کاربرد هوش مصنوعی در نگارش و انجام مقاله مروری نظام‌مند

مقاله‌ مروری، به‌خصوص مقاله مروری نظام‌مند، قلب سنتز شواهد علمی در یک حوزه مشخص است. پژوهشگر باید پرسش پژوهشی روشن طراحی کند، استراتژی جستجوی دقیقی در پایگاه‌های داده بنویسد، صدها یا حتی هزاران عنوان و چکیده را غربال کند، داده‌ها را استخراج و تحلیل نماید و در نهایت، نتایج را به‌صورت منسجم گزارش کند. این فرایند در حالت عادی می‌تواند ماه‌ها تا سال‌ها زمان ببرد و به تیم بزرگی نیاز دارد.

در سال‌های اخیر، هوش مصنوعی و به‌ویژه مدل‌های زبانی بزرگ (LLMها) مانند ChatGPT، همراه با ابزارهای تخصصی‌تر، وارد این مسیر شده‌اند. این ابزارها قرار نیست جایگزین قضاوت علمی پژوهشگر شوند، اما می‌توانند بخش زیادی از کارهای تکراری، زمان‌بر و کم‌ارزش افزوده را خودکار کنند و به پژوهشگر اجازه دهند روی تحلیل، تفسیر و تصمیم‌گیری تمرکز کند. در این مطلب، با تمرکز بر ابزارهای هوش مصنوعی معرفی‌شده در مقالات، کاربرد عملی هر ابزار در مراحل مختلف مقاله مروری را بررسی می‌کنیم.

مراحل اصلی مقاله مروری نظام‌مند و نقاط ورود هوش مصنوعی

به‌طور خلاصه، یک مقاله مروری نظام‌مند شامل گام‌های اصلی زیر است:

• تدوین سؤال پژوهشی و عنوان مقاله
• طراحی استراتژی جستجو و تعیین معیارهای ورود/خروج
• انجام جستجو و مرور مقالات
• غربالگری عنوان و چکیده و سپس متن کامل
• استخراج داده و ارزیابی ریسک سوگیری
• سنتز داده‌ها (روایت‌محور یا متاآنالیز)
• نگارش چکیده، مقدمه، مواد و روش ها، نتایج و بحث

در هر یک از این گام‌ها، مجموعه‌ای از ابزارهای هوش مصنوعی برای مقاله مروری طراحی شده‌اند که در ادامه به‌صورت مرحله‌به‌مرحله معرفی می‌شوند.

طرح سؤال پژوهشی و ساخت عنوان با کمک هوش مصنوعی

Elicit.org و ChatGPT؛ از ایده خام تا پرسش پژوهشی دقیق

گام اول، تعریف یک سؤال پژوهشی واضح، قابل‌اجرا و نوآورانه است.

Elicit.org به شما اجازه می‌دهد پرسش اولیه را وارد کنید و براساس آن، مقالات مرتبط و ابعادی از مسئله را که شاید به ذهن‌تان نرسیده، پیشنهاد می‌کند. این کار هم به طوفان فکری کمک می‌کند و هم به آزمون اولیه تازگی موضوع.

سپس می‌توانید از OpenAI ChatGPT بخواهید پرسش را بر اساس مدل‌هایی مثل PICO یا PECO بازنویسی کند، متغیرها را شفاف‌تر کند و نسخه‌های مختلفی از پرسش برای جمعیت، مداخله یا پیامدهای متفاوت پیشنهاد دهد.

ساخت عنوان مقاله مروری با تکیه بر هوش مصنوعی

عنوان، اولین فیلتر داوران، خوانندگان و حتی موتورهای جستجو است.

فرآیند پیشنهادی:

• پرسش پژوهشی نهایی را از Elicit.org بگیرید.
• آن را در ChatGPT وارد کنید و بخواهید چند عنوان پیشنهادی با: لحن علمی، حاوی کلیدواژه‌های اصلی و متناسب با مجله هدف تولید کند.
• عنوان‌ها را از نظر طول، شفافیت و سئو بررسی کنید و با قضاوت خود نسخه نهایی را انتخاب یا ترکیب کنید.

