End-to-End Research Workflow at Verification Protocol — Artipisyal na Katalinuhan sa Akademikong Pananaliksik at Pagsulat

Mga nadagdag:

Kakayahang magtatag ng isang isinapersonal at paulit-ulit na daloy ng trabaho sa pananaliksik na nagsasama ng artificial intelligence sa lahat ng yugto mula sa ideya hanggang sa publikasyon
Kakayahang i-link ang verification, confidentiality at transparency checkpoints na ilalapat sa bawat yugto sa isang nakasulat na protocol
Ang kakayahang suriin ang mga limitasyon ng paggamit ng artificial intelligence, na ang responsibilidad ay palaging nasa mananaliksik, at ang etikal na batayan sa kabuuan

Sa nakaraang sampung unit, natutunan namin kung paano gamitin ang AI at kung saan titigil sa bawat yugto ng pananaliksik. Iniuugnay ng panghuling unit na ito ang lahat sa isang magkakaugnay na daloy ng trabaho: isang nauulit at etikal na proseso na ligtas na isinasama ang AI mula sa ideya hanggang sa publikasyon. Ang pangunahing ideya ng yunit na ito ay ang AI ay hindi ang driver sa anumang yugto ng pananaliksik; Sa bawat yugto ay may isang katulong, at sa bawat yugto ang parehong tatlong mga pintuan ay ipinapasa-beripikasyon, pagiging kompidensiyal, transparency-ang pinakamataas na responsibilidad ay palaging nasa mananaliksik. Ang mabuting balita ay ang tatlong pintuang ito ay pareho sa lahat ng yugto; sa sandaling itali mo sila sa isang protocol nalalapat ito sa buong proseso.

End-to-end na daloy: hakbang-hakbang

Karaniwang umuusad ang pananaliksik sa pitong yugto, na may iba't ibang tungkuling katulong ang AI sa bawat isa.

1. Ideya at tanong. Pinipilit ng AI ang iyong pagtuon sa mga nakatutok at masusukat na tanong; nag-aalok ng mga alternatibong balangkas. Nasa iyo ang desisyon.

2. Panitikan. Bumubuo ang AI ng diskarte sa paghahanap (keyword, Boolean string); Hahanapin at i-verify mo ang mga mapagkukunan mula sa mga totoong database.

3. Pagbasa at sintesis. Binubuod ng AI ang mga buong teksto, bumubuo ng literature matrix; Kinukumpirma mo ang bawat paghahanap mula sa orihinal na teksto.

4. Disenyo. Nag-aalok ang AI ng hypothesis, variable, disenyo at mga pagpipilian sa sample; Ikaw at ang komite ng etika ang gumagawa ng metodolohikal at etikal na desisyon.

5. Pagsusuri. Gumagawa ang AI ng code draft at output comment; Ginagawa ng software ang matematika, nananatiling pribado ang raw data, bini-verify mo ang bawat numero.

6. Pagbaybay. Ang AI IMRaD outline ay nagbibigay ng flow control at language polish; Ang mga orihinal na ideya, totoong data, at boses mo ay nagmumula sa iyo.

7. Pagpapadala. Gumagawa ang AI ng mga benchmark sa journal, mga cover letter at mga draft ng tugon ng reviewer; Tinitiyak mo ang pagiging tunay ng journal at katumpakan ng siyentipiko.

Ang isang pattern ay nakikita sa daloy na ito: AI palaging bilis at draft, ikaw ay palaging desisyon at pag-verify. Ang simetrya na ito ay ang backbone ng workflow.

Tatlong pinto: pag-verify, privacy, transparency

Sa bawat yugto, ipasa ang output ng AI sa tatlong gate bago ito gamitin.

Verification gate: Ang bawat katotohanan, numero, attribution, at claim sa output na ito ay naka-link sa isang tunay na pinagmulan? Ang anumang bagay na maaaring gawa-gawa (lalo na ang mga sanggunian at istatistika) ay nakapag-iisa na na-verify? Ang anumang hindi na-verify na output ay hindi magpapatuloy.

