Прибуток:
- Можливість планувати обсяг сканування з підтримкою штучного інтелекту шляхом генерації ключових слів, синонімів і логічних пошукових рядків із запитання дослідження
- Позиціонування штучного інтелекту як інструменту генерації стратегії, а не інструменту пошуку джерел, і можливість перевірки кожного джерела, знайденого в реальних базах даних (Google Scholar, Scopus, Web of Science, PubMed).
- Здатність розуміти ризик штучного інтелекту, який надає сфабриковані джерела та фальшиву статистику, і набути рефлексу перевіряти кожне цитування при визначенні прогалини в літературі.
Кожне дослідження починається з огляду літератури: ви не можете зробити оригінальний внесок, не побачивши, що було зроблено раніше за вашою темою, на які питання було отримано відповіді та де є прогалини. Але література величезна; Щорічно публікуються мільйони статей. Саме тут ШІ є чудовим прискорювачем, але з дуже чіткою лінією розмежування. Найважливіше речення цього розділу таке: ШІ використовується в огляді літератури як пошуковий стратег, а не як вихідна база даних. Тому що штучний інтелект не знаходить справжні статті; Він створює можливий вигляд авторів статей, деякі з яких сфабриковані.
У цьому розділі ми навчимося складати план систематичного пошуку з вашого досліджуваного питання, використовувати штучний інтелект для збагачення цього плану та перевіряти кожне джерело, яке ви знайдете, у реальних базах даних.
Скелет огляду літератури
Гарне сканування має три етапи. Спочатку ви розбиваєте концепції: ви розбиваєте своє дослідницьке питання на основні компоненти. Наприклад, у питанні «Вплив зворотного зв’язку на мотивацію студентів у дистанційній освіті» є три поняття: дистанційна освіта, зворотній зв’язок, мотивація. Потім ви створюєте пул термінів для кожного поняття: синоніми, польовий жаргон, англійські еквіваленти (дистанційна освіта → дистанційна освіта, онлайн-навчання, електронне навчання, дистанційне навчання). Нарешті, ви поєднуєте ці терміни з логічними операторами.
Логічні оператори — це логічні сполучення, які вказують пошуковим системам, як поєднувати терміни. Існує три основних оператори: AND (призводить до появи обох термінів — звужує область), АБО (будь-який із термінів — розширює область, збирає синоніми) і NOT (виключає термін). Також лапки «...» шукайте повні фрази, зірочка * — кореневе скорочення (мотив* → спонукання, мотиваційний). Рядок пошуку зазвичай виглядає так:
(«дистанційна освіта» АБО «онлайн-навчання» АБО електронне навчання) І (зворотний зв’язок АБО «формуюче оцінювання») І (мотивація АБО залучення АБО «самоефективність»)
ШІ чудово генерує ці рядки, доповнює синоніми та адаптує їх до синтаксису різних баз даних (Scopus, PubMed, Web of Science вимагають різних варіантів написання). Але AI не там, де ви запускаєте рядок; реальні бази даних: Google Scholar (велика, безкоштовна), Scopus і Web of Science (куратор, індексація цитат), PubMed (медицина/науки про життя), польові бази даних (ERIC Education, PsycINFO психологія, IEEE Xplore Engineering).
Увага: якщо ви попросите інструмент чату штучного інтелекту «перерахувати 20 статей на цю тему», він поверне заголовки, які виглядають справжніми, але деякі з них вигадані. Це не скринінг, а небезпека. Використовуйте AI для генерації рядка, знайдіть статтю в базі даних.
Сфера застосування, включення та аналіз прогалин
Знає хороші межі сканування. Критерії включення/виключення визначають рамки вашого пошуку: який діапазон років, які мови, які типи досліджень (експериментальне, оглядове), який контекст. ШІ може запропонувати ці критерії в чернетці, і ви можете уточнювати їх відповідно до своєї галузі. Якщо ви виконуєте систематичну перевірку, ви можете нагадати ШІ про потік PRISMA (стандарт звітності для систематичних перевірок) і створити шаблон журналу сканування.
