Pisanie artykułów (publikacji) naukowych: narzędzia AI, unikanie nieetycznych i zabronionych praktyk generatywnej sztucznej inteligencji, specjalistyczne edytory, współpraca z wieloma autorami

Opis:

W dobie dynamicznego rozwoju narzędzi opartych na sztucznej inteligencji (AI), pisanie publikacji naukowych przeszło istotną transformację. Szkolenie to ma na celu kompleksowe przygotowanie badaczy do świadomego, etycznego i efektywnego korzystania z AI w procesie tworzenia tekstów naukowych – od koncepcji, przez pisanie, aż po publikację i współautorstwo.

Szkolenie pokazuje, jak skutecznie tworzyć teksty naukowe z wykorzystaniem AI – od wstępnych pomysłów, przez pisanie, po publikowanie i promowanie efektów pracy. Uczestnicy poznają zarówno standardowe zasady tworzenia publikacji naukowych, jak i nowoczesne rozwiązania wspierające badaczy.

Trener pokazuje jak sztuczna inteligencja może być partnerem w pisaniu, ale też kiedy jej użycie jest nieetyczne lub ryzykowne. Pokazuje, jak tworzyć dobre teksty naukowe, korzystając z nowych technologii, bez utraty jakości i oryginalności.

Korzyści: 

• Nauka efektywnego zarządzania procesem pisania (także w zespole).
• Poznanie zasad przydzielania autorstwa i etyki współpracy.
• Praktyczne wykorzystanie AI do pisania i korekty tekstów.
• Umiejętność organizacji pracy nad publikacją.
• Praca z narzędziami AI wspierającymi pisanie, komunikację i zarządzanie wersjami tekstu.
• Praktyczne wskazówki dotyczące przygotowania cover letter, submission i odpowiadania na recenzje – w kontekście pracy zespołowej.

Kto powinien wziąć udział w szkoleniu:

• Badacze (na każdym etapie kariery), którzy chcą skutecznie publikować.
• Badacze współpracujący w projektach interdyscyplinarnych.
• Zespoły redagujące wspólne publikacje (empiryczne, przeglądowe, eseistyczne).
• Doktoranci i młodzi naukowcy planujący pisać z promotorem, opiekunem lub zespołem.
• Osoby koordynujące duże zespoły publikacyjne (np. granty, konsorcja).
• Osoby odpowiedzialne za jakość, etykę i zgodność publikacji w instytucjach naukowych.
• Wszyscy zainteresowani etycznym i praktycznym wykorzystaniem AI w publikacjach wieloautorskich.

Program szkolenia:

Część 1. Jak się przygotować do pisania artykułu – pisanie jako proces wspomagany przez AI?

1. Pisanie jako proces – jak AI może wspierać na każdym jego etapie (szybki przegląd narzędzi wskazywanych podczas szkolenia: od ogólnych, „publicznych” modeli po narzędzia akademickie).
2. Kluczowe pytania przed pisaniem – wspomagane przez AI (np. ustrukturyzowane checklisty, asystenci pisarscy).
3. Dlaczego publikowanie jest trudne i jak AI może pomóc (np. wykrywanie braków w strukturze tekstu, propozycje poprawek).
4. Planowanie tekstu i wybór jego kategorii – narzędzia do planowania (np. narzędzia AI do tworzenia outline’ów). 
5. Wybór rodzaju publikacji – pomoc AI w dopasowaniu do stylu czasopisma.
6. Narzędzia dopasowania czasopism.
7. Czasopisma drapieżne vs. wartościowe – czy AI może jakoś pomóc w ocenie?
8. Kryteria recenzowania tekstów – AI jako „pseudo-recenzent” (oceny merytoryczne i oceny zgodności z formalnymi wymaganiami).

Część 2. Porady językowe oraz językowe narzędzia AI.

1. Pisanie po polsku czy angielsku – narzędzia do tłumaczeń.
2. Poprawność językowa – narzędzia korekty AI.
3. Porządkowanie materiału i styl – stylometryka z pomocą AI.

Część 3. Wysyłka (submission) artykułu – czy i jak może pomóc sztuczna inteligencja.

1. List do edytora, covering letter/cover letter.
2. Wskazywanie potencjalnych recenzentów.
3. Odpowiadanie recenzentom, czyli jak sobie radzić z odrzuceniami oraz propozycjami zmian (minor lub major revision; reject).
4. Checklisty i narzędzia wsparcia w procesie submission.
5. Odpowiedzi do recenzentów.
6. Promocja tekstu – narzędzia do tworzenia streszczeń graficznych, wideoabstraktów i postów do mediów społecznościowych.

Część 4. Tytuły, abstrakty i słowa kluczowe – zasady tworzenia oraz pomoc AI.

