Keuntungan:
- Mampu membezakan di mana kecerdasan buatan menjimatkan masa nyata dalam aliran kerja penyelidikan akademik (sastera, reka bentuk, analisis, penulisan) dan di mana pertimbangan saintifik dan tanggungjawab kekal dengan penyelidik, mengikut tahap risiko tugas
- Mampu menerapkan disiplin yang menghubungkan dan mengesahkan setiap output kecerdasan buatan kepada sumber dan memahami masalah atribusi halusinasi (rekaan), yang merupakan risiko paling kritikal akademi.
- Keupayaan untuk mengguna pakai rangka kerja penggunaan yang mematuhi dasar penggunaan kecerdasan buatan institusi dan jurnal, kejujuran akademik dan prinsip ketelusan.
Tugas penyelidik melibatkan lebih banyak penulisan, pembacaan dan penyuntingan daripada yang kelihatan: mengimbas beratus-ratus artikel, meringkaskannya, mengasah soalan kajian, mereka bentuk kaedah, menganalisis data, menyalin keputusan, memformat petikan, memilih jurnal, membalas komen pengulas. Kebanyakan kerja ini berulang-ulang, memakan masa, dan mengganggu; Ia mencuri daripada apa yang benar-benar berharga, pemikiran dan tafsiran asli. Kecerdasan buatan (AI) — program komputer yang boleh memahami bahasa manusia dan menghasilkan output seperti teks, ringkasan, kod, draf, dll. — merupakan bantuan yang kuat untuk mempercepatkan beban berulang ini. Sepanjang modul ini, kami menganggap AI bukan sebagai sumber maklumat yang ajaib; Kami akan belajar menggunakannya sebagai pembantu penyelidik, menghasilkan draf, memberi idea dan menyunting.
Tetapi dari awal lagi, mari kita letakkan ayat paling penting khusus untuk akademik: AI tidak membuat keputusan saintifik dan bukannya penyelidik; menghasilkan draf, pertimbangan saintifik dan tanggungjawab adalah milik penyelidik. Dalam akademik, peraturan ini lebih ketat daripada dalam profesion lain, kerana mata wang sains adalah amanah, dan asas kepercayaan itu ialah setiap tuntutan dikaitkan dengan sumber yang boleh disahkan.
Unit pertama ini mewujudkan tiga asas: membezakan tempat AI berfungsi dan tempat ia harus kekal dalam aliran kerja penyelidikan; mengesahkan setiap keluaran; Untuk mengamalkan prinsip kejujuran dan ketelusan akademik. Ketiga-tiga ini adalah asas keselamatan asas untuk semua unit berikutnya.
Di manakah AI menjimatkan masa, di manakah keputusan itu milik penyelidik?
Ia membantu untuk memikirkan tugas penyelidikan dari segi tahap risiko. Tahap risiko ialah berapa banyak kemudaratan yang akan berlaku kepada rekod saintifik jika dilakukan secara tidak betul.
Tugas berisiko rendah yang dipercepatkan oleh AI: Menjana strategi carian (kata kunci, sinonim), membuat ringkasan awal teks yang panjang, memudahkan bahasa perenggan, mencadangkan tajuk jadual, sumbang saran, menerangkan konsep dengan cara yang berbeza, menghasilkan struktur rangka. Di sini AI menyelesaikan masalah "halaman kosong"; anda membetulkan, mengesahkan dan memperkayakan.
Tugasan berisiko sederhana, dihasilkan AI yang memerlukan pengesahan yang teliti: Pengesyoran pemilihan ujian statistik, draf kod, pemformatan petikan, tafsiran draf penemuan, perbandingan pilihan kaedah. Di sini AI memberikan kelajuan, tetapi setiap nombor, setiap tag, setiap langkah logik mesti disahkan secara manual.
Tugas berisiko tinggi di mana keputusan diserahkan semata-mata kepada penyelidik: penentuan akhir hipotesis dan kaedah, menentukan maksud data, menilai sama ada penemuan itu bermakna, keputusan dalam jawatankuasa etika (LHDN), memutuskan sama ada sumber benar-benar wujud dan menyokong tuntutan, pernyataan pengarang dan sumbangan. Keputusan ini menentukan kebolehpercayaan rekod saintifik; Tanggungjawab dan kata putus sentiasa menjadi milik penyelidik.
Awas: "AI berkata" bukanlah suatu justifikasi. Editor jurnal atau juri tesis tidak akan menerima kenyataan "model saya menghasilkannya seperti ini." Output AI yang tidak disahkan adalah seperti khabar angin yang tidak disahkan.
Mengapa pengesahan diperlukan? Halusinasi dan atribusi rekaan
AI menghasilkan teks bukan dengan "mengetahui" tetapi dengan "meramalkan perkataan yang mungkin". Itulah sebabnya kadangkala ia memberikan maklumat yang sangat lancar tetapi sebenarnya tidak betul. Ini dipanggil halusinasi (fabrikasi). Bentuk yang paling berbahaya dalam akademia ialah atribusi palsu: AI menjana nama pengarang, tahun, jurnal, atau bahkan DOI (pengecam objek digital — alamat tetap penerbitan) yang kelihatan nyata, tetapi sumber itu tidak pernah wujud. Jika penyelidik menggunakan ini tanpa menyemak, dia membuat tuntutan berdasarkan kajian yang tidak wujud; Ini membawa kepada penolakan tesis, penarikan balik artikel dan kehilangan reputasi.
