತ್ತದೆ. ನೀವು ಓದಿದ ಸಾರಾಂಶಗಳ ಆಧಾರದ ಮೇಲೆ ಸಂಭವನೀಯ ಅಂತರವನ್ನು ಹೆಸರಿಸಲು AI ನಿಮಗೆ ಸಹಾಯ ಮಾಡುತ್ತದೆ - ಆದರೆ ಅದನ್ನು ಪರಿಶೀಲಿಸಲು ಸಮರ್ಥನೆಯಾಗಿ ತೆಗೆದುಕೊಳ್ಳಿ, ಊಹೆಯಲ್ಲ. AI ಹೇಳಬಹುದು "X ಈ ಪ್ರದೇಶದಲ್ಲಿ ಅಧ್ಯಯನ ಮಾಡಲಾಗಿಲ್ಲ"; ಆದಾಗ್ಯೂ, ಇದನ್ನು ಅಧ್ಯಯನ ಮಾಡಿರಬಹುದು, ಇದು AI ಗೆ ತಿಳಿದಿಲ್ಲ. ನಿಮ್ಮ ನಿಜವಾದ ಸ್ಕ್ಯಾನ್ನೊಂದಿಗೆ ಮಾತ್ರ ನೀವು ಅಂತರವನ್ನು ದೃಢೀಕರಿಸುತ್ತೀರಿ.
ಸ್ನೋಬಾಲ್ ವಿಧಾನ ಮತ್ತು ಬೂದು ಸಾಹಿತ್ಯ
ಕೇವಲ ಕೀವರ್ಡ್ ಹುಡುಕಾಟ ಸಾಕಾಗುವುದಿಲ್ಲ; ಸ್ನೋಬಾಲ್ನೊಂದಿಗೆ ಉತ್ತಮ ಸ್ಕ್ಯಾನ್ ಆಳವಾಗುತ್ತದೆ. ಹಿಮ್ಮುಖವಾಗಿ ಸ್ನೋಬಾಲ್ ಮಾಡುವುದು, ನೀವು ಕಂಡುಕೊಳ್ಳುವ ಕೀಲಿಯು ಲೇಖನದ ಗ್ರಂಥಸೂಚಿಯನ್ನು ಸ್ಕ್ಯಾನ್ ಮಾಡುವುದು ಮತ್ತು ಅದರ ಹಿಂದಿನದನ್ನು ಕಂಡುಹಿಡಿಯುವುದು; ಸ್ನೋಬಾಲ್ ಫಾರ್ವರ್ಡ್ ಎನ್ನುವುದು ಆ ಲೇಖನವನ್ನು ಯಾರು ಉಲ್ಲೇಖಿಸಿದ್ದಾರೆ (Google ಸ್ಕಾಲರ್ನಲ್ಲಿ "ಉದಾಹರಿಸಲಾಗಿದೆ" ಲಿಂಕ್) ಮತ್ತು ನಂತರದ ಅಧ್ಯಯನಗಳಿಗೆ ಆಗಮಿಸುತ್ತಾರೆ ಎಂಬುದನ್ನು ಟ್ರ್ಯಾಕ್ ಮಾಡುವುದು. ಈ ವಿಧಾನವು ಕ್ಷೇತ್ರಕ್ಕೆ ಕೇಂದ್ರವಾಗಿರುವ ಅಧ್ಯಯನಗಳನ್ನು ಹುಡುಕಲು ನಿಮಗೆ ಅನುಮತಿಸುತ್ತದೆ ಆದರೆ ನಿಮ್ಮ ಕೀವರ್ಡ್ಗಳೊಂದಿಗೆ ನೀವು ಸೆರೆಹಿಡಿಯಲು ಸಾಧ್ಯವಿಲ್ಲ. ನೀವು ಲೇಖನದ ಗ್ರಂಥಸೂಚಿಯನ್ನು ಒದಗಿಸಿದಾಗ, ನಿಮ್ಮ ಪ್ರಶ್ನೆಗೆ ಹತ್ತಿರವಿರುವ ಉಲ್ಲೇಖಗಳನ್ನು ಆದ್ಯತೆ ನೀಡಲು AI ನಿಮಗೆ ಸಹಾಯ ಮಾಡುತ್ತದೆ; ಆದರೆ ಮತ್ತೆ, ಲೇಖನವನ್ನು ಹುಡುಕುವುದು ಮತ್ತು ಓದುವುದು ನಿಮಗೆ ಬಿಟ್ಟದ್ದು.