Прогалина в літературі – це питання або контекст, які ще не були належним чином досліджені; Ваш оригінальний внесок часто заповнює прогалину. ШІ допоможе вам визначити можливі прогалини на основі прочитаних вами підсумків, але сприймайте це як твердження, яке потрібно перевірити, а не як гіпотезу. AI може сказати, що «X не вивчався в цій області»; Однак, можливо, це було вивчено, просто ШІ не знає. Ви лише підтверджуєте розрив фактичним скануванням.
Метод сніжної кулі та сіра література
Пошуку за ключовими словами недостатньо; Гарне сканування поглиблюється зі сніжним комом. Повертаючись у зворотному напрямку, ключ, який ви знайдете, — це сканувати бібліографію статті та знайти ті, що перед нею; У майбутньому ми відстежуємо, хто цитував цю статтю (посилання «Цитовано» в Google Scholar), і переходимо до наступних досліджень. Цей метод дозволяє знайти дослідження, які є центральними для галузі, але які ви не можете охопити своїми ключовими словами. Коли ви надаєте бібліографію статті, AI може допомогти вам визначити пріоритетність посилань, які ближче відповідають вашому питанню; Але знову ж таки, вам належить знайти та прочитати статтю.
Крім того, академічні бази даних не охоплюють усе. «Сіра» література — дисертації, інституційні звіти, матеріали конференцій, препринти — є критичною в деяких галузях і компенсує упередженість публікацій (тенденцію публікувати лише позитивні результати). AI може підказати, які джерела сірої літератури (дисертації ProQuest, інституційні репозиторії, сервери препринтів, такі як arXiv/SSRN) вам слід шукати; У систематичних оглядах часто важливо не обмежувати обсяг лише журнальними статтями.
три міні-чохла
Випадок 1 — розширення рядка. Коли дослідниця освіти шукала «перевернуту класну кімнату» в Scopus, вона отримала 300 результатів, але відчувала, що їй бракує синонімів. Він змусив штучний інтелект виробити пул термінів; Він додав такі еквіваленти, як «перевернутий клас» і «перевернуте навчання». З новим рядком результат збільшився з 300 до 470; Під час початкового пошуку було пропущено 40 відповідних статей. AI не знайшов статті, але побудував рядок, який зробив їх доступними для пошуку.
Кейс 2 — Повернення зі складеного списку. Один аспірант попросив ШІ надати «15 найкращих джерел» для сканування та вставив список у свою дисертацію. Під контролем консультанта 4 цитати не вдалося знайти в Web of Science, а 2 DOI були неправильними. Студент почав спочатку: цього разу він взяв рядок із ШІ, знайшов 60 реальних результатів у Scopus, переглянув заголовок-реферат і вибрав 18. Усі ці 18 були реальними.
Випадок 3 — Уточнення обсягу. Дослідник охорони здоров’я зрозумів, що його пошук настільки широкий, що він був приголомшений 2000 результатами. Розроблено проект критеріїв включення/виключення штучного інтелекту: останні 10 років, англійська мова, вибірка для дорослих, рандомізовані контрольовані дослідження. Він додав фільтр «лише лікарняне середовище» зі своєю власною інформацією. Результат впав з 2000 до 180; Був сформований сканований кластер.
Шаблони, які можна копіювати
1) Поділ понять і термінологічний пул:
Ваша роль: інформаційний спеціаліст (науковий бібліотекар). Моє дослідницьке запитання: "[напишіть запитання]". Розбийте це питання на основні поняття. Створіть набір термінів із англійських синонімів, польового жаргону та альтернативних варіантів написання для кожного поняття. Подайте це в таблиці. Стаття ФЕЙК.
2) Генерація логічного рядка пошуку:
Створіть логічний пошуковий рядок для Scopus, використовуючи наступний пул термінів: АБО терміни всередині понять, І між поняттями, фрази в цитатах, використовуйте *, де необхідно. Адаптуйте той самий рядок до синтаксису Web of Science і PubMed. Пул: [вставити]
3) Проект критеріїв включення/виключення:
Я роблю огляд літератури на тему "[тема]". Запропонуйте мені проект критеріїв включення/виключення: під заголовками діапазону років, мови, типу дослідження, вибірки, контексту. Це пропозиції; Я зміню їх відповідно до своєї сфери. Коротко напишіть причини.
