zisky:
- Schopnosť plánovať rozsah skenovania s podporou umelej inteligencie generovaním kľúčových slov, synoným a booleovských vyhľadávacích reťazcov z výskumnej otázky
- Umiestniť umelú inteligenciu ako nástroj na generovanie stratégie, nie ako nástroj na vyhľadávanie zdrojov, a byť schopný overiť každý zdroj nájdený v skutočných databázach (Google Scholar, Scopus, Web of Science, PubMed).
- Schopnosť porozumieť riziku umelej inteligencie poskytovaním falošných zdrojov a falošných štatistík a získať reflex na overenie každej citácie pri určovaní medzery v literatúre.
Každý výskum sa začína prehľadom literatúry: nemôžete urobiť originálny príspevok bez toho, aby ste videli, čo sa už na vašej téme urobilo, aké otázky boli zodpovedané a kde sú medzery. Ale literatúra je obrovská; Ročne vychádzajú milióny článkov. Toto je miesto, kde je AI skvelým akcelerátorom – ale s veľmi zreteľnou demarkačnou líniou. Najdôležitejšia veta tejto jednotky je táto: AI sa používa v prehľade literatúry ako stratég vyhľadávania, nie ako zdrojová databáza. Pretože AI vám nenájde skutočné články; Vytvára možno vyzerajúce línie článkov, z ktorých niektoré sú vyrobené.
V tejto lekcii sa naučíme, ako odvodiť systematický plán vyhľadávania z vašej výskumnej otázky, použiť AI na obohatenie tohto plánu a overiť každý nájdený zdroj oproti skutočným databázam.
Kostra literárneho prehľadu
Dobrý sken má tri fázy. Najprv rozdelíte pojmy: svoju výskumnú otázku rozdelíte na jej hlavné zložky. Napríklad v otázke „Vplyv spätnej väzby na motiváciu žiakov v dištančnom vzdelávaní“ sú tri pojmy: dištančné vzdelávanie, spätná väzba, motivácia. Potom vytvoríte skupinu pojmov pre každý pojem: synonymá, žargón odboru, anglické ekvivalenty (dištančné vzdelávanie → dištančné vzdelávanie, online vzdelávanie, e-learning, dištančné vzdelávanie). Nakoniec tieto výrazy skombinujete s boolovskými operátormi.
Booleovské operátory sú logické spojky, ktoré vyhľadávacím nástrojom hovoria, ako majú kombinovať výrazy. Existujú tri základné operátory: AND (výsledok výskytu oboch výrazov – zužuje rozsah), OR (ktorýkoľvek z výrazov – rozširuje rozsah, zbiera synonymá) a NOT (vylučuje výraz). Aj úvodzovky „...“ hľadajte úplné frázy, hviezdička * je koreňová kontrakcia (motivat* → motivácia, motivácia). Vyhľadávací reťazec zvyčajne vyzerá takto:
("dištančné vzdelávanie" ALEBO "online vzdelávanie" ALEBO e-learning) A (spätná väzba ALEBO "formatívne hodnotenie") A (motivácia ALEBO angažovanosť ALEBO "sebaúčinnosť")
Umelá inteligencia je vynikajúca pri generovaní týchto reťazcov, dopĺňaní synoným a ich prispôsobovaní syntaxi rôznych databáz (Scopus, PubMed, Web of Science vyžadujú rôzne hláskovanie). Ale AI nie je miesto, kde spustíte reťazec; reálne databázy: Google Scholar (veľké, bezplatné), Scopus a Web of Science (kurátorské, citačné indexované), PubMed (medicína/vedy o živote), terénne databázy (vzdelávanie ERIC, psychológia PsycINFO, inžinierstvo IEEE Xplore).
Pozor: Ak sa spýtate AI chatovacieho nástroja „uveďte 20 článkov na túto tému“, vráti tituly, ktoré vyzerajú ako skutočné, no niektoré z nich sú vymyslené. Toto nie je skríning, ale nebezpečenstvo. Použite AI na vygenerovanie reťazca, nájdite článok v databáze.
Rozsah, zahrnutie a analýza medzier
Pozná dobré limity skenovania. Kritériá zaradenia/vylúčenia určujú rozsah vášho vyhľadávania: ktorý rok, ktoré jazyky, ktoré typy štúdia (experimentálne, prehľadové), aký kontext. Umelá inteligencia môže navrhnúť tieto kritériá vo forme návrhu a vy ich môžete upraviť podľa svojho odboru. Ak vykonávate systematickú kontrolu, môžete AI pripomenúť tok PRISMA (štandard pre podávanie správ pre systematické kontroly) a nechať ju vytvoriť šablónu denníka prehľadávania.
