Mga nadagdag:
- Ang kakayahang makilala kung saan ang artificial intelligence ay nakakatipid ng totoong oras sa daloy ng trabaho sa akademikong pananaliksik (panitikan, disenyo, pagsusuri, pagsulat) at kung saan nananatili ang siyentipikong paghuhusga at responsibilidad sa mananaliksik, ayon sa antas ng panganib sa gawain
- Ang kakayahang maglapat ng disiplina na nag-uugnay at nagbe-verify sa bawat output ng artificial intelligence sa pinagmulan at pag-unawa sa problema ng hallucination (fabricated) attribution, na siyang pinaka kritikal na panganib ng akademya.
- Kakayahang magpatibay ng balangkas ng paggamit na sumusunod sa mga patakaran sa paggamit ng artificial intelligence ng institusyonal at journal, katapatan sa akademiko at mga prinsipyo ng transparency.
Ang trabaho ng isang mananaliksik ay nagsasangkot ng higit na pagsusulat, pagbabasa, at pag-edit kaysa sa tila: pag-scan ng daan-daang mga artikulo, pagbubuod ng mga ito, paghahasa ng tanong sa pananaliksik, pagdidisenyo ng mga pamamaraan, pagsusuri ng data, pag-transcribe ng mga resulta, pag-format ng mga pagsipi, pagpili ng mga journal, pagtugon sa mga komento ng tagasuri. Karamihan sa gawaing ito ay paulit-ulit, umuubos ng oras, at nakakagambala; Nagnanakaw ito sa kung ano ang tunay na mahalaga, orihinal na pag-iisip at interpretasyon. Artificial intelligence (AI) — mga program sa computer na nakakaunawa sa wika ng tao at nakakagawa ng output gaya ng text, mga buod, code, draft, atbp. — ay isang makapangyarihang tulong upang mapabilis ang paulit-ulit na pasanin na ito. Sa buong modyul na ito, isinasaalang-alang namin ang AI na hindi isang mahiwagang mapagkukunan ng impormasyon; Matututuhan nating gamitin ito bilang isang research assistant, paggawa ng mga draft, pagbibigay ng mga ideya at pag-edit.
Ngunit sa simula pa lang, ilagay natin ang pinakamahalagang pangungusap na tiyak sa akademya: Ang AI ay hindi gumagawa ng mga siyentipikong desisyon sa halip na ang mananaliksik; gumagawa ng draft, siyentipikong paghatol at responsibilidad ay pag-aari ng mananaliksik. Sa akademya, ang panuntunang ito ay mas mahigpit pa kaysa sa ibang mga propesyon, dahil ang pera ng agham ay tiwala, at ang batayan ng tiwala na iyon ay ang bawat paghahabol ay naka-link sa isang napapatunayang pinagmulan.
Ang unang unit na ito ay nagtatatag ng tatlong pundasyon: pagkilala sa kung saan gumagana ang AI at kung saan ito dapat manatili sa workflow ng pananaliksik; pag-verify ng bawat output; Upang gamitin ang prinsipyo ng akademikong katapatan at transparency. Ang tatlong ito ay ang pinagbabatayan na batayan ng seguridad para sa lahat ng kasunod na mga yunit.
Saan nakakatipid ng oras ang AI, saan nauukol sa mananaliksik ang desisyon?
Nakakatulong na mag-isip ng mga gawain sa pananaliksik sa mga tuntunin ng antas ng panganib. Ang antas ng panganib ay kung gaano kalaki ang pinsalang maidudulot nito sa rekord ng siyensya kung mali ang ginawa.
Mga gawaing mababa ang panganib na pinabilis ng AI: Pagbuo ng diskarte sa paghahanap (keyword, kasingkahulugan), paggawa ng paunang buod ng mahabang teksto, pagpapasimple sa wika ng isang talata, pagmumungkahi ng heading ng talahanayan, brainstorming, pagpapaliwanag ng konsepto sa iba't ibang paraan, pagbuo ng istruktura ng isang balangkas. Dito nalulutas ng AI ang problema sa "blangko na pahina"; itama mo, i-verify at pagyamanin.
Katamtamang panganib, mga gawaing ginawa ng AI na nangangailangan ng mahigpit na pag-verify: Rekomendasyon sa pagpili ng pagsusulit sa istatistika, draft ng code, formatting ng pagsipi, interpretasyon ng draft ng isang paghahanap, paghahambing ng mga opsyon sa pamamaraan. Narito ang AI ay nagbibigay ng bilis, ngunit bawat numero, bawat tag, bawat logic na hakbang ay dapat na kumpirmahin nang manu-mano.
