ਸਾਹਿਤ ਖੋਜ ਰਣਨੀਤੀ: ਕੀਵਰਡ, ਬੁਲੀਅਨ ਖੋਜ, ਅਤੇ ਸਕੋਪ

ਲਾਭ:

• ਖੋਜ ਪ੍ਰਸ਼ਨ ਤੋਂ ਕੀਵਰਡਸ, ਸਮਾਨਾਰਥੀ ਅਤੇ ਬੁਲੀਅਨ ਖੋਜ ਸਤਰ ਤਿਆਰ ਕਰਕੇ ਨਕਲੀ ਬੁੱਧੀ ਸਹਾਇਤਾ ਨਾਲ ਸਕੈਨਿੰਗ ਸਕੋਪ ਦੀ ਯੋਜਨਾ ਬਣਾਉਣ ਦੀ ਸਮਰੱਥਾ
• ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਨੂੰ ਰਣਨੀਤੀ ਬਣਾਉਣ ਵਾਲੇ ਟੂਲ ਦੇ ਤੌਰ 'ਤੇ ਸਥਾਨ ਦੇਣਾ, ਨਾ ਕਿ ਸਰੋਤ ਖੋਜਣ ਵਾਲੇ ਟੂਲ ਦੇ ਤੌਰ 'ਤੇ, ਅਤੇ ਅਸਲ ਡੇਟਾਬੇਸ (ਗੂਗਲ ਸਕਾਲਰ, ਸਕੋਪਸ, ਵੈੱਬ ਆਫ਼ ਸਾਇੰਸ, ਪਬਮੇਡ) ਵਿੱਚ ਪਾਏ ਗਏ ਹਰ ਸਰੋਤ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨ ਦੇ ਯੋਗ ਹੋਣਾ।
• ਮਨਘੜਤ ਸਰੋਤਾਂ ਅਤੇ ਜਾਅਲੀ ਅੰਕੜੇ ਪ੍ਰਦਾਨ ਕਰਨ ਵਾਲੀ ਨਕਲੀ ਬੁੱਧੀ ਦੇ ਜੋਖਮ ਨੂੰ ਸਮਝਣ ਦੀ ਸਮਰੱਥਾ ਅਤੇ ਸਾਹਿਤ ਵਿੱਚ ਇੱਕ ਪਾੜਾ ਨਿਰਧਾਰਤ ਕਰਦੇ ਸਮੇਂ ਹਰ ਹਵਾਲੇ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨ ਲਈ ਪ੍ਰਤੀਬਿੰਬ ਪ੍ਰਾਪਤ ਕਰਨਾ।

ਹਰ ਖੋਜ ਸਾਹਿਤ ਦੀ ਸਮੀਖਿਆ ਨਾਲ ਸ਼ੁਰੂ ਹੁੰਦੀ ਹੈ: ਤੁਸੀਂ ਇਹ ਦੇਖਣ ਤੋਂ ਬਿਨਾਂ ਕੋਈ ਮੂਲ ਯੋਗਦਾਨ ਨਹੀਂ ਕਰ ਸਕਦੇ ਕਿ ਤੁਹਾਡੇ ਵਿਸ਼ੇ 'ਤੇ ਪਹਿਲਾਂ ਕੀ ਕੀਤਾ ਗਿਆ ਹੈ, ਕਿਹੜੇ ਸਵਾਲਾਂ ਦੇ ਜਵਾਬ ਦਿੱਤੇ ਗਏ ਹਨ, ਅਤੇ ਕਿੱਥੇ ਅੰਤਰ ਹਨ। ਪਰ ਸਾਹਿਤ ਬਹੁਤ ਵੱਡਾ ਹੈ; ਹਰ ਸਾਲ ਲੱਖਾਂ ਲੇਖ ਪ੍ਰਕਾਸ਼ਿਤ ਹੁੰਦੇ ਹਨ। ਇਹ ਉਹ ਥਾਂ ਹੈ ਜਿੱਥੇ AI ਇੱਕ ਵਧੀਆ ਐਕਸਲੇਟਰ ਹੈ — ਪਰ ਸੀਮਾਬੰਦੀ ਦੀ ਇੱਕ ਬਹੁਤ ਹੀ ਵੱਖਰੀ ਲਾਈਨ ਦੇ ਨਾਲ। ਇਸ ਯੂਨਿਟ ਦਾ ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਵਾਕ ਇਹ ਹੈ: AI ਸਾਹਿਤ ਸਮੀਖਿਆ ਵਿੱਚ ਇੱਕ ਖੋਜ ਰਣਨੀਤੀਕਾਰ ਵਜੋਂ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ, ਨਾ ਕਿ ਇੱਕ ਸਰੋਤ ਡੇਟਾਬੇਸ ਵਜੋਂ। ਕਿਉਂਕਿ AI ਤੁਹਾਨੂੰ ਅਸਲ ਲੇਖ ਨਹੀਂ ਲੱਭਦਾ; ਇਹ ਸੰਭਵ-ਦਿੱਖ ਵਾਲੇ ਲੇਖ ਦੀਆਂ ਬਾਈਲਾਈਨਾਂ ਪੈਦਾ ਕਰਦਾ ਹੈ, ਜਿਨ੍ਹਾਂ ਵਿੱਚੋਂ ਕੁਝ ਮਨਘੜਤ ਹਨ।

ਇਸ ਯੂਨਿਟ ਵਿੱਚ, ਅਸੀਂ ਸਿੱਖਾਂਗੇ ਕਿ ਤੁਹਾਡੇ ਖੋਜ ਪ੍ਰਸ਼ਨ ਤੋਂ ਇੱਕ ਵਿਵਸਥਿਤ ਖੋਜ ਯੋਜਨਾ ਕਿਵੇਂ ਪ੍ਰਾਪਤ ਕੀਤੀ ਜਾਵੇ, ਉਸ ਯੋਜਨਾ ਨੂੰ ਅਮੀਰ ਬਣਾਉਣ ਲਈ AI ਦੀ ਵਰਤੋਂ ਕਰੋ, ਅਤੇ ਅਸਲ ਡੇਟਾਬੇਸ ਦੇ ਵਿਰੁੱਧ ਤੁਹਾਡੇ ਦੁਆਰਾ ਲੱਭੇ ਗਏ ਹਰੇਕ ਸਰੋਤ ਨੂੰ ਪ੍ਰਮਾਣਿਤ ਕਰੋ।