Literárna medzera je otázka alebo kontext, ktorý ešte nebol dostatočne preskúmaný; Váš originálny príspevok často vypĺňa medzeru. AI vám pomáha pomenovať možné medzery na základe zhrnutí, ktoré čítate – ale berte to ako tvrdenie, ktoré treba overiť, nie ako hypotézu. AI môže povedať „X nebol v tejto oblasti skúmaný“; Možno to však bolo študované, len to AI nevie. Medzeru potvrdíte iba skutočným skenovaním.
Metóda snehovej gule a šedá literatúra
Samotné vyhľadávanie kľúčových slov nestačí; Dobrý sken sa prehlbuje snehovou guľou. Kľúčom, ktorý nájdete, je prehľadať bibliografiu článku a nájsť tie pred ním. Snowballing forward sleduje, kto citoval tento článok (odkaz „Citované“ v Google Scholar) a prichádza na ďalšie štúdie. Táto metóda vám umožňuje nájsť štúdie, ktoré sú pre oblasť kľúčové, ale ktoré nemôžete zachytiť pomocou kľúčových slov. Keď poskytnete bibliografiu článku, AI vám môže pomôcť určiť, ktoré odkazy sú najbližšie k vašej otázke; Ale opäť je len na vás, či si článok nájdete a prečítate.
Okrem toho akademické databázy nepokrývajú všetko. Šedá literatúra – dizertačné práce, inštitucionálne správy, zborníky z konferencií, predtlače – je v niektorých oblastiach kritická a kompenzuje publikačnú zaujatosť (tendenciu publikovať len pozitívne výsledky). AI môže navrhnúť, ktoré zdroje sivej literatúry (Dizertačné práce ProQuest, inštitucionálne archívy, predtlačové servery ako arXiv/SSRN) by ste mali hľadať; Pri systematických prehľadoch je často nevyhnutné neobmedzovať svoj rozsah iba na články v časopisoch.
tri mini prípady
Prípad 1 – Rozšírenie reťazca. Keď výskumníčka v oblasti vzdelávania hľadala výraz „prevrátená trieda“ na Scopus, dostala 300 výsledkov, ale mala pocit, že jej chýbajú synonymá. Nechal AI vytvoriť termínový fond; Pridal ekvivalenty ako „obrátená trieda“ a „prevrátené učenie“. S novým reťazcom sa výsledok zvýšil z 300 na 470; Pri prvotnom vyhľadávaní chýbalo 40 relevantných článkov. AI nenašla články, ale vytvorila reťazec, vďaka ktorému sa dali nájsť.
Prípad 2 – Návrat z vytvoreného zoznamu. Jeden postgraduálny študent požiadal AI priamo o „15 najlepších zdrojov“ na skenovanie a vložil zoznam do svojej diplomovej práce. Pod kontrolou konzultanta sa vo Web of Science nenašli 4 citácie a 2 DOI boli nesprávne. Študent začal odznova: tentoraz vzal riadok z AI, našiel 60 skutočných výsledkov v Scopus, preosial abstraktný názov a vybral 18. Týchto 18 bolo skutočných.
Prípad 3 – Objasnenie rozsahu. Výskumník v oblasti zdravia si uvedomil, že jeho hľadanie bolo také široké, že ho zavalilo 2 000 výsledkov. Bol vytvorený návrh kritérií začlenenia/vylúčenia AI: posledných 10 rokov, angličtina, vzorka dospelých, randomizované kontrolované štúdie. Pridal filter „iba nemocničné prostredie“ s vlastnými informáciami. Výsledok klesol z 2 000 na 180; Vytvoril sa skenovateľný zhluk.
Kopírovateľné šablóny
1) Oddelenie konceptov a skupina termínov:
Vaša úloha: informačný špecialista (rešeršný knihovník). Moja výskumná otázka znie: „[napíšte otázku]“. Rozdeľte túto otázku na jej hlavné pojmy. Vytvorte skupinu termínov z anglických synoným, žargónu a alternatívneho pravopisu pre každý koncept. Dajte to do tabuľky. Článok je FAKE.
