Dobički:
- Sposobnost načrtovanja obsega skeniranja s podporo umetne inteligence z ustvarjanjem ključnih besed, sinonimov in logičnih iskalnih nizov iz raziskovalnega vprašanja
- Postavljanje umetne inteligence kot orodja za ustvarjanje strategij, ne kot orodja za iskanje virov, in zmožnost preverjanja vsakega vira, najdenega v resničnih zbirkah podatkov (Google Scholar, Scopus, Web of Science, PubMed).
- Sposobnost razumevanja tveganja umetne inteligence, ki zagotavlja izmišljene vire in lažne statistike, ter pridobiti refleks za preverjanje vsakega citata pri ugotavljanju vrzeli v literaturi.
Vsaka raziskava se začne s pregledom literature: ne morete narediti izvirnega prispevka, ne da bi videli, kaj je bilo o vaši temi narejeno prej, na katera vprašanja je bilo odgovoreno in kje so vrzeli. Literature pa je ogromno; Letno je objavljenih na milijone člankov. Tu je umetna inteligenca odličen pospeševalnik – vendar z zelo jasno razmejitvijo. Najpomembnejši stavek te enote je naslednji: AI se pri pregledu literature uporablja kot iskalni strateg, ne kot izvorna baza podatkov. Ker AI ne najde pravih člankov; Ustvarja možne naslove člankov, od katerih so nekateri izmišljeni.
V tej enoti se bomo naučili, kako izpeljati načrt sistematičnega iskanja iz vašega raziskovalnega vprašanja, uporabiti AI za obogatitev tega načrta in potrditi vsak vir, ki ga najdete, glede na resnične baze podatkov.
Okostje pregleda literature
Dober pregled ima tri stopnje. Najprej razdelite koncepte: svoje raziskovalno vprašanje razdelite na njegove glavne komponente. Na primer, pri vprašanju "Vpliv povratne informacije na motivacijo učencev pri izobraževanju na daljavo" obstajajo trije pojmi: izobraževanje na daljavo, povratna informacija, motivacija. Nato ustvarite nabor izrazov za vsak koncept: sinonime, žargon na terenu, angleške ustreznice (izobraževanje na daljavo → izobraževanje na daljavo, spletno učenje, e-učenje, učenje na daljavo). Na koncu te izraze združite z logičnimi operatorji.
Logični operatorji so logične konjunkcije, ki iskalnikom povedo, kako naj kombinirajo izraze. Obstajajo trije osnovni operatorji: IN (povzroči pojav obeh izrazov — zoži obseg), ALI (katerikoli od izrazov — razširi obseg, zbere sinonime) in NE (izključi izraz). Tudi narekovaji "..." poiščite celotne besedne zveze, zvezdica * je korensko skrčenje (motivat* → motivacija, motivacijski). Iskalni niz je običajno videti takole:
("izobraževanje na daljavo" ALI "spletno učenje" ALI e-učenje) IN (povratne informacije ALI "formativno ocenjevanje") IN (motivacija ALI angažiranost ALI "samoučinkovitost")
Umetna inteligenca je odlična pri ustvarjanju teh nizov, dopolnjevanju sinonimov in njihovem prilagajanju sintaksi različnih baz podatkov (Scopus, PubMed, Web of Science zahtevajo drugačno črkovanje). Toda AI ni tam, kjer vodite niz; prave podatkovne baze: Google Scholar (velika, brezplačna), Scopus in Web of Science (kurirana, indeksirana s citati), PubMed (medicinske/življenjske vede), terenske podatkovne baze (ERIC izobraževanje, PsycINFO psihologija, IEEE Xplore inženiring).
Pozor: Če klepetalnemu orodju AI zaprosite »seznam 20 člankov o tej temi«, bo vrnilo naslove, ki so videti resnični, vendar so nekateri od njih izmišljeni. To ni pregled, ampak nevarnost. Uporabite AI za ustvarjanje niza, poiščite članek v bazi podatkov.
Obseg, vključenost in analiza vrzeli
Pozna dobre meje skeniranja. Merila za vključitev/izključitev določajo obseg vašega iskanja: kateri letni obseg, kateri jeziki, katere vrste študij (eksperimentalni, pregledni), kateri kontekst. AI lahko predlaga ta merila v obliki osnutka, vi pa jih lahko izostrite glede na svoje področje. Če izvajate sistematični pregled, lahko tok PRISMA (standard poročanja za sistematične preglede) opomnite na AI in naročite, da ustvari predlogo dnevnika pajkanja.
