Fitimet:
- Aftësia për të planifikuar shtrirjen e skanimit me mbështetjen e inteligjencës artificiale duke gjeneruar fjalë kyçe, sinonime dhe vargje kërkimi Boolean nga pyetja e kërkimit
- Pozicionimi i inteligjencës artificiale si një mjet për gjenerimin e strategjisë, jo një mjet për gjetjen e burimit dhe aftësia për të verifikuar çdo burim që gjendet në bazat e të dhënave reale (Google Scholar, Scopus, Web of Science, PubMed).
- Aftësia për të kuptuar rrezikun e inteligjencës artificiale që ofron burime të fabrikuara dhe statistika të rreme dhe për të marrë refleksin për të verifikuar çdo citim kur përcakton një boshllëk në literaturë.
Çdo kërkim fillon me një rishikim të literaturës: nuk mund të jepni një kontribut origjinal pa parë se çfarë është bërë më parë për temën tuaj, çfarë pyetjesh janë përgjigjur dhe ku ka boshllëqe. Por letërsia është e madhe; Miliona artikuj publikohen çdo vit. Këtu AI është një përshpejtues i shkëlqyeshëm - por me një vijë shumë të dallueshme të demarkacionit. Fjalia më e rëndësishme e kësaj njësie është kjo: AI përdoret në rishikimin e literaturës si një strateg kërkimi, jo si një bazë të dhënash burimore. Sepse AI nuk ju gjen artikuj të vërtetë; Ai prodhon rreshta të mundshëm të artikujve, disa prej të cilëve janë të fabrikuar.
Në këtë njësi, ne do të mësojmë se si të nxjerrim një plan sistematik kërkimi nga pyetja juaj e kërkimit, të përdorim AI për të pasuruar atë plan dhe të vërtetojmë çdo burim që gjeni kundrejt bazave të të dhënave reale.
Skeleti i rishikimit të literaturës
Një skanim i mirë ka tre faza. Së pari ju zbërtheni konceptet: ju zbërtheni pyetjen tuaj të kërkimit në komponentët e saj kryesorë. Për shembull, në pyetjen “Efekti i feedback-ut në motivimin e nxënësve në arsimin në distancë”, ka tre koncepte: edukim në distancë, reagime, motivim. Më pas krijoni një grup termash për secilin koncept: sinonime, zhargoni i fushës, ekuivalentët e anglishtes (arsim në distancë → arsim në distancë, mësim në internet, e-learning, mësim në distancë). Së fundi, ju kombinoni këto terma me operatorët Boolean.
Operatorët Boolean janë lidhje logjike që u tregojnë motorëve të kërkimit se si të kombinojnë termat. Ekzistojnë tre operatorë bazë: AND (rezulton në shfaqjen e të dy termave - ngushton fushëveprimin), OSE (ndonjë nga termat - zgjeron fushën, mbledh sinonime) dhe NOT (përjashton një term). Gjithashtu citimet "..." kërkoni për fraza të plota, ylli * është tkurrja e rrënjës (motiv* → motivim, motivues). Një varg kërkimi zakonisht duket kështu:
("arsim në distancë" OSE "të mësuar në internet" OSE mësim elektronik) DHE (feedback OSE "vlerësim formues") DHE (motivim OSE angazhim OSE "vetëefikasitet")
AI është i shkëlqyeshëm në gjenerimin e këtyre vargjeve, plotësimin e sinonimeve dhe përshtatjen e tyre me sintaksën e bazave të të dhënave të ndryshme (Scopus, PubMed, Web of Science kërkojnë drejtshkrime të ndryshme). Por AI nuk është vendi ku ju drejtoni vargun; bazat e të dhënave reale: Google Scholar (e madhe, falas), Scopus dhe Web of Science (e kuruar, e indeksuar me citime), PubMed (shkencat mjekësore/të jetës), bazat e të dhënave në terren (edukimi ERIC, psikologjia PsycINFO, inxhinieria IEEE Xplore).
Kujdes: Nëse i kërkoni një mjeti të bisedës së AI "të listojë 20 artikuj mbi këtë temë", ai do të kthejë tituj që duken realë, por disa prej tyre janë të sajuar. Ky nuk është kontroll, por rrezik. Përdorni AI për të gjeneruar varg, gjeni artikullin në bazën e të dhënave.
Analiza e shtrirjes, përfshirjes dhe mangësive
Njeh kufijtë e mirë të skanimit. Kriteret e përfshirjes/përjashtimit përcaktojnë shtrirjen e kërkimit tuaj: cili diapazon viti, cilat gjuhë, cilat lloje studimesh (eksperimentale, rishikuese), cili kontekst. AI mund t'i sugjerojë këto kritere në formë drafti dhe ju mund t'i mprehni ato sipas fushës tuaj. Nëse jeni duke bërë një rishikim sistematik, mund të kujtoni rrjedhën e PRISMA (standardi i raportimit për rishikimet sistematike) në AI dhe ta bëni atë të prodhojë një shabllon të regjistrit të zvarritjes.
