Zyski:
- Możliwość zawężenia szerokiego tematu do konkretnego pytania, które można zbadać, poprzez dodanie populacji, kontekstu i przedmiotu
- Możliwość samodzielnego odnalezienia źródła w bazach danych i wykorzystania sztucznej inteligencji do syntezy jedynie rzeczywistych podsumowań, które gromadzi
- Możliwość weryfikacji każdego odniesienia sugerowanego przez sztuczną inteligencję za pomocą DOI i sprawdzenia istnienia oraz wyeliminowania fałszywego źródła
Każde badanie społeczne zaczyna się od pytania. Dobrym pytaniem badawczym jest dające się odpowiedzieć, ograniczone i znaczące stwierdzenie ciekawości: „Dlaczego niektórzy młodzi ludzie odwracają się od polityki?” zamiast niejasnego żądania w rodzaju: „Z jakich powodów studenci w wieku 18–25 lat nie biorą udziału w wyborach lokalnych?” Konkretne pytanie, takie jak: Po pytaniu pojawiają się dwa zadania: przegląd literatury — to znaczy systematyczne zbieranie i czytanie tego, co zostało już wcześniej napisane na Twój temat — oraz ustalenie ram pojęciowych — to znaczy określenie, za pomocą której teorii (systematycznej struktury myślowej wyjaśniającej zdarzenia społeczne) i koncepcji nadacie sens swoim badaniom. W tej części dowiesz się, jak używać sztucznej inteligencji w tych trzech zawodach; ale dowiesz się, jak zachować bezpieczeństwo i nie dać się nabrać na fałszywe źródło.
Jest to część całego modułu, która wymaga najwięcej uwagi. Ponieważ przegląd literatury to zadanie, przy którym sztuczna inteligencja wywołuje najwięcej halucynacji. Jeśli powiesz AI „podaj źródła na ten temat”, może ona utworzyć artykuły, autorów i lata, które wyglądają na prawdziwe, ale nie istnieją. Zatem złota zasada: AI nie odkrywa literatury, przetwarza ją, którą znajdziesz. Wyszukiwanie źródeł jest zadaniem akademickich baz danych (przeszukiwalne zbiory publikacji, takie jak Google Scholar, Web of Science, TR Index, YÖK Thesis, własne archiwa czasopism); AI syntetyzuje znalezione teksty.
Krok po kroku: od pytania do ramki
1. Zawęź pytanie badawcze. Zacznij od szerokiego tematu (np. „media społecznościowe a samotność”) i zawęź go, dodając populację (kto), kontekst (gdzie, kiedy) i cel (co dokładnie Cię interesuje). Sztuczna inteligencja jest pomocna w generowaniu 5-6 alternatywnych konkretnych pytań na dany temat; To Ty decydujesz, który z nich warto zbadać.
2. Wyodrębnij kluczowe pojęcia. Zdefiniuj każde ważne pojęcie w swoim pytaniu (np. „samotność”, „kapitał społeczny”, „wykluczenie cyfrowe”). Sztuczna inteligencja jest dobra w generowaniu alternatywnych nazw i wyszukiwanych haseł dla koncepcji; Wzbogaca to wyszukiwanie w bazie danych.
3. Znajdź źródło. Przeszukuj bazy danych z kluczowymi terminami i pobieraj streszczenia oraz pełne teksty odpowiednich artykułów. Nie mów AI, żeby „znalazła zasoby”; Zbieraj zasoby samodzielnie.
4. Syntetyzuj za pomocą sztucznej inteligencji. Przekaż AI zebrane podsumowania i wydobądź wspólne wnioski, sprzeczności i luki. Przyspiesza to porównywanie dziesiątek podsumowań jedno po drugim.
5. Ustal ramy koncepcyjne. Na podstawie wyników zdecyduj, której teorii użyjesz podczas lektury swoich badań. Sztuczna inteligencja może wyjaśnić teorię prostym językiem; To Ty decydujesz, który z nich pasuje do Twojego pytania.
