--- slug: "ai-w-nauce" number: 4 title: "AI w nauce – Literatura, Notatki, Organizacja Wiedzy" titleEn: "AI in Research – Literature, Notes, Knowledge Organization" duration: "2 godziny" tags: ["Semantic Scholar", "Connected Papers", "Consensus AI", "Elicit", "Zotero", "Obsidian", "Notatki badawcze", "Research gaps", "PRISMA", "Etyka naukowa", "AI Act", "RODO"] instructor: "Artur Sendyka" dates: - group: "Grupa 1" date: "05.05.2026" time: "17:00–19:00" - group: "Grupa 2" date: "06.05.2026" time: "17:00–19:00" objectives: - "Sprawnie korzystać z narzędzi AI do odkrywania i filtrowania literatury naukowej" - "Generować notatki badawcze z artykułu bez ryzyka plagiatu" - "Zidentyfikować luki badawcze (research gaps) z pomocą AI" - "Cytować treści generowane przez AI zgodnie z normą APA 7" - "Świadomie stosować AI w cyklu PRISMA dla przeglądów systematycznych" - "Ocenić ryzyko naruszenia RODO przy przetwarzaniu danych badawczych przez LLM" tools: - "Semantic Scholar (semanticscholar.org)" - "Connected Papers (connectedpapers.com)" - "Consensus AI (consensus.app)" - "Elicit (elicit.com)" - "Research Rabbit (researchrabbitapp.com)" - "Zotero (zotero.org)" - "Google NotebookLM (notebooklm.google.com)" description: "Praktyczne zastosowanie narzędzi AI w pracy naukowej: od wyszukiwania i filtrowania literatury przez generowanie notatek badawczych po organizację wiedzy i systematyczny przegląd PRISMA — z zachowaniem standardów etycznych i wymogów RODO." --- ## Podsumowanie AI - **Temat:** AI w nauce – Literatura, Notatki, Organizacja Wiedzy - **Cel materiału:** Praktyczne zastosowanie narzędzi AI w pracy naukowej: od wyszukiwania i filtrowania literatury przez generowanie notatek badawczych po organizację wiedzy i systematyczny przegląd PRISMA — z zachowaniem standardów etycznych i wymogów RODO. - **Jak pracować z treścią:** czytaj sekcjami, testuj zrozumienie pytaniami i wykorzystuj AI do aktywnej powtórki. ## Wprowadzenie W 2025 roku opublikowano ponad **2,5 miliona nowych artykułów naukowych**. Nawet w wąskiej dziedzinie — zarządzania informacją, komunikacji społecznej czy informatyki — śledzenie literatury bez AI jest coraz trudniejsze. Tradycyjny przegląd literatury do pracy dyplomowej zajmował tygodnie. Z właściwymi narzędziami — zajmuje kilka godzin. Ale uwaga: **szybkość nie zastępuje jakości**. AI przyspiesza odkrywanie i screening, jednak interpretacja wyników, ocena metodologii i krytyczne myślenie pozostają po Twojej stronie. Badacze raportują skrócenie czasu przeglądów o 60–70% przy zachowaniu pełnej rzetelności — pod warunkiem, że rozumieją, gdzie AI pomaga, a gdzie może wprowadzić w błąd. Ten moduł daje Ci **kompletny, weryfikowalny workflow** od pytania badawczego do syntezy literatury — oraz narzędzia do każdego kroku. --- ## 1. Ekosystem narzędzi AI do badań — mapa 2026 ### 1.1 Cztery warstwy researchu Zanim sięgniesz po konkretne narzędzie, warto zrozumieć, że praca naukowa ma cztery odrębne fazy — i każda wymaga innych narzędzi: | Faza | Pytanie | Najlepsze narzędzia AI | |---|---|---| | **Odkrywanie** | Jakie artykuły istnieją w tym obszarze? | Semantic Scholar, Research Rabbit, Connected Papers | | **Synteza dowodów** | Co badania mówią na dany temat? | Consensus AI, Elicit | | **Głęboka analiza** | Co dokładnie mówi ten artykuł? | Claude (analiza PDF), Elicit, NotebookLM | | **Organizacja** | Jak zarządzać wiedzą i cytatami? | Zotero, Obsidian, NotebookLM | Najczęstszy błąd: używanie jednego narzędzia do wszystkich czterech faz. ChatGPT lub Claude nie zastąpią Semantic Scholar do odkrywania — bo mogą **halucynować cytowania**. Semantic Scholar nie zastąpi Claude do głębokiej analizy — bo nie czyta pełnych tekstów. ### 1.2 Kluczowe ostrzeżenie > ⚠️ **Nigdy nie cytuj artykułu, którego nie weryfikowałeś/weryfikowałaś w bazie naukowej.** Gdy pytasz ChatGPT lub Claude o literaturę, model może podać tytuły brzmiące wiarygodnie, ale nieistniejące (halucynacja). Zawsze weryfikuj w Google Scholar, Semantic Scholar lub bezpośrednio w bazie uczelni. --- ## 2. Narzędzia do odkrywania literatury (stan marzec 2026) ### 2.1 Semantic Scholar — baza domyślna **Czym jest:** Bezpłatna wyszukiwarka naukowa od Allen Institute for AI (AI2). Indeksuje ponad **200 milionów artykułów** z wszystkich dziedzin. Używa semantycznego wyszukiwania — rozumie znaczenie zapytania, nie tylko słowa kluczowe. **Kluczowe funkcje:** - **TLDR (Too Long; Didn't Read):** AI generuje 1-zdaniowe streszczenie każdego artykułu - **Highly Influential Citations:** wskazuje które cytowania miały realny wpływ (nie tylko są wymienione) - **Semantic Reader:** czyta artykuł z podkreśleniami kluczowych twierdzeń i odnośnikami do definicji - **Research Feeds:** automatyczne alerty o nowych artykułach w Twoim temacie - **Eksport do Zotero:** przez connector przeglądarki **Koszt:** Bezpłatne. API darmowe (1 zapytanie/sekundę z prywatnym kluczem). **Ograniczenia:** Słabsza pokrywalność w humanistyce i naukach społecznych niż w STEM. AI-generowane TLDRy nie zawsze są dokładne — traktuj je jako wskazówkę, nie jako autorytarne streszczenie. **Praktyczne wskazówki:** - Wyszukuj po **DOI lub tytule** (dokładniejsze niż słowa kluczowe) gdy weryfikujesz konkretny artykuł - Używaj **filtru "Highly Cited"** dla seminale prace w dziedzinie - Zakładka **"Cited By"** pokazuje kto po tej pracy cytuje — świetne do śledzenia aktualnego stanu badań ### 2.2 Connected Papers — mapa pola badawczego **Czym jest:** Narzędzie wizualizujące artykuły jako graf — węzły to artykuły, krawędzie to podobieństwo cytatów. Zbudowane na bazie Semantic Scholar. **Jak działa:** Podajesz tytuł lub DOI artykułu → narzędzie buduje graf artykułów podobnych (przez nakładające się cytowania i odniesienia), nie tylko tych bezpośrednio cytowanych. Dzięki temu odkrywasz prace, których byś nie znalazł/a tradycyjnym wyszukiwaniem. **Dwie kluczowe sekcje:** - **Prior Works** — fundament pola: klasyczne, seminale artykuły - **Derivative Works** — co wyrosło z tej pracy: aktualne badania bazujące na tym artykule **Koszt:** 5 darmowych grafów/miesiąc bez logowania; więcej po rejestracji (bezpłatna). **Kiedy używać:** Na początku pisania rozdziału teoretycznego — żeby zrozumieć strukturę pola i nie przeoczyć kluczowych prac. ### 2.3 Consensus AI — synteza dowodów naukowych **Czym jest:** Wyszukiwarka zaprojektowana do odpowiadania na pytania w stylu *"czy X jest prawdą?"