Zyski:
- Umiejętność wykorzystania sztucznej inteligencji do stworzenia strategii wyszukiwania, mapy koncepcji i zarysu syntezy pytania ekonomicznego
- Umiejętność rozpoznawania ryzyka źródeł, fałszywych cytatów i fałszywych ustaleń, jakie może wymyślić sztuczna inteligencja, oraz weryfikowania każdego odniesienia z oryginalnego źródła
- Umiejętność przekształcenia ustaleń w zrównoważone podsumowanie literatury zawierające przeciwstawne poglądy, różnice metodologiczne i granice kontekstu.
Żadna analiza ekonomiczna nie rodzi się w próżni. Przed rozpoczęciem pytania politycznego, prognozy lub raportu zadaj pytanie „co wiadomo na temat tej kwestii, co jest omawiane?” Należy odpowiedzieć na pytanie. Tym właśnie jest przegląd literatury: uporządkowaną kompilacją istniejącej wiedzy, ustaleń i debat na dany temat. Sztuczna inteligencja wydaje się być olśniewającym akceleratorem w tym biznesie – podsumowującym temat, mapującym koncepcje, sortującym przeciwstawne poglądy. Ale w tym miejscu kryje się najniebezpieczniejsza pułapka: sztuczna inteligencja może z całkowitą pewnością tworzyć nieistniejące źródła, fałszywych autorów i sfabrykowane ustalenia. Niezmienna zasada tej jednostki: każde odniesienie, każde znalezisko, każde imię jest weryfikowane w oryginalnym źródle; W tekście nie pojawiają się żadne niezweryfikowane odniesienia.
Co sztuczna inteligencja radzi sobie dobrze w literaturze, a czego nigdy?
Co robi dobrze (pomocne): Mapowanie tematu i jego podtytułów, sugerowanie kluczowych pojęć i wyszukiwanych terminów, których należy szukać, podsumowywanie i porównywanie dostarczonych tekstów, formułowanie „stron” debaty, wydobywanie struktury argumentacyjnej tekstu.
Nigdy nie należy ufać (niebezpieczne): tworzenie prawdziwych cytatów i autorów. Sztuczna inteligencja może tworzyć niezwykle realistyczne, ale całkowicie sfabrykowane zdania, takie jak „Yılmaz (2019) stwierdził, że zależność inflacja-wzrost jest ujemna”. Autor może nie istnieć, artykuł może nie istnieć lub sam artykuł może mówić coś przeciwnego. W literaturze nazywa się to halucynacją i ma fatalny wpływ na reputację akademicką/zawodową.
Uwaga: To, że identyfikator nadawany przez sztuczną inteligencję „wygląda realistycznie”, o niczym nie świadczy. Nazwa czasopisma może być prawidłowa, rok rozsądny, nazwisko autora może być tureckie, a artykuł może nigdy nie powstać. Akceptujesz jego istnienie dopiero wtedy, gdy znajdziesz go w rzeczywistej bazie danych (strona czasopisma, DOI, biblioteka).
Właściwy przepływ pracy: mapy AI, Ty weryfikujesz
- Wyjaśnij pytanie. Czego Pan szuka? Zakres, okres, geografia, metoda?
- Utwórz mapę koncepcji. Zapytaj sztuczną inteligencję o podtytuły tematów, kluczowe pojęcia i wyszukiwane hasła — są to możliwe do zweryfikowania wskazówki, a nie źródła.
- Wykonaj prawdziwy telefon. Szukaj tych terminów w rzeczywistych bazach danych (wyszukiwarkach akademickich, archiwach czasopism, publikacjach instytucjonalnych).
- Podsumuj znalezione teksty dotyczące sztucznej inteligencji. Teraz masz prawdziwy tekst; Sztuczna inteligencja może to podsumować i porównać.
- Syntetyzuj i równoważ. Przeciwstawne ustalenia, różnice w metodach i granice kontekstu przedstawiono razem.
- Sprawdź każde przypisanie. Czy każda wzmianka zawarta w tekście rzeczywiście istnieje, czy jej atrybucja jest prawidłowa, czy rzeczywiście zawiera deklarowane ustalenie?