ಹೆಚ್ಚುವರಿಯಾಗಿ, ಶೈಕ್ಷಣಿಕ ಡೇಟಾಬೇಸ್ಗಳು ಎಲ್ಲವನ್ನೂ ಒಳಗೊಂಡಿರುವುದಿಲ್ಲ. ಗ್ರೇ ಸಾಹಿತ್ಯ - ಪ್ರಬಂಧಗಳು, ಸಾಂಸ್ಥಿಕ ವರದಿಗಳು, ಕಾನ್ಫರೆನ್ಸ್ ಪ್ರೊಸೀಡಿಂಗ್ಸ್, ಪ್ರಿಪ್ರಿಂಟ್ಗಳು - ಕೆಲವು ಕ್ಷೇತ್ರಗಳಲ್ಲಿ ನಿರ್ಣಾಯಕವಾಗಿದೆ ಮತ್ತು ಪ್ರಕಟಣೆಯ ಪಕ್ಷಪಾತವನ್ನು ಸರಿದೂಗಿಸುತ್ತದೆ (ಸಕಾರಾತ್ಮಕ ಫಲಿತಾಂಶಗಳನ್ನು ಮಾತ್ರ ಪ್ರಕಟಿಸುವ ಪ್ರವೃತ್ತಿ). ನೀವು ಯಾವ ಬೂದು ಸಾಹಿತ್ಯದ ಮೂಲಗಳನ್ನು (ಪ್ರೊಕ್ವೆಸ್ಟ್ ಪ್ರಬಂಧಗಳು, ಸಾಂಸ್ಥಿಕ ರೆಪೊಸಿಟರಿಗಳು, arXiv/SSRN ನಂತಹ ಪ್ರಿಪ್ರಿಂಟ್ ಸರ್ವರ್ಗಳು) ಹುಡುಕಬೇಕೆಂದು AI ಸೂಚಿಸಬಹುದು; ನಿಮ್ಮ ವ್ಯಾಪ್ತಿಯನ್ನು ಕೇವಲ ಜರ್ನಲ್ ಲೇಖನಗಳಿಗೆ ಸೀಮಿತಗೊಳಿಸದಿರಲು ವ್ಯವಸ್ಥಿತ ವಿಮರ್ಶೆಗಳಲ್ಲಿ ಇದು ಸಾಮಾನ್ಯವಾಗಿ ಕಡ್ಡಾಯವಾಗಿದೆ.