ਸਾਹਿਤ ਸਮੀਖਿਆ ਦਾ ਪਿੰਜਰ

ਇੱਕ ਚੰਗੇ ਸਕੈਨ ਦੇ ਤਿੰਨ ਪੜਾਅ ਹੁੰਦੇ ਹਨ। ਪਹਿਲਾਂ ਤੁਸੀਂ ਧਾਰਨਾਵਾਂ ਨੂੰ ਤੋੜਦੇ ਹੋ: ਤੁਸੀਂ ਆਪਣੇ ਖੋਜ ਪ੍ਰਸ਼ਨ ਨੂੰ ਇਸਦੇ ਮੁੱਖ ਭਾਗਾਂ ਵਿੱਚ ਵੰਡਦੇ ਹੋ। ਉਦਾਹਰਨ ਲਈ, "ਦੂਰੀ ਸਿੱਖਿਆ ਵਿੱਚ ਵਿਦਿਆਰਥੀ ਦੀ ਪ੍ਰੇਰਣਾ 'ਤੇ ਫੀਡਬੈਕ ਦਾ ਪ੍ਰਭਾਵ" ਪ੍ਰਸ਼ਨ ਵਿੱਚ, ਤਿੰਨ ਧਾਰਨਾਵਾਂ ਹਨ: ਦੂਰੀ ਸਿੱਖਿਆ, ਫੀਡਬੈਕ, ਪ੍ਰੇਰਣਾ। ਫਿਰ ਤੁਸੀਂ ਹਰੇਕ ਸੰਕਲਪ ਲਈ ਇੱਕ ਸ਼ਬਦ ਪੂਲ ਬਣਾਉਂਦੇ ਹੋ: ਸਮਾਨਾਰਥੀ ਸ਼ਬਦ, ਫੀਲਡ ਜਾਰਗਨ, ਅੰਗਰੇਜ਼ੀ ਦੇ ਬਰਾਬਰ (ਦੂਰੀ ਸਿੱਖਿਆ → ਦੂਰੀ ਸਿੱਖਿਆ, ਔਨਲਾਈਨ ਸਿਖਲਾਈ, ਈ-ਲਰਨਿੰਗ, ਦੂਰੀ ਸਿੱਖਿਆ)। ਅੰਤ ਵਿੱਚ, ਤੁਸੀਂ ਇਹਨਾਂ ਸ਼ਰਤਾਂ ਨੂੰ ਬੁਲੀਅਨ ਓਪਰੇਟਰਾਂ ਨਾਲ ਜੋੜਦੇ ਹੋ।

ਬੁਲੀਅਨ ਓਪਰੇਟਰ ਲਾਜ਼ੀਕਲ ਸੰਯੋਜਕ ਹਨ ਜੋ ਖੋਜ ਇੰਜਣਾਂ ਨੂੰ ਦੱਸਦੇ ਹਨ ਕਿ ਸ਼ਬਦਾਂ ਨੂੰ ਕਿਵੇਂ ਜੋੜਨਾ ਹੈ। ਇੱਥੇ ਤਿੰਨ ਬੁਨਿਆਦੀ ਓਪਰੇਟਰ ਹਨ: AND (ਦੋਵੇਂ ਸ਼ਬਦਾਂ ਦੇ ਹੋਣ ਦੇ ਨਤੀਜੇ — ਦਾਇਰੇ ਨੂੰ ਸੰਕੁਚਿਤ ਕਰਦੇ ਹਨ), ਜਾਂ (ਕੋਈ ਵੀ ਸ਼ਬਦ — ਦਾਇਰੇ ਦਾ ਵਿਸਤਾਰ ਕਰਦਾ ਹੈ, ਸਮਾਨਾਰਥੀ ਨੂੰ ਇਕੱਠਾ ਕਰਦਾ ਹੈ), ਅਤੇ ਨਹੀਂ (ਇੱਕ ਸ਼ਬਦ ਨੂੰ ਛੱਡ ਕੇ)। ਸੰਪੂਰਨ ਵਾਕਾਂਸ਼ਾਂ ਲਈ "..." ਦਾ ਹਵਾਲਾ ਵੀ ਦਿਓ, ਤਾਰਾ * ਮੂਲ ਸੰਕੁਚਨ ਹੈ (ਪ੍ਰੇਰਣਾ* → ਪ੍ਰੇਰਣਾ, ਪ੍ਰੇਰਣਾਤਮਕ)। ਇੱਕ ਖੋਜ ਸਤਰ ਆਮ ਤੌਰ 'ਤੇ ਇਸ ਤਰ੍ਹਾਂ ਦਿਖਾਈ ਦਿੰਦੀ ਹੈ:

("ਦੂਰੀ ਸਿੱਖਿਆ" ਜਾਂ "ਆਨਲਾਈਨ ਸਿਖਲਾਈ" ਜਾਂ ਈ-ਲਰਨਿੰਗ) ਅਤੇ (ਫੀਡਬੈਕ ਜਾਂ "ਰਚਨਾਤਮਕ ਮੁਲਾਂਕਣ") ਅਤੇ (ਪ੍ਰੇਰਣਾ ਜਾਂ ਸ਼ਮੂਲੀਅਤ ਜਾਂ "ਸਵੈ-ਪ੍ਰਭਾਵ")