Privacy gate: Naglalaman ba ang data na ina-upload ko sa tool na ito ng personal na pagkakakilanlan ng impormasyon, hindi na-publish na data, mga pahayag ng kalahok o mga kumpidensyal na ulat ng referee? Kung gayon, na-anonymize ko ba ito o hindi kailanman na-upload? Alam ko ba ang patakaran sa pagpapanatili ng data ng sasakyan?

Transparency gate: Kailangan ko bang ideklara ang paggamit na ito? Sumusunod ba ito sa patakaran ng institusyon at journal? Nag-iingat ba ako ng talaan ng aking ginawa upang maipaliwanag ko ito sa hinaharap?

Tip: Isulat ang tatlong pintong ito sa gilid ng iyong desk. Huwag magpatuloy hanggang sa magsabi ka ng "oo" sa lahat ng tatlo bago gamitin ang bawat output ng AI. Sa paglipas ng panahon, ito ay nagiging reflex at humihinto sa karamihan ng mga error bago ito mangyari.

Pagsusulat ng iyong personal na protocol

Ang pinakamahalagang resulta ay ang sarili mong nakasulat na protocol ng paggamit ng AI: anong mga tool ang ginagamit mo, kung ano ang ginagawa mo at wala ang AI sa bawat yugto, ang iyong mga hakbang sa pag-verify, at ang iyong statement statement. Pinapanatili ka ng protocol na ito na pare-pareho, inihanay ang mga bagong miyembro ng team, at pinatutunayan ang iyong integridad sa isang audit. Panatilihing buhay ang protocol; Mag-update habang nagbabago ang mga tool at patakaran.

Kung nagtatrabaho ka sa isang team, ang protocol na ito ay magiging isang nakabahaging kontrata: lahat ay gumagamit ng parehong mga tool na may parehong mga limitasyon, isang talaan kung sino ang gumagamit ng AI sa anong yugto, at isang karaniwang wika ng deklarasyon. Kaya, habang ang isang manunulat ay tumatanggap ng suporta sa wika, ang isa pa ay hindi hindi sinasadyang gumawa ng data; nagiging institusyonal ang disiplina kaysa indibidwal. Ang transparency na ito ay kritikal din sa relasyon ng tagapayo-mag-aaral: ang pag-alam ng tagapayo kung saan ginagamit ng mag-aaral ang AI ay nagpapanatili ng tiwala at tinitiyak na ang pag-aaral ay tunay na nananatili sa mag-aaral. Binabago ng protocol ang AI mula sa isang "nakatagong katulong" sa isang bukas na pinamamahalaang tool.

tatlong mini case

Case 1 — Na-save ang thesis ng protocol. Sumulat ang isang mag-aaral ng PhD ng isang protocol sa paggamit mula sa simula: "mga attribution lamang mula sa Zotero, AI lamang na wika at balangkas, bawat isyu mula sa software." Nang magtanong ang hurado tungkol sa paggamit ng AI sa kanyang thesis defense, ipinakita niya ang kanyang recording at statement. Lumilikha ng tiwala ang transparency; Naging maayos ang depensa. Kung wala ang protocol, ang parehong mga tanong ay maaaring maging pagdududa.

Case 2 — Error na nahuli ng tatlong gate. Ang isang mananaliksik ay magdaragdag ng isang "suportang pag-aaral" na iminungkahi ng AI sa seksyon ng talakayan. Huminto ang pag-verify sa pintuan: Hindi nalutas ang DOI, gawa-gawa ang pinagmulan. Kinumpirma niya na hindi niya in-upload ang raw data sa privacy gate. Nagdagdag siya ng suporta sa wika para sa transparency gate sa kanyang pahayag. Lahat ng tatlong pinto ay gumana nang paisa-isa; Huminto ang maling attribution bago ito maipalabas.

Case 3 — End-to-end na bilis. Ang isang koponan ay nagsimula ng isang bagong proyekto na may isang protocol; ang bawat miyembro ay nagsanay ng parehong tatlong pintuan. Patuloy silang gumamit ng AI, mula sa literatura hanggang sa pagsusulat, at ang kabuuang oras ay mas maikli, ngunit walang isang gawa-gawang pagpapatungkol o paglabag sa pagiging kumpidensyal. Ang pagkakaiba ay hindi dahil gumamit sila ng AI, ngunit ginamit nila ito nang may karaniwang disiplina.