Mga gawaing may mataas na peligro kung saan ang desisyon ay ipinaubaya lamang sa mananaliksik: panghuling pagpapasiya ng hypothesis at pamamaraan, pagpapasya kung ano ang ibig sabihin ng data, paghuhusga kung makabuluhan ang isang natuklasan, mga desisyon sa loob ng komite ng etika (IRB), pagpapasya kung ang isang pinagmulan ay talagang umiiral at sinusuportahan ang paghahabol, pahayag ng pagiging may-akda at kontribusyon. Tinutukoy ng mga desisyong ito ang pagiging maaasahan ng talaang siyentipiko; Ang pananagutan at huling say ay laging nasa mananaliksik.
Babala: Ang "sabi ng AI" ay hindi isang katwiran. Hindi tatanggapin ng editor ng journal o thesis jury ang pahayag na "ginawa ito ng aking modelo nang ganito." Ang isang hindi na-verify na output ng AI ay parang isang hindi na-verify na tsismis.
Bakit kailangan ang pagpapatunay? Hallucination at gawa-gawang pagpapalagay
Ang AI ay gumagawa ng teksto hindi sa pamamagitan ng "pag-alam" ngunit sa pamamagitan ng "paghuhula ng posibleng salita". Kaya naman kung minsan ay nagbibigay ito ng napakatalino ngunit talagang hindi tamang impormasyon. Ito ay tinatawag na hallucination (fabrication). Ang pinaka-mapanganib na anyo nito sa akademya ay huwad na pagpapatungkol: Ang AI ay bumubuo ng isang pangalan ng may-akda, taon, journal, o kahit na DOI (digital object identifier — ang permanenteng address ng isang publikasyon) na mukhang totoo, ngunit ang pinagmulang iyon ay hindi kailanman umiral. Kung ang isang mananaliksik ay gumagamit nito nang hindi sinusuri, siya ay gumagawa ng isang paghahabol batay sa isang pag-aaral na hindi umiiral; Ito ay humahantong sa pagtanggi sa thesis, pagbawi ng artikulo at pagkawala ng reputasyon.
Ang pangalawang problema ay pagbaluktot: kapag nagbubuod ng isang papel, maaaring palakihin ng AI ang isang paghahanap, pagbubuod ng isang pag-aaral na nagsasabing "walang makabuluhang pagkakaiba" bilang "may nakitang makabuluhang pagkakaiba." Ang ikatlo ay bias: Inuulit ng AI ang mga uso sa data kung saan ito sinanay; Maaaring i-highlight nito ang isang partikular na paaralan, wika o pananaw at magmukhang baluktot ang panitikan.
Dahil sa mga limitasyong ito, nagmumungkahi kami ng isang simpleng disiplina sa pagpapatunay na ilalapat sa bawat output:
- Ikonekta ito sa pinagmulan. Hanapin at i-verify ang aktwal na pinagmulan (artikulo, database, DOI) para sa bawat katotohanan, petsa, numero, quote at lalo na sa bawat pagsipi.
- Suriin muli. Manu-manong suriin ang numerical o logical na mga output (statistical na resulta, sample na pagkalkula).
- Pang-agham na filter. "Ang pag-aangkin ba na ito ay naaayon sa kilalang literatura sa aking larangan?" pangasiwaan ito gamit ang iyong sariling kadalubhasaan.
- Pananagutan. Sa sandaling ilagay mo ito sa iyong publikasyon o thesis, ang pangungusap na iyon ay sa iyo; Ang anumang pagkakamali ay responsibilidad mo.
Academic na katapatan at transparency
Tinitiyak ng integridad ng akademiko na ang gawa ay tunay na iyong orihinal na kontribusyon at ang lahat ng mga mapagkukunan ay matapat na binanggit. Ang paggamit ng AI ay hindi nag-aalis ng prinsipyong ito, sa halip ay nagdaragdag ng isang bagong responsibilidad: transparency. Karamihan sa mga journal at unibersidad ay nangangailangan na ngayon ng tahasang deklarasyon ng paggamit ng AI. Ang karaniwang linya ng editoryal (halimbawa, ang mga prinsipyo ng mga katawan ng etika ng publikasyon tulad ng ICMJE at COPE) ay malinaw na nagsasabi ng dalawang bagay: Ang AI ay hindi maaaring maging may-akda (dahil hindi ito maaaring kumuha ng responsibilidad, hindi makapagdeklara ng isang salungatan ng interes), at ang paggamit ng AI ay hindi nakatago, ngunit isiniwalat sa seksyon ng pamamaraan o mga pagkilala.
