فائدہ:
- تحقیقی سوال سے مطلوبہ الفاظ، مترادفات اور بولین سرچ سٹرنگ تیار کرکے مصنوعی ذہانت کے ساتھ اسکیننگ اسکوپ کی منصوبہ بندی کرنے کی صلاحیت
- مصنوعی ذہانت کو حکمت عملی بنانے کے آلے کے طور پر پوزیشن دینا، نہ کہ ذریعہ تلاش کرنے کے آلے کے طور پر، اور حقیقی ڈیٹا بیس (گوگل اسکالر، اسکوپس، ویب آف سائنس، پب میڈ) میں پائے جانے والے ہر ذریعہ کی تصدیق کرنے کے قابل ہونا۔
- من گھڑت ذرائع اور جعلی اعدادوشمار فراہم کرنے والی مصنوعی ذہانت کے خطرے کو سمجھنے کی صلاحیت اور ادب میں خلا کا تعین کرتے وقت ہر حوالہ کی تصدیق کرنے کے لیے اضطراری صلاحیت حاصل کرنا۔
ہر تحقیق کا آغاز ادب کے جائزے سے ہوتا ہے: آپ یہ دیکھے بغیر کہ آپ کے موضوع پر پہلے کیا کیا جا چکا ہے، کن سوالات کے جوابات دیئے گئے ہیں، اور کہاں خالی جگہیں ہیں، آپ اصل شراکت نہیں کر سکتے۔ لیکن ادب بہت بڑا ہے۔ سالانہ لاکھوں مضامین شائع ہوتے ہیں۔ یہ وہ جگہ ہے جہاں AI ایک زبردست ایکسلریٹر ہے — لیکن حد بندی کی ایک بہت ہی الگ لائن کے ساتھ۔ اس یونٹ کا سب سے اہم جملہ یہ ہے: AI کو لٹریچر ریویو میں بطور سرچ اسٹریٹجسٹ استعمال کیا جاتا ہے، ماخذ ڈیٹا بیس کے طور پر نہیں۔ کیونکہ AI آپ کو حقیقی مضامین نہیں ڈھونڈتا ہے۔ یہ ممکنہ نظر آنے والے آرٹیکل بائی لائنز تیار کرتا ہے، جن میں سے کچھ من گھڑت ہیں۔
اس یونٹ میں، ہم سیکھیں گے کہ آپ کے تحقیقی سوال سے ایک منظم تلاش کا منصوبہ کیسے اخذ کیا جائے، اس منصوبے کو تقویت دینے کے لیے AI کا استعمال کریں، اور حقیقی ڈیٹا بیس کے مقابلے میں آپ کو ملنے والے ہر ذریعہ کی توثیق کریں۔
ادب کے جائزے کا ڈھانچہ
اچھے اسکین کے تین مراحل ہوتے ہیں۔ پہلے آپ تصورات کو توڑتے ہیں: آپ اپنے تحقیقی سوال کو اس کے اہم اجزاء میں تقسیم کرتے ہیں۔ مثال کے طور پر، سوال "فاصلاتی تعلیم میں طلباء کی حوصلہ افزائی پر تاثرات کا اثر" میں تین تصورات ہیں: فاصلاتی تعلیم، تاثرات، محرک۔ پھر آپ ہر ایک تصور کے لیے ایک اصطلاحی پول بناتے ہیں: مترادفات، فیلڈ جرگون، انگریزی کے مساوی (فاصلاتی تعلیم → فاصلاتی تعلیم، آن لائن سیکھنے، ای لرننگ، فاصلاتی تعلیم)۔ آخر میں، آپ ان شرائط کو بولین آپریٹرز کے ساتھ جوڑ دیتے ہیں۔