ಮೂರು ಸಣ್ಣ ಪ್ರಕರಣಗಳು
ಪ್ರಕರಣ 1 - ಸ್ಟ್ರಿಂಗ್ ವಿಸ್ತರಣೆ. ಶಿಕ್ಷಣ ಸಂಶೋಧಕರು ಸ್ಕೋಪಸ್ನಲ್ಲಿ "ಫ್ಲಿಪ್ಡ್ ಕ್ಲಾಸ್ರೂಮ್" ಅನ್ನು ಹುಡುಕಿದಾಗ, ಅವಳು 300 ಫಲಿತಾಂಶಗಳನ್ನು ಪಡೆದಳು, ಆದರೆ ಅವಳು ಸಮಾನಾರ್ಥಕ ಪದಗಳನ್ನು ಕಳೆದುಕೊಂಡಿದ್ದಾಳೆ ಎಂದು ಭಾವಿಸಿದಳು. ಅವರು AI ಒಂದು ಟರ್ಮ್ ಪೂಲ್ ಅನ್ನು ಉತ್ಪಾದಿಸುವಂತೆ ಮಾಡಿದರು; ಅವರು "ತಲೆಕೆಳಗಾದ ತರಗತಿ" ಮತ್ತು "ತಿರುಗಿದ ಕಲಿಕೆ" ಯಂತಹ ಸಮಾನತೆಯನ್ನು ಸೇರಿಸಿದರು. ಹೊಸ ಸ್ಟ್ರಿಂಗ್ನೊಂದಿಗೆ ಫಲಿತಾಂಶವು 300 ರಿಂದ 470 ಕ್ಕೆ ಏರಿತು; ಆರಂಭಿಕ ಹುಡುಕಾಟದಲ್ಲಿ 40 ಸಂಬಂಧಿತ ಲೇಖನಗಳು ತಪ್ಪಿಹೋಗಿವೆ. AI ಲೇಖನಗಳನ್ನು ಕಂಡುಹಿಡಿಯಲಿಲ್ಲ, ಆದರೆ ಅವುಗಳನ್ನು ಹುಡುಕಲು ಸಾಧ್ಯವಾಗುವಂತೆ ಸ್ಟ್ರಿಂಗ್ ಅನ್ನು ನಿರ್ಮಿಸಿದೆ.
ಪ್ರಕರಣ 2 - ಮಾಡಿದ ಪಟ್ಟಿಯಿಂದ ಹಿಂತಿರುಗಿ. ಒಬ್ಬ ಪದವೀಧರ ವಿದ್ಯಾರ್ಥಿ ಸ್ಕ್ಯಾನಿಂಗ್ಗಾಗಿ AI ಅನ್ನು ನೇರವಾಗಿ "ಟಾಪ್ 15 ಮೂಲಗಳನ್ನು" ಕೇಳಿದನು ಮತ್ತು ಪಟ್ಟಿಯನ್ನು ತನ್ನ ಪ್ರಬಂಧದಲ್ಲಿ ಅಂಟಿಸಿದನು. ಸಲಹೆಗಾರರ ನಿಯಂತ್ರಣದಲ್ಲಿ, ವೆಬ್ ಆಫ್ ಸೈನ್ಸ್ನಲ್ಲಿ 4 ಉಲ್ಲೇಖಗಳು ಕಂಡುಬಂದಿಲ್ಲ ಮತ್ತು 2 DOIಗಳು ತಪ್ಪಾಗಿವೆ. ವಿದ್ಯಾರ್ಥಿಯು ಮತ್ತೆ ಪ್ರಾರಂಭಿಸಿದ: ಈ ಬಾರಿ ಅವರು AI ನಿಂದ ಲೈನ್ ಅನ್ನು ತೆಗೆದುಕೊಂಡರು, ಸ್ಕೋಪಸ್ನಲ್ಲಿ 60 ನೈಜ ಫಲಿತಾಂಶಗಳನ್ನು ಕಂಡುಕೊಂಡರು, ಶೀರ್ಷಿಕೆ-ಅಮೂರ್ತದ ಮೂಲಕ ಶೋಧಿಸಿ 18 ಅನ್ನು ಆಯ್ಕೆ ಮಾಡಿದರು. ಈ 18 ಎಲ್ಲವೂ ನೈಜವಾಗಿವೆ.