Masalah kedua ialah herotan: apabila meringkaskan kertas kerja, AI mungkin membesar-besarkan penemuan, meringkaskan kajian yang mengatakan "tiada perbezaan yang ketara" kerana "perbezaan yang ketara ditemui." Yang ketiga ialah berat sebelah: AI mengulangi trend dalam data yang dilatihnya; Ia mungkin menonjolkan sekolah, bahasa atau sudut pandangan tertentu dan menjadikan kesusasteraan kelihatan herot.
Oleh kerana had ini, kami mencadangkan disiplin pengesahan mudah untuk digunakan pada setiap output:
- Sambungkannya ke sumber. Cari dan sahkan sumber sebenar (artikel, pangkalan data, DOI) untuk setiap fakta, tarikh, nombor, petikan dan terutamanya setiap petikan.
- Semak semula. Semak output berangka atau logik secara manual (hasil statistik, pengiraan sampel).
- Penapis saintifik. "Adakah tuntutan ini konsisten dengan kesusasteraan yang diketahui dalam bidang saya?" mengendalikannya dengan kepakaran anda sendiri.
- Ambil tanggungjawab. Sebaik sahaja anda meletakkannya dalam penerbitan atau tesis anda, ayat itu adalah milik anda; Sebarang kesilapan adalah tanggungjawab anda.
Kejujuran dan ketelusan akademik
Integriti akademik memastikan bahawa karya itu benar-benar sumbangan asal anda dan semua sumber dipetik dengan jujur. Penggunaan AI tidak menghapuskan prinsip ini, sebaliknya menambah tanggungjawab baharu: ketelusan. Kebanyakan jurnal dan universiti kini memerlukan pengisytiharan eksplisit penggunaan AI. Barisan editorial biasa (contohnya, prinsip badan etika penerbitan seperti ICMJE dan COPE) menyatakan dua perkara dengan jelas: AI tidak boleh menjadi pengarang (kerana ia tidak boleh bertanggungjawab, tidak boleh mengisytiharkan konflik kepentingan), dan penggunaan AI tidak disembunyikan, tetapi didedahkan dalam bahagian kaedah atau pengakuan.
Petua: Sebelum menampal teks ke dalam mana-mana alat, tanya dua soalan: (1) Bagaimanakah alat ini menyimpan data, adakah ia digunakan dalam pendidikan? (2) Apakah yang dikatakan oleh dasar AI institusi dan jurnal sasaran saya? Jangan bermula tanpa mengetahui kedua-dua ini.
tiga kes mini
Kes 1 — Tesis dikompromi atribusi rekaan. Seorang pelajar siswazah meminta YZ untuk 12 sumber untuk pengenalan tesisnya dan menerima kesemuanya dengan petikan mereka. Penasihatnya secara rawak mencari 4 daripadanya di Google Scholar; 2 daripadanya tidak wujud sama sekali, 1 daripadanya mempunyai DOI pergi ke artikel lain. Pelajar perlu mengesahkan keseluruhan senarai satu persatu dan hanya menggunakan 7 sumber yang sahih. Pengesahan mengambil masa 40 minit; tetapi jika ia disampaikan dengan rujukan rekaan, keyakinan juri akan goyah sepenuhnya.
Kes 2 — Penjimatan masa. Seorang penyelidik pasca doktoral menghabiskan 6 jam mengimbas dan meringkaskan 15-20 artikel baharu setiap minggu. Dia mula menggunakan AI sebagai penjana ringkasan pertamanya: meminta AI meringkaskan abstrak dan pengenalan setiap artikel, mendalaminya dengan bacaan kritisnya sendiri, dan mengesahkan penemuan daripada teks asal. Masa berkurangan daripada 6 jam seminggu kepada ~2.5 jam; Dia menumpukan masa yang diperolehnya untuk menulis sintesis asal.
Kes 3 — Kembali dari bersembunyi. Seorang saintis sosial akan menampal data lapangan dan testimoni peserta yang tidak diterbitkan ke dalam AI untuk analisis. Dia menyedari ia mengandungi kelayakan; Daripada berkongsi data mentah, dia hanya meminta sampel tanpa nama, ringkasan dan pelan analisis. Dia menerima cadangan kaedah yang berharga, tetapi tiada data sensitif yang keluar.