بولین آپریٹرز منطقی کنکشن ہیں جو سرچ انجنوں کو بتاتے ہیں کہ اصطلاحات کو کیسے ملایا جائے۔ تین بنیادی آپریٹرز ہیں: AND (دونوں اصطلاحات کی موجودگی کے نتیجے میں - دائرہ کار کو کم کرتا ہے)، یا (کوئی بھی اصطلاح - دائرہ کار کو بڑھاتی ہے، مترادفات جمع کرتی ہے)، اور نہیں (ایک اصطلاح کو چھوڑ کر)۔ اس کے علاوہ "..." کے حوالے سے مکمل فقرے تلاش کریں، ستارہ * جڑ کا سکڑاؤ ہے (متحرک* → محرک، محرک)۔ تلاش کا تار عام طور پر اس طرح لگتا ہے:
("فاصلاتی تعلیم" یا "آن لائن لرننگ" یا ای لرننگ) اور (فیڈ بیک یا "ابتدائی تشخیص") اور (تحریک یا مشغولیت یا "خود افادیت")
AI ان تاروں کو تیار کرنے، مترادفات کو مکمل کرنے، اور مختلف ڈیٹا بیس (Scopus، PubMed، Web of Science کے لیے مختلف املا کی ضرورت ہوتی ہے) کے نحو کے مطابق ڈھالنے میں بہترین ہے۔ لیکن AI وہ جگہ نہیں ہے جہاں آپ سٹرنگ چلاتے ہیں۔ اصلی ڈیٹا بیس: گوگل اسکالر (بڑا، مفت)، اسکوپس اور ویب آف سائنس (کیوریٹڈ، اقتباس-انڈیکسڈ)، پب میڈ (میڈیکل/لائف سائنسز)، فیلڈ ڈیٹا بیس (ERIC ایجوکیشن، PsycINFO نفسیات، IEEE Xplore انجینئرنگ)۔
دھیان دیں: اگر آپ کسی AI چیٹ ٹول سے پوچھتے ہیں کہ "اس موضوع پر 20 مضامین کی فہرست بنائیں"، تو یہ ایسے عنوانات لوٹائے گا جو حقیقی نظر آتے ہیں، لیکن ان میں سے کچھ بنائے گئے ہیں۔ یہ اسکریننگ نہیں بلکہ خطرہ ہے۔ سٹرنگ بنانے کے لیے AI کا استعمال کریں، ڈیٹا بیس میں مضمون تلاش کریں۔
دائرہ کار، شمولیت اور فرق کا تجزیہ
اسکیننگ کی اچھی حدود کو جانتا ہے۔ شمولیت/خارج کا معیار آپ کی تلاش کے دائرہ کار کا تعین کرتا ہے: کون سی سال کی حد، کون سی زبانیں، کون سی قسم کے مطالعہ (تجرباتی، جائزہ)، کون سا سیاق و سباق۔ AI ان معیارات کو مسودہ کی شکل میں تجویز کر سکتا ہے، اور آپ انہیں اپنی فیلڈ کے مطابق تیز کر سکتے ہیں۔ اگر آپ ایک منظم جائزہ لے رہے ہیں، تو آپ PRISMA (نظماتی جائزوں کے لیے رپورٹنگ اسٹینڈرڈ) کو AI میں بہاؤ کی یاد دہانی کرا سکتے ہیں اور اس سے کرال لاگ ٹیمپلیٹ تیار کر سکتے ہیں۔
ادبی خلا ایک سوال یا سیاق و سباق ہے جس کی ابھی تک مناسب طور پر تلاش نہیں کی گئی ہے۔ آپ کی اصل شراکت اکثر ایک خلا کو پر کرتی ہے۔ AI آپ کی پڑھی ہوئی خلاصوں کی بنیاد پر ممکنہ خالی جگہوں کو نام دینے میں مدد کرتا ہے — لیکن اسے تصدیق کے لیے ایک دعویٰ کے طور پر لیں، نہ کہ ایک مفروضے کے طور پر۔ AI کہہ سکتا ہے "X کا اس علاقے میں مطالعہ نہیں کیا گیا ہے"؛ تاہم، اس کا مطالعہ کیا گیا ہو گا، یہ صرف اتنا ہے کہ اے آئی کو نہیں معلوم۔ آپ صرف اپنے اصل اسکین کے ساتھ فرق کی تصدیق کرتے ہیں۔
سنو بال کا طریقہ اور سرمئی ادب
