Zyski:
- Umiejętność pisania podpowiedzi do streszczenia długich tekstów akademickich, wyodrębnienia kluczowych wniosków i metod oraz stworzenia matrycy literatury porównawczej.
- Umiejętność stworzenia wersji roboczej, która syntetyzuje wiele źródeł w ramach wspólnych tematów i pogłębia ją własną krytyczną lekturą
- Umiejętność zrozumienia, że ryzyko zniekształcenia, nadmiernego uproszczenia i sfabrykowania w podsumowaniu jest obowiązkiem badacza, którego weryfikacja poprzez powrót do oryginalnego tekstu jest obowiązkiem badacza.
Po odnalezieniu źródeł czas je przeczytać i zrozumieć. Badacz czyta setki artykułów rocznie; Wyodrębnianie celu, metody, ustaleń i ograniczeń każdego z nich jest męczące i czasochłonne. W tym miejscu AI wkracza jako asystentka w czytaniu: podsumowując długi tekst, opisując artykuł, zestawiając wiele źródeł w tabelę porównawczą. Ale podstawowe zastrzeżenie tej jednostki jest następujące: podsumowanie AI jest wygodą, a nie substytutem samego źródła. Zawsze istnieje ryzyko zniekształcenia, nadmiernego uproszczenia i braku wniosków w abstrakcji; Każde zdanie zawierające ustalenia, liczby i twierdzenia weryfikujesz, wracając do tekstu oryginalnego.
W tej jednostce nauczymy się streszczać pojedynczy artykuł, czytać krytycznie, syntezować wiele źródeł i konstruować matrycę literaturową.
Różnica między podsumowaniem a syntezą
Podsumowanie skupia się na jednym źródle: co zostało zrobione, jak i co znaleziono. Synteza łączy wiele źródeł w tematy: „Te trzy badania potwierdzają X, ale te dwa dowodzą czegoś przeciwnego; rozróżnienie może wynikać z różnicy w próbkowaniu”. Wartość pisarstwa akademickiego jest syntezą; Podsumowanie to tylko surowiec. Sztuczna inteligencja bardzo szybko generuje podsumowania i potrafi także sporządzać syntezy, ale dokładność syntezy zależy całkowicie od dokładnego odczytania faktycznych ustaleń – i w tym przypadku sztuczna inteligencja może się mylić.
Dobra lektura artykułu wyodrębnia następujące elementy: pytanie/cel badawczy, metoda (projekt, próbka, pomiar), kluczowe ustalenia (wraz z kierunkiem i wielkością), interpretacja autorów, ograniczenia i powiązanie z twoimi badaniami. Jeśli dasz AI uporządkowany monit z prośbą o dokładne nagłówki, zamiast losowego akapitu otrzymasz użyteczną kartę tytułową. Ten ustrukturyzowany format jest powszechnym językiem, dzięki któremu dziesiątki czytanych artykułów są porównywalne; Jeśli zapiszesz każdy artykuł pod tymi samymi tytułami, możesz zapamiętać, które badanie wykazało i jakie miesiące później, bez konieczności ponownego czytania go.
Uwaga: mówiąc AI, aby „podsumowała ten artykuł”, pamiętaj o podaniu pełnego tekstu artykułu. Jeśli podasz tylko tytuł, sztuczna inteligencja „odgadnie” treść i może wyciągnąć wnioski, których nie ma w artykule. Jeśli nie ma tekstu, nie ma podsumowania.
Lektura krytyczna: poza podsumowaniem
Krytyczna lektura wykracza poza pytanie „co stwierdzono” i zadaje pytanie „jak bardzo mogę mieć pewność co do tego ustalenia?” Na tym polega różnica między biernym konsumowaniem artykułu a ocenianiem go okiem eksperta. To właśnie w tym obszarze sztuczna inteligencja jest najsłabsza. ponieważ sztuczna inteligencja podsumowuje to, co mówi tekst, ale nie ma wewnętrznej intuicji co do tego, jak solidne są dowody na to twierdzenie. Czy próbka jest wystarczająca? Czy pomiar jest ważny? Czy rezultatem jest przyczynowość, czy zwykłe skojarzenie? Czy wnioski autora przekraczają jego dane? Sztuczna inteligencja może generować te pytania jako przypomnienia i wymieniać możliwe słabe punkty artykułu; ale ostateczna krytyczna ocena należy do Ciebie, ponieważ znasz standardy swojej dziedziny i kontekst tej pracy.