Templat yang boleh disalin
1) Mengasingkan tugas mengikut tahap risiko:
Peranan anda: pembantu akademik membantu penyelidik. Bahagikan tugas penyelidikan berikut kepada tiga senarai: (A) tugas berisiko rendah yang mana AI boleh menghasilkan manuskrip dengan selamat, (B) tugas berisiko sederhana yang AI boleh menghasilkan manuskrip dan memerlukan pengesahan yang ketat, (C) tugas berisiko tinggi yang keputusan muktamad mesti diserahkan kepada penyelidik. Tulis justifikasi satu ayat untuk setiap tugasan. Pencarian: [tampal pencarian sendiri]
2) Gesaan semakan pengesahan:
Tandai setiap ayat dalam teks di bawah yang mengandungi fakta, tarikh, nombor, petikan atau atribusi dan tandakannya sebagai "memerlukan pengesahan." Nyatakan dengan jelas di mana anda tidak pasti. JANGAN cipta sumber atau nombor; Jika anda tidak tahu, tulis "Saya tidak tahu".Teks: [tampal draf]
3) Draf pengisytiharan penggunaan AI:
Untuk bahagian kaedah/pengiktirafan artikel, tulis draf 2-3 ayat "Pernyataan penggunaan AI" yang menerangkan secara telus pada peringkat yang saya gunakan AI (cth. pembetulan bahasa, draf garis besar). Penggunaan: [terangkan]
4) Senarai pengesahan sumber:
Hasilkan helaian semak pengesahan untuk setiap sumber dalam senarai petikan berikut: [pengarang, tahun, tajuk, DOI, disahkan?].Anda tidak boleh mengesahkan; Beri saya jadual kosong yang saya akan semak secara manual. Senarai: [tampal petikan]
Gesaan lemah / Gesaan kuat
Gesaan yang lemah:
Cari saya sumber untuk pengenalan kepada tesis saya.
Tiada konteks dan berbahaya: AI mengeluarkan ID palsu dan anda fikir ia adalah nyata.
Gesaan kuat:
Peranan anda: perunding metodologi. Lokasi: "motivasi pelajar dalam pendidikan jarak jauh". JANGAN CARI SAYA SUMBER; Sebaliknya, cadangkan 8 kata kunci, 3 kumpulan sinonim dan rentetan carian Boolean untuk mencari topik ini dalam Scopus. byline artikel sebenar PALSU. Saya akan mengesahkan sumber yang saya temui sendiri.
Pencarian
Tahap risiko
Peranan AI
keputusan muktamad
Menjana strategi carian
rendah
Mencadangkan kata kunci/rentetan
penyelidik
Draf abstrak artikel
Rendah-Sederhana
Menghasilkan draf
Pengkaji mengesahkan
Cadangan ujian statistik
sederhana
Menyediakan pilihan
Penyelidik memilih/mengesahkan
Senarai petikan
tinggi
Pembantu format
Setiap cetakan disahkan dengan tangan
Mencari tafsiran/hipotesis
tinggi
memberi idea
penyelidik tunggal
Kesilapan biasa
- Menggunakan petikan tanpa pengesahan. Atribusi rekaan adalah kesilapan yang paling kerap dan dahsyat dalam akademik; membawa kepada penarikan diri.
- Menggantikan ringkasan kepada sumber. Ringkasan AI boleh memutarbelitkan penemuan; Tiada petikan diberikan tanpa kembali kepada teks asal.
- Melangkau ketelusan. Menyembunyikan penggunaan adalah pelanggaran etika apabila ditemui.
- Biarkan AI membuat keputusan saintifik. Hipotesis, tafsiran dan keputusan kaedah adalah milik penyelidik.
- Memuat naik data sulit untuk membuka alat. Data yang tidak diterbitkan dan maklumat peserta adalah di luar kawalan anda.
Petua: Fikirkan setiap sesi AI seperti bekerja dengan pelatih yang berpengalaman tetapi tidak boleh dipercayai: dia pantas dan rajin, tetapi anda mengesahkan semua yang dia katakan sebelum anda menandatangani.
Secara ringkasnya
AI ialah pembantu yang berkuasa yang meringankan beban penyelidik untuk membaca dan menulis berulang-ulang; tetapi disebabkan halusinasi, herotan dan berat sebelah, setiap output memerlukan pengesahan. Risiko paling kritikal dalam akademik ialah petikan palsu: setiap sumber mesti disahkan melalui DOI dan pangkalan data. Asingkan tugas mengikut tahap risiko, lindungi data, isytiharkan penggunaan secara telus. Peraturan terpendek: pelan tindakan adalah daripada AI, tanggungjawab saintifik adalah daripada penyelidik.
Tugasan permohonan
Senaraikan 8 tugasan daripada projek penyelidikan semasa anda sendiri dan tandai setiap satu sebagai berisiko rendah/sederhana/tinggi. Kemudian pilih tugas berisiko rendah dan tulis gesaan dengan konteks, seperti "Gesaan berkuasa" di atas. Tandakan sekurang-kurangnya 3 elemen (nombor, cetakan, tuntutan) yang anda perlu sahkan dalam output dan tulis cara anda akan mengesahkannya.
senarai semak
- [ ] Adakah saya telah mengasingkan tugas mengikut tahap risiko?
- [ ] Adakah saya merancang untuk mengesahkan setiap petikan dan mengira dalam output AI?
- [ ] Adakah saya tahu dasar pengekalan data kenderaan yang saya gunakan?
- [ ] Adakah saya telah membaca dasar AI institusi dan jurnal sasaran saya?
- [ ] Adakah saya pasti bahawa saya mengekalkan pertimbangan saintifik terakhir?