ಪ್ರಕರಣ 3 - ವ್ಯಾಪ್ತಿ ಸ್ಪಷ್ಟೀಕರಣ. ಒಬ್ಬ ಆರೋಗ್ಯ ಸಂಶೋಧಕನು ತನ್ನ ಹುಡುಕಾಟವು ಎಷ್ಟು ವಿಸ್ತಾರವಾಗಿದೆಯೆಂದರೆ 2,000 ಫಲಿತಾಂಶಗಳಿಂದ ಅವನು ಮುಳುಗಿದ್ದಾನೆಂದು ಅರಿತುಕೊಂಡನು. ಕರಡು AI ಸೇರ್ಪಡೆ/ಹೊರಗಿಡುವ ಮಾನದಂಡಗಳನ್ನು ರಚಿಸಲಾಗಿದೆ: ಕಳೆದ 10 ವರ್ಷಗಳು, ಇಂಗ್ಲಿಷ್, ವಯಸ್ಕರ ಮಾದರಿ, ಯಾದೃಚ್ಛಿಕ ನಿಯಂತ್ರಿತ ಪ್ರಯೋಗಗಳು. ಅವರು ತಮ್ಮದೇ ಆದ ಮಾಹಿತಿಯೊಂದಿಗೆ "ಆಸ್ಪತ್ರೆಯ ಪರಿಸರ ಮಾತ್ರ" ಫಿಲ್ಟರ್ ಅನ್ನು ಸೇರಿಸಿದರು. ಫಲಿತಾಂಶವು 2,000 ರಿಂದ 180 ಕ್ಕೆ ಕುಸಿಯಿತು; ಸ್ಕ್ಯಾನ್ ಮಾಡಬಹುದಾದ ಕ್ಲಸ್ಟರ್ ಅನ್ನು ರಚಿಸಲಾಗಿದೆ.
ನಕಲು ಮಾಡಬಹುದಾದ ಟೆಂಪ್ಲೇಟ್ಗಳು
1) ಪರಿಕಲ್ಪನೆಯ ಪ್ರತ್ಯೇಕತೆ ಮತ್ತು ಅವಧಿಯ ಪೂಲ್:
ನಿಮ್ಮ ಪಾತ್ರ: ಮಾಹಿತಿ ತಜ್ಞ (ಸಂಶೋಧನಾ ಗ್ರಂಥಪಾಲಕ). ನನ್ನ ಸಂಶೋಧನಾ ಪ್ರಶ್ನೆ:"[ಪ್ರಶ್ನೆ ಬರೆಯಿರಿ]". ಈ ಪ್ರಶ್ನೆಯನ್ನು ಅದರ ಮುಖ್ಯ ಪರಿಕಲ್ಪನೆಗಳಾಗಿ ವಿಭಜಿಸಿ. ಪ್ರತಿ ಪರಿಕಲ್ಪನೆಗೆ ಇಂಗ್ಲಿಷ್ ಸಮಾನಾರ್ಥಕ ಪದಗಳು, ಕ್ಷೇತ್ರ ಪರಿಭಾಷೆ ಮತ್ತು ಪರ್ಯಾಯ ಕಾಗುಣಿತಗಳ ಪೂಲ್ ಅನ್ನು ರಚಿಸಿ. ಅದನ್ನು ಟೇಬಲ್ನಲ್ಲಿ ನೀಡಿ. ಲೇಖನವು ನಕಲಿಯಾಗಿದೆ.
2) ಬೂಲಿಯನ್ ಹುಡುಕಾಟ ಸ್ಟ್ರಿಂಗ್ ಉತ್ಪಾದನೆ:
ಕೆಳಗಿನ ಪದದ ಪೂಲ್ ಅನ್ನು ಬಳಸಿಕೊಂಡು ಸ್ಕೋಪಸ್ಗಾಗಿ ಬೂಲಿಯನ್ ಸರ್ಚ್ಸ್ಟ್ರಿಂಗ್ ಅನ್ನು ನಿರ್ಮಿಸಿ: ಅಥವಾ ಪರಿಕಲ್ಪನೆಗಳೊಳಗಿನ ಪದಗಳು, ಮತ್ತು ಪರಿಕಲ್ಪನೆಗಳ ನಡುವೆ, ನುಡಿಗಟ್ಟುಗಳನ್ನು ಉಲ್ಲೇಖಿಸಿ, ಸೂಕ್ತವಾದಲ್ಲಿ * ಬಳಸಿ. ವೆಬ್ ಆಫ್ ಸೈನ್ಸ್ ಮತ್ತು ಪಬ್ಮೆಡ್ ಸಿಂಟ್ಯಾಕ್ಸ್ಗೆ ಅದೇ ಸ್ಟ್ರಿಂಗ್ ಅನ್ನು ಅಳವಡಿಸಿಕೊಳ್ಳಿ. ಪೂಲ್: [ಅಂಟಿಸಿ]
