Opis:
Szkolenie ma na celu przybliżenie uczestnikom kluczowych etapów, narzędzi (zarówno standardowego oprogramowania, jak i sztucznej inteligencji) i metodologii potrzebnych do przygotowania rzetelnych przeglądów literatury naukowej – od ogólnego zarysu tematu, poprzez staranne gromadzenie źródeł, aż po syntetyczną analizę danych i prezentację wyników. Dodatkowo, przy pokazywaniu narzędzi i oprogramowania, prowadzący zwraca się także w stronę innych typów publikacji, sugerując, jak narzędzia (standardowe i AI) mogą być wykorzystywane także przy artykułach badawczych, esejach czy innych typach tekstów.
W sferze omówienia narzędzi generatywnej sztucznej inteligencji, prowadzący pokazuje, że AI stała się dziś nieodłącznym elementem warsztatu badaczy, zwłaszcza w obszarze tworzenia przeglądów literatury. Narzędzia AI umożliwiają nie tylko sprawne wyszukiwanie i selekcjonowanie źródeł, ale także pomagają w automatycznym streszczaniu setek publikacji naukowych. Z rozwiązań tych mogą korzystać badacze reprezentujący różne dziedziny – od nauk przyrodniczych i społecznych, po humanistyczne.
Spotkanie zwraca jednocześnie uwagę na etyczny wymiar korzystania z AI – tak, aby uniknąć pułapek związanych z generowaniem niskiej jakości streszczeń czy ryzyka utraty wiarygodności w środowisku naukowym.
Korzyści:
- Pokazanie, w jaki sposób tworzyć dobre przeglądy literatury.
- Wskazanie, jakie narzędzia sztucznej inteligencji (AI) można wykorzystać, aby skutecznie pisać przeglądy literatury i inne publikacje naukowe.
- Zwrócenie uwagi na klasyczne oprogramowanie (nie AI), które pozwoli szybko uporać się z przeglądami literatury i wspomoże proces pisania innych publikacji.
- Omówienie narzędzi z różnych perspektyw, tj. zwrócenie uwagi na ich słabe oraz mocne strony.
- Uświadomienie badaczom, jak wykorzystywać narzędzia AI z korzyścią dla siebie oraz zwrócenie uwagi na to, jak zaszkodzić można swojej reputacji, jeśli używa się ich nieumiejętnie.
W trakcie szkolenia wyżej wymienione zagadnienia będą zaprezentowane praktycznie. Prowadzący pokaże liczne narzędzia, dzięki którym uczestnicy nabędą odpowiednie kompetencje.
Kto powinien wziąć udział w szkoleniu:
- Osoby planujące publikować w wysokopunktowanych czasopismach i chcące profesjonalnie przygotowywać przeglądy literatury (ale też inne rodzaje tekstów).
- Naukowcy pragnący ulepszyć warsztat pisania artykułów, raportów i innych publikacji poprzez efektywne wykorzystanie dostępnych narzędzi AI.
- Badacze chcący dokładnie poznać etapy przygotowania przeglądów literatury.
- Naukowcy, którzy rozważają kwestie etyczne związane z użyciem narzędzi AI i chcą wiedzieć, w jaki sposób można korzystać z nich z poszanowaniem dobrych praktyk.
Program szkolenia:
Część 1. Wprowadzenie do przeglądów literatury
- Definicja i znaczenie przeglądu literatury w badaniach naukowych.
- Typy przeglądów literatury: systematyczny; scoping review; przegląd narracyjny; meta-analiza; przegląd parasolowy (umbrella review).
- Cele i korzyści z tworzenia przeglądów literatury.
Część 2. Poszczególne etapy tworzenia przeglądów
- Formułowanie problemu badawczego: identyfikacja obszaru zainteresowania; przeprowadzenie wstępnych poszukiwań (scoping searches); tworzenie pytań badawczych zgodnie z podejściem PICO/PICOSS; kryteria włączenia i wykluczenia (inclusion/exclusion criteria).