نگارش چکیده؛ از متن تا چکیده متنی و گرافیکی

تولید چکیده متنی با ChatGPT

چکیده یک خلاصه فشرده از زمینه، روش، نتایج و نتیجه‌گیری است. می‌توانید ابتدا نتایج و نکات کلیدی را به‌صورت بولت‌پوینت آماده کنید. سپس از ChatGPT بخواهید بر اساس این نکات، یک چکیده ساختاریافته (Background, Methods, Results, Conclusion) در تعداد کلمات مورد‌نظر مجله تولید کند.

در گام بعدی، می‌توانید از آن بخواهید لحن را رسمی‌تر، روان‌تر یا کوتاه‌تر کند و کلیدواژه‌های مناسب پیشنهاد دهد.

چکیده گرافیکی با Mind the Graph

اگر مجله یا کنفرانس از چکیده گرافیکی حمایت می‌کند:

ابزار Graphical Abstract Maker از Mind the Graph این امکان را می‌دهد که بر اساس متن مقاله یا چکیده، یک پوستر تصویری اولیه تولید کنید. سپس می‌توانید عناصر گرافیکی، رنگ‌ها و متن‌ها را با استانداردهای ژورنال و سلیقه خود تنظیم کنید.

در اینجا هم هوش مصنوعی ابزار طراحی اولیه است و طراحی نهایی و پیام علمی باید توسط پژوهشگر کنترل شود.

نگارش مقدمه و بدنه مقاله مروری با کمک هوش مصنوعی

Jenni.ai و ChatGPT برای نگارش و ویرایش متن

در بخش مقدمه و بدنه مقاله مروری، معمولاً با مشکلاتی مثل طول زیاد متن، تکرار، ضعف در انسجام جملات و نیاز به ویرایش زبانی مواجه می‌شویم. Jenni.ai در سطح جمله و پاراگراف پیشنهاد بازنویسی می‌دهد، خطاهای گرامری را اصلاح می‌کند، نسخه فشرده‌تر متن را پیشنهاد می‌دهد و به کاهش تعداد کلمات کمک می‌کند.

با هایلایت کردن بخشی از متن می‌توانید از Jenni بخواهید پیشنهاد مخالف یا «counterpoint» ارائه کند تا بحث شما غنی‌تر شود.

ChatGPT نیز می‌تواند در:

• بازآرایی ساختار بخش مقدمه،
• حذف تکرارها،
• پیشنهاد اتصال منطقی بین پاراگراف‌ها،

نقشی قوی ایفا کند؛ به شرطی که متن نهایی را دقیقاً خودتان بخوانید و با منابع اصلی تطبیق دهید.

انجام مرور متون؛ ابزارهای هوش مصنوعی برای جستجو و کشف مقالات

آغاز مرور متون با Consensus.app و Elicit.org

برای شروع مرور متون:

در Consensus.app یا Elicit.org پرسش پژوهشی را وارد کنید. این ابزارها:

• مقالات مرتبط را لیست می‌کنند،
• خلاصه‌ای از پاسخ‌ها در مقالات ارائه می‌دهند،
• و تا حدی نشان می‌دهند که «پرسش شما قبلاً چقدر پاسخ داده شده است».

این مرحله یک نقشه کلی از وضعیت اطلاعات موجود در اختیار شما قرار می‌دهد؛ اما جایگزین جستجوی کلاسیک در PubMed، Scopus یا Web of Science نیست.

Scite.ai؛ دیدن اینکه مقالات چه چیزی را مطرح می‌کنند

Scite.ai در سطح استناد کار می‌کند:

• برای یک ادعای خاص (مثلاً اثربخشی یک مداخله در جمعیتی خاص)،
• مقالاتی را نشان می‌دهد که آن را تأیید، رد یا تنها ذکر کرده‌اند.

در مقاله مروری، این ابزار به شما کمک می‌کند سریع‌تر بفهمید در مورد یک ادعا اجماع وجود دارد یا اختلاف‌نظر، و کدام مطالعات کلیدی‌اند.