AI ਇਹਨਾਂ ਸਤਰਾਂ ਨੂੰ ਬਣਾਉਣ, ਸਮਾਨਾਰਥੀ ਸ਼ਬਦਾਂ ਨੂੰ ਪੂਰਾ ਕਰਨ, ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਵੱਖ-ਵੱਖ ਡੇਟਾਬੇਸ (Scopus, PubMed, Web of Science ਲਈ ਵੱਖ-ਵੱਖ ਸਪੈਲਿੰਗਾਂ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ) ਦੇ ਸੰਟੈਕਸ ਵਿੱਚ ਅਨੁਕੂਲਿਤ ਕਰਨ ਵਿੱਚ ਸ਼ਾਨਦਾਰ ਹੈ। ਪਰ AI ਉਹ ਥਾਂ ਨਹੀਂ ਹੈ ਜਿੱਥੇ ਤੁਸੀਂ ਸਤਰ ਚਲਾਉਂਦੇ ਹੋ; ਅਸਲ ਡਾਟਾਬੇਸ: ਗੂਗਲ ਸਕਾਲਰ (ਵੱਡਾ, ਮੁਫਤ), ਸਕੋਪਸ ਅਤੇ ਵੈਬ ਆਫ਼ ਸਾਇੰਸ (ਕਿਊਰੇਟਿਡ, ਹਵਾਲਾ-ਸੂਚੀਬੱਧ), ਪਬਮੇਡ (ਮੈਡੀਕਲ/ਜੀਵਨ ਵਿਗਿਆਨ), ਫੀਲਡ ਡਾਟਾਬੇਸ (ERIC ਸਿੱਖਿਆ, PsycINFO ਮਨੋਵਿਗਿਆਨ, IEEE Xplore ਇੰਜੀਨੀਅਰਿੰਗ)।

ਧਿਆਨ ਦਿਓ: ਜੇਕਰ ਤੁਸੀਂ ਇੱਕ AI ਚੈਟ ਟੂਲ "ਇਸ ਵਿਸ਼ੇ 'ਤੇ 20 ਲੇਖਾਂ ਦੀ ਸੂਚੀ" ਪੁੱਛਦੇ ਹੋ, ਤਾਂ ਇਹ ਸਿਰਲੇਖ ਵਾਪਸ ਕਰੇਗਾ ਜੋ ਅਸਲੀ ਦਿਖਾਈ ਦਿੰਦੇ ਹਨ, ਪਰ ਉਹਨਾਂ ਵਿੱਚੋਂ ਕੁਝ ਬਣਦੇ ਹਨ। ਇਹ ਸਕ੍ਰੀਨਿੰਗ ਨਹੀਂ ਬਲਕਿ ਖ਼ਤਰਾ ਹੈ। ਸਟਰਿੰਗ ਬਣਾਉਣ ਲਈ AI ਦੀ ਵਰਤੋਂ ਕਰੋ, ਡੇਟਾਬੇਸ ਵਿੱਚ ਲੇਖ ਲੱਭੋ।

ਸਕੋਪ, ਸਮਾਵੇਸ਼ ਅਤੇ ਅੰਤਰ ਵਿਸ਼ਲੇਸ਼ਣ

ਚੰਗੀ ਸਕੈਨਿੰਗ ਸੀਮਾਵਾਂ ਨੂੰ ਜਾਣਦਾ ਹੈ। ਸ਼ਾਮਲ/ਬੇਦਖਲੀ ਮਾਪਦੰਡ ਤੁਹਾਡੀ ਖੋਜ ਦੇ ਦਾਇਰੇ ਨੂੰ ਨਿਰਧਾਰਤ ਕਰਦੇ ਹਨ: ਕਿਹੜੀ ਸਾਲ ਸੀਮਾ, ਕਿਹੜੀਆਂ ਭਾਸ਼ਾਵਾਂ, ਕਿਹੜੀਆਂ ਅਧਿਐਨ ਕਿਸਮਾਂ (ਪ੍ਰਯੋਗਾਤਮਕ, ਸਮੀਖਿਆ), ਕਿਹੜਾ ਸੰਦਰਭ। AI ਇਹਨਾਂ ਮਾਪਦੰਡਾਂ ਨੂੰ ਡਰਾਫਟ ਰੂਪ ਵਿੱਚ ਸੁਝਾਅ ਦੇ ਸਕਦਾ ਹੈ, ਅਤੇ ਤੁਸੀਂ ਉਹਨਾਂ ਨੂੰ ਆਪਣੇ ਖੇਤਰ ਦੇ ਅਨੁਸਾਰ ਤਿੱਖਾ ਕਰ ਸਕਦੇ ਹੋ। ਜੇਕਰ ਤੁਸੀਂ ਇੱਕ ਵਿਵਸਥਿਤ ਸਮੀਖਿਆ ਕਰ ਰਹੇ ਹੋ, ਤਾਂ ਤੁਸੀਂ PRISMA (ਵਿਵਸਥਿਤ ਸਮੀਖਿਆਵਾਂ ਲਈ ਰਿਪੋਰਟਿੰਗ ਸਟੈਂਡਰਡ) ਨੂੰ AI ਨੂੰ ਯਾਦ ਦਿਵਾ ਸਕਦੇ ਹੋ ਅਤੇ ਇਸਨੂੰ ਇੱਕ ਕ੍ਰੌਲ ਲੌਗ ਟੈਂਪਲੇਟ ਤਿਆਰ ਕਰ ਸਕਦੇ ਹੋ।

ਸਾਹਿਤ ਦਾ ਪਾੜਾ ਇੱਕ ਸਵਾਲ ਜਾਂ ਸੰਦਰਭ ਹੁੰਦਾ ਹੈ ਜਿਸਦੀ ਅਜੇ ਤੱਕ ਢੁਕਵੀਂ ਖੋਜ ਨਹੀਂ ਕੀਤੀ ਗਈ ਹੈ; ਤੁਹਾਡਾ ਮੂਲ ਯੋਗਦਾਨ ਅਕਸਰ ਇੱਕ ਪਾੜਾ ਭਰਦਾ ਹੈ। AI ਤੁਹਾਡੇ ਦੁਆਰਾ ਪੜ੍ਹੇ ਗਏ ਸਾਰਾਂਸ਼ਾਂ ਦੇ ਅਧਾਰ 'ਤੇ ਸੰਭਾਵਿਤ ਅੰਤਰਾਂ ਨੂੰ ਨਾਮ ਦੇਣ ਵਿੱਚ ਤੁਹਾਡੀ ਮਦਦ ਕਰਦਾ ਹੈ - ਪਰ ਇਸਨੂੰ ਪ੍ਰਮਾਣਿਤ ਕਰਨ ਲਈ ਇੱਕ ਦਾਅਵੇ ਵਜੋਂ ਲਓ, ਨਾ ਕਿ ਇੱਕ ਅਨੁਮਾਨ ਵਜੋਂ। AI ਕਹਿ ਸਕਦਾ ਹੈ "ਇਸ ਖੇਤਰ ਵਿੱਚ X ਦਾ ਅਧਿਐਨ ਨਹੀਂ ਕੀਤਾ ਗਿਆ ਹੈ"; ਹਾਲਾਂਕਿ, ਇਸਦਾ ਅਧਿਐਨ ਕੀਤਾ ਗਿਆ ਹੋ ਸਕਦਾ ਹੈ, ਇਹ ਸਿਰਫ ਇਹ ਹੈ ਕਿ ਏਆਈ ਨੂੰ ਪਤਾ ਨਹੀਂ ਹੈ. ਤੁਸੀਂ ਸਿਰਫ਼ ਆਪਣੇ ਅਸਲ ਸਕੈਨ ਨਾਲ ਪਾੜੇ ਦੀ ਪੁਸ਼ਟੀ ਕਰਦੇ ਹੋ।