1. Dlaczego te elementy są kluczowe – pozycjonowanie artykułu.
2. Tytuł artykułu jako wyznacznik jego treści.
3. Strategie tworzenia dobrego tytułu – informacyjny charakter vs przystępność, język.
4. Tworzenie tytułów – narzędzia AI.
5. Kilka zdań o słowach kluczowych (key words) – dlaczego są ważne, jak je dobrze wybrać (jak może pomóc AI).
6. Abstakt jako odzwierciedlenie struktury tekstu; poszczególne części abstraktu.
7. Abstrakty strukturyzowane i opisowe
8. Jak sobie poradzić z ograniczonym miejscem – słownictwo oraz skróty.
9. Abstrakty – AI do pisania, skracania, przekształcania w różne wersje.
10. Extended abstracts – automatyzacja różnych wersji abstraktów

Część 5. Konstrukcja artykułu z pomocą AI.

1. Uniwersalna struktura artykułu naukowego i jej różne odmiany.
2. Research articles, czyli o potrzebie zastosowania schematu AIMRaD (Abstract, Introduction, Materials and methods, Results, and Discussion) oraz rozlicznych jego wariantów.
3. Struktura artykułu – szablony AI.
4. AIMRaD i jego warianty – tworzenie konspektu z pomocą AI.
5. Introduction – automatyzacja przeglądów literatury (jak może pomóc AI).
6. Results – AI do wizualizacji danych.
7. Tabele, wykresy, ilustracje – generatory wykresów, analiza danych przez AI.
8. Methods i Discussion – szablony i pomocne narzędzia.
9. Acknowledgments – pomocne wzory, etykieta AI.

Część 6. Etyczne wykorzystanie AI w pisaniu artykułów.

1. Czym jest etyczne korzystanie z AI w kontekście naukowym.
2. Granica między wsparciem a współautorstwem.
3. Czy i kiedy należy ujawniać użycie AI w artykule?
4. Dobre praktyki wg wytycznych wydawnictw i organizacji.
5. Jak zgodnie z zasadami wskazywać użycie narzędzi (np. w sekcji podziękowań, metod)?
6. Ryzyka i zagrożenia: niesamodzielność pracy, halucynacje AI, fabrykowanie źródeł, nieświadome plagiaty, nadmierna korekta przez AI a utrata indywidualnego stylu autora.
7. Weryfikacja treści wygenerowanych przez AI.
8. Jak i czym sprawdzać prawdziwość, jakość i wiarygodność danych.
9. Użycie detektorów AI i ocena etyczna cudzych tekstów.
10. Jak dokumentować użycie AI dla przejrzystości (notatki, logi, wersje robocze).

Część 7. Przegląd literatury (literature review): AI jako pomocnik.

1. Czym jest przegląd literatury i jakie ma cele.
2. Typy przeglądów literatury – systematic, meta, narrative, rapid, scoping, integrative, evidence mapping i inne.
3. Typy przeglądów, które wspiera AI.
4. Pierwszy etap tworzenia: Definiowanie problemu i kryteriów włączania/wyłączania; strategie szukania, gdzie szukać? Jak może pomóc AI?
5. Drugi etap: szukanie literatury – kroki (jakiego rodzaju literaturę włączać, identyfikacja miejsc szukania, słowa klucze, dodatkowe aktywności [np. hand searching czy citation chaining]). Jak może pomóc AI?
6. Trzeci etap: screening and selection – poszczególne kroki. Jak może pomóc AI?
7. Oprogramowanie standardowe (Covidence, Zotero, EndNote) + AI.
8. AI w analizie jakościowej: MaxQDA z AI, Atlas.ti, CAQDAS.

Część 8. Praktyka (zespołowego) pisania z AI

1. Różne modele współpracy publikacyjnej – od duetu po kilkunastoosobowe zespoły.
2. Zasady ustalania autorstwa (ICMJE, COPE, CRediT, inne wytyczne).
3. Role w zespole publikacyjnym (lead author, corresponding author).
4. Jak ustalać cele i zakresy odpowiedzialności – komunikacja i protokoły działania.
5. Planowanie pracy nad manuskryptem – harmonogram, narzędzia AI do wspólnej pracy nad tekstem.

​Prelegent:
dr hab. Piotr Siuda, prof. Uniwersytetu Kazimierza Wielkiego w Bydgoszczy

• Autor poczytnego poradnika wydanego przez PWN: „Publikacje naukowe”:

• Jego pełny dorobek na stronie osobistej: http://piotrsiuda.com.
• Autor kilku monografii naukowych; publikował w wielu periodykach naukowych, w tym w wysoko punktowanych pismach z tak zwanym impact factorem (Q1 i Q2 journals).
• Kierownik szeregu projektów badawczych, w tym zadania „Dzieci sieci”, „Dzieci sieci 2.0”, „Prosumpcjonizm pop-przemysłów”. Główny wykonawca naukometrycznego projektu finansowanego ze środków NPRH („Współczesna polska humanistyka wobec wyzwań naukometrii”).
• Członek The Association of Internet Researchers oraz Polskiego Towarzystwa Komunikacji Społecznej.

Co zapewniamy:

• materiały szkoleniowe w formie elektronicznej
• certyfikaty w formie elektronicznej / papierowe (zalaminowane) na życzenie
• wsparcie techniczne podczas trwania szkolenia
• wyspecjalizowaną kadrę
• liczebność grupy dostosowaną do specyfiki tematu szkolenia
• możliwość zadawania pytań w trakcie szkolenia za pośrednictwem chatu lub połączenia video