3) ಕರಡು ಸೇರ್ಪಡೆ/ಹೊರಗಿಡುವ ಮಾನದಂಡ:
ನಾನು "[ವಿಷಯ]" ಕುರಿತು ಸಾಹಿತ್ಯ ವಿಮರ್ಶೆಯನ್ನು ಮಾಡುತ್ತಿದ್ದೇನೆ. ಸೇರ್ಪಡೆ/ಹೊರಗಿಡುವ ಮಾನದಂಡದ ಕರಡನ್ನು ನನಗೆ ಸೂಚಿಸಿ: ವರ್ಷದ ಶ್ರೇಣಿ, ಭಾಷೆ, ಅಧ್ಯಯನದ ಪ್ರಕಾರ, ಮಾದರಿ, ಸಂದರ್ಭದ ಶೀರ್ಷಿಕೆಗಳ ಅಡಿಯಲ್ಲಿ. ಇವು ಸಲಹೆಗಳು; ನನ್ನ ಕ್ಷೇತ್ರಕ್ಕೆ ತಕ್ಕಂತೆ ಅವರನ್ನು ಬದಲಾಯಿಸುತ್ತೇನೆ. ಕಾರಣಗಳನ್ನು ಸಂಕ್ಷಿಪ್ತವಾಗಿ ಬರೆಯಿರಿ.
4) ಖಾಲಿ ಅಭ್ಯರ್ಥಿಗಳನ್ನು ಪ್ರಶ್ನಿಸಲಾಗುತ್ತಿದೆ (ಪರಿಶೀಲಿಸಬೇಕಾಗಿದೆ):
ನಾನು ಸ್ಕ್ಯಾನ್ ಮಾಡಿದ 10 ಲೇಖನಗಳ ಸಾರಾಂಶವನ್ನು ಕೆಳಗೆ ನೀಡಲಾಗಿದೆ. ಅವರ ಸಾಮಾನ್ಯ ಥೀಮ್ಗಳನ್ನು ಬರೆಯಿರಿ ಮತ್ತು ಯಾವ ಪ್ರಶ್ನೆಗಳಿಗೆ ಕಡಿಮೆ ವಿಳಾಸವಿದೆ ಎಂದು ಗ್ಯಾಪ್ ಅಭ್ಯರ್ಥಿಗಳನ್ನು ಸೂಚಿಸಿ. ಇವುಗಳನ್ನು ನಾನು ಪರಿಶೀಲಿಸುವ ಊಹೆಗಳಾಗಿ ಪ್ರಸ್ತುತಪಡಿಸಿ, ಸಂಪೂರ್ಣ ಸತ್ಯವಲ್ಲ. ಸಾರಾಂಶಗಳು: [ಅಂಟಿಸಿ]
ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್ / ಬಲವಾದ ಪ್ರಾಂಪ್ಟ್
ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್:
ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಮತ್ತು ಶಿಕ್ಷಣದ ಸಂಪನ್ಮೂಲಗಳ ಪಟ್ಟಿಯನ್ನು ನನಗೆ ನೀಡಿ.
AI ನಕಲಿ ID ಗಳನ್ನು ರಚಿಸುತ್ತದೆ; ವಿಷಯವೂ ತುಂಬಾ ವಿಸ್ತಾರವಾಗಿದೆ.
