Cara Mengesahkan Petikan Dijana oleh AI

Anda mesti mengesahkan setiap petikan yang dijana oleh AI dengan mengesahkan secara bebas bahawa sumber tersebut wujud dan kandungannya benar-benar menyokong kenyataan khusus yang berkaitan dengannya. Jangan percaya pada output model; layan setiap rujukan sebagai hipotesis yang memerlukan ujian forensik terhadap rekod bibliografi luaran dan teks asal.

Mod Kegagalan Khusus bagi Penjanaan Petikan AI

Model bahasa besar sering menjana petikan yang kelihatan munasabah tetapi rosak secara struktur. Kesilapan ini umumnya terbahagi kepada tiga kategori:

• Tajuk yang dihalusinasikan. Model mencipta tajuk yang kedengaran sesuai secara akademik tetapi tidak wujud. Tajuk tersebut mungkin menggabungkan konsep sebenar daripada bidang berbeza, menghasilkan frasa yang kelihatan logik tetapi tiada sejarah penerbitan.
• Penulis yang tidak sepadan. Tajuk atau topik adalah sebenar, tetapi senarai penulis adalah salah. Model mungkin menetapkan kertas kerja kepada penyelidik terkenal dalam bidang tersebut yang tidak menulisnya, atau menukar nama pertama dan nama akhir. Ia juga mungkin mencipta penulis bersama untuk menjadikan petikan kelihatan lebih kukuh.
• Tahun dan metadata yang tidak tepat. Tahun penerbitan, nombor jilid, julat halaman, atau DOI mungkin direka. Kesilapan biasa ialah menetapkan tahun terkini kepada karya seminal lama, atau melampirkan DOI yang mengarah kepada artikel yang sama sekali berbeza.

Kesilapan ini berbahaya kerana ia sering kali halus. Pembaca mungkin sekilas pandang pada petikan, mengenali topik tersebut, dan menganggap rujukan itu sah tanpa menyemak butirannya.

Aliran Kerja Pengesahan Langkah demi Langkah

Untuk menyemak petikan secara sistematik, ikuti urutan ini. Anda perlu mengesahkan kewujudan terlebih dahulu, kemudian sokongan.

1. Asingkan metadata. Salin butiran sitasi penuh (pengarang, tajuk, tahun, sumber, DOI jika ada) daripada draf anda.

2. Sahkan kewujudan melalui DOI atau Registri. Jika DOI diberikan, gunakan Crossref untuk membuat pertanyaan pada registri DOI. Sahkan bahawa DOI tersebut mengarah kepada rekod sebenar dan bahawa metadata sepadan sepenuhnya dengan sitasi anda. Jika tiada DOI diberikan, atau jika anda menyemak buku atau bab, gunakan OpenAlex untuk membuat pertanyaan berdasarkan gabungan tajuk dan pengarang. Periksa sama ada rekod yang sepadan wujud dalam indeks ilmiah terbuka.

3. Semak silang dengan pangkalan data sekunder. Gunakan Google Scholar untuk mencari tajuk tersebut. Cari beberapa contoh sitasi tersebut. Jika kertas kerja itu wujud, anda seharusnya melihatnya disitasi oleh penyelidik lain. Periksa abstrak untuk memastikan topik sepadan. Untuk sitasi bioperubatan, gunakan PubMed untuk mengesahkan bahawa artikel tersebut wujud dalam pangkalan data sains hayat dan untuk menyemak abstraknya. Untuk liputan yang lebih luas, terutamanya jika anda mempunyai akses kepada langganan institusi, gunakan Scopus untuk mengesahkan kewujudan dan konteks artikel tersebut.

4. Sahkan sokongan dakwaan. Ini adalah langkah paling kritikal. Akses teks penuh atau abstrak sumber yang telah disahkan. Baca bahagian khusus di mana dakwaan itu dikatakan dibuat. Tanya: adakah sumber ini benar-benar membuat hujah ini? Adakah ia menyediakan data atau teori yang diimplikasikan oleh draf anda? Jika sumber hanya menyebut topik itu secara sepintas lalu atau berhujah sebaliknya, sitasi tersebut tidak sah untuk tujuan anda.

5. Rekod rujukan yang telah disahkan. Setelah disahkan, simpan rekod tersebut dalam Zotero atau Mendeley. Alat-alat ini membolehkan anda menyimpan metadata yang telah disahkan. Dengan membandingkan sitasi yang dijana oleh AI dengan rekod tersimpan anda yang telah disahkan, anda mewujudkan perpustakaan kebenaran setempat yang menghalang kesilapan pada masa hadapan.

Amaran Merah yang Menunjukkan Sitasi Direka

Bersikaplah waspada terhadap corak berikut:

• Tajuk yang terlalu generik. Tajuk yang betul dari segi tatabahasa tetapi kurang nuansa khusus dalam bahasa akademik sebenar.
• DOI yang mustahil. DOI yang mengikut format tetapi tidak dapat diselesaikan, atau yang mengarah ke laman utama penerbit dan bukan artikel tertentu.
• Senarai penulis yang terlalu panjang atau pendek. Makalah sebenar dalam kebanyakan bidang mempunyai julat penulis yang tipikal. Senarai dengan 15 penulis untuk makalah teori, atau seorang penulis sahaja untuk kajian empirikal skala besar, mungkin menandakan fabrikasi.
• Ralat pembundaran dalam tarikh. Jika AI memetik makalah dari "2024" tetapi menerangkan penemuan yang memerlukan data longitudinal selama satu dekad, tarikh tersebut kemungkinan salah.
• Ilusi "Keyakinan". Jika AI menyajikan petikan dengan keyakinan tinggi dan tanpa keraguan, bersikaplah lebih berhati-hati, bukan kurang. Model sering paling yakin apabila mereka sedang berhalusinasi.

Menyusun Prompt untuk Mengurangkan Ralat Petikan

Anda boleh mengurangkan kebarangkalian ralat dengan mengehadkan output AI semasa fasa penyusunan.

• Minta metadata khusus. Jangan minta "makalah yang relevan." Mintalah "tiga makalah yang diterbitkan selepas 2020 dengan DOI." Jika anda tidak meminta DOI, model kemungkinan akan menjana tajuk palsu.
• Hadkan skop. Minta petikan untuk dakwaan yang sangat sempit, bukan topik yang luas. Semakin sempit dakwaan, semakin kecil kemungkinan model menyimpang ke wilayah halusinasi.
• Minta petunjuk pengesahan. Minta model menyatakan ayat pertama abstrak atau kesimpulan khusus makalah tersebut. Jika ia tidak dapat memberikan petikan yang koheren, ia kemungkinan sedang mencipta sumber.
• Gunakan pemeriksaan berulang. Jana senarai lima petikan untuk satu dakwaan. Sahkan dua daripadanya. Jika kedua-duanya palsu, buang keseluruhan senarai. Jika kedua-duanya asli, sahkan tiga yang selebihnya. Pendekatan persampelan ini menjimatkan masa sambil mengekalkan ketepatan tinggi.