ਸਨੋਬਾਲ ਵਿਧੀ ਅਤੇ ਸਲੇਟੀ ਸਾਹਿਤ

ਇਕੱਲੇ ਕੀਵਰਡ ਖੋਜ ਕਾਫ਼ੀ ਨਹੀਂ ਹੈ; ਇੱਕ ਚੰਗਾ ਸਕੈਨ ਬਰਫ਼ਬਾਰੀ ਨਾਲ ਡੂੰਘਾ ਹੁੰਦਾ ਹੈ। ਪਿੱਛੇ ਵੱਲ ਬਰਫ਼ਬਾਰੀ ਕਰਦੇ ਹੋਏ, ਤੁਹਾਨੂੰ ਜੋ ਕੁੰਜੀ ਮਿਲਦੀ ਹੈ ਉਹ ਹੈ ਕਿਸੇ ਲੇਖ ਦੀ ਬਿਬਲਿਓਗ੍ਰਾਫੀ ਨੂੰ ਸਕੈਨ ਕਰਨਾ ਅਤੇ ਇਸ ਤੋਂ ਪਹਿਲਾਂ ਵਾਲੇ ਨੂੰ ਲੱਭਣਾ; ਸਨੋਬਾਲਿੰਗ ਫਾਰਵਰਡ ਟ੍ਰੈਕ ਕਰ ਰਿਹਾ ਹੈ ਕਿ ਕਿਸਨੇ ਉਸ ਲੇਖ ਦਾ ਹਵਾਲਾ ਦਿੱਤਾ (ਗੂਗਲ ਸਕਾਲਰ ਵਿੱਚ "ਦੁਆਰਾ ਹਵਾਲਾ ਦਿੱਤਾ" ਲਿੰਕ) ਅਤੇ ਬਾਅਦ ਦੇ ਅਧਿਐਨਾਂ 'ਤੇ ਪਹੁੰਚਣਾ। ਇਹ ਵਿਧੀ ਤੁਹਾਨੂੰ ਉਹਨਾਂ ਅਧਿਐਨਾਂ ਨੂੰ ਲੱਭਣ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦੀ ਹੈ ਜੋ ਖੇਤਰ ਲਈ ਕੇਂਦਰੀ ਹਨ ਪਰ ਤੁਸੀਂ ਆਪਣੇ ਕੀਵਰਡਸ ਨਾਲ ਕੈਪਚਰ ਨਹੀਂ ਕਰ ਸਕਦੇ ਹੋ। ਜਦੋਂ ਤੁਸੀਂ ਕਿਸੇ ਲੇਖ ਦੀ ਇੱਕ ਪੁਸਤਕ ਸੂਚੀ ਪ੍ਰਦਾਨ ਕਰਦੇ ਹੋ, ਤਾਂ AI ਤੁਹਾਡੀ ਤਰਜੀਹ ਦੇਣ ਵਿੱਚ ਤੁਹਾਡੀ ਮਦਦ ਕਰ ਸਕਦਾ ਹੈ ਕਿ ਕਿਹੜੇ ਹਵਾਲੇ ਤੁਹਾਡੇ ਸਵਾਲ ਦੇ ਸਭ ਤੋਂ ਨੇੜੇ ਹਨ; ਪਰ ਦੁਬਾਰਾ, ਲੇਖ ਨੂੰ ਲੱਭਣਾ ਅਤੇ ਪੜ੍ਹਨਾ ਤੁਹਾਡੇ 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ।

ਇਸ ਤੋਂ ਇਲਾਵਾ, ਅਕਾਦਮਿਕ ਡੇਟਾਬੇਸ ਹਰ ਚੀਜ਼ ਨੂੰ ਕਵਰ ਨਹੀਂ ਕਰਦੇ ਹਨ. ਸਲੇਟੀ ਸਾਹਿਤ — ਖੋਜ ਨਿਬੰਧ, ਸੰਸਥਾਗਤ ਰਿਪੋਰਟਾਂ, ਕਾਨਫਰੰਸ ਦੀ ਕਾਰਵਾਈ, ਪ੍ਰੀਪ੍ਰਿੰਟਸ — ਕੁਝ ਖੇਤਰਾਂ ਵਿੱਚ ਮਹੱਤਵਪੂਰਨ ਹੈ ਅਤੇ ਪ੍ਰਕਾਸ਼ਨ ਪੱਖਪਾਤ ਨੂੰ ਆਫਸੈੱਟ ਕਰਦਾ ਹੈ (ਸਿਰਫ ਸਕਾਰਾਤਮਕ ਨਤੀਜੇ ਪ੍ਰਕਾਸ਼ਿਤ ਕਰਨ ਦੀ ਪ੍ਰਵਿਰਤੀ)। AI ਇਹ ਸੁਝਾਅ ਦੇ ਸਕਦਾ ਹੈ ਕਿ ਤੁਹਾਨੂੰ ਕਿਹੜੇ ਸਲੇਟੀ ਸਾਹਿਤ ਸਰੋਤਾਂ (ProQuest ਖੋਜ ਨਿਬੰਧ, ਸੰਸਥਾਗਤ ਭੰਡਾਰ, ਪ੍ਰੀਪ੍ਰਿੰਟ ਸਰਵਰ ਜਿਵੇਂ ਕਿ arXiv/SSRN) ਦੀ ਖੋਜ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ; ਯੋਜਨਾਬੱਧ ਸਮੀਖਿਆਵਾਂ ਵਿੱਚ ਅਕਸਰ ਇਹ ਜ਼ਰੂਰੀ ਹੁੰਦਾ ਹੈ ਕਿ ਤੁਹਾਡੇ ਦਾਇਰੇ ਨੂੰ ਸਿਰਫ਼ ਜਰਨਲ ਲੇਖਾਂ ਤੱਕ ਸੀਮਤ ਨਾ ਕੀਤਾ ਜਾਵੇ।