Research Rabbit و LitSuggest؛ توسعه شبکه مقالات

Research Rabbit App با اتصال به کتابخانه Zotero، بر اساس مقالات ذخیره‌شده، شبکه‌ای از مقالات مرتبط را برای شما ترسیم می‌کند و به کشف مطالعات جدید کمک می‌کند.

LitSuggest بر اساس علایق پژوهشی تعریف‌شده، با استفاده از یادگیری ماشین، مقالات مشابه را پیشنهاد می‌دهد.

این دو ابزار، برای گسترش تدریجی دامنه مرور متون و جلوگیری از جاافتادن مقالات مهم، بسیار مفیدند.

PaperDigest، ChatPDF و ChatGPT برای خلاصه‌سازی و فهم سریع مقالات

خواندن کامل همه مقالات همیشه ممکن نیست.

PaperDigest می‌تواند خلاصه‌ای از مهم‌ترین نکات مقالات را ارائه دهد.

ChatPDF و ابزارهایی شبیه آن، به شما امکان می‌دهند فایل PDF مقاله را آپلود کنید و با آن «گفتگو» کنید؛ مثلاً بپرسید: «حجم نمونه چقدر بود؟ نتیجه اصلی چی بود؟».

ChatGPT نیز می‌تواند متن کامل یا بخش‌هایی از مقاله را خلاصه کند، اما باید مراقب باشید که منبع، ساختار و معنای اصلی حفظ شود.

با این ابزارها، شما هنوز مسئول خواندن انتقادی و تطبیق با متن اصلی هستید؛ هوش مصنوعی فقط سرعت شما را بالا می‌برد.

جستجو و انتخاب مقالات؛ هوش مصنوعی در استراتژی جستجو و غربالگری

Xtrct و Thalia؛ جستجوی هوشمندانه در PubMed

Xtrct جستجوی معنایی در PubMed انجام می‌دهد؛ یعنی به‌جای تطبیق صرف کلمات، «معنای» پرسش شما را هدف می‌گیرد. می‌توانید معیارهای ورود/خروج را به زبان ساده بنویسید و Xtrct تلاش می‌کند مرتبط‌ترین مقالات را بازیابی کند.

Thalia به شما کمک می‌کند ابهام در مفهوم کلمات را رفع کنید؛ برای مثال اگر «GAD» نوشته‌اید، تشخیص دهد منظور شما «اختلال اضطراب فراگیر» است یا «glutamate decarboxylase».

Wiseone، SearchSmart و CitationChaser؛ تکمیل راهبرد جستجو

Wiseone به‌صورت افزونه مرورگر، منابع تکمیلی و مرتبط با متنی که می‌خوانید را پیشنهاد می‌دهد.

SearchSmart از میان ده‌ها پایگاه داده، بهترین ترکیب پایگاه‌ها را برای موضوع شما معرفی می‌کند و به شما کمک می‌کند فقط به یک یا دو پایگاه محدود نشوید.

CitationChaser با استفاده از استنادات، شبکه‌ای از «مقالات ارجاع‌دهنده» و «ارجاع‌شونده» می‌سازد تا بتوانید به عقب و جلو در زنجیره استنادها حرکت کنید.

Covidence، Rayyan و Distiller SR؛ کمک به غربال عنوان و چکیده

ابزارهای زیر برای مدیریت و تسریع غربالگری عنوان/چکیده و متن کامل طراحی شده‌اند:

Covidence: با یادگیری از تصمیم‌های شما، مقالات احتمالاً نامرتبط را به انتهای صف غربال می‌فرستد و تمرکز شما را روی موارد مهم‌تر می‌گذارد.

Rayyan.ai: بر اساس مدل PICO، واژگان مهم را دسته‌بندی می‌کند و اجازه می‌دهد با ترکیب این واژگان، غربال دقیق‌تری انجام دهید.