Literaturna vrzel je vprašanje ali kontekst, ki še ni bil dovolj raziskan; Vaš izvirni prispevek pogosto zapolni vrzel. Umetna inteligenca vam pomaga poimenovati morebitne vrzeli na podlagi povzetkov, ki jih preberete – vendar to jemljite kot trditev, ki jo je treba preveriti, in ne kot hipotezo. AI lahko reče, da "X na tem področju ni bil raziskan"; Vendar pa je bilo morda raziskano, samo AI ne ve. Vrzel potrdite samo z dejanskim skeniranjem.
Metoda snežne kepe in siva literatura
Samo iskanje po ključnih besedah ni dovolj; Dober pregled se poglobi s snežno kepo. Če se vrnemo nazaj, ključ, ki ga najdete, je, da pregledate bibliografijo članka in poiščete tiste pred njim; Snežna kepa naprej sledi sledenju, kdo je citiral ta članek (povezava »Citirano od« v Google Učenjaku) in prihaja do nadaljnjih študij. Ta metoda vam omogoča, da najdete študije, ki so osrednjega pomena za področje, vendar jih ne morete zajeti s svojimi ključnimi besedami. Ko navedete bibliografijo članka, vam lahko AI pomaga določiti prednost, katere reference so najbližje vašemu vprašanju; A spet je na vas, da poiščete in preberete članek.
Poleg tega akademske baze podatkov ne pokrivajo vsega. Siva literatura – disertacije, institucionalna poročila, konferenčni zborniki, prednatisi – je kritična na nekaterih področjih in izravnava pristranskost objavljanja (nagnjenost k objavljanju samo pozitivnih rezultatov). AI lahko predlaga, katere vire sive literature (proQuest disertacije, institucionalni repozitoriji, strežniki za prednatis, kot je arXiv/SSRN), bi morali iskati; Pri sistematičnih pregledih je pogosto nujno, da svojega obsega ne omejite le na članke v revijah.
trije mini kovčki
Primer 1 – Razširitev niza. Ko je raziskovalka izobraževanja na Scopusu iskala "obrnjeno učilnico", je dobila 300 rezultatov, vendar je menila, da pogreša sopomenke. Umetni inteligenci je dal izdelati nabor izrazov; Dodal je ekvivalente, kot sta "obrnjena učilnica" in "obrnjeno učenje". Z novim nizom se je rezultat povečal s 300 na 470; Pri začetnem iskanju je bilo zgrešenih 40 ustreznih člankov. Umetna inteligenca ni našla člankov, ampak je sestavila niz, zaradi katerega jih je bilo mogoče najti.
2. primer — Vrnitev s sestavljenega seznama. En podiplomski študent je AI neposredno vprašal za "15 najboljših virov" za skeniranje in seznam prilepil v svojo diplomsko nalogo. Pod nadzorom svetovalca 4 citatov ni bilo mogoče najti v Web of Science, 2 DOI pa sta bila nepravilna. Študent je začel znova: tokrat je črto vzel iz umetne inteligence, v Scopusu našel 60 resničnih rezultatov, prebrskal naslovni povzetek in izbral 18. Teh 18 je bilo vseh resničnih.
Primer 3 – Pojasnitev področja uporabe. Zdravstveni raziskovalec je spoznal, da je njegovo iskanje tako široko, da ga je preplavilo 2000 rezultatov. Imel izdelan osnutek meril za vključitev/izključitev AI: zadnjih 10 let, angleščina, vzorec odraslih, randomizirana kontrolirana preskušanja. Dodal je filter »samo bolnišnično okolje« s svojimi informacijami. Rezultat je padel z 2.000 na 180; Oblikovan je grozd, ki ga je mogoče skenirati.
Kopirane predloge
1) Ločevanje pojmov in izrazov:
Vaša vloga: informacijski specialist (znanstveni knjižničar). Moje raziskovalno vprašanje je: "[napišite vprašanje]". Razčlenite to vprašanje na glavne koncepte. Ustvarite nabor izrazov angleških sinonimov, terenskega žargona in alternativnega črkovanja za vsak koncept. Daj v tabelo. Članek je LAŽEN.