Uwaga: Nie używaj żadnych odnośników stworzonych przez sztuczną inteligencję bez znalezienia i potwierdzenia jej DOI (cyfrowego identyfikatora obiektu – stałego identyfikatora nadawanego każdej publikacji akademickiej) w bazie danych. To, że coś „wygląda wiarygodnie”, nie oznacza, że jest prawdziwe; Sztuczna inteligencja produkuje precyzyjnie przekonujące podróbki.
trzy mini etui
Przypadek 1 — Zawężenie pytania. Jeden ze studentów wpadł na tak ważny temat, jak „imigracja i tożsamość”. Poprosił sztuczną inteligencję o sformułowanie 6 konkretnych pytań cząstkowych; Spośród nich wybrał pytanie „Używanie języka ojczystego a relacje przynależności wśród młodych imigrantów drugiego pokolenia”. Ogromny temat sprowadził się do możliwego do zbadania pytania na 4-miesięczną pracę dyplomową.
Przypadek 2 – Fałszywy DOI. Badacz sprawdził 12 referencji podanych przez YZ łącznie przez DOI. 3 z 12 DOI albo nie doprowadziły do żadnej publikacji, albo doprowadziły do zupełnie innego artykułu. Sztuczna inteligencja stworzyła fałszywe DOI dla prawdziwych czasopism. Zbiorcze sprawdzanie wyeliminowało te 3 fałszywe źródła.
Przypadek 3 – Odkrycie luk. Jeden zespół przekazał AI 22 prawdziwe streszczenia artykułów i zapytał „które pytanie nie zostało jeszcze zbadane?” YZ zwrócił uwagę, że większość badań koncentruje się na dużych miastach, podczas gdy kontekst wiejski prawie nigdy nie jest poruszany. Zespół uczynił tę lukę uzasadnieniem własnego pytania badawczego.
Cztery szablony do kopiowania
1) Zawężenie pytania badawczego:
Lokalizacja: [szeroki temat]. Podaj mi 6 konkretnych, możliwych do zbadania socjologicznie pytań badawczych na ten temat. Upewnij się, że populacja, kontekst i przedmiot są jasne w każdym pytaniu. Dodaj notatkę obok każdego pytania: „Czy odpowiednie jest pytanie ilościowe, jakościowe czy mieszane?” Przesyłaj pytania jako sugestie; Dokonam wyboru.
2) Generowanie wyszukiwanego hasła (znajdę źródło):
Wygeneruj synonimy i terminy pokrewne, których będę mógł używać w przeszukiwaniu baz danych dla następujących pojęć: [koncepcja 1], [koncepcja 2]. Podaj tureckie i angielskie odpowiedniki. Zaproponuj przykładowy ciąg wyszukiwania za pomocą operatorów boolowskich (AND/OR). Rekomendacja źródła; Wystarczy podać wyszukiwane hasła.
3) Synteza literatury (tylko z podanymi przeze mnie tekstami):
Poniżej wklejam streszczenia 10 artykułów [M1]-[M10]. Na podstawie TYLKO tych ustaleń wyłania się tabela zawierająca: (1) uzgodnione ustalenia, (2) sprzeczne ustalenia, (3) podejścia metodologiczne, (4) luki. W każdym wierszu wskaż, na jakim tekście się opiera, za pomocą [M#]. Nie dodawaj żadnych zasobów zewnętrznych.
4) Kontrola zbiorcza weryfikacji źródła:
Dla każdego rekordu z poniższej listy referencyjnej zbierz w tabeli pola wymagające sprawdzenia: autor, rok, tytuł, czasopismo, DOI. Jeśli nie masz pewności co do jakiegoś obszaru, napisz „MUSI BYĆ ZWERYFIKOWANY”. Jeśli w ogóle nie znasz odniesienia, nie wymyślaj go; Wpisz „nieznane”. Lista: [tutaj]
Słaba zachęta/silna zachęta
Słaba zachęta:
Wymień 10 najważniejszych artykułów na temat nierówności cyfrowych wraz z bibliografią.
