收益：
- 能够将人工智能用作主题映射、搜索词生成和总结给定文本的工具，而不是作为信息来源
- 能够验证目录中每个建议的来源并防范虚假引用的风险
- 能够区分主要和次要来源，并与至少两个可靠来源交叉检查每个日期和事实
文学研究是围绕文本建立信息：作者在哪个时期写作，他坚持什么运动，一部作品如何被接受，谁在某个主题上说了些什么。这项工作需要从多个来源扫描、阅读和综合（将分散的信息组合成一个连贯的整体）。人工智能是这一领域的强大加速器，但它也是最危险的领域之一；因为人工智能可以自信地生成不存在的来源、错误的日期和混乱的信息。
本单元的一句话要旨是：将人工智能用作“研究归纳和组织工具”，而不是“信息来源”；如果没有经过主要可靠来源的验证，每个事实、日期和来源都不会被输入任何地方。
为什么人工智能不是知识的来源？
人工智能是一个文本预测机器，而不是一个真正的图书馆。当您提出问题时，它会给出您“最有可能”的答案；他不知道这个答案是否正确，也不能向你保证。此外，人工智能的知识有一个截止日期（模型训练数据耗尽的日期）；它不知道该日期之后会发生什么，并且该日期之前的信息也可能是错误的。因此：
- 未经核实，请勿使用 YZ 提供的出版年份。
- 在未确认 AI 建议的来源确实存在的情况下，请勿将其包含在您的参考书目中。
- 在未与百科全书或同行评审出版物进行交叉核对的情况下，不要传递人工智能关于作者的“信息”。
注意：人工智能生成的参考书目风险特别大。人工智能可以将真实作者的名字与真实的标题和真实的年份结合起来，生产出从未存在过的资源。这被称为“幻象归因”，在学术界是一个严重错误。根据图书馆目录或可靠的数据库验证每个来源。
在研究中正确使用人工智能
人工智能在以下研究阶段确实很有帮助：
- 映射主题：“这个主题有哪些子主题，有哪些讨论？”问题的快速入门图。
- 搜索词生成：使您将在图书馆和数据库中搜索的关键词多样化。
- 总结您所阅读的内容：总结并比较您提供的实际文本。
- 综合大纲：将经过验证的笔记组织成连贯的大纲。
- 反问：“这篇论文的弱点是什么？”不要通过说来测试这个想法。
请注意：在所有这些阶段，信息均来自您或可靠的来源；人工智能是调节和加速的，而不是生产的。
提示：不要让人工智能“解释”一个主题，而是给它你找到的可靠文本，让它们总结和比较。这样，你就会依赖你已经验证过的来源，而不是AI已经记住的信息（这可能是错误的）。
三个迷你箱子
案例 1 — 主题图加速研究。一名研究人员在进入新主题时收到了来自 AI 的副标题图。在 12 个小标题中，9 个有效，3 个不相关。地图显示了从哪里开始图书馆搜索；但每个标题下的信息都是从真实来源扫描的。
案例2——三个虚假消息来源被抓获。一名学生在图书馆目录中搜索了 YZ 推荐的 8 种资源。 3 个根本不存在，1 个被认为是错误的作者，4 个是真实的。该学生仅使用了 4 个已确认的来源，并遭受了虚构归因灾难。
案例 3 — 在综合中更正了不正确的日期。在一篇硕士论文中，人工智能将趋势的开始归因于错误的年份。该学生在与两个可靠来源交叉核对后更正了日期。如果依赖单一来源（AI），论文中就会存在根本性错误。
案例 4——返回原始资料改变了解释。一位研究人员从一篇评论文章中引用了一位诗人的诗句（第二手资料来源）。当他回到诗人的书（主要来源）时，他发现文章引用了这句话不完整，这改变了解释。返回主要来源的纪律可以防止基于错误引用的推论。
四个可复制模板
1）主题映射：
你的角色：文学研究顾问。以下主题可以有哪些副标题和讨论轴：[主题]。创建 MAP 只是为了开始您的研究；请勿声称准确的信息、日期或来源。将每个标题标记为“待从图书馆验证”。