* z syntezą wyników z badań naukowych. Używa GPT-4 do analizy 200M+ prac. **Kluczowa funkcja — Consensus Meter:** Wizualny wskaźnik pokazujący czy badania wspierają, są neutralne, czy przeczą danej tezie. Świetne do formułowania uzasadnienia hipotezy badawczej. **Koszt:** Darmowe (10 analiz/miesiąc, odnawialne). Premium ok. ~$9/miesiąc rocznie (więcej analiz, zaawansowane filtry). **Kiedy używać:** - Formułowanie uzasadnienia dla Twojej tezy ("badania wskazują, że...") - Szybka weryfikacja: czy istnieje konsensus naukowy w danej kwestii? - Identyfikacja research gap: szukasz pytania, na które brak konsensusu **Ograniczenia:** Przede wszystkim język angielski. Lepiej działa w empirycznych naukach (medycyna, psychologia, nauki społeczne) niż w humanistyce. ### 2.4 Elicit — asystent systematycznych przeglądów **Czym jest:** Narzędzie do automatyzacji *research workflow* — szczególnie ekstrakcji danych z wielu artykułów do tabel. Indeksuje 138 milionów artykułów. **Kluczowe funkcje:** - Ekstrakcja danych do tabeli: pyta każdy artykuł o próbę, metodę, wynik, ograniczenia — i zestawia je w arkuszu - Automatyczne raporty systematycznych przeglądów - Workflow PRISMA (filtry inkluzji/ekskluzji) **Koszt:** Darmowe (5000 jednorazowych kredytów — nie odnawiają się). Plus od $10/miesiąc rocznie; Pro od $12/miesiąc rocznie. Elicit NIE trenuje modeli na danych użytkowników. **Kiedy używać:** Piszesz rozdział metodologiczny z systematycznym przeglądem → Elicit robi 80% ekstrakcji danych za Ciebie. ### 2.5 Research Rabbit — darmowa mapa połączeń **Czym jest:** Bezpłatne narzędzie wizualizujące połączenia między artykułami — działające na zasadzie "Spotify for research papers". Integruje się z Zotero. **Funkcje:** Podobne prace / Wcześniejsze prace / Późniejsze prace jako interaktywny graf. Custom Feeds — alerty o nowych artykułach dopasowanych do Twojej biblioteki. **Koszt:** Całkowicie bezpłatne (financowane przez uczelnie partnerskie). --- ## 3. Zotero — zarządzanie bibliografią z AI ### 3.1 Dlaczego Zotero, nie inne narzędzia? Zotero to **otwartoźródłowy** menedżer bibliografii — Twoje dane są Twoje, nie przechowywane na serwerach zewnętrznych (chyba że korzystasz z płatnego Zotero Sync). Integruje się ze wszystkimi omówionymi narzędziami badawczymi. **Kluczowe funkcje Zotero (wersja 7+):** - Import przez connector przeglądarki — jedno kliknięcie, pełne metadane - Automatyczne generowanie cytatów w 10 000+ formatach (APA 7, Chicago, Vancouver...) - Synchronizacja z Cloud (300 MB za darmo, $20/rok za 2 GB) - Adnotacje PDF z synchronizacją między urządzeniami ### 3.2 Workflow Zotero + narzędzia AI ```text KROK 1: Odkrywanie Semantic Scholar / Research Rabbit → znajdź artykuł KROK 2: Import Connector Zotero (wtyczka przeglądarki) → kliknij ikonę → artykuł w bibliotece z pełnymi metadanymi (tytuł, autorzy, DOI, abstrakt) KROK 3: Czytanie i analiza Otwórz PDF z Zotero → Claude.ai lub NotebookLM → prześlij PDF → zadaj pytania KROK 4: Notatka Wygeneruj notatkę badawczą (prompt z ćwiczeń) → zapisz w Zotero jako notatkę KROK 5: Cytowanie W edytorze tekstu (Word/LibreOffice) → plugin Zotero → wstaw cytat automatycznie ``` ### 3.3 Google NotebookLM — RAG na Twoich dokumentach **Czym jest:** Bezpłatne narzędzie Google — wgraj do 50 dokumentów (PDF, DOCX, URL) i rozmawiaj z nimi przez AI. Model nie halucynuje cytatów — odpowiada wyłącznie na podstawie dostarczonych dokumentów. **Killer feature dla studentów:** Wgraj 10 artykułów z pracy dyplomowej → zapytaj "Jakie są luki w literaturze dotyczące X?" → otrzymasz odpowiedź z cytatami do konkretnych stron. **Koszt:** Bezpłatne (konto Google). NotebookLM Plus: ~$20/miesiąc (w ramach Google One AI Premium). --- ## 4. Generowanie notatek badawczych — metodologia ### 4.1 Trzy poziomy interakcji z literaturą Nie każdy artykuł wymaga takiego samego przetworzenia. Stosuj odpowiedni poziom: **Poziom 1 — Screening (30 sekund/artykuł):** Przeczytaj tylko tytuł, abstrakt i TLDR z Semantic Scholar. Decyzja: czytam dalej / odrzucam. **Poziom 2 — Analiza powierzchowna (5–10 min):** Użyj AI do wygenerowania strukturowanej notatki z abstraktu lub wprowadzenia. **Poziom 3 — Analiza głęboka (20–30 min):** Prześlij pełny PDF do Claude lub NotebookLM. Zadaj szczegółowe pytania o metodologię, wyniki, ograniczenia. ### 4.2 Prompt do notatki badawczej (Poziom 2) ```text Przeczytaj poniższy abstrakt i wygeneruj notatkę badawczą w formacie tabeli: | Element | Treść | |---|---| | Pytanie badawcze / cel | | | Metodologia (typ, próba, narzędzia) | | | Kluczowe wyniki (max. 3 punkty) | | | Ograniczenia badania | | | Zastosowanie dla mojej pracy | | | Potencjalne pytania do dalszej eksploracji | | Abstrakt: [wklej abstrakt] WAŻNE: Jeśli informacja nie jest podana w abstrakcie — wpisz "brak danych w abstrakcie". Nie wymyślaj treści. ``` ### 4.3 Prompt do analizy głębokiej (Poziom 3) ```text Jestem studentką/studentem [kierunek] na UJ i piszę pracę o [temat]. Przeanalizuj ten artykuł i odpowiedz na pytania: 1. METODOLOGIA: Jaki typ badania? Jaka próba? Jakie narzędzia zbierania danych? Czy metoda jest adekwatna do pytania badawczego? 2. WYNIKI: Jakie są 3 najważniejsze wyniki? Czy autorzy uzasadniają je danymi? 3. OGRANICZENIA: Jakie ograniczenia wskazują sami autorzy? Jakie dostrzegasz Ty? 4. RELEVANCE dla mojej pracy: Jak ten artykuł odnosi się do [Twój temat]? Co mogę z niego zacytować? Co kwestionuje moje założenia? 5. RESEARCH GAP: Czego ten artykuł NIE bada, a co byłoby wartościowe? Odpowiadaj wyłącznie na podstawie dostarczonego tekstu. Jeśli czegoś nie ma w artykule — napisz "nie omówiono w artykule". ``` ### 4.4 Identyfikacja research gaps ```text Mam 5 poniższych abstraktów z dziedziny [Twoja dziedzina]. Na podstawie ich analizy: 1. Wymień 3 tematy, które WSZYSCY autorzy badają (mainstream) 2. Wymień 3 tematy, które pojawiają się rzadko lub w ogóle (luki) 3. Zaproponuj 2 pytania badawcze, które wypełniałyby zidentyfikowane luki 4. Wskaż która luka byłaby realna do zbadania w pracy dyplomowej (badanie jakościowe, 3 miesiące, max 20 respondentów) Abstrakt 1: [...] Abstrakt 2: [...] Abstrakt 3: [...] Abstrakt 4: [...] Abstrakt 5: [...] ``` --- ## 5. PRISMA + AI — systematyczny przegląd literatury ### 5.1 Czym jest PRISMA? **PRISMA** (Preferred Reporting Items for Systematic Reviews and Meta-Analyses) to standaryzowany protokół raportowania przeglądów systematycznych. Wymaga przejrzystości w każdym kroku — ile artykułów znaleziono, ile odrzucono i dlaczego. Strona oficjalna: [prisma-statement.org](http://www.prisma-statement.org) ### 5.2 Gdzie AI pomaga, a gdzie nie | Krok PRISMA | Rola AI | Wymagana weryfikacja ludzka | |---|---|---| | Formulowanie pytania (PICO/SPIDER) | Pomaga precyzować sformułowania | Zawsze — to Twoja decyzja naukowa | | Wyszukiwanie baz | Semantic Scholar, Elicit generują wyniki | Musisz też przeszukać Web of Science / Scopus | | Screening tytułów/abstraktów | AI może screenwować setki abstraktów | Próba losowa do weryfikacji | | Ekstrakcja danych | Elicit robi tabele automatycznie | Weryfikuj kluczowe dane ręcznie | | Ocena jakości (RoB, CASP) | AI może wstępnie oceniać | Ostateczna ocena jest zawsze ludzka | | Synteza i wnioski | AI streszcza trendy | Interpretacja należy do Ciebie | ### 5.3 Praktyczny workflow PRISMA + AI ```text ETAP 1 — IDENTYFIKACJA Semantic Scholar: wyszukaj "AI literacy higher education" → eksportuj 200 wyników do CSV Elicit: zadaj to samo pytanie → porównaj wyniki ETAP 2 — SCREENING Wklej 200 tytułów i abstraktów do Elicit lub Claude: "Odfiltruj artykuły spełniające kryteria inkluzji: - język: angielski lub polski - rok: 2019–2026 - temat: AI literacy w szkołach wyższych (nie K-12) - typ: artykuł empiryczny lub przeglądowy" → zostaje ok. 40 artykułów ETAP 3 — ELIGIBILITY Dla każdego z 40 artykułów wygeneruj notatkę badawczą (Poziom 2) Odrzuć artykuły niespełniające kryteriów metodologicznych ETAP 4 — INKLUZJA Zostaje ok. 15–20 artykułów → głęboka analiza (Poziom 3) ETAP 5 — SYNTEZA NotebookLM: wgraj wszystkie 20 PDF-ów → zapytaj o wspólne wątki i luki Claude: wygeneruj narracyjną syntezę ``` --- ## 6. Etyka i regulacje — co musisz wiedzieć ### 6.1 Plagiat, self-plagiat i granice AI **Plagiat:** Przepisanie cudzego tekstu bez cytowania to plagiat — niezależnie czy robi to człowiek czy AI. Jeśli AI streszcza artykuł słowo w słowo (nawet po polsku), a Ty wklejasz to do pracy — to jest plagiat. **Bezpieczna zasada "3 kroków":** 1. Przeczytaj artykuł i zrozum go 2. Zamknij artykuł, wygeneruj notatkę własnymi słowami (AI może pomóc w strukturze) 3. Zacytuj oryginalne źródło, nie notkę **Self-plagiat:** Recycling własnych wcześniejszych prac bez cytowania. AI ułatwia "recykling" — zwłaszcza gdy prosisz model o rozwinięcie wcześniejszych fragmentów. ### 6.2 Jak cytować AI w pracy akademickiej — normy APA 7 APA 7 (7. edycja, 2019 + aktualizacje 2023) definiuje format cytowania treści generowanych przez AI: **Format ogólny:** ``` Nazwa modelu (rok). Tytuł lub opis generowanej treści [Generowany przez AI]. Dostawca. URL lub identyfikator sesji. ``` **Przykład — tekst z ChatGPT:** ``` OpenAI. (2026). Podsumowanie metodologii badań jakościowych [Odpowiedź ChatGPT]. OpenAI. https://chat.openai.com (wygenerowano 15 maja 2026) ``` **Przykład — analiza z Claude:** ``` Anthropic. (2026). Analiza abstraktu artykułu Smith i in. (2024) [Odpowiedź Claude.ai]. Anthropic. https://claude.ai (wygenerowano 15 maja 2026) ``` **Ważne:** Nie możesz cytować AI jako "źródło faktów" — bo model może halucynować. Cytujesz AI jako **narzędzie pomocnicze**, tak jak citujesz oprogramowanie statystyczne (np. "dane przetworzono przy użyciu Claude Sonnet 4.6"). ### 6.3 Polityki uczelni wobec AI **Ogólna tendencja w Polsce (2025/2026):** Większość polskich uczelni przyjęła politykę "przejrzystości" — AI można używać jako narzędzie pomocnicze, pod warunkiem