- Planowanie strategii wyszukiwania: określenie precyzji wyszukiwania; rola kompletności i trafności; włączanie literatury szarej (gray literature); dobór baz danych (np. Web of Science, Scopus, PubMed, Google Scholar; tworzenie słów kluczowych i wykorzystanie operatorów logicznych (boolean operators); dokumentowanie strategii wyszukiwania.
- Proces selekcji publikacji (screening and selection): eliminacja duplikatów; weryfikacja tytułów i abstraktów; ocena pełnych tekstów pod kątem zgodności z kryteriami.
- Analiza i synteza danych: ekstrakcja danych – tworzenie tabel ekstrakcji (data extraction tables), rejestracja źródeł danych i ujednolicanie formatów; synteza wyników: analiza jakościowa i ilościowa; identyfikacja luk badawczych i kluczowych tematów.
- Raportowanie przeglądu literatury: struktura i zawartość gotowego przeglądu; standardy raportowania (np. PRISMA, MOOSE, CONSORT i inne); tworzenie wykresów (flowcharts) dokumentujących proces selekcji.
Część 3. Narzędzia AI (sztucznej inteligencji) w tworzeniu przeglądów
- Formułowanie pytań badawczych i strategii wyszukiwania: narzędzia wspierające precyzyjne formułowanie pytań badawczych (Elicit, Perplexity, SciSpace, ResearcherLife i inne); automatyczne tworzenie list słów kluczowych i strategii wyszukiwania.
- Wyszukiwanie literatury: automatyzacja wyszukiwania publikacji na podstawie pytań badawczych; wizualizacja powiązań między artykułami w celu identyfikacji kluczowych źródeł (np. Connected Papers); analiza odpowiedzi na pytania badawcze na podstawie dostępnej literatury (np. Consensus); interaktywne eksplorowanie tematycznych powiązań między badaniami (np. Research Rabbit).
- Organizacja i selekcja literatury: automatyczne tworzenie streszczeń i wyciągów kluczowych informacji z publikacji (np. Scispace, Avidnote, Scholarcy).
Część 4. Oprogramowanie standardowe (nie AI) w tworzeniu przeglądów
- Wprowadzenie do standardowych narzędzi: dlaczego tradycyjne narzędzia są wciąż istotne w przeglądach literatury; zalety tradycyjnych metod, takie jak przejrzystość, kontrola jakości i możliwość dopasowania do specyficznych wymagań badawczych; integracja standardowych narzędzi z narzędziami AI.
- Zarządzanie zgromadzonymi źródłami: tworzenie katalogów i adnotacji (Zotero, Mendeley, Citavi i inne)
- Narzędzia do zarządzania procesem selekcji literatury, w tym eliminacji duplikatów i oceny abstraktów (np. Covidence)
- Analiza i synteza danych: MaxQDA, Atlas (i inne narzędzia CAQDAS, czyli narzędzia do analizy jakościowej, wspomagające identyfikację głównych tematów i wniosków, wyodrębnianie najważniejszych wniosków z dużych zbiorów danych).
Część 5. Jak wykorzystywać narzędzia AI i standardowe oprogramowanie dla innych typów publikacji
- Rodzaje publikacji naukowych – szybki przegląd.
- Narzędzia a artykuły empiryczne: prezentowanie wyników badań pierwotnych (np. eksperymentów, badań ankietowych, analiz jakościowych).
- Narzędzia a studia przypadków: szczegółowa analiza pojedynczych przypadków lub specyficznych zjawisk.
- Narzędzia a eseje i publikacje popularnonaukowe: łączenie dostępnych dowodów naukowych z przystępną narracją.
- Etyczne aspekty tworzenia przeglądów literatury: rzetelność i transparentność w procesie przeglądu; unikanie błędów i stronniczości (bias); odpowiedzialne korzystanie z narzędzi AI.
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