2) Generovanie boolovských vyhľadávacích reťazcov:
Zostavte boolovský vyhľadávací reťazec pre Scopus pomocou nasledujúcej skupiny výrazov: ALEBO výrazy v rámci pojmov A medzi pojmami, citujte frázy, ak je to vhodné, použite *. Prispôsobte rovnaký reťazec syntaxi Web of Science a PubMed. Bazén: [prilepiť]
3) Návrh kritérií zaradenia/vylúčenia:
Robím prehľad literatúry na tému „[téma]“. Navrhnite mi návrh kritérií zaradenia/vylúčenia: pod nadpismi rozsah rokov, jazyk, typ štúdie, vzorka, kontext. Toto sú návrhy; Budem ich meniť podľa môjho odboru. Stručne napíšte dôvody.
4) Dopytovanie uchádzačov o voľné pracovné miesta (na overenie):
Nižšie sú zhrnutia 10 článkov, ktoré som naskenoval. Nakreslite ich spoločné témy a navrhnite medzery KANDIDÁTOM, KTORÉ OTÁZKY SÚ MENEJ RIEŠENÉ. Prezentujte to ako hypotézy, ktoré si overím, nie absolútnu pravdu. Zhrnutia: [prilepiť]
Slabá výzva / Silná výzva
Slabá výzva:
Dajte mi zoznam zdrojov o umelej inteligencii a vzdelávaní.
AI vytvára falošné ID; Téma je tiež príliš široká.
Výkonná výzva:
Vaša úloha: informačný špecialista. Predmet: "Vplyv gamifikácie na úzkosť z matematiky na základnej škole". NEDÁVAJTE MI ZOZNAM ZDROJOV. Namiesto toho: (1) analyzujte 3 koncepty, (2) vytvorte úložisko anglických synoným pre každý koncept, (3) booleovský reťazec pre Scopus, (4) navrhnite použiteľné kritériá zahrnutia/vylúčenia. Názov článku je falošný.
Účel
používať AI
overovacie miesto
Rozšírenie fondu termínov
Áno, silný
Recenzia so znalosťou domény
Booleovská strunová konštrukcia
Áno, silný
Test v databáze
Rozsah/náčrt kritérií
áno
Doostriť podľa oblasti
Nájdite článok
č
Scholar/Scopus/WoS/PubMed
Previerka
čiastočne
Skutočné skenovanie je nutnosťou
Časté chyby
- Zámena AI za databázu. Požiadanie o citáciu článku vytvára falošné citácie; Toto je najčastejšia a najnebezpečnejšia chyba.
- Preskakovanie synoným. Pri vyhľadávaní jedného výrazu chýba veľa literatúry.
- Ponechanie rozsahu nejasné. Bez filtrov rokov, jazykov a žánrov budete zahltení tisíckami výsledkov.
- Tvrdenie prázdnoty bez jej overenia. Povedať „nikto neštudoval“ bez skutočného skríningu je riskantné.
- Spoliehanie sa na jednu databázu. Rôzne indexy pokrývajú rôzne; použite niekoľko spolu.
Tip: Aby bolo vyhľadávanie reprodukovateľné, zaznamenajte si do tabuľky použitý reťazec, databázu, dátum a počet výsledkov. Tento časopis je povinný pri systematickej kontrole; Je to dobrý zvyk pri každom výskume.
V súhrne
Prehľad literatúry je systematická úloha: koncepčná destilácia, skupina termínov, booleovský reťazec, kritérium pokrytia. AI je pri týchto strategických krokoch mocným pomocníkom; vytvára synonymá, konštruuje reťazce, načrtáva kritériá. Ale nájdete články zo skutočných databáz, nie z AI, a overíte si každý vedľajší riadok. Krátke pravidlo: stratégia od AI, zdroj z databázy, overenie od vás.
Aplikačná úloha
Získajte vlastnú výskumnú otázku. Analyzujte koncepty pomocou AI a vytvorte skupinu termínov a booleovský reťazec. Spustite tento reťazec proti skutočnej databáze (Scholar alebo index, ku ktorému máte prístup). Poznačte si 10 najlepších výsledkov a porovnajte ich s podriadenými riadkami (ak nejaké existujú), ktoré AI predtým navrhla, keď sa vás priamo pýtali; Označte, koľko skutočne existuje.
kontrolný zoznam
- [ ] Rozdelil som svoju výskumnú otázku na koncepty?
- [ ] Vytvoril som synonymum/skupinu anglických výrazov pre každý pojem?
- [ ] Testoval som booleovský reťazec na skutočnej databáze?
- [ ] Objasnil som svoje kritériá zahrnutia/vylúčenia?
- [ ] Overil som si, že každý zdroj, ktorý som našiel, skutočne existuje?