Wskazówka: używaj sztucznej inteligencji jako „stratega i podsumowania wyszukiwania”, a nie „znalazcy źródeł”. Znajdujesz i weryfikujesz źródło; Sztuczna inteligencja pomaga zrozumieć i porównać znalezione źródło.
Zrównoważona synteza: bez opowiadania się po żadnej ze stron
Dobre podsumowanie literatury nie przedstawia ani jednego ustalenia jako prawdy absolutnej. W przypadku większości zagadnień ekonomii istnieją sprzeczne wnioski: jedno badanie wykazało pozytywną zależność, a drugie nie. Zwykle wynika to z różnic w metodzie, okresie, kraju lub danych. Uczciwa synteza uwidacznia te różnice: „Badania metodą A wykazują to, badania metodą B wykazują tamto; różnica prawdopodobnie wynika z tego założenia”.
trzy mini etui
Przypadek 1 – Wychwycono sfabrykowane atrybucje. Jeden z badaczy nazwał sztuczną inteligencję „podsumowaniem 5 badań na temat związku między płacą minimalną a zatrudnieniem”. Sztuczna inteligencja dała pięć przyzwoitych tagów. Badacz szukał każdego z nich w akademickiej bazie danych: trzy były prawdziwe, dwa wcale – kombinacja autora, roku i czasopisma była całkowicie wymyślona. Użył prawdziwych trzech i zdjął dwa. Bez weryfikacji dwa źródła widma znalazłyby się w artykule.
Przypadek 2 – Ustalenie niekorzystne. Sztuczna inteligencja zacytowała prawdziwy artykuł z prawidłowym tytułem, ale stwierdziła, że „w tym badaniu znaleziono X”. Badacz otworzył oryginalny artykuł: w rzeczywistości znalazł coś przeciwnego. Sztuczna inteligencja przypisała błędne odkrycie prawdziwemu źródłu. Nawet jeśli nadruk jest prawdziwy, lekcja, że nie można go używać bez sprawdzenia twierdzenia, została wzmocniona.
Przypadek 3 — Synteza zrównoważona. Jeden z analityków zebrał literaturę na temat wpływu polityki podatkowej. W pierwszym projekcie sztuczna inteligencja wyciągnęła jednostronny wniosek („wpływ pozytywny”). Analityk dodał także przeciwstawne badania i wykazał, że różnica wynika z metody (dane krótkoterminowe i długoterminowe). Rezultatem było zrównoważone podsumowanie „warunkowego”; Ocena polityki stała się bardziej wiarygodna.
tabela walidacyjna
Wyjście AI
Krok weryfikacji
Cytat/odcisk
Czy rzeczywiście istnieje w bazie danych/w DOI?
„To badanie wykazało to”
Czy to naprawdę stwierdzenie zawarte w tekście oryginalnym?
Wynik numeryczny
Czy zgadza się z tabelą/podsumowaniem w artykule?
„Ogólna akceptacja jest taka”
Czy przeciwne ustalenia zostały stłumione?
Szukaj haseł
Czy daje znaczące wyniki w prawdziwym wyszukiwaniu?
Cztery szablony do kopiowania
1) Mapa koncepcji i strategia wyszukiwania:
Zbadam następującą kwestię ekonomiczną: [pytanie]. Podaj podtytuły tematu, kluczowe pojęcia i wyszukiwane hasła (turecki + angielski), których mogę używać w akademickiej bazie danych. ŹRÓDŁO PRODUKCJI/CYTOWANIE; powiedz mi tylko gdzie mam szukać i pod jakimi warunkami.
2) Podsumowując podany tekst:
Poniżej znajduje się tekst/streszczenie aktualnego artykułu. Podsumowując: pytanie badawcze, metoda, dane, główne ustalenie, ograniczenia. Nie dodawaj niczego, czego NIE ma w tekście; Oznacz część, której nie jesteś pewien, jako „niejasną w tekście”.[tekst]
3) Synteza porównawcza:
Porównaj podsumowania tych 4 prawdziwych badań, które ci podałem: które pokazują podobne wyniki, które pokazują sprzeczne wyniki i z czego (metoda, okres, kraj, dane) prawdopodobnie wynika różnica? Nie narzucaj jednostronnych wniosków; sprawić, że przeciwne ustalenia będą równie widoczne.