Një boshllëk letrar është një pyetje ose kontekst që ende nuk është eksploruar në mënyrë adekuate; Kontributi juaj origjinal shpesh mbush një boshllëk. Inteligjenca artificiale ju ndihmon të emërtoni boshllëqet e mundshme bazuar në përmbledhjet që lexoni – por merrni atë si një pohim për t'u verifikuar, jo një hipotezë. AI mund të thotë "X nuk është studiuar në këtë fushë"; Megjithatë, mund të jetë studiuar, vetëm se AI nuk e di. Ju e konfirmoni boshllëkun vetëm me skanimin tuaj aktual.
Metoda e Snowball dhe letërsia gri
Nuk mjafton vetëm kërkimi i fjalëve kyçe; Një skanim i mirë thellohet me top bore. Duke u kthyer prapa, çelësi që gjeni është të skanoni bibliografinë e një artikulli dhe të gjeni ato para tij; Snowballing përpara është duke gjurmuar se kush e citoi atë artikull (lidhja "Cituar nga" në Google Scholar) dhe duke arritur në studimet e mëvonshme. Kjo metodë ju lejon të gjeni studime që janë qendrore për këtë fushë, por që nuk mund t'i kapni me fjalët tuaja kyçe. Kur jepni një bibliografi të një artikulli, AI mund t'ju ndihmojë të vendosni se cilat referenca janë më të afërta me pyetjen tuaj; Por përsëri, ju takon juve të gjeni dhe lexoni artikullin.
Për më tepër, bazat e të dhënave akademike nuk mbulojnë gjithçka. Literatura gri - disertacione, raporte institucionale, punime konferencash, printime paraprake - është kritike në disa fusha dhe kompenson paragjykimet e botimit (tendenca për të publikuar vetëm rezultate pozitive). AI mund të sugjerojë se cilat burime të literaturës gri (dissertacionet e ProQuest, depo institucionale, serverë paraprintimi si arXiv/SSRN) duhet të kërkoni; Shpesh është e domosdoshme në rishikimet sistematike që të mos kufizoni qëllimin tuaj vetëm në artikujt e revistave.
tre mini kuti
Rasti 1 - Zgjerimi i vargut. Kur një studiuese e arsimit kërkoi për "klasë e kthyer" në Scopus, ajo mori 300 rezultate, por ndjeu se i mungonin sinonimet. Ai kishte AI të prodhonte një grup termash; Ai shtoi ekuivalente të tilla si "klasë e përmbysur" dhe "të mësuarit e kthyer". Me vargun e ri rezultati u rrit nga 300 në 470; Në kërkimin fillestar humbën 40 artikuj përkatës. Inteligjenca artificiale nuk i gjeti artikujt, por ndërtoi vargun që i bëri ata të gjinden.
Rasti 2 - Kthimi nga lista e krijuar. Një student i diplomuar kërkoi drejtpërdrejt nga AI për "15 burimet kryesore" për skanim dhe e vendosi listën në tezën e tij. Nën kontrollin e konsulentit, 4 citate nuk mund të gjendeshin në Web of Science dhe 2 DOI ishin të pasakta. Studenti filloi nga e para: këtë herë ai mori linjën nga AI, gjeti 60 rezultate reale në Scopus, analizoi abstraktin e titullit dhe zgjodhi 18. Këto 18 ishin të gjitha reale.
Rasti 3 - Sqarimi i fushëveprimit. Një studiues i shëndetit kuptoi se kërkimi i tij ishte aq i gjerë sa u mbyt nga 2000 rezultate. Kishte prodhuar draft kriteret e përfshirjes/përjashtimit të AI: 10 vitet e fundit, anglisht, kampion për të rritur, prova të kontrolluara të rastësishme. Ai shtoi filtrin "vetëm mjedis spitalor" me informacionin e tij. Rezultati ra nga 2000 në 180; U formua një grup i skanueshëm.
Modele të kopjueshme
1) Ndarja e konceptit dhe grupi i termave:
Roli juaj: specialist informacioni (bibliotekar kërkimor). Pyetja ime kërkimore është: "[shkruani pyetjen]". Zbërthejeni këtë pyetje në konceptet e saj kryesore. Gjeneroni një grup termash sinonimish në anglisht, zhargon në terren dhe drejtshkrime alternative për secilin koncept. Jepini në një tabelë. Artikulli është FAKE.