Distiller SR: پس از آموزش اولیه، می‌تواند بخشی از غربالگری را به شکل خودکار انجام دهد و در مطالعاتی که حجم مقالات بسیار زیاد است، زمان را به‌طور قابل توجهی کاهش دهد.

در همه این موارد، هوش مصنوعی جایگزین غربال دوگانه انسانی نیست؛ بلکه حجم کار دستی را کاهش می‌دهد.

RCT Tagger؛ یافتن سریع کارآزمایی‌های بالینی

اگر مقاله مروری شما فقط روی RCTها تمرکز دارد:

RCT Tagger می‌تواند نتایج جستجوی PubMed شما را بررسی کند و برای هر مقاله، احتمال RCT بودن را برآورد کند. سپس فقط مقالاتی را که احتمال بالایی دارند برای غربالگری انسانی نگه می‌دارید.

استخراج داده، ارزیابی ریسک سوگیری و سنتز داده‌ها

RobotReviewer؛ خلاصه PICO و پیش‌نویس ارزیابی سوگیری

RobotReviewer یک ابزار مبتنی بر هوش مصنوعی است که:

• اطلاعات مقالات RCT را در قالب PICO خلاصه می‌کند،
• و یک ارزیابی اولیه از ریسک سوگیری ارائه می‌دهد.

این خلاصه‌ها برای طراحی فرم‌های استخراج داده، انتخاب پیامدهای اصلی و گروه‌بندی مطالعات برای متاآنالیز بسیار مفیدند. اما نتیجه نهایی ارزیابی سوگیری باید حتماً توسط پژوهشگر تأیید شود.

ChatPDF، HeyGPT، PDFGear و Humata؛ استخراج داده با مکالمه

در این دسته ابزارها، شما:

• فایل PDF مقاله را آپلود می‌کنید.
• در یک محیط چت، سؤالاتی مانند «حجم نمونه گروه مداخله؟»، «معیارهای خروج؟» یا «میانگین سن بیماران؟» می‌پرسید.

در صورت رضایت از دقت پاسخ‌ها، می‌توانید از ابزار بخواهید داده‌های مورد نیاز را در قالب جدول یا فایل قابل کپی (مثلاً CSV) ارائه کند تا سپس آن را در فرم داده خود قرار دهید.

باز هم نقش پژوهشگر، کنترل و تأیید نهایی است.

ChatGPT برای راهنمایی در تحلیل آماری و سنتز داده‌ها

در مرحله سنتز داده‌ها، می‌توان از ChatGPT برای:

• انتخاب روش مناسب تحلیل،
• نوشتن کدهای اولیه R یا Python،
• یا رفع خطاهای ساده برنامه‌نویسی،

استفاده کرد.

برای مثال، می‌توانید بپرسید:

«برای متاآنالیز اثر d در R از چه پکیج و چه تابعی استفاده کنم؟»

اما انتخاب نهایی مدل، بررسی فرضیه و تفسیر نتایج باید تحت نظر یک آمارشناس یا پژوهشگر با تجربه انجام شود.

نگارش بحث، نتیجه‌گیری و تقویت استدلال‌ها با ابزارهای هوش مصنوعی

Scite.ai، Jenni.ai و ChatGPT در خدمت بخش Discussion

Scite.ai برای هر سؤال، پاسخ اولیه و مقالات تأییدکننده/ردکننده ارائه می‌دهد؛ این ویژگی برای نوشتن پاراگراف‌های بحث بسیار ارزشمند است، زیرا سریعاً به ادبیات مرتبط دسترسی می‌دهید.

Jenni.ai در زمان نگارش، جملات مکمل پیشنهاد می‌کند و استنادهای مناسب را معرفی می‌کند؛ بنابراین هم سرعت نوشتن افزایش می‌یابد و هم احتمال جاافتادن منابع مهم کمتر می‌شود.

ChatGPT می‌تواند به شما در:

• طراحی ساختار بخش بحث،
• تلخیص نتایج اصلی،
• پیشنهاد پیام‌های کلیدی،

کمک کند؛ حتی می‌توانید خلاصه نتایج متاآنالیز را به آن بدهید تا چند بند پیشنهادی برای تفسیر نتایج بنویسد، و سپس آن‌ها را با منابع واقعی تطبیق و اصلاح کنید.