ಶಕ್ತಿಯುತ ಪ್ರಾಂಪ್ಟ್:
ನಿಮ್ಮ ಪಾತ್ರ: ಮಾಹಿತಿ ತಜ್ಞ. ವಿಷಯ: "ಪ್ರಾಥಮಿಕ ಶಾಲೆಯಲ್ಲಿ ಗಣಿತದ ಆತಂಕದ ಮೇಲೆ ಗ್ಯಾಮಿಫಿಕೇಶನ್ನ ಪರಿಣಾಮ". ನನಗೆ ಮೂಲಗಳ ಪಟ್ಟಿಯನ್ನು ನೀಡಬೇಡಿ. ಬದಲಾಗಿ:(1) 3 ಪರಿಕಲ್ಪನೆಗಳನ್ನು ಪಾರ್ಸ್ ಮಾಡಿ, (2) ಪ್ರತಿ ಪರಿಕಲ್ಪನೆಗೆ ಇಂಗ್ಲಿಷ್ ಸಮಾನಾರ್ಥಕಗಳ ಭಂಡಾರವನ್ನು ರಚಿಸಿ, (3) ಸ್ಕೋಪಸ್ಗಾಗಿ ಬೂಲಿಯನ್ ಸ್ಟ್ರಿಂಗ್, (4) ಡ್ರಾಫ್ಟ್ ಅನ್ವಯಿಸುವ ಸೇರ್ಪಡೆ/ಹೊರಗಿಡುವ ಮಾನದಂಡ. ಲೇಖನದ ಶೀರ್ಷಿಕೆ ನಕಲಿಯಾಗಿದೆ.
ಉದ್ದೇಶ
AI ಬಳಸಿ
ಪರಿಶೀಲನೆ ಸ್ಥಳ
ಟರ್ಮ್ ಪೂಲ್ ವಿಸ್ತರಣೆ
ಹೌದು, ಬಲಶಾಲಿ
ಡೊಮೇನ್ ಜ್ಞಾನದೊಂದಿಗೆ ಪರಿಶೀಲಿಸಿ
ಬೂಲಿಯನ್ ಸ್ಟ್ರಿಂಗ್ ನಿರ್ಮಾಣ
ಹೌದು, ಬಲಶಾಲಿ
ಡೇಟಾಬೇಸ್ನಲ್ಲಿ ಪರೀಕ್ಷೆ
ವ್ಯಾಪ್ತಿ / ಮಾನದಂಡದ ರೂಪರೇಖೆ
ಹೌದು
ಪ್ರದೇಶದ ಮೂಲಕ ತೀಕ್ಷ್ಣಗೊಳಿಸಿ
ಲೇಖನವನ್ನು ಹುಡುಕಿ
ಇಲ್ಲ
ಸ್ಕಾಲರ್/ಸ್ಕೋಪಸ್/WoS/PubMed
ಕ್ಲಿಯರೆನ್ಸ್ ಬದ್ಧತೆ
ಭಾಗಶಃ
ನಿಜವಾದ ಸ್ಕ್ಯಾನಿಂಗ್ ಅತ್ಯಗತ್ಯ
ಸಾಮಾನ್ಯ ತಪ್ಪುಗಳು
- ಡೇಟಾಬೇಸ್ಗಾಗಿ AI ಅನ್ನು ತಪ್ಪಾಗಿ ಗ್ರಹಿಸುವುದು. ಲೇಖನದ ಉಲ್ಲೇಖವನ್ನು ವಿನಂತಿಸುವುದು ನಕಲಿ ಉಲ್ಲೇಖಗಳನ್ನು ಉಂಟುಮಾಡುತ್ತದೆ; ಇದು ಅತ್ಯಂತ ಸಾಮಾನ್ಯ ಮತ್ತು ಅಪಾಯಕಾರಿ ತಪ್ಪು.
- ಸಮಾನಾರ್ಥಕಗಳನ್ನು ಬಿಟ್ಟುಬಿಡುವುದು. ಒಂದೇ ಪದದ ಹುಡುಕಾಟವು ಹೆಚ್ಚಿನ ಸಾಹಿತ್ಯವನ್ನು ಕಳೆದುಕೊಳ್ಳುತ್ತದೆ.