To bezpośrednio zachęca sztuczną inteligencję do pogodzenia się. Model tworzy 10 źródeł, które nie istnieją, ale wydają się realistyczne; Nie możesz potwierdzić żadnego z nich.
Potężny monit:
Twoja rola: asystent syntezy. Poniżej wklejam podsumowanie 9 artykułów, które zebrałem. Twoja misja polega na ustaleniu (1) tego, co łączy te 9 badań, (2) gdzie są one ze sobą sprzeczne, (3) zastosowanych metod oraz (4) pytań, które pozostają bez odpowiedzi. Używaj tylko tych tekstów; Połącz każde roszczenie ze źródłem za pomocą [M#]. Streszczenia: [tutaj]
Różnica: sztuczna inteligencja nie „znajduje” już zasobów, przekształca rzeczywiste zasoby w czytelną mapę syntezy.
Przegląd literatury: jaka praca jest czyja
Scena
AI może
człowiek musi zrobić
Zawęź temat
Generowanie pytań alternatywnych
Wybór pytania
Szukane hasło
Synonimy, tłumaczenie
Strategia wyszukiwania
zaopatrzenie
— (ryzyko fabrykacji)
Skanowanie bazy danych
podsumowanie lektury
Szybkie podsumowanie
Ocena jakości
synteza
Mapa wspólnych/sprzecznych ustaleń
Komentarz i wybór
weryfikacja źródła
Edytuj listę kontrolną
Potwierdzenie DOI/podmiotu
Typowe błędy
- Prośba o zasoby od AI. Zadaniem bazy danych jest wyszukiwanie literatury; AI to wymyśla.
- Nie potwierdzam DOI. Nawet realistycznie wyglądający DOI może być fałszywy; przepytaj każdego.
- Ślepe trzymanie się jednej teorii. Odkrycie powinno wyznaczać ramy, a nie Twoje uprzedzenia.
- Przeskakiwanie przepaści. Dobre pytanie badawcze pasuje do luki w literaturze; Szukaj tego świadomie.
- Kopiowanie syntezy w niezmienionej postaci. Nie przedstawiaj podsumowania AI jako własnej analizy; Wróć do źródeł i przeczytaj sam.
Podsumowując
Trzon badań; Jest to jasne pytanie, uczciwy przegląd literatury i odpowiednie ramy koncepcyjne. Sztuczna inteligencja to potężna pomoc w zawężaniu pytań, generowaniu wyszukiwanych haseł, syntezie rzeczywistych zebranych podsumowań i budowaniu list weryfikacyjnych. Ale znajdujesz źródło, potwierdzasz każde odniesienie, wybierasz ramę i dokonujesz interpretacji. Największą pułapką na polu ludzkim jest fałszywe źródło; Zasada jest jasna: AI nie odkrywa literatury, przetwarza to, co znajdziesz.
Zadanie aplikacji
Wybierz temat badań. Wygeneruj 6 alternatywnych konkretnych pytań za pomocą sztucznej inteligencji i wybierz jedno. Przeszukaj samodzielnie bazę danych i zbierz co najmniej 8 aktualnych abstraktów artykułów. Przekaż te streszczenia sztucznej inteligencji za pomocą szablonu „syntezy literatury” i utwórz mapę wspólnych ustaleń, sprzeczności i luk. Na koniec, jeśli istnieją jakieś odniesienia, które AI sugeruje na początku procesu, zweryfikuj je wszystkie za pomocą DOI i zgłoś, ile z nich jest fałszywych.
lista kontrolna
- [ ] Zawęziłem pytanie badawcze według populacji, kontekstu i przedmiotu.
- [ ] Zasoby pobrałem sam z bazy, nie prosiłem o nie AI.
- [ ] Sprawdziłem DOI/istnienie każdego odniesienia.
- [ ] Syntezę zleciłem jedynie na podstawie rzeczywistych streszczeń i z odwołaniem do źródła.
- [ ] Wybrałem ramy koncepcyjne na podstawie ustaleń.