Mga nakopyang template

1) Personal na AI sa paggamit ng protocol framework:

Gumawa ako ng template na "protocol para sa paggamit ng AI sa pananaliksik." Mga Seksyon: (1) ang mga tool na ginagamit ko, (2) ang pinapayagan at ipinagbabawal na pagkilos ng AI sa bawat yugto ng pananaliksik, (3) ang aking mga hakbang sa pag-verify, (4) mga panuntunan sa privacy, (5) ang aking transparency/declaration statement. Magbigay ng walang laman na mapupunan na frame.

2) Tatlong pinto na kontrol sa bawat yugto:

Sa kasalukuyan [yugto: hal. Nasa yugto ako ng [pagsusuri] at pinag-iisipan kong gamitin ang sumusunod na output ng AI: [buod ng output]. Bumuo sa akin ng mga tanong na pangkontrol para sa tatlong pinto: pagpapatotoo, privacy, transparency. Ano ang dapat kong suriin sa bawat pinto?

3) End-to-end verification log:

Gumawa ng validation log table para sa isang research project: [phase, para saan ang AI ginamit, output, validation method, na-validate ba ito, kailangan ng deklarasyon]. Hayaan itong walang laman at mapupuno.

4) Panghuling inspeksyon bago ilathala:

Gumawa ng panghuling checklist ng AI-ethics bago isumite: na-verify ba ang lahat ng mga pagsipi sa DOI, walang data na gawa-gawa, hindi na-leak ang raw data, naideklara na ang paggamit, natugunan ang patakaran ng institusyon+journal, ang orihinal na minahan ng kontribusyon. Gawin itong bookmarkable.

Mahinang prompt / Malakas na prompt

Mahinang prompt:

Paano ko magagamit ang artificial intelligence sa aking pananaliksik?

Napaka pangkalahatan; Hindi kasama dito ang mga yugto, mga hadlang at mga disiplina sa pagpapatunay.

Napakahusay na prompt:

Ang iyong tungkulin: research integrity consultant. Ang aking proyekto: [maikling paglalarawan].Gumawa ako ng isang end-to-end na talahanayan ng daloy ng trabaho para sa 7 yugto mula sa ideya hanggang sa paglabas, kasama ang pinapahintulutang tungkulin ng AI, ipinagbabawal na trabaho, at mga kontrol sa pag-verify/privacy/transparency sa bawat yugto. Panatilihin sa bawat linya na ang tunay na responsibilidad ay nasa akin.

entablado

Papel ng AI

hindi nababagong pinto

ideya/tanong

I-collapse, alternatibo

Desisyon mo yan

panitikan

Paglikha ng mga estratehiya

i-verify ang pinagmulan

synthesis

buod, matris

Kumpirmahin ang paghahanap

Disenyo

Huwag mag-alok ng mga pagpipilian

Etika + nasa iyo ang desisyon

Pagsusuri

Code, komento

Patunayan ang numero, protektahan ang data

pagbaybay

burador, daloy

Ang pagka-orihinal ay sa iyo

pagpapadala

pamantayan, balangkas

Ang magazine + accuracy ay sa iyo

Mga karaniwang pagkakamali

Nakakarelaks na disiplina ayon sa entablado. Ang tatlong pintuan ay pareho sa bawat yugto; Hindi dapat mawala ang atensyon sa dulo.
Hindi nagsusulat ng protocol. Kung walang nakasulat na mga panuntunan, mawawala ang pagkakapare-pareho at auditability.
Ginagawang driver ang AI. Kailangang may speed assistant; Ang desisyon at pagpapatunay ay palaging sa iyo.
Laktawan ang pagre-record. Hindi mo mapapatunayan ang transparency kung hindi mo idodokumento ang iyong ginagawa.
Hindi pinapansin ang isang pinto. Ang pagpapatunay, privacy, at transparency ay nagtutulungan; Kung nawawala ang isa, maputol ang kadena.

