همه محصولات

روایت مقاله علمی با هوش مصنوعی

از دل شواهد پژوهش، پیام اصلی و مسیر توضیح مقاله رو پیدا کنید؛ ادعاهای قابل دفاع رو از روایت‌های هنوز نیازمند مدرک جدا کنید و طرح متن رو روشن‌تر بچینید.

روایت مقاله علمی با هوش مصنوعی وقتی مفیده که داده و نتیجه دارید، ولی هنوز معلوم نیست خواننده باید چه نکته‌ای رو با خودش ببره. اسکیل good-story به شما کمک می‌کنه مسئله، شکاف، روش و شواهد رو به یک خط فکری قابل دنبال کردن وصل کنید. منظور از روایت، روشن کردن منطق پژوهشه؛ نتیجه جذاب نباید جلوتر از چیزی بره که داده‌ها واقعا نشون می‌دن.

این مسیر برای مقاله، طرح پژوهش، چکیده یا توضیح اهمیت یک نتیجه به کار می‌آد. ایجنت باید تا جایی که دسترسی داره متن و شواهد اصلی رو بخونه و اگر فقط چکیده در دسترسه، محدودیت برداشت رو روشن نگه داره. ممکنه چند روایت پیشنهادی شکل بگیره، اما هر کدوم باید با مدرک موجود سنجیده بشه. ادعای تازگی، علت و معلول یا کاربرد عملی هم بدون پشتوانه نباید قطعی معرفی بشه.

کاربردها

  • پیدا کردن پیام اصلی در مجموعه نتیجه‌ها
  • وصل کردن سوال پژوهش به شواهد اصلی
  • جدا کردن ادعای قابل دفاع از فرضیه پیشنهادی
  • مرتب کردن مسیر توضیح مقاله یا چکیده
  • مشخص کردن مدرک لازم برای روایت قوی‌تر
  • دیدن فاصله بین نتیجه واقعی و ادعای متن

نصب و استفاده

  1. اسکیل رو در ایجنت‌تون نصب کنید و متن، شکل‌ها یا یادداشت‌های پژوهش رو بدید. برنامه یا حساب اختصاصی لازم نیست؛ برای منبع بیرونی، ایجنت باید دسترسی مجاز به همون متن داشته باشه.
  2. نوع خروجی و مخاطب رو بگید. مثلا درخواست کنید «از این نتیجه‌ها، پیام اصلی مقاله رو پیدا کنید؛ دو مسیر روایت پیشنهاد بدید و برای هر کدوم بگید کدوم ادعا هنوز مدرک کافی نداره».
  3. پیشنهادها رو با متن و شکل‌های اصلی مقایسه کنید. لطفاً محدودیت مطالعه، نتیجه مخالف و تفاوت بین همبستگی و رابطه علّی رو در بازنویسی نگه دارید؛ حذف ابهام از جمله نباید به حذف ابهام علمی تبدیل بشه.
  4. بعد از انتخاب مسیر، طرح مقاله یا چکیده رو اصلاح کنید و دوباره هر ادعا رو به شواهدش برگردونید. اگر داده کافی ندارید، روایت رو به عنوان پیشنهاد نگه دارید؛ اسکیل قرار نیست برای کامل شدن داستان، نتیجه تازه بسازه.

سوالات متداول

منبع

ساخته Rimagination. نام اصلی: good-story، منتشرشده در GitHub با مجوز MIT.

مشاهده در GitHub