Pelnas:
- Galimybė planuoti nuskaitymo apimtį naudojant dirbtinio intelekto palaikymą generuojant raktinius žodžius, sinonimus ir Būlio paieškos eilutes iš tyrimo klausimo
- Dirbtinio intelekto pozicionavimas kaip strategijos generavimo įrankis, o ne šaltinio paieškos įrankis ir galimybė patikrinti kiekvieną šaltinį, rastą tikrose duomenų bazėse (Google Scholar, Scopus, Web of Science, PubMed).
- Gebėjimas suprasti dirbtinio intelekto riziką, pateikiant išgalvotus šaltinius ir netikrą statistiką, ir įgyti refleksą patikrinti kiekvieną citatą nustatant spragą literatūroje.
Kiekvienas tyrimas prasideda nuo literatūros apžvalgos: jūs negalite pateikti originalaus indėlio, nepamatydami, kas anksčiau buvo padaryta jūsų tema, į kokius klausimus buvo atsakyta ir kur yra spragų. Tačiau literatūra didžiulė; Kasmet išleidžiama milijonai straipsnių. Čia AI yra puikus greitintuvas, tačiau turintis labai aiškią demarkacijos liniją. Svarbiausias šio skyriaus sakinys yra toks: AI naudojamas literatūros apžvalgoje kaip paieškos strategas, o ne kaip šaltinių duomenų bazė. Nes AI neranda jums tikrų straipsnių; Joje pateikiamos galimai atrodančios straipsnių eilutės, kai kurios iš jų yra pagamintos.
Šiame skyriuje sužinosime, kaip sudaryti sistemingą paieškos planą iš jūsų tyrimo klausimo, panaudoti dirbtinį intelektą tam planui praturtinti ir patikrinti kiekvieną rastą šaltinį su tikromis duomenų bazėmis.
Literatūros apžvalgos skeletas
Geras nuskaitymas turi tris etapus. Pirmiausia išskaidote sąvokas: suskirstote savo tyrimo klausimą į pagrindinius jo komponentus. Pavyzdžiui, klausime „Grįžtamojo ryšio poveikis mokinių motyvacijai nuotolinio mokymosi metu“ yra trys sąvokos: nuotolinis mokymas, grįžtamasis ryšys, motyvacija. Tada kiekvienai sąvokai sukuriate terminų telkinį: sinonimus, lauko žargoną, atitikmenis anglų kalba (nuotolinis mokymas → nuotolinis mokymas, mokymasis internetu, el. mokymasis, nuotolinis mokymasis). Galiausiai sujungiate šiuos terminus su Būlio operatoriais.
Būlio operatoriai yra loginės jungtys, kurios nurodo paieškos sistemoms, kaip derinti terminus. Yra trys pagrindiniai operatoriai: AND (atsiranda abu terminai – susiaurina taikymo sritį), ARBA (bet kuris iš terminų – išplečia apimtį, renka sinonimus) ir NOT (išskiria terminą). Taip pat kabutėse „...“ ieškokite užbaigtų frazių, žvaigždutė * yra šaknies susitraukimas (motivat* → motyvacija, motyvacija). Paieškos eilutė paprastai atrodo taip:
("nuotolinis mokymas" AR "mokymasis internetu" ARBA el. mokymasis) IR (grįžtamasis ryšys ARBA "formuojamasis vertinimas") IR (motyvacija ARBA įsitraukimas ARBA "savęs veiksmingumas")
AI puikiai sugeba generuoti šias eilutes, užbaigti sinonimus ir pritaikyti jas skirtingų duomenų bazių sintaksei (Scopus, PubMed, Web of Science reikalauja skirtingos rašybos). Tačiau AI nėra ta vieta, kur paleidžiate eilutę; tikros duomenų bazės: Google Scholar (didelė, nemokama), Scopus ir Web of Science (kuruojama, indeksuota), PubMed (medicinos/gyvybės mokslai), lauko duomenų bazės (ERIC išsilavinimas, PsycINFO psichologija, IEEE Xplore inžinerija).
Dėmesio: jei AI pokalbių įrankio paprašysite „įrašyti 20 straipsnių šia tema“, jis pateiks pavadinimus, kurie atrodo tikri, tačiau kai kurie iš jų yra sugalvoti. Tai ne atranka, o pavojus. Naudokite AI generuoti eilutę, rasti straipsnį duomenų bazėje.
Taikymo sritis, įtraukimas ir spragų analizė
Žino geras nuskaitymo ribas. Įtraukimo / išskyrimo kriterijai nustato jūsų paieškos apimtį: kokiais metais, kokiomis kalbomis, kokie studijų tipai (eksperimentinis, apžvalginis), koks kontekstas. AI gali pasiūlyti šiuos kriterijus juodraščio formoje, o jūs galite juos patobulinti pagal savo sritį. Jei atliekate sistemingą peržiūrą, galite priminti PRISMA (sisteminių peržiūrų ataskaitų teikimo standartas) srautą AI ir paprašyti, kad jis sukurtų tikrinimo žurnalo šabloną.