صرف مطلوبہ الفاظ کی تلاش کافی نہیں ہے۔ ایک اچھا اسکین سنوبالنگ کے ساتھ گہرا ہوتا ہے۔ پیچھے کی طرف برف باری کرتے ہوئے، آپ کو جو کلید ملتی ہے وہ ہے کسی مضمون کی کتابیات کو اسکین کرنا اور اس سے پہلے والے کو تلاش کرنا۔ سنو بالنگ فارورڈ ٹریک کر رہا ہے کہ کس نے اس مضمون کا حوالہ دیا (گوگل اسکالر میں "حوالہ دیا گیا" لنک) اور اس کے بعد کے مطالعے تک پہنچ رہا ہے۔ یہ طریقہ آپ کو ایسے مطالعات کو تلاش کرنے کی اجازت دیتا ہے جو فیلڈ میں مرکزی ہیں لیکن آپ اپنے مطلوبہ الفاظ سے حاصل نہیں کر سکتے۔ جب آپ کسی مضمون کی کتابیات فراہم کرتے ہیں، تو AI آپ کو یہ ترجیح دینے میں مدد کر سکتا ہے کہ کون سے حوالہ جات آپ کے سوال کے قریب ہیں؛ لیکن پھر، یہ آپ پر منحصر ہے کہ آپ مضمون کو تلاش کریں اور پڑھیں۔
مزید برآں، تعلیمی ڈیٹا بیس ہر چیز کا احاطہ نہیں کرتے۔ گرے لٹریچر — مقالہ جات، ادارہ جاتی رپورٹس، کانفرنس کی کارروائی، پری پرنٹس — کچھ شعبوں میں اہم ہے اور اشاعت کے تعصب کو ختم کرتا ہے (صرف مثبت نتائج شائع کرنے کا رجحان)۔ AI تجویز کر سکتا ہے کہ سرمئی ادب کے کون سے ذرائع (ProQuest مقالہ، ادارہ جاتی ذخیرہ، پری پرنٹ سرورز جیسے arXiv/SSRN) آپ کو تلاش کرنا چاہیے۔ منظم جائزوں میں یہ اکثر ضروری ہوتا ہے کہ اپنے دائرہ کار کو صرف جرنل کے مضامین تک محدود نہ رکھیں۔
تین چھوٹے مقدمات
کیس 1 - سٹرنگ کی توسیع۔ جب ایک تعلیمی محقق نے اسکوپس پر "فلپڈ کلاس روم" کی تلاش کی، تو اسے 300 نتائج ملے، لیکن اسے لگا کہ اس کے مترادفات غائب ہیں۔ اس کے پاس AI نے ایک اصطلاحی پول تیار کیا تھا۔ اس نے "الٹی کلاس روم" اور "فلپڈ لرننگ" جیسی مساوی چیزیں شامل کیں۔ نئی سٹرنگ کے ساتھ نتیجہ 300 سے بڑھ کر 470 ہو گیا۔ ابتدائی تلاش میں 40 متعلقہ مضامین چھوٹ گئے۔ AI کو مضامین نہیں ملے، لیکن اس نے سٹرنگ بنائی جس نے انہیں قابل تلاش بنا دیا۔
کیس 2 - میک اپ لسٹ سے واپسی ایک گریجویٹ طالب علم نے AI سے براہ راست اسکیننگ کے لیے "سب سے اوپر 15 ذرائع" کے لیے پوچھا اور فہرست کو اپنے تھیسس میں چسپاں کر دیا۔ کنسلٹنٹ کے کنٹرول میں، 4 حوالہ جات ویب آف سائنس میں نہیں مل سکے، اور 2 DOI غلط تھے۔ طالب علم نے دوبارہ شروع کیا: اس بار اس نے AI سے لائن لی، اسکوپس میں 60 حقیقی نتائج ملے، عنوان خلاصہ کے ذریعے چھان لیا اور 18 کو منتخب کیا۔ یہ 18 سب حقیقی تھے۔