4) Lista weryfikacji cytowań:
Wymień wszystkie odniesienia w tej wersji roboczej. Dla każdego z nich określ trzy rzeczy, które muszę sprawdzić: (1) czy źródło faktycznie istnieje, (2) czy atrybucja jest dokładna, (3) czy zawiera przypisane mu ustalenia? Nie uważaj żadnego z nich za „pewne”, dopóki ich nie zweryfikuję.
Słaba zachęta/silna zachęta
Słaba zachęta:
Napisz streszczenie literatury na ten temat i podaj źródła.
Sztuczna inteligencja tworzy tekst, który wygląda realistycznie, ale jest wypełniony częściowo wymyślonymi odniesieniami; Jeśli nie dokonasz weryfikacji, do raportu dołączą się fałszywe źródła.
Potężny monit:
Będę badać relację płaca minimalna do zatrudnienia. Najpierw podaj podtytuły i wyszukiwane hasła (PRODUKCJA źródeł/cytatów). Znajdę prawdziwe dzieła i przyniosę Ci ich teksty; Po prostu podsumowujesz i porównujesz to, co przyniosłem. Przedstaw w równym stopniu sprzeczne ustalenia i omów, czy różnica wynika z metody, czy z okresu. Nie dodawaj żadnych liczb ani ustaleń, których nie ma w tekście.
Typowe błędy
- Proszenie o źródła/cytaty bezpośrednio ze sztucznej inteligencji i korzystanie z nich bez weryfikacji. Ryzyko halucynacji.
- Mylenie realistycznych nadruków z prawdziwymi. Wygląd nie jest dowodem.
- Niezauważenie przypisania błędnego wyniku do właściwego tagu. Istnieje źródło, ale twierdzenie może być fałszywe.
- Synteza jednokierunkowa. Ukrywanie sprzecznych ustaleń.
- Omijanie różnicy w metodzie/kontekście. Porównywanie jabłek i gruszek.
- Wyciek liczbowy do streszczenia, którego nie ma w tekście. „Napychanie” sztucznej inteligencji.
Podsumowując
Z przeglądu literatury wynika, że sztuczna inteligencja jest potężnym strategiem wyszukiwania i podsumowującym, ale zawodnym generatorem źródeł. Właściwy przepływ pracy: AI mapuje koncepcje i wyszukiwane hasła, znajdujesz i weryfikujesz rzeczywiste źródła, a następnie AI podsumowuje i porównuje Twoje ustalenia. Każde odniesienie i ustalenie jest potwierdzone w oryginalnym źródle; Synteza rzetelnie odzwierciedla przeciwne poglądy i różnice metodologiczne.
Zadanie aplikacji
Wybierz pytanie z ekonomii. Uzyskaj mapę koncepcji i wyszukiwane hasła z AI za pomocą szablonu 1 (bez żądania źródeł). Znajdź co najmniej trzy prawdziwe badania w prawdziwej akademickiej bazie danych z tymi terminami. Podsumuj i porównaj je z szablonami 2 i 3. Następnie, podejmując oddzielną próbę, poproś sztuczną inteligencję o bezpośredni cytat i przeszukaj bazę danych pod kątem podanych przez nią cytatów, aby określić, ile z nich jest prawdziwych, a ile sfabrykowanych, i zanotuj je.
lista kontrolna
- [ ] Używałem sztucznej inteligencji jako stratega/podsumatora wyszukiwania, a nie generatora zasobów.
- [ ] Sam znalazłem prawdziwe źródła i zweryfikowałem je w bazie danych.
- [ ] Potwierdziłem, że każde odniesienie rzeczywiście istnieje i że jego przypisanie jest prawidłowe.
- [ ] Sprawdziłem przypisane ustalenie z tekstu oryginalnego.
- [ ] W zrównoważony sposób przedstawiłem przeciwstawne ustalenia i różnice metodologiczne.
- [ ] Sprawdziłem, czy do podsumowania nie przedostały się żadne liczby/ustalenia, których nie było w tekście.
- [ ] W tekście nie umieściłem żadnych niezweryfikowanych odniesień.