2）总结给定的来源（安全的方式）：
以下是我找到的可靠文本。仅基于本文：主要论文、使用的证据和争议点。根据自己的记忆添加文本中没有的信息。文本：[粘贴文本]
3）来源验证纪律：
我会给你一份资源清单。对于每个资源：检查引文在风格上是否一致。警告：您无法验证资源是否确实存在；告诉我如何搜索图书馆目录中的每种资源。贴合印记完成。列表：[粘贴列表]
4）反假设：
下面针对我的论文陈述提出最有力的论据。告诉我哪些类型的来源可以反驳这个论点。我的目标是加强我的论文。仅提出合乎逻辑的反对意见；引用捏造的消息来源。论文：[写你的论文]
弱提示/强提示
弱：“给我 10 个关于这个主题的资源。”
Güçlü：“告诉我应该从哪些来源（同行评审的文章、百科全书的文章、论文、可靠的书籍）以及用什么关键词来搜索有关该主题的研究。不要给出任何你不确定存在的引文；相反，给我一个有效的搜索策略。我稍后会为你总结和验证我找到的来源。”
强大的提示让AI无法产生想象的资源，并将其用作“搜索策略师”。弱提示直接导致虚构归因的风险。
研究阶段及验证表
舞台
人工智能角色
验证
主题映射
建议副标题
从图书馆扫描
搜索词
它使这个词多样化
通过尝试
采购
不可靠的
目录/数据库确认
文本摘要
强（在给定文本中）
与文字比较
合成
草稿布局
人类的判断
日期/事实
不可靠的
至少有两个来源
主次源分离
在研究中，将来源分为两类是验证的基础。主要来源（事件、作品或现象本身；所研究文本的原文，例如诗人的诗集本身、作家的信件、某个时期的报纸）。次要来源（对主要来源的后续评论、批评或评论，例如分析诗人作品的文章）。在文学研究中，真正的权威是主要来源：如果你正在谈论一行，你需要从诗本身而不是二手文章中获取该行。
这就是人工智能最危险的地方：它通过“记住”台词、情节或日期来实现；但这是二手甚至三手的、常常是模糊的回忆。因此，规则很明确：始终从主要来源本身确认主要来源声明（引用、一行、一个事件）。使用人工智能来绘制二手文献中可能存在哪些类型的论点，并总结您提供的实际二手文本。
提示：在使用某条信息之前，询问：“这是主要主张还是次要主张？”如果是主要内容，则返回原文；如果是次要的，请以真实且经过验证的出版物为基础。人工智能“记住”的任何东西都不能替代这两类资源。
常见错误
- 将人工智能误认为是信息来源。人工智能产生预测；它不是一个来源。
- 使用推荐的来源而不进行确认。虚假归因是风险最高的错误。
- 从单一来源获取日期。与至少两个可靠来源进行交叉核对。
- 依靠AI的记忆。给出你自己的可靠文本并进行总结。
- 忘记了截止日期。 AI可能不知道当前的发展。
综上所述
文学研究中的人工智能；它是主题映射、搜索词生成、总结和综合给定文本的强大辅助工具。但它不是信息来源：切勿在未经验证的情况下使用日期、事实，尤其是来源。想象归因是这个领域最危险的陷阱。将人工智能定位为组织和加速的工具，将可信来源定位为信息的真实场所。
应用任务
选择一个研究课题。使用“主题映射”模板从 AI 获取入门地图。然后尝试让AI推荐5个资源，并在图书馆目录中搜索每一个资源；计算一下实际存在的数量。用一段话写下这段经历：人工智能在哪里有用，在哪里不可靠？
清单
- [ ] 我将人工智能用作研究工具，而不是信息来源。
- [ ] 我确认了目录中每个资源的存在。
- [ ] 我与至少两个来源交叉核对了每个日期和事实。
- [ ]我给出了自己的可靠文本并进行了总结。
- [ ] 我自己建立了综合和判断。