Tip: Bago mag-paste ng text sa anumang tool, magtanong ng dalawang tanong: (1) Paano nag-iimbak ang tool na ito ng data, ginagamit ba ito sa edukasyon? (2) Ano ang sinasabi ng patakaran sa AI ng aking institusyon at target na journal? Huwag magsimula nang hindi alam ang dalawang ito.
tatlong mini case
Kaso 1 — Nakompromiso ang thesis ng ginawang pagpapatungkol. Isang nagtapos na estudyante ang humiling kay YZ ng 12 source para sa kanyang thesis introduction at natanggap ang lahat ng mga ito kasama ng kanilang mga pagsipi. Ang kanyang tagapayo ay random na hinanap ang 4 sa kanila sa Google Scholar; 2 sa kanila ay hindi umiiral, 1 sa kanila ay may DOI na pupunta sa isa pang artikulo. Kailangang i-verify ng mag-aaral ang buong listahan nang isa-isa at gumamit lamang ng 7 tunay na mapagkukunan. Ang pagpapatunay ay tumagal ng 40 minuto; ngunit kung ito ay naihatid gamit ang isang kathang-isip na sanggunian, ang tiwala ng hurado ay lubos na nayanig.
Kaso 2 — Pagtitipid sa oras. Isang postdoctoral researcher ang gumugol ng 6 na oras sa pag-scan at pagbubuod ng 15-20 bagong artikulo bawat linggo. Sinimulan niyang gamitin ang AI bilang kanyang unang summary generator: pagkakaroon ng AI na buod ng abstract at pagpapakilala ng bawat artikulo, pinalalim ito sa sarili niyang kritikal na pagbabasa, at pag-verify ng mga natuklasan mula sa orihinal na teksto. Bumaba ang oras mula 6 na oras bawat linggo hanggang ~2.5 na oras; Inilaan niya ang oras na nakuha niya sa pagsulat ng orihinal na synthesis.
Case 3 — Bumalik mula sa stealth. Ang isang social scientist ay malapit nang mag-paste ng hindi na-publish na data ng field at mga patotoo ng kalahok sa AI para sa pagsusuri. Napagtanto niyang naglalaman ito ng mga kredensyal; Sa halip na ibahagi ang raw data, humiling lang siya ng anonymized, summarized sample at analysis plan. Nakatanggap siya ng isang mahalagang rekomendasyon sa pamamaraan, ngunit walang sensitibong data ang lumabas.
Mga nakopyang template
1) Paghihiwalay ng gawain ayon sa antas ng panganib:
Ang iyong tungkulin: akademikong katulong na tumutulong sa isang mananaliksik. Hatiin ang mga sumusunod na gawain sa pananaliksik sa tatlong listahan: (A) mga gawaing mababa ang panganib kung saan ang AI ay maaaring ligtas na makagawa ng isang manuskrito, (B) mga gawaing may katamtamang panganib kung saan ang AI ay maaaring gumawa ng isang manuskrito at nangangailangan ng mahigpit na pag-verify, (C) mga gawaing may mataas na peligro kung saan ang huling desisyon ay dapat nakasalalay sa mananaliksik. Sumulat ng isang pangungusap na katwiran para sa bawat gawain. Quests: [paste own quests]
2) Prompt ng pagsusuri sa pagpapatunay:
Markahan ang bawat pangungusap sa text sa ibaba na naglalaman ng katotohanan, petsa, numero, quote, o attribution at markahan ito bilang "nangangailangan ng pag-verify." Ipahayag nang malinaw kung saan ka hindi sigurado. HUWAG gumawa ng pinagmulan o numero; Kung hindi mo alam, isulat ang "Hindi ko alam".Text: [i-paste ang draft]
3) Draft deklarasyon ng paggamit ng AI:
Para sa seksyon ng mga pamamaraan/pagkilala ng isang artikulo, sumulat ng 2-3 draft ng pangungusap na "AI usage statement" na malinaw na nagpapaliwanag sa kung anong mga yugto ang ginamit ko ang AI (hal. pagwawasto ng wika, draft ng outline). Paggamit: [ipaliwanag]
4) Listahan ng pag-verify ng pinagmulan:
Bumuo ng checksheet ng pagpapatunay para sa bawat pinagmulan sa sumusunod na listahan ng pagsipi: [may-akda, taon, pamagat, DOI, na-verify?].Hindi mo ma-verify; Bigyan mo ako ng isang bakanteng mesa na manu-manong susuriin ko. Listahan: [i-paste ang mga pagsipi]
Mahinang prompt / Malakas na prompt
Mahinang prompt:
Humanap ako ng mga mapagkukunan para sa pagpapakilala sa aking thesis.