Babala: Ang mga tool ng AI at mga patakaran sa institusyonal/journal ay mabilis na nagbabago. Ang isang aplikasyon na may bisa ngayon ay maaaring hindi sapat bukas. Regular na suriin ang iyong protocol at mga patakaran; Ang disiplina ay pare-pareho, ang mga kasangkapan ay pabagu-bago.

Sa buod

Sa end-to-end na workflow ng pananaliksik, ang AI ay isang pacing at drafting assistant sa bawat yugto, hindi isang driver sa anumang yugto. Mula sa ideya hanggang sa publikasyon, pareho ang pattern: Gumagawa ang AI, nagpapasya ka at nagbe-verify. Ipasa ang bawat output sa tatlong gate—authentication, privacy, transparency—at itali ang mga ito sa isang personal na protocol. Pinagsasama ng disiplinang ito ang bilis ng AI sa akademikong integridad. Ang pinakamaikling panuntunan: assistant AI, driver at ikaw ang namamahala sa bawat yugto.

Gawain ng aplikasyon

Sumulat ng isang pahinang protocol ng paggamit ng AI para sa sarili mong kasalukuyan o nakaplanong pananaliksik: ang mga tool na ginagamit mo, ang 7 hakbang ng AI na pinapayagan/ipinagbabawal na trabaho, ang iyong mga hakbang sa pag-verify, mga panuntunan sa privacy, at ang iyong pahayag sa deklarasyon. Pagkatapos ay pumili ng isang yugto, ilapat ang tatlong-gate na kontrol sa isang aktwal na output, at i-commit ang resulta sa iyong verification log.

checklist

[ ] Nilinaw ko ba ang tungkulin at hangganan ng AI para sa bawat isa sa pitong yugto?
[ ] Ipinapasa ko ba ang bawat output sa mga gate ng verification, confidentiality, at transparency?
[ ] Mayroon ba akong nakasulat na personal na protocol ng paggamit ng AI?
[ ] Itinatala ko ba ang aking paggamit sa isang verification log?
[ ] Pinananatili ko ba sa bawat yugto na ako ay may sukdulang pang-agham na responsibilidad?

Pagsusulit sa Module

1. Idinagdag ng isang mag-aaral ng doktor ang 10 mapagkukunan na ibinigay ng artificial intelligence para sa pagsusuri ng literatura sa kanyang panukalang tesis nang hindi sinusuri ang mga ito; Napagtanto ng kanyang tagapayo na 3 sa mga mapagkukunan ay hindi talaga umiiral. Ano ang pangunahing aral ng sitwasyong ito?

A) Paggamit ng bawat source na iminungkahi ng artificial intelligence nang hindi ito bini-verify sa pamamagitan ng DOI at database; Hindi pinapansin na ang responsibilidad ay nasa mananaliksik ✔
B) Mahigpit na ipinagbabawal ang paggamit ng artificial intelligence sa pagsusuri sa panitikan
C) Ang bilang ng mga mapagkukunan ay dapat na 5 sa halip na 10
D) Ang panukalang thesis ay hindi iniharap sa isang talahanayan

Paliwanag: Ang artificial intelligence ay maaaring makagawa ng matatas ngunit hindi umiiral na mga pagpapatungkol (hallucinatory attribution). Ito ang pinakamapangwasak na panganib sa akademya; Hindi lahat ng source ay maaaring gamitin nang walang verification sa pamamagitan ng DOI, imprint at database, at ang responsibilidad ay nasa researcher.

2. Alin ang pinakatumpak na pagpoposisyon ng artificial intelligence sa pagsusuri sa panitikan?

A) Bilang isang database na nagbibigay ng tumpak at kumpletong listahan ng mga mapagkukunan
B) Bilang tulong sa diskarte sa paghahanap at pagbuo ng keyword, ngunit kung saan ang mga pinagmumulan ay dapat ma-verify sa mga totoong database ✔
C) Bilang checker na pumapalit sa plagiarism detection tool
D) Bilang isang archive na nagbibigay ng buong teksto ng mga artikulong walang royalty

Paliwanag: Ang AI ay hindi isang maaasahang database ng pinagmulan; Ang mga imprint na ibinigay ay maaaring gawa-gawa. Ang tamang tungkulin ay bumuo ng diskarte sa paghahanap (keyword, Boolean string, saklaw); Ang mga pinagmumulan mismo ay dapat mahanap at ma-verify sa mga totoong database (Scholar, Scopus, WoS, PubMed).