Macierz literatury to tabela, która w wierszach umieszcza źródła, z których korzystasz, a badane wymiary w kolumnach (rok autora, cel, metoda, próbka, ustalenie, granica, moja uwaga). Matryca ta zarówno ułatwia syntezę, jak i pokazuje, które źródło pasuje gdzie podczas pisania. Sztuczna inteligencja szybko tworzy projekt takiej matrycy na podstawie dostarczonych przez Ciebie podsumowań; weryfikujesz każdą komórkę z oryginalnym tekstem i sam piszesz kolumnę „moja notatka”.
Bibliografia adnotowana i pułapka nadmiernej zależności
Względem matrycy jest bibliografia z adnotacjami: pod przypisami każdego źródła piszesz ocenę składającą się z 3–5 zdań – co robi, jak silna jest, jak łączy się z twoją pracą. Sztuczna inteligencja może stworzyć szkic tego akapitu objaśniającego na podstawie streszczenia, ale ostatnie zdanie „Jak to ma się do mojej pracy” jest całkowicie twoją oryginalną myślą; AI nie zna wewnętrznej logiki Twoich badań. Ten nawyk pozwala ci pamiętać, dlaczego w przyszłości cytowałeś dane źródło.
Ukrytym niebezpieczeństwem jest pułapka nadmiernej zależności: streszczenia sztucznej inteligencji są tak płynne, że z czasem kończy się to pracą wyłącznie ze streszczeniami, bez otwierania nawet samego artykułu. Jednak głębia naukowa kryje się w szczegółach wyciśniętych przez sztuczną inteligencję (dokładne warunki metody, ograniczenia wyników, zastrzeżenia autora). Pamiętaj, aby samodzielnie przeczytać całą krytyczną pracę, zwłaszcza główne źródło, na którym opiera się Twoja argumentacja. Brief AI jest jak mapa; Nie zastępuje eksploracji terenu, po prostu pokazuje, gdzie szukać.
trzy mini etui
Przypadek 1 – Zniekształcone ustalenia. Badacz zlecił AI podsumowanie 8 artykułów. Po pierwsze, w podsumowaniu stwierdzono, że „interwencja znacząco zwiększyła motywację”. Badacz przyjrzał się faktycznemu tekstowi: w badaniu faktycznie stwierdzono, że „nie znaleziono znaczącej różnicy”; Sztuczna inteligencja zmieniła kierunek. Gdyby ten pojedynczy błąd nie został poprawiony, cała synteza opierałaby się na fałszywych dowodach. Lekcja: każde odkrycie jest potwierdzone na podstawie tekstu.
Przypadek 2 – Przyspieszenie macierzy. Doktorant spędził tygodnie, próbując ręcznie porównać 25 artykułów. Przekazał YZ własne, uporządkowane streszczenie każdego artykułu i zlecił mu sporządzenie projektu matrycy; filary stały się spójne, tematy stały się widoczne. Wypełnił kolumny „moja notatka” i „link do moich badań”. Praca trwała od trzech tygodni do kilku dni i była bardziej regularna.
Przypadek 3 — Nadmierne uproszczenie. Studentowi studiów magisterskich zlecono AI streszczenie złożonej pracy teoretycznej; W podsumowaniu wyjaśniono koncepcję poprawnie, ale zbyt płytko, i pominięto ważne ograniczenie. Student wykorzystał abstrakt jako „mapę” i sam przeczytał artykuł; znalazłem pominięte ograniczenie i użyłem go w sekcji dyskusji. Sztuczna inteligencja przyspieszyła czytanie, ale go nie zastąpiła.