- ವ್ಯಾಪ್ತಿಯನ್ನು ಅಸ್ಪಷ್ಟವಾಗಿ ಬಿಡಲಾಗುತ್ತಿದೆ. ವರ್ಷ, ಭಾಷೆ ಮತ್ತು ಪ್ರಕಾರದ ಫಿಲ್ಟರ್ಗಳಿಲ್ಲದೆಯೇ, ನೀವು ಸಾವಿರಾರು ಫಲಿತಾಂಶಗಳೊಂದಿಗೆ ಮುಳುಗುತ್ತೀರಿ.
- ಅದನ್ನು ಪರಿಶೀಲಿಸದೆ ಶೂನ್ಯತೆಯನ್ನು ಪ್ರತಿಪಾದಿಸುವುದು. ನಿಜವಾದ ಸ್ಕ್ರೀನಿಂಗ್ ಇಲ್ಲದೆ "ಯಾರೂ ಅಧ್ಯಯನ ಮಾಡಿಲ್ಲ" ಎಂದು ಹೇಳುವುದು ಅಪಾಯಕಾರಿ.
- ಒಂದೇ ಡೇಟಾಬೇಸ್ ಅನ್ನು ಅವಲಂಬಿಸಿದೆ. ವಿಭಿನ್ನ ಸೂಚ್ಯಂಕಗಳು ವಿಭಿನ್ನವಾಗಿ ಒಳಗೊಳ್ಳುತ್ತವೆ; ಹಲವಾರು ಒಟ್ಟಿಗೆ ಬಳಸಿ.
ಸಲಹೆ: ನಿಮ್ಮ ಹುಡುಕಾಟವನ್ನು ಪುನರುತ್ಪಾದಿಸುವಂತೆ ಮಾಡಲು, ನೀವು ಬಳಸಿದ ಸ್ಟ್ರಿಂಗ್, ಡೇಟಾಬೇಸ್, ದಿನಾಂಕ ಮತ್ತು ಫಲಿತಾಂಶಗಳ ಸಂಖ್ಯೆಯನ್ನು ಟೇಬಲ್ನಲ್ಲಿ ರೆಕಾರ್ಡ್ ಮಾಡಿ. ವ್ಯವಸ್ಥಿತ ವಿಮರ್ಶೆಯಲ್ಲಿ ಈ ಜರ್ನಲ್ ಕಡ್ಡಾಯವಾಗಿದೆ; ಪ್ರತಿಯೊಂದು ಸಂಶೋಧನೆಯಲ್ಲೂ ಇದು ಉತ್ತಮ ಅಭ್ಯಾಸವಾಗಿದೆ.
ಸಾರಾಂಶದಲ್ಲಿ
ಸಾಹಿತ್ಯ ವಿಮರ್ಶೆಯು ಒಂದು ವ್ಯವಸ್ಥಿತ ಕಾರ್ಯವಾಗಿದೆ: ಪರಿಕಲ್ಪನೆ ಬಟ್ಟಿ ಇಳಿಸುವಿಕೆ, ಟರ್ಮ್ ಪೂಲ್, ಬೂಲಿಯನ್ ಸ್ಟ್ರಿಂಗ್, ಕವರೇಜ್ ಮಾನದಂಡ. ಈ ಕಾರ್ಯತಂತ್ರದ ಹಂತಗಳಲ್ಲಿ AI ಪ್ರಬಲ ಸಹಾಯಕವಾಗಿದೆ; ಸಮಾನಾರ್ಥಕಗಳನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ, ತಂತಿಗಳನ್ನು ನಿರ್ಮಿಸುತ್ತದೆ, ಮಾನದಂಡಗಳನ್ನು ರೂಪಿಸುತ್ತದೆ. ಆದರೆ ನೀವು AI ನಿಂದ ಅಲ್ಲ, ನೈಜ ಡೇಟಾಬೇಸ್ಗಳಿಂದ ಲೇಖನಗಳನ್ನು ಕಂಡುಕೊಳ್ಳುತ್ತೀರಿ ಮತ್ತು ಪ್ರತಿ ಬೈಲೈನ್ ಅನ್ನು ಪರಿಶೀಲಿಸುತ್ತೀರಿ. ಹೆಬ್ಬೆರಳಿನ ಚಿಕ್ಕ ನಿಯಮ: AI ನಿಂದ ತಂತ್ರ, ಡೇಟಾಬೇಸ್ನಿಂದ ಮೂಲ, ನಿಮ್ಮಿಂದ ಮೌಲ್ಯೀಕರಣ.