ujawnienia tego w pracy. Nie ma jednolitego standardu. **Sprawdź zawsze:** Aktualną politykę WZiKS UJ dostępną na stronie wydziału. Zapytaj promotora na pierwszym seminarium — zanim zaczniesz używać AI w pracy. **Ogólne zasady bezpieczne:** - Użycie AI do korekty języka: zazwyczaj akceptowane - Użycie AI do generowania tez i argumentów: zazwyczaj wymaga ujawnienia - Użycie AI do generowania gotowych fragmentów bez weryfikacji: ryzykowne ### 6.4 AI Act UE i RODO w badaniach **AI Act (rozporządzenie UE):** Weszło w życie stopniowo 2024–2026. Systemy AI używane do oceniania studentów lub rekrutacji klasyfikowane jako **wysokiego ryzyka** — wymagają transparentności i możliwości odwołania. Narzędzia do pisania prac są na razie w niższej kategorii ryzyka. **RODO przy badaniach z AI:** - Dane osobowe respondentów (imię, wiek, lokalizacja) = dane osobowe w rozumieniu RODO - Wysyłanie danych osobowych do modeli chmurowych (ChatGPT, Claude) bez zgody i DPA = naruszenie RODO - Bezpieczne rozwiązania: anonimizacja przed przetworzeniem, lub LM Studio (lokalnie) - Nagrania wywiadów: absolutnie nie wklejaj do modeli chmurowych bez anonimizacji --- ## 7. Przebieg modułu — timeline | Czas | Aktywność | Forma | |---|---|---| | 0–10 min | Ankieta: jak teraz piszesz przeglądy literatury? | Mentimeter | | 10–25 min | Mini-wykład: ekosystem narzędzi, gdzie AI pomaga a gdzie zawodzi | Wykład + demo | | 25–55 min | **Ćwiczenie 1** — Przegląd literatury o AI literacy (30 min) | Praca własna | | 55–75 min | **Ćwiczenie 2** — Notatka badawcza z artykułu (20 min) | Praca własna | | 75–95 min | **Ćwiczenie 3** — Mapa pola badawczego w Connected Papers (20 min) | Praca własna | | 95–110 min | **Ćwiczenie 4** — Wykrywanie halucynowanych cytatów (15 min) | Praca w parach | | 110–120 min | Podsumowanie, Q&A o etyce, rekomendacje workflow | Dyskusja | --- ## 8. Ćwiczenia praktyczne ### Ćwiczenie 1 — Przegląd literatury o AI literacy (30 min) **Cel:** Zbudować mini-bibliografię tematu w 30 minut zamiast kilku godzin. **Krok 1 — Semantic Scholar (10 min):** 1. Wejdź na [semanticscholar.org](https://semanticscholar.org) 2. Wyszukaj: `"AI literacy" "higher education"` (cudzysłowy dla dokładnego dopasowania) 3. Filtruj: Year → 2022–2026; Fields of Study → Computer Science + Education 4. Znajdź 3 artykuły z najwyższą liczbą cytowań 5. Dla każdego sprawdź TLDR i kliknij "Highly Influential Citations" 6. Zapisz do Zotero przez connector przeglądarki **Krok 2 — Consensus AI (10 min):** 1. Wejdź na [consensus.app](https://consensus.app) 2. Zadaj pytanie: `"Do AI literacy courses improve student outcomes in higher education?"` 3. Sprawdź Consensus Meter — czy badania wspierają tę tezę? 4. Kliknij na 2 artykuły z listy wyników → dodaj do Zotero **Krok 3 — Weryfikacja (10 min):** Wybierz jeden artykuł z Consensus AI. Wyszukaj go w Google Scholar lub Web of Science (dostęp przez bibliotekę UJ). Czy artykuł istnieje? Czy tytuł, autorzy i rok się zgadzają? **Pytanie do refleksji:** Czy Consensus AI podał artykuły, których nie było w Semantic Scholar? Czy któryś okazał się nieistniejący? ### Ćwiczenie 2 — Generowanie notatki badawczej (20 min) **Cel:** Nauczyć się efektywnie przetwarzać abstrakt bez ryzyka plagiatu. **Materiał:** Prowadzący