Consensus.app، CitationChaser و Scholarcy برای تکمیل بحث

Consensus.app دیدگاه‌های مختلف موجود در مقالات را کنار هم قرار می‌دهد و برای نوشتن بخش‌هایی مثل «مقایسه با مطالعات قبلی» و «اختلاف با نتایج دیگران» بسیار مفید است.

CitationChaser امکان بررسی مراجع مقالات و مقالات ارجاع‌دهنده را فراهم می‌کند تا استدلال‌های خود را با زنجیره‌ای از شواهد تقویت کنید.

Scholarcy خلاصه‌های سریع از مقالات منتخب می‌دهد تا در هنگام نگارش بحث، مجبور نباشید هر بار متن کامل را دوباره مرور کنید.

ریسک‌ها، محدودیت‌ها و الزامات اخلاقی استفاده از هوش مصنوعی در مقاله مروری

استفاده از هوش مصنوعی در مقاله مروری سه دسته خطر اصلی دارد:

خطر اطلاعات نادرست یا ساختگی (Hallucination):

مدل‌های زبانی گاهی جملات بسیار قانع‌کننده اما نادرست و بدون منبع تولید می‌کنند؛ مثل استناد به مقاله‌ای که وجود خارجی ندارد.

خطر خلاصه‌سازی ناقص یا گمراه‌کننده:

ممکن است یک ابزار، نکته اصلی مقاله را نادیده بگیرد یا روی جزئیات کم‌اهمیت تأکید کند.

خطر نابرابری و شفافیت:

بسیاری از ابزارهای پیشرفته پولی‌اند و این می‌تواند شکاف بین پژوهشگران ثروتمند و کم‌توان را تشدید کند. از طرف دیگر، الگوریتم‌های پیچیده و غیرشفاف، بازتولیدپذیری را دشوار می‌کنند.

به همین دلیل، نقش انسان نه‌تنها حذف نشده، بلکه مهم‌تر شده است. پژوهشگر باید:

• تمام ابزارهای هوش مصنوعی استفاده‌شده را در بخش روش‌ها گزارش و به آن‌ها استناد کند؛
• تنظیمات مهم و روش کنترل کیفیت خروجی‌ها را توضیح دهد؛
• و در نهایت، مسئولیت کامل صحت و دقت مقاله را بپذیرد؛ هوش مصنوعی نویسنده و مسئول نیست.

جمع‌بندی و توصیه‌های عملی برای پژوهشگران

هوش مصنوعی، اگر درست به کار گرفته شود، می‌تواند:

• زمان انجام مقاله مروری را از چندین ماه به چند هفته کاهش دهد،
• کیفیت جستجو و مرور مقالات را افزایش دهد،
• خطاهای انسانی در استخراج اولیه داده را کم کند،
• و نگارش بخش‌های مختلف مقاله (چکیده، مقدمه، بحث) را روان‌تر و ساخت‌یافته‌تر سازد.

در عین حال، هر ابزار هوش مصنوعی برای مقاله مروری باید به‌عنوان یاری‌دهنده و نه جایگزین پژوهشگر دیده شود. راه درست، ترکیب «سرعت و توان پردازشی AI» با «قضاوت انتقادی و تجربه پژوهشگر» است.

برای استفاده مسئولانه:

• از ابزارهای مختلف فقط در جایی که ارزش واقعی می‌افزایند بهره بگیرید.
• همیشه خروجی‌ها را با متن اصلی و داده‌های واقعی تطبیق دهید.
• در مقاله خود، تمام ابزارهای به‌کاررفته را شفاف گزارش کنید.

به این ترتیب، می‌توانید از هوش مصنوعی در مقاله مروری به شکلی استفاده کنید که هم کار شما را سریع‌تر و دقیق‌تر کند و هم استانداردهای علمی و اخلاقی را رعایت کنید.