کتابخانه دانشگاه آزاد اسلامی مهاباد

چگونه با هوش مصنوعی پیشینه پژوهش (Literature Review) بنویسیم؟

یکی از بهترین کاربردهای هوش مصنوعی در پژوهش، نگارش پیشینه پژوهش است؛ اما برخی از پژوهشگران از هوش مصنوعی می‌خواهند خودش مقاله پیدا کند یا پیشینه بنویسد. این روش ممکن است باعث شود برخی منابع مهم از قلم بیفتند یا خروجی با نیاز پژوهش شما کاملاً منطبق نباشد.
روش حرفه‌ای این است که ابتدا خودتان یا با کمک ابزارهای تخصصی پژوهش، مقالات مرتبط را پیدا کنید و سپس آن‌ها را در اختیار هوش مصنوعی قرار دهید. به این ترتیب، هوش مصنوعی فقط بر اساس همان منابع معتبر، پیشینه‌ای منسجم و مستند تولید می‌کند. ابزارهای داخلی نورمگز، مگ ایران، پرتال علوم انسانی و خارجی مانند الیسیت (Elicit)، سای‌اسپیس (SciSpace)، کانسنسس (Consensus)، پرپلکسیتی (Perplexity)، اسکینپس (Scinapse) و سمانتیک اسکالر (Semantic Scholar) برای یافتن مقالات مرتبط بسیار مناسب هستند و می‌توانند فرایند جست‌وجو و غربالگری منابع را سرعت ببخشند.
مراحل پیشنهادی نگارش پیشینه با هوش مصنوعی: 1- موضوع و سؤال پژوهش خود را مشخص کنید، 2- مقالات مرتبط را با استفاده از موتورهای جست‌وجوی علمی و هوش مصنوعی پیدا کنید، 3- فایل PDF یا متن کامل مقالات را به هوش مصنوعی بدهید، 4- از هوش مصنوعی بخواهید ابتدا مقالات را تحلیل و دسته‌بندی کند، 5- سپس بر اساس همان مقالات، پیشینه‌ای منسجم، تحلیلی و مستند بنویسد، 6- در پایان، متن تولیدشده را با مقالات اصلی تطبیق و بازبینی کنید.
پرامپت پیشنهادی:
«عنوان پژوهش من «[عنوان پژوهش]» است. فایل‌های پیوست شامل مقالات مرتبط با موضوع پژوهش من هستند. ابتدا همه مقالات را به‌طور کامل تحلیل و دسته‌بندی کن و شباهت‌ها، تفاوت‌ها، روندهای پژوهشی، نقاط قوت و ضعف و شکاف‌های پژوهشی را استخراج کن. سپس فقط بر اساس همین مقالات، یک پیشینه پژوهش منسجم، تحلیلی و علمی بنویس. مطالب را به‌صورت مقایسه‌ای و تحلیلی ارائه بده، از کنار هم قرار دادن صرف خلاصه مقالات خودداری کن، برای هر مطلب از ارجاع درون‌متنی مناسب استفاده کن و در پایان، فهرست منابع را مطابق سبک استناد موردنظر (مانند APA یا Vancouver) تنظیم کن. اگر اطلاعاتی در مقالات وجود ندارد، آن را از خودت اضافه نکن.»
نکته مهم: پیشینه پژوهش فقط خلاصه کردن مقالات نیست. یک پیشینه خوب باید مطالعات را با یکدیگر مقایسه کند، روندهای پژوهشی را نشان دهد، نقاط توافق و اختلاف را تحلیل کند، شکاف‌های پژوهشی را مشخص نماید و در نهایت جایگاه پژوهش جدید را تبیین کند. هوش مصنوعی در انجام این تحلیل‌ها بسیار کمک‌کننده است، اما مسئولیت نهایی بررسی صحت مطالب، ارجاعات و برداشت‌ها بر عهده پژوهشگر است. همچنین هرچه مقالات ورودی کامل‌تر و باکیفیت‌تر باشند، خروجی نهایی نیز دقیق‌تر خواهد بود. منبع : کانال هوش مصنوعی در پژوهش دکتر سید مجید نبوی