ಅಪ್ಲಿಕೇಶನ್ ಕಾರ್ಯ
ನಿಮ್ಮ ಸ್ವಂತ ಸಂಶೋಧನಾ ಪ್ರಶ್ನೆಯನ್ನು ಪಡೆಯಿರಿ. AI ಜೊತೆಗೆ ಪರಿಕಲ್ಪನೆಗಳನ್ನು ಪಾರ್ಸ್ ಮಾಡಿ ಮತ್ತು ಟರ್ಮ್ ಪೂಲ್ ಮತ್ತು ಬೂಲಿಯನ್ ಸ್ಟ್ರಿಂಗ್ ಅನ್ನು ಉತ್ಪಾದಿಸಿ. ನಿಜವಾದ ಡೇಟಾಬೇಸ್ (ಸ್ಕಾಲರ್ ಅಥವಾ ನೀವು ಪ್ರವೇಶ ಹೊಂದಿರುವ ಸೂಚ್ಯಂಕ) ವಿರುದ್ಧ ಈ ಸ್ಟ್ರಿಂಗ್ ಅನ್ನು ರನ್ ಮಾಡಿ. ಟಾಪ್ 10 ಫಲಿತಾಂಶಗಳನ್ನು ಗಮನಿಸಿ ಮತ್ತು ನೇರವಾಗಿ ಕೇಳಿದಾಗ AI ಈ ಹಿಂದೆ ಸೂಚಿಸಿದ ಬೈಲೈನ್ಗಳೊಂದಿಗೆ (ಯಾವುದಾದರೂ ಇದ್ದರೆ) ಹೋಲಿಕೆ ಮಾಡಿ; ನಿಜವಾಗಿ ಎಷ್ಟು ಅಸ್ತಿತ್ವದಲ್ಲಿದೆ ಎಂಬುದನ್ನು ಗುರುತಿಸಿ.
ಪರಿಶೀಲನಾಪಟ್ಟಿ
- [ ] ನನ್ನ ಸಂಶೋಧನಾ ಪ್ರಶ್ನೆಯನ್ನು ನಾನು ಪರಿಕಲ್ಪನೆಗಳಾಗಿ ವಿಭಜಿಸಿದ್ದೇನೆಯೇ?
- [ ] ನಾನು ಪ್ರತಿ ಪರಿಕಲ್ಪನೆಗೆ ಸಮಾನಾರ್ಥಕ/ಇಂಗ್ಲಿಷ್ ಪದ ಪೂಲ್ ಅನ್ನು ರಚಿಸಿದ್ದೇನೆಯೇ?
- [ ] ನಾನು ನಿಜವಾದ ಡೇಟಾಬೇಸ್ನಲ್ಲಿ ಬೂಲಿಯನ್ ಸ್ಟ್ರಿಂಗ್ ಅನ್ನು ಪರೀಕ್ಷಿಸಿದ್ದೇನೆಯೇ?
- [ ] ನನ್ನ ಸೇರ್ಪಡೆ/ಹೊರಹಾಕುವಿಕೆಯ ಮಾನದಂಡವನ್ನು ನಾನು ಸ್ಪಷ್ಟಪಡಿಸಿದ್ದೇನೆಯೇ?
- [ ] ನಾನು ಕಂಡುಕೊಂಡ ಪ್ರತಿಯೊಂದು ಸಂಪನ್ಮೂಲವು ನಿಜವಾಗಿ ಅಸ್ತಿತ್ವದಲ್ಲಿದೆ ಎಂದು ನಾನು ಪರಿಶೀಲಿಸಿದ್ದೇನೆಯೇ?