2) Gjenerimi i vargut të kërkimit Boolean:
Ndërtoni një varg kërkimi Boolean për Scopus duke përdorur grupin e termave të mëposhtëm: OSE terma brenda koncepteve, DHE midis koncepteve, citoni fraza, përdorni * kur është e përshtatshme. Përshtatni të njëjtin varg me sintaksën Web of Science dhe PubMed. Pishinë: [ngjit]
3) Projekt kriteret e përfshirjes/përjashtimit:
Unë jam duke bërë një rishikim të literaturës për "[temë]". Më sugjeroni një draft të kritereve të përfshirjes/përjashtimit: nën titujt e diapazonit të vitit, gjuha, lloji i studimit, mostra, konteksti. Këto janë sugjerime; Do t'i ndryshoj sipas fushës sime. Shkruani shkurtimisht arsyet.
4) Kërkimi i kandidatëve për vende të lira pune (për t'u verifikuar):
Më poshtë janë përmbledhjet e 10 artikujve që skanova. Nxirrni temat e tyre të përbashkëta dhe sugjeroni KANDIDATËT me boshllëqe se CILAT PYETJE JANË MË MË PAK TË DREJTUAR. Paraqisni këto si hipoteza që do t'i verifikoj, jo të vërteta absolute. Përmbledhje: [ngjit]
Prompt i dobët / Prompt i fortë
Njoftim i dobët:
Më jep një listë të burimeve mbi inteligjencën artificiale dhe arsimin.
AI krijon ID false; Tema është gjithashtu shumë e gjerë.
Njoftim i fuqishëm:
Roli juaj: specialist i informacionit. Tema: “Efekti i gamifikimit në ankthin e matematikës në shkollën fillore”. MOS ME JEP LISTA E BURIMEVE. Në vend të kësaj: (1) analizoni 3 konceptet, (2) krijoni një depo sinonimish anglisht për secilin koncept, (3) vargun Boolean për Scopus, (4) hartoni kriteret e zbatueshme të përfshirjes/përjashtimit. Titulli i artikullit është i rremë.
Qëllimi
përdorni AI
vendndodhjen e verifikimit
Zgjerimi i pishinës së afatit
Po, e fortë
Rishikoni me njohuri për domenin
Ndërtimi i vargut Boolean
Po, e fortë
Test në bazën e të dhënave
Skema e fushëveprimit/kritereve
po
Mprehni sipas zonës
Gjeni një artikull
nr
Studiues/Scopus/WoS/PubMed
Angazhimi i pastrimit
pjesërisht
Skanimi i vërtetë është një domosdoshmëri
Gabimet e zakonshme
- Gabimi i AI për një bazë të dhënash. Kërkimi i një citimi artikulli prodhon citate të rreme; Ky është gabimi më i zakonshëm dhe më i rrezikshëm.
- Kapërcimi i sinonimeve. Një kërkim i vetëm termi humbet shumë nga literatura.
- Lënia e fushës së paqartë. Pa filtra për vitin, gjuhën dhe zhanrin, do të mbingarkoheni me mijëra rezultate.
- Pohimi i zbrazëtisë pa e verifikuar atë. Të thuash "askush nuk ka studiuar" pa shqyrtimin aktual është e rrezikshme.
- Duke u mbështetur në një bazë të dhënash të vetme. Indekse të ndryshme mbulojnë ndryshe; përdorni disa së bashku.
Këshillë: Për ta bërë kërkimin tuaj të riprodhueshëm, regjistroni vargun që keni përdorur, bazën e të dhënave, datën dhe numrin e rezultateve në një tabelë. Kjo revistë është e detyrueshme në rishikim sistematik; Është një zakon i mirë në çdo hulumtim.
Në përmbledhje
Rishikimi i literaturës është një detyrë sistematike: distilimi i konceptit, grupi i termave, vargu Boolean, kriteri i mbulimit. AI është një asistent i fuqishëm në këto hapa strategjikë; prodhon sinonime, ndërton vargje, përshkruan kriteret. Por ju gjeni artikuj nga bazat e të dhënave reale, jo nga AI, dhe verifikoni secilën rresht. Rregulli i shkurtër: strategjia nga AI, burimi nga baza e të dhënave, vërtetimi nga ju.
Detyra e aplikimit
Merrni pyetjen tuaj të kërkimit. Analizoni konceptet me AI dhe prodhoni një grup termash dhe një varg Boolean. Ekzekutoni këtë varg kundrejt një baze të dhënash të vërtetë (Scholar ose një indeks në të cilin keni akses). Vini re 10 rezultatet kryesore dhe krahasojini ato me vijat nënligjore (nëse ka) që AI ka sugjeruar më parë kur është pyetur drejtpërdrejt; Shënoni sa ekzistojnë në të vërtetë.
listë kontrolli
- [ ] A e kam zbërthyer pyetjen time kërkimore në koncepte?
- [ ] A kam krijuar një grup termash sinonimi/anglisht për secilin koncept?
- [ ] A e kam testuar vargun boolean në bazën e të dhënave reale?
- [ ] A i kam sqaruar kriteret e mia të përfshirjes/përjashtimit?
- [ ] A e kam verifikuar që çdo burim që gjeta ekziston në të vërtetë?