کیس 3 - دائرہ کار کی وضاحت۔ ایک صحت کے محقق نے محسوس کیا کہ اس کی تلاش اتنی وسیع تھی کہ وہ 2,000 نتائج سے مغلوب ہوگیا۔ AI شمولیت/خارج کے معیار کا مسودہ تیار کیا گیا تھا: پچھلے 10 سال، انگریزی، بالغ نمونہ، بے ترتیب کنٹرول ٹرائلز۔ اس نے اپنی معلومات کے ساتھ "صرف ہسپتال کا ماحول" فلٹر شامل کیا۔ نتیجہ 2,000 سے گر کر 180 رہ گیا۔ ایک اسکین ایبل کلسٹر تشکیل دیا گیا تھا۔
کاپی کرنے کے قابل ٹیمپلیٹس
1) تصور علیحدگی اور اصطلاحی پول:
آپ کا کردار: ایک معلوماتی ماہر (ریسرچ لائبریرین)۔ میرا تحقیقی سوال ہے:"[سوال لکھیں]"۔ اس سوال کو اس کے بنیادی تصورات میں توڑ دیں۔ ہر تصور کے لیے انگریزی مترادفات، فیلڈ جرگون، اور متبادل املا کا ایک اصطلاحی پول بنائیں۔ اسے ایک میز میں دیں۔ مضمون جعلی ہے۔
2) بولین سرچ سٹرنگ جنریشن:
مندرجہ ذیل اصطلاحی پول کا استعمال کرتے ہوئے اسکوپس کے لیے ایک بولین سرچ سٹرنگ بنائیں: یا اصطلاحات کے اندر، اور تصورات کے درمیان، اقتباس کے فقرے، جہاں مناسب ہو * استعمال کریں۔ اسی سٹرنگ کو ویب آف سائنس اور پب میڈ نحو میں ڈھال لیں۔ پول: [پیسٹ]
3) ڈرافٹ شمولیت/خارج کا معیار:
میں "[موضوع]" پر ادب کا جائزہ لے رہا ہوں۔ مجھے شمولیت/خارج کے معیار کا ایک مسودہ تجویز کریں: سال کی حد، زبان، مطالعہ کی قسم، نمونہ، سیاق و سباق کے عنوانات کے تحت۔ یہ تجاویز ہیں؛ میں انہیں اپنی فیلڈ کے مطابق تبدیل کروں گا۔ وجوہات مختصراً لکھیں۔
4) آسامی امیدواروں سے پوچھ گچھ (تصدیق کی جائے):
ذیل میں 10 مضامین کے خلاصے ہیں جو میں نے اسکین کیے ہیں۔ ان کے مشترکہ تھیمز تیار کریں اور خالی امیدواروں کو تجویز کریں کہ کون سے سوالات کم حل کیے گئے ہیں۔ ان کو مفروضوں کے طور پر پیش کریں جن کی میں تصدیق کروں گا، قطعی سچائی نہیں۔ خلاصہ: [پیسٹ کریں]
کمزور فوری / مضبوط اشارہ
کمزور اشارہ:
مجھے مصنوعی ذہانت اور تعلیم سے متعلق وسائل کی فہرست دیں۔
AI جعلی IDs بناتا ہے۔ موضوع بھی بہت وسیع ہے۔
طاقتور اشارہ:
آپ کا کردار: ماہر معلومات۔ موضوع: "پرائمری اسکول میں ریاضی کی بے چینی پر گیمیفیکیشن کا اثر"۔ مجھے ذرائع کی فہرست نہ دیں۔ اس کے بجائے: (1) 3 تصورات کو پارس کریں، (2) ہر تصور کے لیے انگریزی مترادفات کا ذخیرہ تیار کریں، (3) Scopus کے لیے بولین سٹرنگ، (4) قابل اطلاق شمولیت/خارج کے معیار کا مسودہ۔ مضمون کا عنوان جعلی ہے۔
مقصد
AI کا استعمال کریں۔
تصدیق کا مقام
ٹرم پول کی توسیع
ہاں، مضبوط
ڈومین کے علم کے ساتھ جائزہ لیں۔
بولین سٹرنگ کی تعمیر