Literatūros spraga – tai klausimas ar kontekstas, kuris dar nebuvo pakankamai ištirtas; Jūsų originalus indėlis dažnai užpildo spragą. AI padeda įvardyti galimas spragas, remiantis perskaitytomis santraukomis, tačiau vertinkite tai kaip tvirtinimą, kurį reikia patikrinti, o ne hipotezę. AI gali pasakyti: „X šioje srityje nebuvo ištirtas“; Tačiau tai galėjo būti ištirta, tiesiog AI nežino. Spragą patvirtinate tik atlikdami tikrąjį nuskaitymą.
Sniego gniūžtės metodas ir pilkoji literatūra
Vien raktinių žodžių paieškos neužtenka; Geras nuskaitymas gilėja sniego gniūžtėmis. Sniego gniūžtės atgal, raktas, kurį rasite, yra nuskaityti straipsnio bibliografiją ir rasti prieš tai esančius; „Snowballing forward“ seka, kas citavo tą straipsnį („Google Scholar“ nuoroda „Citavo“) ir ateina į vėlesnius tyrimus. Šis metodas leidžia rasti tyrimus, kurie yra esminiai šioje srityje, bet kurių negalite užfiksuoti naudodami raktinius žodžius. Kai pateikiate straipsnio bibliografiją, AI gali padėti jums nustatyti, kurios nuorodos yra arčiausiai jūsų klausimo. Bet vėlgi, jūs turite rasti ir perskaityti straipsnį.
Be to, akademinės duomenų bazės neapima visko. Pilka literatūra – disertacijos, institucijų pranešimai, konferencijų pranešimų medžiaga, išankstiniai spaudiniai – kai kuriose srityse yra labai svarbi ir atsveria publikavimo šališkumą (tendenciją skelbti tik teigiamus rezultatus). AI gali pasiūlyti, kurių pilkosios literatūros šaltinių (ProQuest disertacijų, institucinių saugyklų, išankstinio spausdinimo serverių, tokių kaip arXiv/SSRN) turėtumėte ieškoti; Sisteminėse apžvalgose dažnai būtina neapsiriboti tik žurnalų straipsniais.
trys mini dėklai
1 atvejis – stygos išplėtimas. Kai švietimo tyrinėtoja Scopus ieškojo „apversta klasė“, ji gavo 300 rezultatų, bet jautė, kad trūksta sinonimų. Jis privertė dirbtinį intelektą sukurti terminų telkinį; Jis pridėjo atitikmenis, tokius kaip „apversta klasė“ ir „apverstas mokymasis“. Su nauja eilute rezultatas padidėjo nuo 300 iki 470; Per pirminę paiešką buvo praleista 40 atitinkamų straipsnių. AI nerado straipsnių, bet sukūrė eilutę, kuri leido juos rasti.
2 atvejis – grįžimas iš sudaryto sąrašo. Vienas abiturientas tiesiogiai paprašė dirbtinio intelekto „15 geriausių šaltinių“ nuskaitymui ir įklijavo sąrašą į savo baigiamąjį darbą. Konsultantui kontroliuojant, Web of Science nepavyko rasti 4 citatų, o 2 DOI buvo neteisingi. Mokinys pradėjo iš naujo: šį kartą jis perėmė AI liniją, „Scopus“ rado 60 realių rezultatų, peržvelgė pavadinimo santrauką ir atrinko 18. Visi šie 18 buvo tikri.
3 atvejis – taikymo srities patikslinimas. Sveikatos tyrėjas suprato, kad jo paieškos buvo tokios plačios, kad jį pribloškė 2000 rezultatų. Buvo parengtas AI įtraukimo / pašalinimo kriterijų projektas: paskutiniai 10 metų, anglų kalba, suaugusiųjų imtis, atsitiktinių imčių kontroliuojami tyrimai. Jis pridėjo filtrą „tik ligoninės aplinka“ su savo informacija. Rezultatas sumažėjo nuo 2000 iki 180; Susidarė nuskaitomas klasteris.
Kopijuojami šablonai
1) Sąvokų atskyrimas ir terminų rinkinys:
Jūsų vaidmuo: informacijos specialistas (tyrėjas bibliotekininkas). Mano tyrimo klausimas yra: „[parašykite klausimą]“. Išskaidykite šį klausimą į pagrindines sąvokas. Sukurkite kiekvienos sąvokos angliškų sinonimų, lauko žargono ir alternatyvios rašybos terminų rinkinį. Pateikite jį į lentelę. Straipsnis yra FAKE.