Szablony do kopiowania
1) Ustrukturyzowane podsumowanie pojedynczego artykułu:
Podsumuj następujący tekst artykułu za pomocą następujących nagłówków: - Pytanie/cel badawczy - Metoda (projekt, próbka, pomiar) - Główne ustalenia (wraz z kierunkiem i rozmiarem) - Interpretacja autorów - Granice Używaj tylko tego, co jest NAPISANE w tekście; Jeżeli go brakuje, należy wpisać „nie podano w tekście”. Wynik NIEUDANY. Tekst: [wklej pełny tekst]
2) Projekt matrycy literatury:
Poniżej znajduje się uporządkowane podsumowanie 6 artykułów. Przekształć je w macierz literaturową: wiersz=badanie, kolumna=[autor-rok, cel, metoda, próbka, główne ustalenie, granica]. Zostaw pustą kolumnę dla „moja ocena”. Korzystaj wyłącznie z informacji zawartych w podsumowaniu, które podałem. Streszczenia: [wklej]
3) Lista kontrolna krytycznego czytania:
Wygeneruj listę krytycznych pytań do czytania dla następującego artykułu: w zakresie adekwatności próby, ważności pomiaru, trafności wewnętrznej/zewnętrznej, twierdzenia o przyczynowości i ekstrapolacji autora na podstawie jego danych. Niech to będą pytania, na podstawie których będę oceniać tekst. Tekst: [wklej]
4) Zarys syntezy tematycznej:
Zsyntetyzuj streszczenia następujących 6 badań w ramach 3-4 WSPÓLNYCH TEMATÓW. W każdym temacie wskaż, które badania są zgodne, które są sprzeczne i możliwą przyczynę. To jest PROJEKT; Każdą reklamację zweryfikuję na podstawie oryginału. Streszczenia: [wklej]
Słaba zachęta/silna zachęta
Słaba zachęta:
Co mówi ten artykuł? [tytuł]
Tylko dlatego, że podano tytuł, sztuczna inteligencja tworzy treść; Podsumowanie jest wyimaginowane.
Potężny monit:
Poniżej wklejam pełną treść artykułu. Podsumuj, używając następujących nagłówków: cel, metoda, próbka, główne ustalenie (kierunek + rozmiar), ograniczenia. Używaj wyłącznie informacji zawartych w tekście; Wpisz „nieokreślony” tam, gdzie go nie znaleziono. Na końcu dodaj listę „liczbowych roszczeń wymagających weryfikacji”. [pełny tekst]
Zadanie
Wkład sztucznej inteligencji
Twoja weryfikacja
Podsumowanie jednego artykułu
Szybki, ustrukturyzowany projekt
Potwierdź wynik/numer z tekstu
Matryca literacka
Spójny szkielet stołu
Każda komórka + własna notatka
Krytyczne pytania do czytania
lista przypomnień
Osąd i ocena
synteza tematyczna
projekt połączenia
Sprawdź sprzeczności w tekście
Typowe błędy
- Prośba o streszczenie z tytułem. Podsumowanie bez tekstu prowadzi do sfabrykowanych wniosków.
- Syntetyzowanie ustaleń bez ich weryfikacji. Jedno zniekształcone podsumowanie obala cały argument.
- Użycie streszczenia jako cytatu. Źródłem jest tekst oryginalny; to Twoja notatka podsumowująca.
- Delegowanie krytycznego czytania do AI. Ostateczna ocena naukowa należy do Ciebie.
- Opieranie się na zbyt uproszczonym podsumowaniu. Krytyczne ograniczenia można ominąć; Przeczytaj sam złożony tekst.
Wskazówka: na końcu każdego podsumowania poproś sztuczną inteligencję o listę „twierdzeń liczbowych, które wymagają weryfikacji”. Dzięki tej liście wiesz, które zdania porównać z tekstem oryginalnym, co przyspiesza weryfikację.
Podsumowując
Sztuczna inteligencja znacznie przyspiesza czytanie i podsumowywanie: tworzenie ustrukturyzowanych podsumowań, matryc literatury, zarysów syntez i krytycznych pytań do czytania. Ale podsumowanie nie zastępuje źródła; Każda liczba i twierdzenie jest weryfikowane na podstawie oryginalnego tekstu, aby uniknąć ryzyka zniekształceń i sfabrykowanych ustaleń. Odpowiedzialność za syntezę i krytyczną ocenę pozostaje po Twojej stronie. Najkrótsza zasada: podsumowanie od AI, weryfikacja i synteza od Ciebie.
Zadanie aplikacji
Wybierz 4 artykuły z własnego projektu. Uruchom powyższy monit „podsumowanie strukturalne” dla każdego z nich w pełnym tekście. Następnie przygotuj projekt matrycy literatury i samodzielnie wypełnij kolumnę „moja ocena”. Porównaj przynajmniej jedno zdanie rozstrzygające w każdym podsumowaniu z tekstem głównym i sprawdź, czy jest ono poprawne; Jeśli znajdziesz zniekształcenie, zanotuj je.
lista kontrolna
- [ ] Czy w streszczeniu podałem pełny tekst artykułu?
- [ ] Czy zweryfikowałem wszystkie ustalenia i liczby z oryginalnego tekstu?
- [ ] Czy dodałem własną notatkę do matrycy literatury?
- [ ] Czy odpowiedziałem na pytania krytycznej lektury, kierując się własnym osądem?
- [ ] Czy każde twierdzenie zawarte w syntezie przypisałem źródłu?