Näin tarkistat tekoälyn luomat viitteet

Tarkista jokainen tekoälyn tuottama lähdeviite vahvistamalla itsenäisesti, että lähde on olemassa ja että sen sisältö todella tukee siihen liitettyä väitettä. Älä luota mallin tuotokseen; käsittele jokaista viitettä hypoteesina, joka vaatii tarkkaa testaamista ulkoisia bibliografisia tietoja ja alkuperäistekstiä vasten.

Tekoälyn viitetuotannon erityiset virhetilat

Suuret kielimallit tuottavat usein viitteitä, jotka näyttävät uskottavilta mutta ovat rakenteellisesti virheellisiä. Nämä virheet jakautuvat yleensä kolmeen luokkaan:

• Hallusinaatiot nimikkeissä. Malli keksii otsikon, joka kuulostaa akateemisesti sopivalta mutta jota ei ole olemassa. Otsikko voi yhdistellä eri alojen todellisia käsitteitä, jolloin syntyy loogiselta vaikuttava ilmaus, jolla ei ole julkaisuhistoriaa.
• Virheelliset tekijät. Otsikko tai aihe on aito, mutta tekijäluettelo on väärä. Malli voi liittää artikkelin alalla tunnettuun tutkijaan, joka ei ole kirjoittanut sitä, tai se voi vaihtaa etu- ja sukunimen kesken. Se voi myös keksiä yhteistekijöitä, jotta viite näyttää vahvemmalta.
• Virheelliset vuosiluvut ja metadata. Julkaisuvuosi, nidosnumero, sivuhaarukka tai DOI voi olla keksitty. Yleinen virhe on vanhan perusteos-teoksen liittäminen viimeaikaiseen vuoteen tai DOI:n liittäminen, joka ohjaa täysin toiseen artikkeliin.

Nämä virheet ovat vaarallisia, koska ne ovat usein hienovaraisia. Lukija saattaa vilkaista lähdeviitettä, tunnistaa aiheen ja olettaa viitteen olevan pätevä tarkistamatta yksityiskohtia.

Vaiheittainen tarkistusprosessi

Tarkista viite järjestelmällisesti seuraamalla tätä toimenpidesarjaa. Varmista ensin olemassaolo ja sen jälkeen tuki.

1. Eristä metadata. Kopioi viitetiedot (tekijät, otsikko, vuosi, lähde, DOI jos saatavilla) luonnoksestasi.

2. Varmista olemassaolo DOI:n tai rekisterin kautta. Jos DOI on annettu, käytä Crossrefia DOI-rekisterin kyselyyn. Varmista, että DOI viittaa todelliseen tietueeseen ja että metadata vastaa viitettäsi täsmälleen. Jos DOI:tä ei ole annettu tai tarkistat kirjaa tai lukua, käytä OpenAlexia hakemaan otsikon ja tekijän yhdistelmällä. Tarkista, vastaako avoimessa tieteellisessä indeksissä oleva tietue hakua.

3. Ristiintarkista toissijaisen tietokannan kanssa. Käytä Google Scholaria etsimään otsikolla. Etsi useita viitteen esiintymiä. Jos artikkeli on olemassa, sen tulisi näkyä muiden tutkijoiden viittaamana. Tarkista abstrakti varmistaaksesi, että aihe täsmää. Biolääketieteellisiin viitteisiin käytä PubMedia varmentaaksesi, että artikkeli on olemassa eläinten ja ihmisten tiedon tietokannassa, sekä abstraktin tarkistamiseen. Laajempaa kattavuutta varten, erityisesti jos sinulla on pääsy laitostilauksiin, käytä Scopusia vahvistaaksesi artikkelin olemassaolon ja kontekstin.

4. Varmista väitteen tuki. Tämä on kriittisin vaihe. Käy läpi varmistetun lähteen täysi teksti tai abstrakti. Lue se tietty kohta, jossa väitteen oletetaan olevan. Kysy: esittääkö tämä lähde todella tämän argumentin? Toittaako se dataa tai teoriaa, jota luonnoksesi implikoi? Jos lähde mainitsee aiheen vain ohimennen tai esittää päinvastaisen argumentin, viite on virheellinen tarkoitustasi varten.

5. Kirjaa varmistettu viite. Kun vahvistettu, tallenna tietue Zoterohon tai Mendeleyhin. Nämä työkalut mahdollistavat varmistetun metadatan tallentamisen. Vertaamalla AI-generoitua viitettä tallennettuihin, varmistettuihin tietueisiin luot paikallisen totuuskirjaston, joka estää tulevat virheet.

Hälytysmerkit, jotka viittaavat keksittyyn viitteeseen

Ole epäluuloinen seuraavia kuvioita kohtaan:

• Täysin yleiset otsikot. Otsikot, jotka ovat kieliopillisesti oikein mutta joilta puuttuu aidon akateemisen kielen tarkka vivahteisuus.
• Mahdottomat DOI-tunnisteet. DOI-tunnisteet, jotka noudattavat muotoa mutta eivät toimi, tai jotka ohjaavat julkaisijan etusivulle eivätkä tiettyyn artikkeliin.
• Liian pitkät tai lyhyet tekijäluettelot. Useimmissa aloissa todellisissa artikkeleissa on tyypillinen määrä tekijöitä. 15 tekijän lista teoreettisessa artikkelissa tai yhden tekijän lista laajassa empiirisessä tutkimuksessa voi viitata keksittyyn lähteeseen.
• Pyöristysvirheet päivämäärissä. Jos tekoäly lainaa artikkelia vuodelta "2024" mutta kuvaa tuloksia, jotka vaativat vuosikymmenen mittaisen pitkittäistutkimuksen, päivämäärä on todennäköisesti väärä.
• "Luottamuksen" illuusio. Jos tekoäly esittää viitauksen suurella varmuudella ja epäröimättä, ole varovaisempi, älä vähemmän varovainen. Mallit ovat usein luottavaisimmillaan silloin, kun ne hallusinoivat.

Kehotusten jäsennely viittaustenhvirheiden vähentämiseksi

Voit vähentää virheiden todennäköisyyttä rajoittamalla tekoälyn tulostemuotoa luonnosvaiheessa.

• Vaadi tarkkaa bibliografista metadataa. Älä pyydä "relevantteja artikkeleita". Pyydä "kolmea artikkelia, jotka on julkaistu vuoden 2020 jälkeen ja joilla on DOI-tunniste". Jos et pyydä DOI-tunnisteita, malli luo todennäköisesti keksittyjä otsikoita.
• Rajoita laajuutta. Pyydä viitteitä hyvin kapealle väitteelle, ei laajalle aiheelle. Mitä kapeampi väite, sitä vähemmän todennäköistä on, että malli ajautuu hallusinoituun alueelle.
• Pyydä varmistusvihjeitä. Pyydä mallia esittämään abstraktin ensimmäinen lause tai artikkelin tietty johtopäätös. Jos se ei pysty esittämään johdonmukaista katkelmaa, se keksii todennäköisesti lähteen.
• Käytä iteratiivista tarkistusta. Luo lista viidestä viitteestä väitteelle. Tarkista kaksi niistä. Jos molemmat ovat keksittyjä, hylkää koko lista. Jos molemmat ovat aitoja, tarkista loput kolme. Tämä otantamenetelmä säästää aikaa säilyttäen samalla korkean tarkkuuden.