ਤਿੰਨ ਛੋਟੇ ਕੇਸ

ਕੇਸ 1 - ਸਟ੍ਰਿੰਗ ਵਿਸਤਾਰ। ਜਦੋਂ ਇੱਕ ਸਿੱਖਿਆ ਖੋਜਕਰਤਾ ਨੇ ਸਕੋਪਸ 'ਤੇ "ਫਲਿਪਡ ਕਲਾਸਰੂਮ" ਦੀ ਖੋਜ ਕੀਤੀ, ਤਾਂ ਉਸਨੂੰ 300 ਨਤੀਜੇ ਮਿਲੇ, ਪਰ ਮਹਿਸੂਸ ਕੀਤਾ ਕਿ ਉਹ ਸਮਾਨਾਰਥੀ ਸ਼ਬਦ ਗੁਆ ਰਹੀ ਹੈ। ਉਸ ਕੋਲ ਏਆਈ ਨੇ ਇੱਕ ਮਿਆਦੀ ਪੂਲ ਪੈਦਾ ਕੀਤਾ ਸੀ; ਉਸਨੇ "ਇਨਵਰਟੇਡ ਕਲਾਸਰੂਮ" ਅਤੇ "ਫਲਿਪਡ ਲਰਨਿੰਗ" ਵਰਗੇ ਸਮਾਨਤਾਵਾਂ ਨੂੰ ਜੋੜਿਆ। ਨਵੀਂ ਸਤਰ ਦੇ ਨਾਲ ਨਤੀਜਾ 300 ਤੋਂ 470 ਤੱਕ ਵਧਿਆ; ਸ਼ੁਰੂਆਤੀ ਖੋਜ ਵਿੱਚ 40 ਸੰਬੰਧਿਤ ਲੇਖ ਖੁੰਝ ਗਏ ਸਨ। AI ਨੇ ਲੇਖਾਂ ਨੂੰ ਨਹੀਂ ਲੱਭਿਆ, ਪਰ ਉਹਨਾਂ ਨੂੰ ਲੱਭਣ ਯੋਗ ਸਤਰ ਦਾ ਨਿਰਮਾਣ ਕੀਤਾ।

ਕੇਸ 2 - ਬਣੀ ਸੂਚੀ ਤੋਂ ਵਾਪਸੀ। ਇੱਕ ਗ੍ਰੈਜੂਏਟ ਵਿਦਿਆਰਥੀ ਨੇ ਸਕੈਨਿੰਗ ਲਈ ਸਿੱਧੇ AI ਨੂੰ "ਸਿਖਰ ਦੇ 15 ਸਰੋਤਾਂ" ਲਈ ਕਿਹਾ ਅਤੇ ਸੂਚੀ ਨੂੰ ਆਪਣੇ ਥੀਸਿਸ ਵਿੱਚ ਚਿਪਕਾਇਆ। ਸਲਾਹਕਾਰ ਦੇ ਨਿਯੰਤਰਣ ਅਧੀਨ, ਵੈੱਬ ਆਫ਼ ਸਾਇੰਸ ਵਿੱਚ 4 ਹਵਾਲੇ ਨਹੀਂ ਮਿਲ ਸਕੇ, ਅਤੇ 2 DOI ਗਲਤ ਸਨ। ਵਿਦਿਆਰਥੀ ਨੇ ਮੁੜ ਸ਼ੁਰੂ ਕੀਤਾ: ਇਸ ਵਾਰ ਉਸਨੇ AI ਤੋਂ ਲਾਈਨ ਲਈ, ਸਕੋਪਸ ਵਿੱਚ 60 ਅਸਲੀ ਨਤੀਜੇ ਲੱਭੇ, ਸਿਰਲੇਖ-ਐਬਸਟ੍ਰੈਕਟ ਵਿੱਚੋਂ ਕੱਢਿਆ ਅਤੇ 18 ਨੂੰ ਚੁਣਿਆ। ਇਹ 18 ਸਾਰੇ ਅਸਲੀ ਸਨ।

ਕੇਸ 3 - ਸਕੋਪ ਸਪਸ਼ਟੀਕਰਨ। ਇੱਕ ਸਿਹਤ ਖੋਜਕਰਤਾ ਨੇ ਮਹਿਸੂਸ ਕੀਤਾ ਕਿ ਉਸਦੀ ਖੋਜ ਇੰਨੀ ਵਿਆਪਕ ਸੀ ਕਿ ਉਹ 2,000 ਨਤੀਜਿਆਂ ਦੁਆਰਾ ਹਾਵੀ ਹੋ ਗਈ ਸੀ। ਡਰਾਫਟ AI ਸ਼ਾਮਲ/ਬੇਦਖਲੀ ਮਾਪਦੰਡ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਸੀ: ਪਿਛਲੇ 10 ਸਾਲ, ਅੰਗਰੇਜ਼ੀ, ਬਾਲਗ ਨਮੂਨਾ, ਬੇਤਰਤੀਬ ਨਿਯੰਤਰਿਤ ਟਰਾਇਲ। ਉਸਨੇ ਆਪਣੀ ਖੁਦ ਦੀ ਜਾਣਕਾਰੀ ਨਾਲ "ਸਿਰਫ ਹਸਪਤਾਲ ਦਾ ਵਾਤਾਵਰਣ" ਫਿਲਟਰ ਜੋੜਿਆ। ਨਤੀਜਾ 2,000 ਤੋਂ 180 ਤੱਕ ਡਿੱਗ ਗਿਆ; ਇੱਕ ਸਕੈਨ ਕਰਨ ਯੋਗ ਕਲੱਸਟਰ ਬਣਾਇਆ ਗਿਆ ਸੀ।