dostarcza abstrakt artykułu (ok. 250 słów) z dziedziny zarządzania informacją lub komunikacji społecznej. **Krok 1 (5 min):** Przeczytaj abstrakt samodzielnie. Zapisz odręcznie 3 rzeczy, które zapamiętałeś/zapamiętałaś. **Krok 2 (10 min):** Użyj promptu z Sekcji 4.2 tego modułu (notatka w formacie tabeli). Wklej abstrakt do Claude lub ChatGPT. **Krok 3 (5 min):** Porównaj notatkę AI z Twoimi ręcznymi notatkami: - Co AI dodało, czego nie zauważyłeś/zapamiętałaś? - Co AI pominęło lub sfałszowało? - Czy AI napisało "brak danych w abstrakcie" tam gdzie rzeczywiście brakowało informacji? **Dyskusja grupowa:** Czy notatka AI jest gotowa do wklejenia do bibliografii pracy? Co jeszcze musisz zrobić? ### Ćwiczenie 3 — Mapa pola badawczego w Connected Papers (20 min) **Cel:** Zobaczyć strukturę pola badawczego AI literacy w 15 minut. **Krok 1 (5 min):** 1. Wejdź na [connectedpapers.com](https://connectedpapers.com) 2. Wpisz tytuł jednego z artykułów znalezionych w Ćwiczeniu 1 3. Kliknij "Build a graph" 4. Poczekaj ~30 sekund na generowanie grafu **Krok 2 (10 min):** Eksploruj graf: - Kliknij na największy węzeł obok Twojego artykułu — co to za praca? - Przejdź do sekcji "Prior Works" — wymień 2 seminalne artykuły w tej dziedzinie - Przejdź do sekcji "Derivative Works" — który z nich wydaje się najnowszy i najbardziej aktualny? **Krok 3 (5 min):** - Kliknij na artykuł z "Derivative Works" z ostatnich 2 lat - Dodaj go do Zotero - Sprawdź jego tytuł w Semantic Scholar — ile ma cytowań? **Refleksja:** Czy znalazłeś/znalazłaś artykuł, którego byś nie trafił/trafiła tradycyjnym wyszukiwaniem? ### Ćwiczenie 4 — Wykrywanie halucynowanych cytatów (15 min) **Cel:** Nauczyć się rozpoznawać i weryfikować potencjalnie fałszywe cytowania. **Materiał:** Prowadzący dostarcza akapit tekstu (150 słów) wygenerowanego przez AI, zawierający 4 cytowania — jedno prawdziwe, trzy wymyślone. **Zadanie (10 min):** Dla każdego cytowania zrób szybką weryfikację: ```text METODA WERYFIKACJI (2 minuty/cytat): 1. Skopiuj tytuł artykułu 2. Wklej w Google Scholar (scholar.google.com) 3. Jeśli nie znajdziesz: sprawdź w Semantic Scholar 4. Jeśli DOI podany: wejdź na doi.org → wklej DOI 5. Wynik: ✅ istnieje / ❌ nie istnieje / ⚠️ istnieje ale dane różnią się ``` **Krok 2 (5 min):** Ujawnij wyniki grupie. Omów: - Które cechy "fałszywego" cytowania były widoczne na pierwszy rzut oka? - Czy DOI się sprawdzał? - Czy tytuł brzmiał wiarygodnie? **Zasada na przyszłość:** Każde nowe cytowanie, które wygenerował AI — weryfikuj w Google Scholar lub Semantic Scholar zanim użyjesz w pracy. Zajmuje 2 minuty. Oszczędza reputację. --- ## 9. Tabela porównawcza narzędzi badawczych (marzec 2026) | Narzędzie | Koszt | Artykułów | Najlepsze do | Ograniczenia | |---|---|---|---|---| | **Semantic Scholar** | Bezpłatne | 200M+ | Odkrywanie, TLDR, citation graph | Słabsze w humanistyce | | **Connected Papers** | Bezpłatne (5 grafów/mies.) | 200M+ (via S2) | Mapa pola badawczego | Angielski, STEM-bias | | **Consensus AI** | Free (10/mies.) / ~$9/mies. | 200M+ | Synteza dowodów, research gap | Głównie angielski | | **Elicit** | Free (5000 jednorazowo) / $10/mies. | 138M | Systematyczne przeglądy, tabele | Wymaga zaawansowanego pytania | | **Research Rabbit** | Bezpłatne | 270M+ | Sieć połączeń, alerty | Brak ekstrakcji danych | | **Google NotebookLM** | Bezpłatne | Twoje dokumenty | RAG na własnych PDF-ach | Max 50 dokumentów/notebook | | **Zotero** | Bezpłatne (300 MB sync) | — | Zarządzanie bibliografią | Storage płatny przy dużej bibliotece | --- ## 10. Pytania kontrolne 1. Dlaczego NIE powinieneś/powinnaś pytać ChatGPT "Podaj mi 5 artykułów o AI literacy" zamiast używać Semantic Scholar? Jakie jest konkretne ryzyko? 