3. Ang isang mananaliksik ay may AI na buod ng isang artikulo, at ang buod ay may kasamang pahayag na 'may nakitang makabuluhang pagkakaiba' na wala sa artikulo. Ano ang tamang pag-uugali?

A) Pagtanggap ng abstract bilang ay, dahil nabasa ng AI ang artikulo
B) Pagbanggit sa abstract bilang isang mapagkukunan
C) I-verify ang mga natuklasan at mga pahayag ng konklusyon sa pamamagitan ng pagbabalik sa orihinal na teksto ng artikulo ✔
D) Pagtatanong na gawing mas maikli ang buod

Paliwanag: Kapag nagbubuod, maaaring i-distort ng AI ang paghahanap o magdagdag ng mga konklusyon na wala. Ang bawat pahayag na naglalaman ng mga natuklasan, pamamaraan at numerical na resulta ay dapat ma-verify sa pamamagitan ng pagbabalik sa orihinal na teksto; Ang buod ay isang kaginhawahan at hindi pinapalitan ang pinagmulan.

4. Aling pahayag ang pinakatumpak para sa papel ng artificial intelligence sa disenyo ng pananaliksik?

A) Pinipili ng artificial intelligence ang pamamaraan at pinapalitan ang pag-apruba ng komite ng etika
B) Ang artificial intelligence ay tinatapos ang sample size at ang desisyon ay hindi nananatili sa mananaliksik
C) Ang artificial intelligence ay bumubuo ng mga opsyon at draft; Ang disenyo, etikal at metodolohikal na responsibilidad ay nakasalalay sa mananaliksik ✔
D) Ang artificial intelligence ay hindi maaaring gamitin sa anumang paraan sa disenyo ng pananaliksik

Paglalarawan: Ang artificial intelligence ay isang kasosyo sa pag-iisip na bumubuo ng mga opsyon para sa mga hypotheses, variable at pamamaraan; Gayunpaman, ang pagpili ng disenyo, pag-apruba ng komite sa etika (IRB) at responsibilidad ng pamamaraan ay pagmamay-ari ng mananaliksik. Ang panukalang artificial intelligence ay isang draft, hindi isang siyentipikong desisyon.

5. Ano ang pinakamahalagang prinsipyo sa privacy at authentication kapag ang pagkakaroon ng artificial intelligence ay gumagawa ng mga draft ng code sa pagsusuri ng data?

A) Nilo-load ang raw data kung ano ito at direktang pag-uulat ng resulta na ibinigay ng artificial intelligence
B) Pagsusulat ng p value na ibinigay ng artificial intelligence nang hindi ito sinusuri
C) Ang pag-iwan sa istatistikal na pagsusulit upang mapili ng artificial intelligence at hindi humihingi ng katwiran
D) Draft code at manu-manong i-verify ang bawat digital na output nang hindi nagbabahagi ng raw data na naglalaman ng ID ✔

Paliwanag: Ang raw at pagtukoy ng data ng mga kalahok ay hindi dapat i-upload sa mga tool na magagamit sa publiko; Ang draft ng code ay dapat hilingin at patakbuhin nang lokal, at ang bawat output (pagpili ng pagsubok, resulta ng numero) ay dapat na kumpirmahin nang manu-mano. Ang artificial intelligence ay maaari ding gumawa ng mga pekeng istatistika.

6. Ano ang tamang pagkakasunod-sunod ng mga seksyon sa istruktura ng IMRaD?

A) Paraan, Panimula, Talakayan, Mga Natuklasan
B) Mga Natuklasan, Paraan, Panimula, Pagtalakay
C) Talakayan, Natuklasan, Paraan, Panimula
D) Panimula, Paraan, Mga Natuklasan, Talakayan ✔

Paglalarawan: Ang IMRaD ay ang karaniwang balangkas ng mga empirical na artikulo: Panimula, Mga Paraan, Resulta, at Talakayan. Ang pagtukoy kung aling seksyon ang iyong isinusulat kapag humihiling ng draft mula sa artificial intelligence ay nagpapataas sa kalidad ng output.