ਨਕਲ ਕਰਨ ਯੋਗ ਟੈਂਪਲੇਟਸ

1) ਸੰਕਲਪ ਵਿਛੋੜਾ ਅਤੇ ਮਿਆਦ ਪੂਲ:

ਤੁਹਾਡੀ ਭੂਮਿਕਾ: ਇੱਕ ਜਾਣਕਾਰੀ ਮਾਹਰ (ਖੋਜ ਲਾਇਬ੍ਰੇਰੀਅਨ)। ਮੇਰਾ ਖੋਜ ਸਵਾਲ ਹੈ: "[ਪ੍ਰਸ਼ਨ ਲਿਖੋ]"। ਇਸ ਸਵਾਲ ਨੂੰ ਇਸਦੇ ਮੁੱਖ ਸੰਕਲਪਾਂ ਵਿੱਚ ਵੰਡੋ। ਹਰੇਕ ਸੰਕਲਪ ਲਈ ਅੰਗਰੇਜ਼ੀ ਸਮਾਨਾਰਥੀ ਸ਼ਬਦਾਂ, ਫੀਲਡ ਜਾਰਗਨ, ਅਤੇ ਵਿਕਲਪਕ ਸ਼ਬਦ-ਜੋੜਾਂ ਦਾ ਇੱਕ ਸ਼ਬਦ ਪੂਲ ਤਿਆਰ ਕਰੋ। ਇਸਨੂੰ ਇੱਕ ਸਾਰਣੀ ਵਿੱਚ ਦਿਓ. ਲੇਖ ਨਕਲੀ ਹੈ।

2) ਬੁਲੀਅਨ ਖੋਜ ਸਟ੍ਰਿੰਗ ਪੀੜ੍ਹੀ:

ਹੇਠਾਂ ਦਿੱਤੇ ਸ਼ਬਦ ਪੂਲ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਸਕੋਪਸ ਲਈ ਇੱਕ ਬੁਲੀਅਨ ਖੋਜ ਸਟ੍ਰਿੰਗ ਬਣਾਓ: ਜਾਂ ਸੰਕਲਪਾਂ ਦੇ ਅੰਦਰ ਸ਼ਬਦ, ਅਤੇ ਸੰਕਲਪਾਂ ਦੇ ਵਿਚਕਾਰ, ਹਵਾਲਾ ਵਾਕਾਂਸ਼, ਜਿੱਥੇ ਉਚਿਤ ਹੋਵੇ * ਦੀ ਵਰਤੋਂ ਕਰੋ। ਉਸੇ ਸਟ੍ਰਿੰਗ ਨੂੰ ਵੈਬ ਆਫ਼ ਸਾਇੰਸ ਅਤੇ ਪਬਮੇਡ ਸਿੰਟੈਕਸ ਲਈ ਅਨੁਕੂਲ ਬਣਾਓ। ਪੂਲ: [ਪੇਸਟ]

3) ਡਰਾਫਟ ਸਮਾਵੇਸ਼/ਬੇਦਖਲੀ ਮਾਪਦੰਡ:

ਮੈਂ "[ਵਿਸ਼ਾ]" 'ਤੇ ਸਾਹਿਤ ਸਮੀਖਿਆ ਕਰ ਰਿਹਾ/ਰਹੀ ਹਾਂ। ਮੈਨੂੰ ਸ਼ਾਮਲ ਕਰਨ/ਬੇਹੱਦ ਕਰਨ ਦੇ ਮਾਪਦੰਡ ਦਾ ਇੱਕ ਖਰੜਾ ਸੁਝਾਓ: ਸਾਲ ਦੀ ਸੀਮਾ, ਭਾਸ਼ਾ, ਅਧਿਐਨ ਦੀ ਕਿਸਮ, ਨਮੂਨਾ, ਸੰਦਰਭ ਦੇ ਸਿਰਲੇਖਾਂ ਦੇ ਅਧੀਨ। ਇਹ ਸੁਝਾਅ ਹਨ; ਮੈਂ ਉਨ੍ਹਾਂ ਨੂੰ ਆਪਣੇ ਖੇਤਰ ਅਨੁਸਾਰ ਬਦਲਾਂਗਾ। ਕਾਰਨਾਂ ਨੂੰ ਸੰਖੇਪ ਵਿੱਚ ਲਿਖੋ।

4) ਖਾਲੀ ਅਸਾਮੀਆਂ ਦੇ ਉਮੀਦਵਾਰਾਂ ਦੀ ਪੁੱਛਗਿੱਛ (ਪੁਸ਼ਟੀ ਕੀਤੀ ਜਾਣੀ ਹੈ):

ਹੇਠਾਂ 10 ਲੇਖਾਂ ਦੇ ਸੰਖੇਪ ਹਨ ਜੋ ਮੈਂ ਸਕੈਨ ਕੀਤੇ ਹਨ। ਉਹਨਾਂ ਦੇ ਸਾਂਝੇ ਥੀਮਾਂ ਨੂੰ ਉਲੀਕ ਕੇ ਅਤੇ ਉਮੀਦਵਾਰਾਂ ਦੇ ਅੰਤਰ ਦਾ ਸੁਝਾਅ ਦਿਓ ਕਿ ਕਿਹੜੇ ਸਵਾਲ ਘੱਟ ਹੱਲ ਕੀਤੇ ਗਏ ਹਨ। ਇਹਨਾਂ ਨੂੰ ਪਰਿਕਲਪਨਾ ਦੇ ਤੌਰ ਤੇ ਪੇਸ਼ ਕਰੋ ਜੋ ਮੈਂ ਪ੍ਰਮਾਣਿਤ ਕਰਾਂਗਾ, ਪੂਰਨ ਸੱਚ ਨਹੀਂ। ਸੰਖੇਪ: [ਪੇਸਟ]

ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ / ਮਜ਼ਬੂਤ ਪ੍ਰੋਂਪਟ

ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ:

