AI w badaniach naukowych: znajduj artykuły, czytaj szybciej, sprawdzaj każde twierdzenie

Jak to zrobić

1. 1Zadaj Consensus swoje pytanie w wersji „tak czy nie”, żeby zobaczyć, jak rozkładają się dowody.
2. 2Wybierz od dwóch do pięciu artykułów wyjściowych i otwórz Citation Graph, żeby znaleźć wcześniejsze i późniejsze prace.
3. 3Do uporządkowanego pierwszego przeglądu uruchom Deep Review w Consensus albo Research Report w Elicit i sprawdź, z których artykułów korzysta.
4. 4Otwórz każdy cytowany artykuł i sprawdź zdanie, na którym się opierasz.

Wbudowane

• Consensus · Citation Graph
• Consensus · Deep review
• Elicit · Research Reports

Prompt do skopiowania

Moje pytanie: [pytanie]. Uwzględnij: [populacja, schemat badania, lata, język]. Wyklucz: [kryteria].
Dla znalezionych artykułów przygotuj tabelę: przypis bibliograficzny, schemat badania, wielkość próby, główny wynik i czy spełnia każde kryterium. Artykuły, których nie dało się przeczytać w całości, wypisz osobno.

Gdzie coś idzie nie tak

• Każde narzędzie przeszukuje własną bazę. Artykuł, którego brakuje w jednym, może być w innym.
• Streszczenia spłaszczają wielkości efektów i zastrzeżenia. Czytaj wyniki i ograniczenia artykułów, na których się opierasz.

Jak to zrobić

1. 1Spisz kryteria włączenia i wykluczenia, zanim zaczniesz szukać, i zapisz datę.
2. 2W Elicit wybierz „Systematic Review”, wpisz pytanie na stronie „Setup”, a potem zbierz i przesiej artykuły.
3. 3Samodzielnie przesiej losową próbę od 50 do 100 abstraktów i porównaj swoje decyzje z decyzjami AI.
4. 4W części o metodach podaj kryteria, narzędzie, wielkość próby i to, jak często twoje decyzje zgadzały się z decyzjami AI.

Wbudowane

• Elicit · Systematic Reviews

Prompt do skopiowania

Przesiej poniższe abstrakty według tych kryteriów.
Uwzględnij: [populacja, interwencja, schemat badania, lata]. Wyklucz: [kryteria].
Dla każdego abstraktu: włączyć, wykluczyć albo niepewne; kryterium, które o tym zdecydowało; i zdanie z abstraktu, na którym opiera się decyzja. Jeśli abstrakt tego nie mówi, odpowiedz „niepewne”.

Gdzie coś idzie nie tak

• Kryteria spisane po zobaczeniu wyników naginają się do tego, co znaleziono. Ustal je na początku.
• „Niepewne” to poprawna odpowiedź. Każdy niepewny abstrakt przeczytaj samodzielnie.

Jak to zrobić

1. 1Dodaj PDF-y do notatnika w Gemini Notebook albo użyj Chat with PDF w SciSpace, jeśli chodzi o jeden artykuł naraz.
2. 2Zadaj pytania porównawcze z promptu na tej stronie.
3. 3Przy każdym twierdzeniu, którego użyjesz, otwórz cytowany fragment.
4. 4Utwórz Mind Map, żeby zobaczyć tematy w całym zbiorze i wyłapać, czego brakuje.

Wbudowane

• Gemini Notebook · Mind Maps
• SciSpace · Chat with PDF

Prompt do skopiowania

W tych źródłach: w czym się nie zgadzają i dlaczego (inne populacje, metody, miary lub lata)?
Przy każdym punkcie zacytuj fragment i podaj źródło oraz stronę.
Potem wypisz pytania, na które te źródła nie odpowiadają.

Gdzie coś idzie nie tak

• Odpowiedź, która miesza dwa artykuły, może przypisać wynik jednego drugiemu. Cytat pokazuje, co jest skąd.
• „Nie ma tego w źródłach” to przydatna odpowiedź. Uważaj, jeśli AI nigdy tak nie mówi.

Jak to zrobić

1. 1Sprawdź, czy zgoda komisji etycznej i formularze zgody uczestników dopuszczają to narzędzie, i przed przesłaniem usuń imiona i nazwiska.
2. 2Zrób transkrypcję, a potem popraw ją na podstawie nagrania we wszystkich fragmentach, które zacytujesz.
3. 3Samodzielnie zakoduj dwa lub trzy wywiady i spisz książkę kodową.
4. 4Pozwól AI zastosować twoją książkę kodową do reszty wywiadów promptem z tej strony i porównaj kodowanie AI ze swoim na jednym wywiadzie.

Prompt do skopiowania

Zastosuj tę książkę kodową do poniższego wywiadu: [kody z definicjami].
Dla każdego fragmentu: kod, jednolinijkowe uzasadnienie i numery linii.
Fragmenty, które nie pasują do żadnego kodu, i fragmenty, które pasują do dwóch kodów, wypisz osobno. Nie twórz nowych kodów.

Gdzie coś idzie nie tak

• Transkrypcje gubią wahania i przekręcają nazwiska oraz terminy fachowe. Sprawdzaj każdy cytat, który publikujesz.
• Zgodność wygląda na wysoką, gdy kody są niejasne. Czytaj rozbieżności, a nie procent.

Jak to zrobić

1. 1Zanim otworzysz dane, zapisz pytanie i zaplanowaną analizę.
2. 2Poproś promptem z tej strony o kod, który robi dokładnie to, i uruchom go samodzielnie.
3. 3Po każdym kroku sprawdzaj liczbę wierszy.
4. 4Proś o założenia każdego testu i sprawdzaj je, zanim podasz wynik.

Prompt do skopiowania

Napisz kod w [R lub Python], który wczytuje [plik], podaje liczbę wierszy i kolumn, brakujące wartości i wartości odstające, a potem wykonuje [planowana analiza] dla [pytanie].
Skomentuj każdy krok. Nie wykonuj żadnego innego testu. Podaj wielkość efektu z przedziałem ufności, a nie tylko wartość p.

Gdzie coś idzie nie tak

• Gdy zapytasz „czy coś jest istotne?”, AI coś znajdzie. Trzymaj się planu.
• Kod, który działa, to nie to samo co kod, który jest poprawny. Sprawdź jeden wynik ręcznie albo na znanym przykładzie.

Jak to zrobić

1. 1W Elicit otwórz „Routines” i opisz, co śledzić, słowami swoich kryteriów włączenia.
2. 2Wybierz harmonogram cotygodniowy.
3. 3Co tydzień przejrzyj raport i dodaj istotne artykuły do listy lektur z jedną linijką uzasadnienia.
4. 4Co kilka miesięcy samodzielnie powtórz główne wyszukiwanie; rutyna może pominąć artykuły, które używają nowych terminów.

Wbudowane

• Elicit · Routines

Prompt do skopiowania

Co tydzień szukaj nowych artykułów na temat [temat], które [kryteria]. Zgłaszaj tylko artykuły opublikowane od ostatniego uruchomienia: przypis bibliograficzny, wynik w jednym zdaniu, schemat badania i wielkość próby.

Gdzie coś idzie nie tak

• Rutyna powtarza twoje martwe pola. Od czasu do czasu zmieniaj sformułowania.
• Cotygodniowa lista, której nikt nie czyta, to szum. Niech będzie na tyle krótka, żeby dało się ją przeczytać w pięć minut.