Ganhos:
- Capacidade de usar inteligência artificial não como fonte de informação, mas como ferramenta para mapeamento de tópicos, geração de termos de pesquisa e resumo de determinados textos
- Capacidade de verificar cada fonte sugerida no catálogo e proteger contra o risco de citações fictícias
- Capacidade de distinguir entre fontes primárias e secundárias e cruzar cada data e fato com pelo menos duas fontes confiáveis
A pesquisa literária trata de estabelecer as informações em torno de um texto: em que período um autor escreveu, a que movimento ele adere, como uma obra foi recebida, quem disse o que sobre um assunto. Este trabalho requer digitalização, leitura e síntese (combinando informações dispersas em um todo coerente) de múltiplas fontes. A IA é um acelerador poderoso neste campo — mas é também uma das áreas onde é mais perigosa; porque a IA pode produzir com segurança fontes inexistentes, datas incorretas e informações embaralhadas.
A essência de uma frase desta unidade é esta: Use a IA como uma “ferramenta de indução e organização de pesquisa”, não como uma “fonte de informação”; Cada fato, data e fonte não é inserido em lugar nenhum sem verificação da fonte primária confiável.
Por que a IA não é uma fonte de conhecimento?
A IA é uma máquina de previsão de texto, não uma biblioteca real. Quando você faz uma pergunta, ela produz a resposta que “parece mais provável” para você; Ele não sabe se esta resposta está correta ou não e não pode garantir isso para você. Além disso, o conhecimento da IA tem uma data limite (a data em que o modelo fica sem dados para treinar); Não se sabe o que acontecerá depois dessa data, e as informações anteriores a essa data também podem estar erradas. Portanto:
- Não utilize o ano de publicação fornecido pela YZ sem verificá-lo.
- Não inclua uma fonte sugerida pela IA na sua bibliografia sem confirmar que ela realmente existe.
- Não repasse as “informações” da IA sobre um autor sem verificá-las com uma enciclopédia ou publicação revisada por pares.
Cuidado: bibliografias geradas por IA são particularmente arriscadas. A IA pode combinar o nome de um autor real com um título realista e um ano realista para produzir um recurso que nunca existiu. Isto é chamado de “atribuição fantasma” e é um erro grave no mundo acadêmico. Verifique cada fonte no catálogo da biblioteca ou em um banco de dados confiável.
Usando IA corretamente em pesquisas
A IA é realmente útil nas seguintes etapas da pesquisa:
- Mapeamento do tema: “Quais subtópicos, quais discussões existem sobre esse tema?” Um mapa de início rápido para a pergunta.
- Geração de termos de pesquisa: Diversificando as palavras-chave que você pesquisará em bibliotecas e bancos de dados.
- Resumindo o que você leu: Resumindo e comparando textos reais que VOCÊ forneceu.
- Esboço de síntese: Organizando suas notas verificadas em um esboço coerente.
- Contra-questionamento: “Qual poderia ser o ponto fraco desta tese?” Não teste o pensamento dizendo.
Cuidado: em todas essas etapas a informação vem de você ou de uma fonte confiável; A IA regula e acelera, não produz.
Dica: em vez de fazer a IA “explicar” um tópico, forneça a ela textos confiáveis que você encontrou e faça com que eles resumam e comparem. Desta forma, você confiará na fonte que verificou, em vez das informações que a IA memorizou (que podem estar erradas).
três mini cases
Caso 1 — O mapeamento de tópicos acelerou a pesquisa. Um pesquisador recebeu um mapa de subtítulos da IA ao entrar em um novo tópico. Dos 12 subtítulos, 9 funcionaram, 3 eram irrelevantes. O mapa mostrava onde começar a busca na biblioteca; Mas as informações de cada título foram escaneadas de fontes reais.
Caso 2 — Foram capturadas três fontes fictícias. Um aluno pesquisou no catálogo da biblioteca 8 recursos sugeridos por YZ. 3 não existiam, 1 foi atribuído ao autor errado, 4 eram reais. O aluno usou apenas 4 fontes confirmadas e sofreu um desastre de atribuição fictícia.
Caso 3 — Data incorreta corrigida na síntese. Numa tese de mestrado, a IA atribuiu o início de uma tendência ao ano errado. O aluno corrigiu a data após cruzá-la com duas fontes confiáveis. Se se confiasse numa única fonte (IA), um erro fundamental permaneceria na tese.
Caso 4 — O retorno à fonte primária alterou a interpretação. Um pesquisador citou uma frase de um poeta de um artigo de revisão (fonte secundária). Ao retornar ao livro do poeta (a fonte primária), descobriu que o artigo havia citado o verso de forma incompleta e isso mudou a interpretação. A disciplina de retornar à fonte primária impediu uma inferência baseada em citação falsa.
Quatro modelos copiáveis
1) Mapeamento de tópicos:
Sua função: consultor de pesquisa literária. Que subtítulos e eixos de discussão podem existir sobre o seguinte tema: [tema]. Crie um MAPA apenas para iniciar sua pesquisa; NÃO REIVINDICA informações, datas ou fontes precisas. Marque cada título como "a ser verificado na biblioteca".
