Zum Inhalt springen
AIupick

Leitfaden für Forschende · 6 Aufgaben

KI für die Forschung: Paper finden, schneller lesen, jede Aussage prüfen

KI kann Literatur inzwischen in Minuten durchsuchen, sichten und zusammenfassen. Das Schwierige ist dasselbe wie früher: zu wissen, was die Evidenz wirklich aussagt, wie stark sie ist und ob du jeden Schritt vor einem Gutachter verteidigen könntest. Jede der folgenden Aufgaben hinterlässt eine Dokumentation, die du prüfen kannst.

  2. 02

    Tausende Abstracts screenen, und zwar so, dass du es vertreten kannst

    Ein paar tausend Abstracts von Hand zu screenen dauert Wochen, und ein Screening allein durch KI ist gegenüber einem Gutachter schwer zu vertreten. Schreib zuerst die Kriterien auf, lass die KI danach screenen, prüfe ihre Entscheidungen an einer Stichprobe und berichte, wie du geprüft hast.

    Beispiel

    2.300 Abstracts zu Bewegung und Depression. Nach dem KI-Screening bleiben 140, die du vollständig liest. Bei 100 zufällig ausgewählten, die du auch selbst gescreent hast, stimmt ihr bei den meisten überein; jede Abweichung ist ein „unsicher“, und die liest du alle.

    So geht's

    1. 1Schreib die Ein- und Ausschlusskriterien auf, bevor du suchst, und halte das Datum fest.
    2. 2Wähle in Elicit „Systematic Review“, gib auf der „Setup“-Seite deine Frage ein, dann geht es ans Sammeln und Screenen.
    3. 3Prüfe selbst eine Zufallsstichprobe von 50 bis 100 Abstracts und vergleiche deine Entscheidungen mit denen der KI.
    4. 4Nenne im Methodenteil die Kriterien, das Tool, die Größe der Stichprobe und wie oft ihr übereingestimmt habt.

    Eingebaut

    Prompt zum Kopieren

    Prüfe die folgenden Abstracts anhand dieser Kriterien.
Einschließen: [Population, Intervention, Design, Jahre]. Ausschließen: [Kriterien].
Für jedes Abstract: einschließen, ausschließen oder unsicher; das ausschlaggebende Kriterium; und der Satz aus dem Abstract, auf dem die Entscheidung beruht. Wenn das Abstract dazu nichts sagt, antworte „unsicher“.

    Wo es schiefgeht

    • Kriterien, die du erst nach den Ergebnissen aufschreibst, passen sich an das an, was du gefunden hast. Leg sie zuerst fest.
    • „Unsicher“ ist eine gültige Antwort. Lies jedes unsichere Abstract selbst.
  3. 03

    Einen Stapel PDFs fragen, wo sie sich widersprechen

    Bei vielen Papern sind die nützlichen Fragen die nach den Unterschieden: wo sie sich widersprechen, welche Methoden sich unterscheiden, was niemand gemessen hat. Frag genau danach, mit einem Zitat und einer Seitenangabe für jede Aussage, und frag, was die Quellen nicht beantworten.

    Beispiel

    Zwölf Paper zu Bildschirmzeit und Schlaf bei Jugendlichen. Sie widersprechen sich, weil einige die gesamte Bildschirmzeit gemessen haben und andere nur die Bildschirmzeit nach 21 Uhr. Dieser Unterschied, mit einem Zitat von jeder Seite, ist der Absatz, der deinem Review gefehlt hat.

    So geht's

    1. 1Füge die PDFs in Gemini Notebook zu einem Notebook hinzu, oder nutze Chat with PDF in SciSpace für jeweils ein Paper.
    2. 2Stell die Vergleichsfragen aus dem Prompt auf dieser Seite.
    3. 3Öffne für jede Aussage, die du verwenden willst, die zitierte Stelle.
    4. 4Erstelle eine Mind Map, um die Themen der ganzen Sammlung zu sehen und zu erkennen, was fehlt.

    Eingebaut

    Prompt zum Kopieren

    Vergleiche diese Quellen: Wo widersprechen sie sich, und warum (unterschiedliche Populationen, Methoden, Messgrößen oder Jahre)?
Zitiere für jeden Punkt die Stelle und nenne Quelle und Seite.
Liste dann die Fragen auf, die diese Quellen nicht beantworten.

    Wo es schiefgeht

    • Eine Antwort, die zwei Paper vermischt, kann das Ergebnis des einen dem anderen zuschreiben. Das Zitat zeigt, was zu wem gehört.
    • „Nicht in den Quellen“ ist eine nützliche Antwort. Sei skeptisch, wenn die KI das nie sagt.
  4. 04

    Interviews transkribieren und KI als zweiten Kodierer nutzen

    KI transkribiert und schlägt Codes schnell vor, aber ein Codebuch, das sie selbst erfindet, passt zu glatt auf die Daten. Kodiere zuerst selbst eine Stichprobe, lass dann die KI dein Codebuch anwenden und schau dir an, wo ihr nicht übereinstimmt.

    Beispiel

    Zwanzig Interviews mit Pflegekräften über Nachtschichten. Du kodierst drei von Hand und erstellst daraus ein Codebuch mit acht Codes; die KI wendet es auf die anderen 17 an. Bei dem einen Interview, das ihr beide kodiert habt, weicht ihr bei sechs Passagen voneinander ab. Das zeigt, dass sich zwei Codes überschneiden und schärfer definiert werden müssen.