4) Запит кандидатів на вакансію (підлягає перевірці):
Нижче наведено підсумки 10 статей, які я відсканувала. Визначте їх спільні теми та запропонуйте КАНДИДАТІВ щодо прогалин щодо того, ЯКІ ПИТАННЯ МЕНШЕ РОЗГЛЯДАЮТЬСЯ. Представте це як гіпотези, які я перевірю, а не як абсолютну істину. Резюме: [вставити]
Слабка підказка / Сильна підказка
Слабка підказка:
Дайте мені список ресурсів зі штучного інтелекту та освіти.
AI створює підроблені ідентифікатори; Тема теж занадто широка.
Потужна підказка:
Ваша роль: інформаційний спеціаліст. Тема: «Вплив гейміфікації на тривожність до математики в початковій школі». НЕ ДАВАЙТЕ МЕНІ СПИСОК ДЖЕРЕЛ. Замість цього: (1) проаналізуйте 3 концепції, (2) створіть сховище англійських синонімів для кожної концепції, (3) логічний рядок для Scopus, (4) спроектуйте відповідні критерії включення/виключення. Назва статті фейкова.
призначення
використовувати ШІ
місце перевірки
Термінове розширення пулу
Так, сильний
Огляд зі знанням домену
Булева конструкція рядка
Так, сильний
Тест в базі даних
Опис обсягу/критеріїв
так
Різкість по площі
Знайдіть статтю
немає
Scholar/Scopus/WoS/PubMed
Здійснення оформлення
частково
Справжнє сканування є обов'язковим
Поширені помилки
- Помилково сприймаючи ШІ за базу даних. Запит цитування статті призводить до помилкових цитат; Це найпоширеніша і небезпечна помилка.
- Пропуск синонімів. Пошук по одному терміну пропускає велику частину літератури.
- Залишаючи обсяг неясним. Без фільтрів року, мови та жанру ви будете переповнені тисячами результатів.
- Затвердження порожнечі без її перевірки. Сказати, що «ніхто не навчався», без фактичного відбору ризиковано.
- Покладаючись на єдину базу даних. Різні індекси охоплюють по-різному; використовувати кілька разом.
Порада. Щоб зробити пошук відтворюваним, запишіть використаний рядок, базу даних, дату та кількість результатів у таблицю. Цей журнал обов'язковий при систематичному огляді; Це хороша звичка в кожному дослідженні.
Підсумовуючи
Огляд літератури є систематичним завданням: дистиляція понять, пул термінів, логічний рядок, критерій покриття. ШІ є потужним помічником у цих стратегічних кроках; виробляє синоніми, будує рядки, окреслює критерії. Але ви знаходите статті в реальних базах даних, а не в штучному інтелекті, і перевіряєте кожен рядок автора. Коротке емпіричне правило: стратегія від ШІ, джерело від бази даних, перевірка від вас.
Аплікаційне завдання
Отримайте власне дослідницьке запитання. Проаналізуйте концепції за допомогою ШІ та створіть пул термінів і логічний рядок. Виконайте цей рядок зі справжньою базою даних (Scholar або індексом, до якого у вас є доступ). Зверніть увагу на 10 найкращих результатів і порівняйте їх із авторськими рядками (якщо такі є), які раніше запропонував AI на пряме запитання; Позначте, скільки насправді існує.
контрольний список
- [ ] Чи я розділив своє дослідницьке запитання на поняття?
- [ ] Чи створив я пул синонімів/англійських термінів для кожного поняття?
- [ ] Чи перевіряв я логічний рядок на реальній базі даних?
- [ ] Чи я уточнив свої критерії включення/виключення?
- [ ] Чи переконався я, що кожен знайдений мною ресурс дійсно існує?