7. Ano ang pinakamahusay na diskarte sa mga tuntunin ng pagka-orihinal kapag nagdaragdag ng isang artificial intelligence-generated na teksto sa isang akademikong artikulo?

A) Gamit ang draft kung ano ito, dahil matatas ang wika
B) I-orihinal at i-validate ang draft gamit ang sarili mong pagsusuri, datos at interpretasyon ✔
C) Idikit ang draft sa teksto nang hindi ito binabasa
D) Itinatago ang pinanggalingan ng draft at paglalahad ng buong draft bilang sarili nitong pangungusap

Paglalarawan: Ang output ng AI ay isang draft; Ito ay hindi sariling opinyon, datos o interpretasyon ng mananaliksik. Ang manuskrito ay dapat na orihinal sa pamamagitan ng sariling pagsusuri, kontribusyon at pagpapatunay ng may-akda; Hindi ito dapat gamitin sa kasalukuyan at iharap bilang kontribusyon.

8. Gumagamit ang isang hindi katutubong Ingles na manunulat ng artificial intelligence para sa pagpapakinis ng wika. Aling panganib ang dapat na partikular na i-audit?

A) Ang teksto ay dapat na mas maikli
B) Pagbabago ng kahulugan at maling pagsasalin ng mga termino ng field ✔
C) Pagpapalit ng font
D) Pagdaragdag ng bilang ng mga talata

Paliwanag: Kapag nagwawasto ng wika, maaaring ilipat ng AI ang kahulugan, na palitan ang teknikal na terminong partikular sa domain ng maling katumbas. Dapat pangalagaan ng may-akda ang orihinal na kahulugan at terminolohiya ng bawat pangungusap; Hindi dapat pahintulutang masira ang nilalaman para sa katatasan.

9. Ano ang pinaka-mapanganib na pag-uugali at tamang pag-iingat ng artificial intelligence sa paggawa ng attribution?

A) Paggawa ng mga sanggunian na mukhang totoo ngunit hindi umiiral; ✔ i-verify ang bawat pagsipi sa pamamagitan ng DOI at database
B) Alpabetikong pagkakasunud-sunod ng mga pagsipi; manual na sirain ang order
C) Masyadong maraming mga mungkahi sa pagsipi; bawasan ang bilang
D) Kakayahang baguhin ang istilo ng pagsipi; i-lock sa isang istilo

Paglalarawan: Maaaring gumawa ang AI ng mga byline (kabilang ang may-akda, taon, DOI) na mukhang totoo ngunit hindi umiiral. Ang bawat pagsipi ay dapat na independiyenteng ma-verify sa pamamagitan ng pagsusuri ng DOI o paghahanap sa database; Ang pinakaligtas na paraan ay ang pamahalaan ang mga pagsipi mula sa aktwal na talaan gamit ang mga tool tulad ng Zotero/Mendeley.

10. Ano ang isa sa mga tipikal na palatandaan ng pagkilala sa isang mandaragit na magasin?

A) Pangako ng mabilis na paglalathala, agresibong email na imbitasyon at hindi makatotohanang claim sa epekto ✔
B) Transparent na proseso ng referee at pagsasama sa mga kinikilalang direktoryo
C) Pagdodokumento sa patakaran sa bukas na pag-access
D) Ang editorial board ay totoo at mabe-verify

Paliwanag: Ang mga predatory journal ay naniningil ng mga bayarin na may pangako ng mabilis na paglalathala at hindi gumagawa ng totoong peer review; Ang agresibong imbitasyon sa email, hindi totoong epekto, hindi malinaw na imprint at malawak na saklaw sa labas ng domain ay karaniwang mga palatandaan. Ang mga journal na inirerekomenda ng artificial intelligence ay dapat ma-verify sa DOAJ at mga independiyenteng mapagkukunan.

11. Ayon sa patakaran ng AI ng karamihan sa mga akademikong journal at institusyon, ano ang angkop para sa paggamit ng AI sa isang artikulo?