2) Generiranje logičnega iskalnega niza:
Sestavite logični iskalni niz za Scopus z uporabo naslednje skupine izrazov: ALI izrazi znotraj konceptov IN med koncepti, fraze v navedbah, uporabite *, kjer je primerno. Prilagodite isti niz sintaksi Web of Science in PubMed. Bazen: [prilepi]
3) Osnutek meril za vključitev/izključitev:
Delam pregled literature na "[tema]". Predlagajte mi osnutek meril za vključitev/izključitev: pod naslovi letnik, jezik, vrsta študija, vzorec, kontekst. To so predlogi; Spremenil jih bom glede na svoje področje. Na kratko napišite razloge.
4) Poizvedovanje kandidatov za prosta delovna mesta (preverjeno):
Spodaj so povzetki 10 člankov, ki sem jih pregledal. Izrišite njihove skupne teme in predlagajte vrzeli KANDIDATE glede tega, KATERA VPRAŠANJA SO MANJ OBRAVNAVANA. Predstavite jih kot hipoteze, ki jih bom preveril, ne kot absolutno resnico. Povzetki: [prilepi]
Šibek poziv/močan poziv
Šibek poziv:
Daj mi seznam virov o umetni inteligenci in izobraževanju.
AI ustvarja lažne osebne izkaznice; Tema je tudi preširoka.
Močan poziv:
Vaša vloga: informacijski strokovnjak. Tema: "Učinek igrifikacije na matematično anksioznost v osnovni šoli". NE DAJTE MI SEZNAMA VIROV. Namesto tega: (1) razčlenite 3 koncepte, (2) ustvarite repozitorij angleških sinonimov za vsak koncept, (3) logični niz za Scopus, (4) osnutek veljavnih meril za vključitev/izključitev. Naslov članka je lažen.
Namen
uporabite AI
mesto preverjanja
Razširitev terminskega bazena
Da, močno
Pregled z znanjem domene
Konstrukcija logičnega niza
Da, močno
Test v bazi podatkov
Oris obsega/meril
ja
Izostri po območju
Poiščite članek
št
Scholar/Scopus/WoS/PubMed
Potrditev potrditve
delno
Pravo skeniranje je nujno
Pogoste napake
- Zamenjajte AI za bazo podatkov. Če zahtevate navedbo članka, pride do lažnih navedb; To je najpogostejša in nevarna napaka.
- Preskakovanje sinonimov. Iskanje z enim samim izrazom zgreši veliko literature.
- Obseg je nejasen. Brez filtrov za leto, jezik in zvrst boste preplavljeni s tisočimi rezultati.
- Uveljavljanje praznine brez preverjanja. Reči, da "nihče ni študiral" brez dejanskega pregleda, je tvegano.
- Zanašanje na eno samo bazo podatkov. Različni indeksi pokrivajo različno; uporabite več skupaj.
Nasvet: Če želite, da bo vaše iskanje ponovljivo, v tabelo zabeležite niz, ki ste ga uporabili, zbirko podatkov, datum in število rezultatov. Ta revija je obvezna pri sistematičnem pregledu; To je dobra navada pri vsakem raziskovanju.
Če povzamem
Pregled literature je sistematična naloga: destilacija koncepta, zbirka izrazov, logični niz, kriterij pokritosti. AI je močan pomočnik pri teh strateških korakih; proizvaja sinonime, sestavlja nize, orisuje kriterije. Vendar najdete članke iz pravih baz podatkov, ne iz umetne inteligence, in preverite vsako avtorsko vrstico. Kratko pravilo: strategija iz umetne inteligence, vir iz baze podatkov, potrditev od vas.
Aplikacijska naloga
Zagotovite si svoje raziskovalno vprašanje. Razčlenite koncepte z AI in ustvarite skupino izrazov in logični niz. Zaženite ta niz s pravo zbirko podatkov (Scholar ali indeks, do katerega imate dostop). Upoštevajte 10 najboljših rezultatov in jih primerjajte z avtorskimi vrsticami (če obstajajo), ki jih je umetna inteligenca predhodno predlagala na neposredno vprašanje; Označite, koliko jih dejansko obstaja.
kontrolni seznam
- [ ] Ali sem svoje raziskovalno vprašanje razdelil na koncepte?
- [ ] Ali sem za vsak koncept ustvaril skupino sinonimov/angleških izrazov?
- [ ] Ali sem preizkusil logični niz v pravi bazi podatkov?
- [ ] Ali sem pojasnil svoja merila za vključitev/izključitev?
- [ ] Ali sem preveril, ali vsak vir, ki sem ga našel, dejansko obstaja?