ਮੈਨੂੰ ਨਕਲੀ ਬੁੱਧੀ ਅਤੇ ਸਿੱਖਿਆ 'ਤੇ ਸਰੋਤਾਂ ਦੀ ਸੂਚੀ ਦਿਓ।

AI ਨਕਲੀ ਆਈਡੀ ਬਣਾਉਂਦਾ ਹੈ; ਵਿਸ਼ਾ ਵੀ ਬਹੁਤ ਵਿਸ਼ਾਲ ਹੈ।

ਸ਼ਕਤੀਸ਼ਾਲੀ ਪ੍ਰਾਉਟ:

ਤੁਹਾਡੀ ਭੂਮਿਕਾ: ਜਾਣਕਾਰੀ ਮਾਹਰ। ਵਿਸ਼ਾ: "ਪ੍ਰਾਇਮਰੀ ਸਕੂਲ ਵਿੱਚ ਗਣਿਤ ਦੀ ਚਿੰਤਾ 'ਤੇ ਗੇਮਫੀਕੇਸ਼ਨ ਦਾ ਪ੍ਰਭਾਵ"। ਮੈਨੂੰ ਸਰੋਤਾਂ ਦੀ ਸੂਚੀ ਨਾ ਦਿਓ। ਇਸਦੀ ਬਜਾਏ: (1) 3 ਸੰਕਲਪਾਂ ਨੂੰ ਪਾਰਸ ਕਰੋ, (2) ਹਰੇਕ ਸੰਕਲਪ ਲਈ ਅੰਗਰੇਜ਼ੀ ਸਮਾਨਾਰਥੀ ਦਾ ਇੱਕ ਭੰਡਾਰ ਤਿਆਰ ਕਰੋ, (3) ਸਕੋਪਸ ਲਈ ਬੁਲੀਅਨ ਸਟ੍ਰਿੰਗ, (4) ਲਾਗੂ ਸ਼ਾਮਲ/ਬੇਦਖਲੀ ਮਾਪਦੰਡ ਦਾ ਖਰੜਾ। ਲੇਖ ਦਾ ਸਿਰਲੇਖ ਜਾਅਲੀ ਹੈ।

ਮਕਸਦ

AI ਦੀ ਵਰਤੋਂ ਕਰੋ

ਪੁਸ਼ਟੀਕਰਨ ਟਿਕਾਣਾ

ਮਿਆਦ ਪੂਲ ਵਿਸਥਾਰ

ਹਾਂ, ਮਜ਼ਬੂਤ

ਡੋਮੇਨ ਗਿਆਨ ਨਾਲ ਸਮੀਖਿਆ ਕਰੋ

ਬੁਲੀਅਨ ਸਟ੍ਰਿੰਗ ਨਿਰਮਾਣ

ਹਾਂ, ਮਜ਼ਬੂਤ

ਡਾਟਾਬੇਸ ਵਿੱਚ ਟੈਸਟ

ਸਕੋਪ/ਮਾਪਦੰਡ ਰੂਪਰੇਖਾ

ਹਾਂ

ਖੇਤਰ ਦੁਆਰਾ ਤਿੱਖਾ ਕਰੋ

ਇੱਕ ਲੇਖ ਲੱਭੋ

ਨਹੀਂ

ਵਿਦਵਾਨ/ਸਕੋਪਸ/WoS/PubMed

ਕਲੀਅਰੈਂਸ ਵਚਨਬੱਧ

ਅੰਸ਼ਕ ਤੌਰ 'ਤੇ

ਅਸਲ ਸਕੈਨਿੰਗ ਜ਼ਰੂਰੀ ਹੈ

ਆਮ ਗਲਤੀਆਂ

• ਇੱਕ ਡੇਟਾਬੇਸ ਲਈ AI ਨੂੰ ਗਲਤ ਕਰਨਾ. ਲੇਖ ਦੇ ਹਵਾਲੇ ਦੀ ਬੇਨਤੀ ਕਰਨ ਨਾਲ ਨਕਲੀ ਹਵਾਲੇ ਪੈਦਾ ਹੁੰਦੇ ਹਨ; ਇਹ ਸਭ ਤੋਂ ਆਮ ਅਤੇ ਖਤਰਨਾਕ ਗਲਤੀ ਹੈ।
• ਸਮਾਨਾਰਥੀ ਸ਼ਬਦ ਛੱਡਣਾ। ਇੱਕ ਸ਼ਬਦ ਦੀ ਖੋਜ ਸਾਹਿਤ ਦਾ ਬਹੁਤ ਸਾਰਾ ਹਿੱਸਾ ਖੁੰਝ ਜਾਂਦੀ ਹੈ।
• ਦਾਇਰੇ ਨੂੰ ਅਸਪਸ਼ਟ ਛੱਡਣਾ। ਸਾਲ, ਭਾਸ਼ਾ ਅਤੇ ਸ਼ੈਲੀ ਫਿਲਟਰਾਂ ਤੋਂ ਬਿਨਾਂ, ਤੁਸੀਂ ਹਜ਼ਾਰਾਂ ਨਤੀਜਿਆਂ ਨਾਲ ਹਾਵੀ ਹੋ ਜਾਵੋਗੇ।
• ਇਸਦੀ ਪੁਸ਼ਟੀ ਕੀਤੇ ਬਿਨਾਂ ਖਾਲੀਪਣ ਦਾ ਦਾਅਵਾ ਕਰਨਾ. ਅਸਲ ਸਕ੍ਰੀਨਿੰਗ ਤੋਂ ਬਿਨਾਂ "ਕਿਸੇ ਨੇ ਅਧਿਐਨ ਨਹੀਂ ਕੀਤਾ" ਕਹਿਣਾ ਜੋਖਮ ਭਰਿਆ ਹੈ।
• ਇੱਕ ਸਿੰਗਲ ਡਾਟਾਬੇਸ 'ਤੇ ਭਰੋਸਾ. ਵੱਖ-ਵੱਖ ਸੂਚਕਾਂਕ ਵੱਖਰੇ ਢੰਗ ਨਾਲ ਕਵਰ ਕਰਦੇ ਹਨ; ਕਈ ਇਕੱਠੇ ਵਰਤੋ.