2) Būlio paieškos eilutės generavimas:
Sukurkite Būlio paieškos eilutę, skirtą Scopus, naudodami šį terminų telkinį: ARBA terminai sąvokose, IR tarp sąvokų, citatos, kur tinkama, naudokite *. Pritaikykite tą pačią eilutę prie Web of Science ir PubMed sintaksės. Baseinas: [įklijuoti]
3) Įtraukimo / pašalinimo kriterijų projektas:
Atlieku literatūros apžvalgą „[tema]“. Pasiūlykite man įtraukimo / atmetimo kriterijų projektą: pagal metų intervalą, kalbą, studijų tipą, pavyzdį, kontekstą. Tai pasiūlymai; Keisiu juos pagal savo sritį. Trumpai parašykite priežastis.
4) Kandidatų į laisvas darbo vietas užklausa (turi būti patikrinta):
Toliau pateikiamos 10 mano nuskaitytų straipsnių santraukos. Nubraižykite jų bendras temas ir pasiūlykite KANDIDATUS, KURIE KLAUSIMAI MAŽIAI SPRENDIMAI. Pateikite tai kaip hipotezes, kurias patikrinsiu, o ne absoliučią tiesą. Santraukos: [įklijuoti]
Silpnas raginimas / Stiprus raginimas
Silpnas raginimas:
Pateikite man dirbtinio intelekto ir švietimo išteklių sąrašą.
AI sukuria netikrus ID; Tema taip pat per plati.
Galingas raginimas:
Jūsų vaidmuo: informacijos specialistas. Tema: „Žaidimų įtaka matematikos nerimui pradinėje mokykloje“. NEDUOK MAN ŠALTINIŲ SĄRAŠO. Vietoj to: (1) analizuokite 3 sąvokas, (2) sukurkite kiekvienos sąvokos angliškų sinonimų saugyklą, (3) Būlio eilutę, skirtą Scopus, (4) taikomų įtraukimo / išskyrimo kriterijų projektą. Straipsnio pavadinimas netikras.
Tikslas
naudoti AI
patikrinimo vieta
Terminuotas baseino išplėtimas
Taip, stiprus
Peržiūrėkite žinias apie domeną
Būlio stygų konstrukcija
Taip, stiprus
Testas duomenų bazėje
Taikymo sritis / kriterijų apybraiža
Taip
Paryškinkite pagal sritį
Raskite straipsnį
ne
Scholar / Scopus / WoS / PubMed
Likvidavimo įsipareigojimas
dalinai
Tikras nuskaitymas yra būtinas
Dažnos klaidos
- AI klaidinimas su duomenų baze. Prašant cituoti straipsnį, pateikiamos klaidingos citatos; Tai pati dažniausia ir pavojingiausia klaida.
- Sinonimų praleidimas. Vieno termino paieška praleidžia daug literatūros.
- Taikymo sritis paliekama neaiški. Be metų, kalbos ir žanro filtrų būsite priblokšti su tūkstančiais rezultatų.
- Tvirtinti tuštumą jos nepatikrinus. Sakyti „niekas nesimokė“ be tikrojo patikrinimo yra rizikinga.
- Remdamiesi viena duomenų baze. Skirtingi indeksai apima skirtingai; naudoti kelis kartu.
Patarimas: kad paieška būtų atkuriama, lentelėje įrašykite naudotą eilutę, duomenų bazę, datą ir rezultatų skaičių. Šis žurnalas yra privalomas atliekant sisteminę peržiūrą; Tai geras įprotis atliekant kiekvieną tyrimą.
Apibendrinant
Literatūros apžvalga yra sisteminė užduotis: sąvokos distiliavimas, terminų telkinys, Būlio eilutė, aprėpties kriterijus. AI yra galingas šių strateginių žingsnių asistentas; gamina sinonimus, konstruoja eilutes, nubrėžia kriterijus. Bet jūs rasite straipsnius iš tikrų duomenų bazių, o ne iš AI, ir patikrinkite kiekvieną eilutę. Trumpa taisyklė: strategija iš AI, šaltinis iš duomenų bazės, patvirtinimas iš jūsų.
Taikymo užduotis
Gaukite savo tyrimo klausimą. Išanalizuokite sąvokas naudodami AI ir sukurkite terminų telkinį bei Būlio eilutę. Vykdykite šią eilutę su realia duomenų baze (Scholar arba indeksu, prie kurio turite prieigą). Atkreipkite dėmesį į 10 geriausių rezultatų ir palyginkite juos su eilutėmis (jei yra), kurias AI anksčiau siūlė, kai buvo tiesiogiai paklaustas; Pažymėkite, kiek jų iš tikrųjų yra.
kontrolinis sąrašas
- [ ] Ar savo tyrimo klausimą išskaidau į sąvokas?
- [ ] Ar kiekvienai sąvokai sukūriau sinonimų / angliškų terminų telkinį?
- [ ] Ar aš išbandžiau loginę eilutę tikroje duomenų bazėje?
- [ ] Ar išaiškinau savo įtraukimo / pašalinimo kriterijus?
- [ ] Ar patikrinau, ar visi mano rasti ištekliai iš tikrųjų egzistuoja?