    So geht's

    1. 1Prüfe, ob dein Ethikvotum und deine Einwilligungserklärungen das Tool erlauben, und entferne Namen vor dem Hochladen.
    2. 2Transkribiere und korrigiere dann jede Passage, die du zitieren willst, anhand der Aufnahme.
    3. 3Kodiere selbst zwei oder drei Interviews und schreib das Codebuch.
    4. 4Lass die KI dein Codebuch mit dem Prompt auf dieser Seite auf den Rest anwenden und vergleiche bei einem Interview ihre Kodierung mit deiner.

    Prompt zum Kopieren

    Wende dieses Codebuch auf das folgende Interview an: [Codes mit Definitionen].
Für jede Passage: der Code, eine Begründung in einer Zeile und die Zeilennummern.
Liste Passagen, die zu keinem Code passen, und Passagen, die zu zwei Codes passen, getrennt auf. Erfinde keine neuen Codes.

    Wo es schiefgeht

    • Transkripte lassen Zögern weg und geben Namen und Fachbegriffe falsch wieder. Prüfe jedes Zitat, das du veröffentlichst.
    • Bei vagen Codes wirkt die Übereinstimmung hoch. Lies die Abweichungen, nicht den Prozentwert.
  5. 05

    Eine erste Analyse rechnen, die sich wiederholen lässt

    Eine Analyse, die du nicht erneut ausführen kannst, ist eine Anekdote. Bitte um Code, nicht um Antworten, und schreib die geplante Analyse auf, bevor du Ergebnisse siehst, damit die KI nicht so lange weitertestet, bis etwas signifikant ist.

    Beispiel

    Vorab geplant: ein t-Test der Prüfungsergebnisse zwischen zwei Lehrmethoden. Der Code meldet 412 Zeilen, neun davon ohne Ergebnis, dann den Test mit Effektstärke und Intervall. Wenn die KI anbietet, „auch nach Geschlecht zu prüfen“, hältst du das als separate, explorative Frage fest.

    So geht's

    1. 1Schreib die Frage und die geplante Analyse auf, bevor du die Daten öffnest.
    2. 2Bitte mit dem Prompt auf dieser Seite um Code, der genau das tut, und führ ihn selbst aus.
    3. 3Prüfe nach jedem Schritt die Anzahl der Zeilen.
    4. 4Frag nach den Voraussetzungen jedes Tests und prüfe sie, bevor du ein Ergebnis berichtest.

    Prompt zum Kopieren

    Schreib Code in [R oder Python], der [Datei] lädt, Zeilen, Spalten, fehlende Werte und Ausreißer meldet und dann [geplante Analyse] für [Frage] ausführt.
Kommentiere jeden Schritt. Führe keinen anderen Test aus. Gib die Effektstärke mit ihrem Konfidenzintervall an, nicht nur den p-Wert.

    Wo es schiefgeht

    • Frag „Ist irgendetwas signifikant?“, und die KI findet etwas. Halte dich an den Plan.
    • Dass Code läuft, heißt nicht, dass er stimmt. Prüfe ein Ergebnis von Hand oder an einem bekannten Beispiel.
  6. 06

    Bei neuen Papern auf dem Laufenden bleiben, ohne erneut zu suchen

    Die Literatur entwickelt sich weiter, während du schreibst. Statt deine Suche jeden Monat zu wiederholen, richte eine wöchentliche Routine ein, die für dich sucht und nur Neues meldet.

    Beispiel

    Eine Routine für „Sprachmodelle in der klinischen Dokumentation, randomisierte oder kontrollierte Studien“. In den meisten Wochen meldet sie eine Handvoll neuer Paper; das eine, das zählt, setzt du mit einer Zeile Begründung auf deine Leseliste.

    So geht's

    1. 1Öffne in Elicit „Routines“ und beschreibe mit den Worten deiner Einschlusskriterien, was beobachtet werden soll.
    2. 2Wähle einen wöchentlichen Zeitplan.
    3. 3Überfliege jede Woche den Bericht und setz relevante Paper mit einer Zeile Begründung auf deine Leseliste.
    4. 4Führ alle paar Monate deine Hauptsuche selbst noch einmal aus; eine Routine kann Paper übersehen, die neue Begriffe verwenden.

    Eingebaut

    Prompt zum Kopieren

    Suche jede Woche nach neuen Papern zu [Thema], die [Kriterien]. Melde nur Paper, die seit dem letzten Durchlauf erschienen sind: Literaturangabe, Ergebnis in einem Satz, Design und Stichprobengröße.

    Wo es schiefgeht

    • Eine Routine wiederholt deine blinden Flecken. Ändere ab und zu die Formulierung.
    • Eine wöchentliche Liste, die niemand liest, ist nur Rauschen. Halte sie so kurz, dass du sie in fünf Minuten lesen kannst.

Regeln für Forschende

  • Prüfe, ob dein Ethikvotum und deine Datenvereinbarungen das Tool erlauben, bevor du Daten von Teilnehmenden hochlädst.
  • Wo Chats standardmäßig fürs Training genutzt werden, schalte das ab, bevor du unveröffentlichte Arbeiten hochlädst.
  • Zitiere die Paper, die du gelesen hast, nie die Zusammenfassung einer KI.
  • Leg offen, wie du KI genutzt hast, wo deine Zeitschrift oder dein Förderer das verlangt.

Weiter vertiefen

Esc
↑ ↓ zum BewegenEnter zum Öffnen