ਸੁਝਾਅ: ਆਪਣੀ ਖੋਜ ਨੂੰ ਮੁੜ-ਉਤਪਾਦਨ ਯੋਗ ਬਣਾਉਣ ਲਈ, ਤੁਹਾਡੇ ਦੁਆਰਾ ਵਰਤੀ ਗਈ ਸਤਰ, ਡੇਟਾਬੇਸ, ਮਿਤੀ, ਅਤੇ ਨਤੀਜਿਆਂ ਦੀ ਸੰਖਿਆ ਨੂੰ ਇੱਕ ਸਾਰਣੀ ਵਿੱਚ ਰਿਕਾਰਡ ਕਰੋ। ਇਹ ਜਰਨਲ ਯੋਜਨਾਬੱਧ ਸਮੀਖਿਆ ਵਿੱਚ ਲਾਜ਼ਮੀ ਹੈ; ਹਰ ਖੋਜ ਵਿੱਚ ਇਹ ਇੱਕ ਚੰਗੀ ਆਦਤ ਹੈ।

ਸਾਰੰਸ਼ ਵਿੱਚ

ਸਾਹਿਤ ਸਮੀਖਿਆ ਇੱਕ ਯੋਜਨਾਬੱਧ ਕੰਮ ਹੈ: ਸੰਕਲਪ ਡਿਸਟਿਲੇਸ਼ਨ, ਟਰਮ ਪੂਲ, ਬੁਲੀਅਨ ਸਤਰ, ਕਵਰੇਜ ਮਾਪਦੰਡ। AI ਇਹਨਾਂ ਰਣਨੀਤਕ ਕਦਮਾਂ ਵਿੱਚ ਇੱਕ ਸ਼ਕਤੀਸ਼ਾਲੀ ਸਹਾਇਕ ਹੈ; ਸਮਾਨਾਰਥੀ ਸ਼ਬਦ ਪੈਦਾ ਕਰਦਾ ਹੈ, ਤਾਰਾਂ ਬਣਾਉਂਦਾ ਹੈ, ਮਾਪਦੰਡਾਂ ਦੀ ਰੂਪਰੇਖਾ ਬਣਾਉਂਦਾ ਹੈ। ਪਰ ਤੁਸੀਂ ਅਸਲ ਡੇਟਾਬੇਸ ਤੋਂ ਲੇਖ ਲੱਭਦੇ ਹੋ, ਏਆਈ ਤੋਂ ਨਹੀਂ, ਅਤੇ ਹਰੇਕ ਬਾਈਲਾਈਨ ਦੀ ਪੁਸ਼ਟੀ ਕਰਦੇ ਹੋ। ਅੰਗੂਠੇ ਦਾ ਛੋਟਾ ਨਿਯਮ: AI ਤੋਂ ਰਣਨੀਤੀ, ਡੇਟਾਬੇਸ ਤੋਂ ਸਰੋਤ, ਤੁਹਾਡੇ ਤੋਂ ਪ੍ਰਮਾਣਿਕਤਾ।

ਐਪਲੀਕੇਸ਼ਨ ਦਾ ਕੰਮ

ਆਪਣੇ ਖੁਦ ਦੇ ਖੋਜ ਸਵਾਲ ਪ੍ਰਾਪਤ ਕਰੋ. AI ਨਾਲ ਸੰਕਲਪਾਂ ਨੂੰ ਪਾਰਸ ਕਰੋ ਅਤੇ ਇੱਕ ਟਰਮ ਪੂਲ ਅਤੇ ਇੱਕ ਬੁਲੀਅਨ ਸਤਰ ਤਿਆਰ ਕਰੋ। ਇਸ ਸਤਰ ਨੂੰ ਇੱਕ ਅਸਲ ਡੇਟਾਬੇਸ (ਵਿਦਵਾਨ ਜਾਂ ਇੱਕ ਸੂਚਕਾਂਕ ਜਿਸ ਤੱਕ ਤੁਹਾਡੀ ਪਹੁੰਚ ਹੈ) ਦੇ ਵਿਰੁੱਧ ਚਲਾਓ। ਸਿਖਰ ਦੇ 10 ਨਤੀਜਿਆਂ ਨੂੰ ਨੋਟ ਕਰੋ ਅਤੇ ਉਹਨਾਂ ਦੀ ਤੁਲਨਾ ਉਹਨਾਂ ਬਾਈਲਾਈਨਾਂ (ਜੇ ਕੋਈ ਹੋਵੇ) ਨਾਲ ਕਰੋ ਜੋ ਕਿ AI ਨੇ ਪਹਿਲਾਂ ਸਿੱਧੇ ਪੁੱਛੇ ਜਾਣ 'ਤੇ ਸੁਝਾਏ ਹਨ; ਮਾਰਕ ਕਰੋ ਕਿ ਕਿੰਨੇ ਅਸਲ ਵਿੱਚ ਮੌਜੂਦ ਹਨ।

ਚੈੱਕਲਿਸਟ

• ਕੀ ਮੈਂ ਆਪਣੇ ਖੋਜ ਪ੍ਰਸ਼ਨ ਨੂੰ ਸੰਕਲਪਾਂ ਵਿੱਚ ਵੰਡਿਆ ਹੈ?
• ਕੀ ਮੈਂ ਹਰੇਕ ਸੰਕਲਪ ਲਈ ਇੱਕ ਸਮਾਨਾਰਥੀ/ਅੰਗਰੇਜ਼ੀ ਸ਼ਬਦ ਪੂਲ ਬਣਾਇਆ ਹੈ?
• [ ] ਕੀ ਮੈਂ ਅਸਲ ਡਾਟਾਬੇਸ 'ਤੇ ਬੂਲੀਅਨ ਸਤਰ ਦੀ ਜਾਂਚ ਕੀਤੀ ਹੈ?
• [ ] ਕੀ ਮੈਂ ਆਪਣੇ ਸ਼ਾਮਲ/ਬੇਦਖਲੀ ਮਾਪਦੰਡਾਂ ਨੂੰ ਸਪੱਸ਼ਟ ਕਰ ਦਿੱਤਾ ਹੈ?
• [ ] ਕੀ ਮੈਂ ਤਸਦੀਕ ਕੀਤਾ ਹੈ ਕਿ ਮੈਨੂੰ ਮਿਲਿਆ ਹਰ ਸਰੋਤ ਅਸਲ ਵਿੱਚ ਮੌਜੂਦ ਹੈ?