A) Kung malaki ang kontribusyon ng artificial intelligence, dapat itong idagdag bilang co-author
B) Ang artificial intelligence ay hindi maaaring maging isang manunulat; ang paggamit nito ay dapat na ipahayag nang malinaw at ang pananagutan ay dapat manatili sa may-akda ng tao ✔
C) Ang paggamit ay hindi idineklara sa anumang pagkakataon at pinananatiling kumpidensyal
D) Ang paggamit ng artificial intelligence ay plagiarism sa lahat ng kaso at ang artikulo ay tatanggihan.

Pagbubunyag: Ang karaniwang prinsipyo ng editoryal (hal. ang linya ng ICMJE at COPE) ay nagsasabi na ang AI ay hindi maaaring maging may-akda, ngunit ang paggamit nito ay dapat na malinaw na isiwalat sa paraan o seksyon ng mga pagkilala/pagkilala. Ang responsibilidad ay nasa mga taong may-akda at ang paggamit ay hindi lingid.

12. Ano ang self-plagiarism?

A) Paggamit ng teksto ng ibang may-akda nang walang pahintulot
B) Paggamit ng tekstong ginawa ng artificial intelligence
C) Muling ipinakita ng may-akda ang sarili niyang nakaraang publikasyon nang walang naaangkop na pagpapatungkol ✔
D) Pagsusulat ng isang artikulo na may higit sa isang may-akda

Paliwanag: Ang self-plagiarism ay ang muling pagtatanghal ng may-akda ng kanyang sariling naunang nai-publish na akda sa isang bagong akda nang walang wastong pagpapalagay. Kahit na muling isulat ng artificial intelligence ang lumang text, kung ang parehong ideya/data ay paulit-ulit nang walang attribution, ito ay isang paglabag sa etika; Ang obligasyong banggitin ang mga mapagkukunan ay hindi inaalis.

13. Ano ang pinakamahusay na limitasyon para sa isang may-akda na gumagamit ng artificial intelligence kapag naghahanda ng mga tugon sa mga komento ng referee?

A) Ginagarantiyahan ng artificial intelligence ang siyentipikong katumpakan ng sagot, maaaring hindi ito suriin ng may-akda
B) Ligtas na i-upload ang ulat ng referee dahil ito ay sa isang pampublikong kasangkapan.
C) Ito ang pinakamabisang paraan upang iwanan ang sagot nang buo sa artificial intelligence.
D) Ang AI ay maaaring makabuo ng mga draft/tono; Ang responsibilidad para sa katumpakan ng siyentipiko at pagiging kompidensiyal ay nasa may-akda ✔

Paglalarawan: Maaaring buuin ng AI ang tono at balangkas ng sulat ng tugon; Gayunpaman, ang responsibilidad para sa katumpakan ng mga pang-agham na claim, karagdagang pagsusuri at mga pangako ay nakasalalay sa may-akda. Bukod pa rito, ang ulat ng referee ay isang kumpidensyal na dokumento; Hindi dapat ibahagi ang content nang walang anonymization dahil sa panganib ng paglabag sa privacy.

14. Ano ang karaniwang hindi nagbabagong prinsipyo ng paggamit ng artificial intelligence sa end-to-end na workflow ng pananaliksik?

A) Pagpapatunay, pagiging kumpidensyal at transparency sa bawat yugto; ✔ Ang huling responsibilidad ay nananatili sa mananaliksik
B) Ang pagpapatunay ay dapat gawin lamang sa huling yugto upang makatipid ng oras
C) Mas kaunting pag-verify ng output ng AI habang umuusad ang yugto
D) Kinakailangan lamang ang transparency para sa mga tinanggihang artikulo

Paglalarawan: Mula sa panitikan hanggang sa publikasyon, ang AI ay nagbibigay ng pagbalangkas at bilis sa bawat yugto; Gayunpaman, dapat ma-validate ang bawat output, dapat protektahan ang pagiging kompidensiyal ng data, dapat na malinaw na ideklara ang paggamit, at dapat palaging manatili sa researcher ang panghuling pang-agham na responsibilidad. Ang prinsipyong ito ay pare-pareho sa lahat ng yugto.