Walang konteksto at mapanganib: Ang AI ay naglalabas ng mga pekeng ID at sa tingin mo ay totoo ang mga ito.
Napakahusay na prompt:
Ang iyong tungkulin: isang consultant ng pamamaraan. Lokasyon: "pagganyak ng mag-aaral sa distance education". HUWAG AKONG HANAPIN NG PINAGMUMULAN; Sa halip, magmungkahi ng 8 keyword, 3 synonym group, at Boolean searchstring para hanapin ang paksang ito sa Scopus. Totoong artikulo byline FAKE. Ive-verify ko ang mga source na makikita ko mismo.
Paghanap
Antas ng panganib
Papel ng AI
pangwakas na desisyon
Pagbuo ng diskarte sa paghahanap
mababa
Nagmumungkahi ng keyword/string
mananaliksik
abstract draft ng artikulo
Mababang-Katamtaman
Bumubuo ng draft
Kinukumpirma ng mananaliksik
Rekomendasyon sa pagsusulit sa istatistika
daluyan
Nagbibigay ng mga pagpipilian
Pinipili/kukumpirma ng mananaliksik
Listahan ng pagsipi
mataas
Format assistant
Ang bawat imprint ay na-verify sa pamamagitan ng kamay
Paghahanap ng interpretasyon/hypothesis
mataas
nagbibigay ng ideya
nag-iisang mananaliksik
Mga karaniwang pagkakamali
- Paggamit ng mga pagsipi nang walang pag-verify. Ang gawa-gawang pagpapatungkol ay ang pinakamadalas at mapangwasak na pagkakamali sa akademya; humahantong sa withdrawal.
- Pinapalitan ang buod para sa pinagmulan. Ang buod ng AI ay maaaring masira ang paghahanap; Walang ibinibigay na pagsipi nang hindi bumabalik sa orihinal na teksto.
- Nilaktawan ang transparency. Ang pagtatago ng paggamit ay isang paglabag sa etika kapag natuklasan.
- Hayaan ang AI na gumawa ng mga siyentipikong desisyon. Ang hypothesis, interpretasyon at mga desisyon sa pamamaraan ay pag-aari ng mananaliksik.
- Pag-upload ng kumpidensyal na data upang buksan ang tool. Ang hindi na-publish na data at impormasyon ng kalahok ay wala sa iyong kontrol.
Tip: Isipin ang bawat session ng AI tulad ng pakikipagtulungan sa isang may karanasan ngunit hindi mapagkakatiwalaang intern: siya ay mabilis at masipag, ngunit bini-verify mo ang lahat ng kanyang sinasabi bago ka pumirma.
Sa buod
Ang AI ay isang makapangyarihang katulong na nagpapagaan sa pasanin ng mananaliksik sa paulit-ulit na pagbabasa at pagsulat; ngunit dahil sa hallucination, distortion at bias, bawat output ay nangangailangan ng verification. Ang pinaka-kritikal na panganib sa akademya ay huwad na pagsipi: ang bawat mapagkukunan ay dapat ma-verify sa pamamagitan ng DOI at database. Paghiwalayin ang mga gawain ayon sa antas ng panganib, protektahan ang data, malinaw na ideklara ang paggamit. Pinakamaikling tuntunin ng hinlalaki: ang blueprint ay mula sa AI, ang siyentipikong responsibilidad ay mula sa mananaliksik.
Gawain ng aplikasyon
Maglista ng 8 gawain mula sa sarili mong kasalukuyang proyekto sa pananaliksik at markahan ang bawat isa bilang mababa/katamtaman/mataas na panganib. Pagkatapos ay pumili ng isang mababang-panganib na gawain at magsulat ng isang prompt na may konteksto, tulad ng "Makapangyarihang prompt" sa itaas. Markahan ang hindi bababa sa 3 elemento (numero, imprint, claim) na kailangan mong i-verify sa output at isulat kung paano mo ito ibe-verify.
checklist
- [ ] Pinaghiwalay ko ba ang mga gawain ayon sa antas ng panganib?
- [ ] Plano ko bang i-verify ang bawat pagsipi at bilangin sa output ng AI?
- [ ] Alam ko ba ang patakaran sa pagpapanatili ng data ng sasakyan na ginagamit ko?
- [ ] Nabasa ko ba ang patakaran ng AI ng aking institusyon at target na journal?
- [ ] Sigurado ba ako na pananatilihin ko ang panghuling pang-agham na paghatol?