ہاں، مضبوط
ڈیٹا بیس میں ٹیسٹ
دائرہ کار/معیار کا خاکہ
جی ہاں
علاقے کے لحاظ سے تیز کریں۔
ایک مضمون تلاش کریں۔
نہیں
اسکالر/سکوپس/WoS/PubMed
کلیئرنس کا عہد
جزوی طور پر
اصلی اسکیننگ ضروری ہے۔
عام غلطیاں
- ڈیٹا بیس کے لیے AI کو غلط سمجھنا۔ مضمون کے حوالہ کی درخواست کرنے سے جعلی حوالہ جات پیدا ہوتے ہیں۔ یہ سب سے عام اور خطرناک غلطی ہے۔
- مترادفات کو چھوڑنا۔ ایک اصطلاحی تلاش میں ادب کا زیادہ حصہ یاد آتا ہے۔
- دائرہ کار کو غیر واضح چھوڑنا۔ سال، زبان اور صنف کے فلٹرز کے بغیر، آپ ہزاروں نتائج سے مغلوب ہو جائیں گے۔
- اس کی تصدیق کیے بغیر خالی پن کا دعوی کرنا۔ اصل اسکریننگ کے بغیر "کسی نے مطالعہ نہیں کیا" کہنا خطرناک ہے۔
- ایک ڈیٹا بیس پر انحصار کرنا۔ مختلف اشاریہ جات کا احاطہ مختلف طریقے سے ہوتا ہے۔ کئی ایک ساتھ استعمال کریں.
مشورہ: اپنی تلاش کو دوبارہ پیدا کرنے کے قابل بنانے کے لیے، آپ نے جو تار استعمال کیا ہے، ڈیٹا بیس، تاریخ، اور نتائج کی تعداد کو ٹیبل میں ریکارڈ کریں۔ یہ جریدہ منظم جائزہ میں لازمی ہے۔ ہر تحقیق میں یہ ایک اچھی عادت ہے۔
خلاصہ میں
ادب کا جائزہ ایک منظم کام ہے: تصور کشید، اصطلاحی پول، بولین سٹرنگ، کوریج کا معیار۔ AI ان اسٹریٹجک مراحل میں ایک طاقتور معاون ہے۔ مترادفات پیدا کرتا ہے، تار بناتا ہے، معیار کا خاکہ بناتا ہے۔ لیکن آپ کو اصلی ڈیٹا بیس سے مضامین ملتے ہیں، AI سے نہیں، اور ہر بائی لائن کی تصدیق کرتے ہیں۔ انگوٹھے کا مختصر اصول: AI سے حکمت عملی، ڈیٹا بیس سے ماخذ، آپ سے توثیق۔
درخواست کا کام
اپنا تحقیقی سوال حاصل کریں۔ تصورات کو AI کے ساتھ پارس کریں اور ایک اصطلاحی پول اور ایک بولین سٹرنگ تیار کریں۔ اس سٹرنگ کو ایک حقیقی ڈیٹا بیس کے خلاف چلائیں (اسکالر یا ایک انڈیکس جس تک آپ کی رسائی ہے)۔ سرفہرست 10 نتائج کو نوٹ کریں اور ان کا موازنہ ان بائی لائنز (اگر کوئی ہے) کے ساتھ کریں جو AI نے پہلے براہ راست پوچھے جانے پر تجویز کیا تھا۔ نشان زد کریں کہ کتنے اصل میں موجود ہیں۔
چیک لسٹ
- کیا میں نے اپنے تحقیقی سوال کو تصورات میں توڑ دیا ہے؟
- کیا میں نے ہر ایک تصور کے لیے ایک مترادف/انگریزی اصطلاح کا پول بنایا ہے؟
- کیا میں نے اصلی ڈیٹا بیس پر بولین سٹرنگ کا تجربہ کیا ہے؟
- [ ] کیا میں نے اپنی شمولیت/ اخراج کے معیار کو واضح کر دیا ہے؟
- کیا میں نے تصدیق کی ہے کہ میں نے جو بھی وسیلہ پایا ہے وہ حقیقت میں موجود ہے؟