نقشه حوزه پژوهشی با هوش مصنوعی
مقالههای پایه، مسیرهای روش و پرسشهای باز رو در یک پرونده کنار هم ببینید
نقشه حوزه پژوهشی با هوش مصنوعی از روشن کردن موضوع شروع میشه، نه جمع کردن تعداد زیادی لینک. اسکیل paper-reading-field-map کمک میکنه مقالههای پایه رو انتخاب کنید، مسیر جستجو رو بسنجید و برای مقالههای خواندهشده پروندهای با جایگاه، فرضها و شواهد نگه دارید.
خروجی شامل یادداشتهای Markdown و یک گزارش HTML بدون مرحله ساخته. هدف، دیدن شاخهها و رابطه کارهاست؛ نه خلاصه کامل هر مقاله یا اثبات تازه بودن یک ایده. مرز حوزه، مقالههای اولیه و روش گسترش جستجو هر کدوم به تایید شما نیاز دارن. پیشنهاد شکاف پژوهشی هم باید به مقالههای مشخص برگرده و با بررسی تخصصی سنجیده بشه.
کاربردها
- مشخص کردن مرز موضوع پژوهش پیش از جستجو
- انتخاب مقالههای پایه با دلیل روشن
- ثبت روش، فرض و شیوه ارزیابی هر کار
- دستهبندی پژوهشها در چند مسیر قابل مقایسه
- جدا کردن شکافهای پژوهشی از حدسهای بیپشتوانه
- دیدن مسیر پیشنهادی مطالعه در گزارش محلی
نصب و استفاده
- پوشه کامل این اسکیل و ایجنت دارای ابزار جستجو و دسترسی به فایل رو آماده کنید. منبعهای مجاز و محل قابل نوشتن پرونده رو مشخص کنید. سرویس ایجنت متنهایی رو که میخونه پردازش میکنه؛ هزینه یا دسترسی ابزارهای اون جداست.
- موضوع رو با هدف و حدود زمانی بدید. مثلاً بخواید: «برای پژوهش درباره بازخورد در یادگیری زبان، شاخههای اصلی و شیوه ارزیابی رو بشناسم؛ اول مرز موضوع رو پیشنهاد بدید.» پیش از جستجو مرز رو اصلاح و تایید کنید.
- مجموعه مقالههای اولیه و بعد روش گسترش جستجو رو بررسی کنید. اگر مقالهای در دسترس نیست، محدودیت باید ثبت بشه؛ عنوان یا چکیده نباید جای خواندن منبع لازم حساب بشه.
- گزارش و پرونده مقالهها رو کنار هم ببینید. دستهبندی و فرصتهای پیشنهادی رو با شواهد بسنجید و برای ادامه مطالعه اولویت بدید. کامل بودن جدول، به معنی پوشش همه ادبیات نیست.
سوالات متداول
منبع
ساخته Zhang Yifan. نام اصلی: paper-reading-field-map، منتشرشده در GitHub با مجوز MIT.
مشاهده در GitHub