2) Resumindo a fonte fornecida (forma segura):
Abaixo está um texto confiável que encontrei. Com base apenas neste texto: tese principal, evidências utilizadas e pontos polêmicos. Acrescentar informações que não estão no texto, falando de sua própria memória. Texto: [colar texto]
3) Disciplina de verificação de origem:
Vou lhe dar uma lista de recursos. Para cada recurso: verifique se a citação é estilisticamente consistente. AVISO: Você não pode verificar se um recurso realmente existe; diga-me como pesquisar cada recurso no catálogo da biblioteca. Conclusão da impressão adequada. Lista: [colar lista]
4) Contra-hipótese:
Gere os argumentos mais fortes contra a declaração da minha tese abaixo. Diga-me que tipos de fontes podem refutar esta tese. Meu objetivo é fortalecer minha tese. Produza apenas objeções lógicas; citar fontes fabricadas. Tese: [escreva sua tese]
Alerta fraco / Alerta forte
Fraco: "Dê-me 10 fontes sobre este assunto."
Güçlü: "Diga-me que tipo de fontes (artigo revisado por pares, artigo de enciclopédia, tese, livro confiável) e com quais palavras-chave devo pesquisar para pesquisas sobre este assunto. Não produza nenhuma citação que você não tenha certeza de que exista; em vez disso, dê-me uma estratégia de pesquisa eficaz. Vou resumir e verificar as fontes que encontrar mais tarde para você."
O poderoso prompt evita que a IA gere recursos imaginários e a utiliza como um “estrategista de busca”. A orientação fraca convida diretamente ao risco de atribuição fictícia.
Fase de pesquisa e tabela de verificação
Palco
Função da IA
verificação
mapeamento de tópicos
Sugere subtítulo
Digitalizar da biblioteca
Termo de pesquisa
Diversifica a palavra
tentando
fornecimento
não confiável
Confirmação de catálogo/banco de dados
resumo de texto
Forte (em determinado texto)
Comparação com texto
síntese
Rascunhos de layouts
julgamento humano
data/fato
não confiável
Pelo menos duas fontes
Separação de fonte primária e secundária
Na pesquisa, separar as fontes em dois tipos é a base da verificação. Fonte primária (um evento, obra ou fenômeno em si; o original do texto em estudo – por exemplo, o próprio livro de poesia de um poeta, uma carta de um escritor, um jornal de um período). Fonte secundária (uma revisão, crítica ou comentário subsequente sobre a fonte primária – por exemplo, um artigo analisando a obra de um poeta). Na pesquisa literária, a verdadeira autoridade é a fonte primária: se você está falando sobre um verso, você precisa extraí-lo do poema em si, e não de um artigo de segunda mão.
É aqui que a IA é mais perigosa: ela funciona “lembrando” uma linha, um enredo ou uma data; mas esta é uma lembrança de segunda ou mesmo terceira mão, muitas vezes nebulosa. Portanto, a regra é clara: sempre confirme uma afirmação de fonte primária (uma citação, uma linha, um evento) da própria fonte primária. Use IA para mapear que tipos de argumentos podem estar na literatura secundária e para resumir os textos secundários reais que você fornece.
Dica: Antes de usar uma informação, pergunte: “Esta é uma afirmação primária ou secundária?” Se for primário, retorne ao texto original; Se for secundário, baseie-o em uma publicação real e verificada. Nada que a IA “lembre” substitui esses dois tipos de recursos.
Erros comuns
- Confundir IA com uma fonte de informação. A IA produz previsões; Não é uma fonte.
- Usar fontes recomendadas sem confirmá-las. A atribuição fictícia é o erro com maior risco.
- Obtendo datas de uma única fonte. Verifique com pelo menos duas fontes confiáveis.
- Contando com a memorização da IA. Forneça seus próprios textos confiáveis e resuma-os.
- Esquecendo a data limite. A IA pode não conhecer os desenvolvimentos atuais.
Em resumo
IA na pesquisa literária; É uma ajuda poderosa para mapeamento de tópicos, geração de termos de pesquisa, resumo e síntese de determinados textos. Mas não é fonte de informação: nunca utilize datas, fatos e principalmente fontes sem verificá-los. A atribuição imaginária é a armadilha mais perigosa deste campo. Posicione a IA como uma ferramenta para organizar e acelerar, e a fonte confiável como o verdadeiro local de informação.
Tarefa de aplicativo
Escolha um tema de pesquisa. Obtenha um mapa inicial da IA com o modelo “mapeamento de tópicos”. Em seguida, tente fazer com que a IA recomende 5 recursos e pesquise cada um no catálogo da biblioteca; Conte quantos realmente existem. Escreva esta experiência em um parágrafo: Onde a IA foi útil e onde não foi confiável?
lista de verificação
- [] Usei IA como ferramenta de pesquisa, não como fonte de informação.
- [ ] Confirmei a existência de cada recurso no catálogo.
- [ ] Verifiquei cada data e fato com pelo menos duas fontes.
- [ ] Forneci meus próprios textos confiáveis e os resumi.
- [ ] Eu mesmo estabeleci a síntese e o julgamento.