2. Opisz różnicę między **Prior Works** a **Derivative Works** w Connected Papers. Kiedy każda z tych sekcji jest bardziej przydatna? 3. Chcesz sprawdzić czy istnieje konsensus naukowy dotyczący skuteczności prompt engineeringu w edukacji wyższej. Które narzędzie z omówionych wybierzesz i dlaczego? 4. Twój promotor prosi o rozdział z systematycznym przeglądem literatury. Wymień 4 kroki workflow z AI, które przeprowadzisz, i wskaż gdzie jest bezwzględna konieczność ludzkiej weryfikacji. 5. Masz 15 wywiadów nagranych z respondentami (dane osobowe: imię, wiek, uczelnia). Chcesz użyć AI do transkrypcji i analizy tematycznej. Co musisz zrobić PRZED wysłaniem danych do modelu chmurowego? 6. Napisz poprawne cytowanie APA 7 dla odpowiedzi wygenerowanej przez Claude Sonnet 4.6 w dniu dzisiejszym, w której model podsumował treść 3 artykułów naukowych. 7. Twój kolega mówi: "Elicit znalazł mi 50 artykułów i wygenerował tabelę — przegląd gotowy!" Co mu odpiszesz? --- ## 11. Materiały do dalszej nauki - **Semantic Scholar Docs** — jak korzystać z API i zaawansowanych funkcji: [api.semanticscholar.org](https://api.semanticscholar.org) - **PRISMA 2020 Statement** — oficjalny przewodnik po systematycznych przeglądach: [prisma-statement.org](http://www.prisma-statement.org) - **APA 7 — cytowanie AI** — oficjalny blog APA: [apastyle.apa.org/blog/how-to-cite-chatgpt](https://apastyle.apa.org/blog/how-to-cite-chatgpt) - **Elicit Blog** — metodologia przeglądów systematycznych z AI: [elicit.com/blog](https://elicit.com/blog) - **Connected Papers — How It Works**: [connected-papers.com/about](https://www.connectedpapers.com/about) - **Zotero Quick Start Guide** — oficjalny przewodnik po polsku (lub angielsku): [zotero.org/support/quick_start_guide](https://www.zotero.org/support/quick_start_guide) - **Wytyczne UJ dotyczące AI w pracach dyplomowych** — sprawdź aktualną politykę: [uj.edu.pl](https://www.uj.edu.pl) (zakładka: Studenci → Informacje) ## FAQ (rozwiń)
Jak najlepiej uczyć się z tego materiału? 1. Przeczytaj całość raz bez notowania. 2. Wypisz 3 najważniejsze pojęcia i 3 pytania, które masz po lekturze. 3. Wykonaj mini-ćwiczenie: streść materiał własnymi słowami w 5-7 punktach.
Czy mogę używać AI do wyjaśniania trudnych fragmentów? Tak. Najlepiej wklejać konkretny fragment i prosić model o: - wyjaśnienie prostym językiem, - przykład praktyczny, - pytanie kontrolne sprawdzające zrozumienie.
Jak zweryfikować poprawność odpowiedzi modelu? - porównuj odpowiedź z treścią tego pliku, - sprawdzaj pojęcia w wiarygodnych źródłach, - nie kopiuj bezrefleksyjnie wygenerowanych wniosków.
Co zrobić, jeśli materiał jest za długi? Podziel go na sekcje i pracuj etapami: sekcja -> streszczenie -> pytania -> test wiedzy.
## Ucz się z tym plikiem MDX w narzędziach AI