La IA generativa, especialmente los modelos de idiomas grandes (LLM), representan oportunidades emocionantes y sin precedentes y desafíos complejos para la investigación académica y la erudición.
Como diferentes versiones de LLM (como Chatggpt, Twins, Claude, Ankeleti.ai y Grok) permanecen proliferadas, la investigación académica comienza a sufrir una transformación significativa.
Los estudiantes, investigadores e instructores en educación superior necesitan conocimiento de alfabetización, competencias y habilidades para resolver estos desafíos y riesgos.
En el momento del cambio rápido, se aconseja a los estudiantes y académicos que vean sus instituciones, programas y políticas o pautas para cierta disciplina que regule el uso de la IA.
Explorer usa ai
El estudio reciente realizado por el investigador de Data Science encontró que al menos el 13.5 por ciento de los resúmenes biomédicos mostraron signos y texto generado el año pasado.
Un lire aussi: el software de detección de IA no es una solución para hacer trampa en el aula: se puede mover una estimación
Los modelos de idiomas grandes ahora pueden apoyar casi cualquier fase del proceso de investigación, aunque por precaución y supervisar el lenguaje humano, siempre necesitan participar cuando el uso es apropiado, ético o garantizado, y para cumplir con el control de calidad y los problemas de precisión. LLMS puede:
Ayude a hacer una lluvia de ideas, generar y procesar las ideas de investigación y formular hipótesis;
Experimentos y comportamiento y sintetización de la revisión de la literatura;
Registro y eliminación de errores;
Analizar datos visualizados y cualitativos y cuantitativos;
Desarrollar marcos teóricos y metodológicos interdisciplinarios;
Proponer fuentes y acusaciones relevantes, resumir textos complejos y borradores de resúmenes;
Apoya la expansión y presentación de los resultados de la investigación, en formatos populares.
Sin embargo, existen preocupaciones y desafíos significativos que rodean el uso apropiado, ético, responsable y eficiente de las herramientas de IA generativas en la realización de investigaciones, escritos e investigaciones. Estos incluyen:
Tergiversación de datos y autoría;
Dificultades en la replicación de los resultados de la investigación;
Datos y sesgos algorítmicos e inexactitudes;
Usuario de datos y privacidad y confidencialidad;
Calidad de salida, datos y citas;
Allison Koenecke Asistente de ciencias de la información, quien describió el estudio de las alucinaciones en la transcripción de la palabra en el texto, trabaja en la Universidad de Cornell, NI, en febrero de 2024 (AP Photo / Seth Venig) Agentes AI AI AI
Hay dos categorías de herramientas aumentadas para mejorar la LLM que respaldan la investigación académica:
1. Asociados de investigación de IA: Número de asistentes de investigación de IA que apoyan diferentes aspectos y pasos del proceso de investigación crecen a una tasa exponencial. Estas tecnologías tienen el potencial de mejorar y expandir los métodos de investigación tradicionales en el trabajo académico. Los ejemplos incluyen asistentes de IA que apoyan:
Mapeo conceptual (Padrino, Gitmind, MindMeister);
Literatura y crítica sistemática (provocar, socavar, cuaderno de cuaderno, scispes);
Buscar literatura (consenso, investigación de investigación, trabajos relacionados, enamoramientos);
Análisis y resumen de la literatura (estipientización, papel, regreso);
Tanto el tema de la investigación como el análisis de detección y tendencia (Scinapse, Tlooto, Dimension AI).
2 Agentes para la “investigación profunda” y los agentes: el campo de la inteligencia artificial está avanzando rápidamente con el aumento de la “investigación profunda” de los agentes agios. Estos agentes para las próximas generaciones combinan LLM, una generación que aumentó la descarga y el marco sofisticado de razonamiento para el rendimiento de la profundidad, más pasos.
Actualmente se realiza la investigación para evaluar la calidad y la eficiencia de las herramientas de investigación profundas. Se desarrollan los nuevos criterios de evaluación para evaluar su trabajo y calidad.
Los criterios incluyen elementos como costos, velocidad, facilidad de edición y experiencia general del usuario, así como la calidad de las cotizaciones y la escritura y cómo estas herramientas de investigación profundas se adhieren.
Ahora hay muchas investigaciones profundas y una plataforma de elección. (AC / NPLASH)
El propósito de las herramientas de investigación profunda es el dibujo, análisis e información científica sintética, datos empíricos y diversas perspectivas desde una amplia gama de fuentes en línea y en las redes sociales. La salida es un informe detallado, que se completa con citas, que ofrece una visión de profundidad de temas complejos.
En solo un corto período de cuatro meses (diciembre de 2024. Hasta febrero de 2025), varias compañías (como Google Blikinia, Ankelekcije, Ankelekcije.ai y Chatggpt) han introducido su “investigación profunda” de la plataforma.
El Instituto Allen de Inteligencia Artificial, Instituto de Investigación de AI sin fines de lucro, experimenta con un nuevo acceso abierto a AI2 Scholark, que ayuda a los investigadores a implementar la literatura de manera más eficiente al proporcionar revisiones más detalladas.
Instrucciones para la formación
Se han desarrollado varias pautas para fomentar el uso responsable y ético de la IA generativa en la investigación y la escritura. Los ejemplos incluyen:
La Guía del Gobierno Federal sobre el uso y las instituciones federales aconseja a las instituciones federales que exploren el uso potencial de herramientas generativas de IA, pero no usen estas herramientas en todos los casos. Bandera canadiense en la colina del Parlamento en Ottawa en marzo de 2025. Años. Impresión canadiense / Sean Kilpatrick LLMS admite la investigación interdisciplinaria
Los LLM también son herramientas poderosas para apoyar la investigación interdisciplinaria. La investigación emergente reciente (sin embargo, debe ser revisada por la investigación de la investigación, así como las ciencias biológicas, las ciencias químicas e ingeniería, la ciencia ambiental. También afirma que los LLM pueden ayudar a eliminar datos y métodos disciplinarios de diferentes áreas y recopilación de datos de automatización y creación de reuniones interdisciplinarias.
La asistencia para analizar y resumir grandes cantidades de investigación en diferentes disciplinas puede ayudar a la cooperación interdisciplinaria. El “buscador de expertos” de AI-Power puede analizar los perfiles de investigación y las redes de publicación sobre la experiencia del mapa, identificar posibles compañeros de trabajo en todo el campo y descubrir conexiones interdisciplinarias inesperadas.
Este fenómeno sugiere que estos modelos podrán ayudar a los investigadores a comenzar a romperse combinando ideas de diferentes campos, como la epidemiología y la física, el clima y la economía o la economía y las ciencias sociales y los datos de calidad.
A Lire Aussi: El mundo no se mueve lo suficientemente rápido por el cambio climático: las ciencias sociales pueden ayudar a explicar por qué
Alfabetización de IA dirigida a la investigación
Las universidades canadienses y las asociaciones de investigación brindan educación sobre alfabetización a las personas en universidades y más allá.
El Alberta Machine Institute ofrece K-12 y alfabetización y otros recursos. El instituto no es una organización de ganancias y parte de la estrategia canadiense de inteligencia artificial pan-canadiense.
Muchas universidades ofrecen y oportunidades oportunidades de alfabetización que se centran especialmente en el uso de herramientas generativas de IA para proporcionar actividades de investigación.
El trabajo universitario colaborativo ocurre. Por ejemplo, como Vice-Duty College of Graduate and Postdoctoral Studies en la Universidad de Manitoba, la Universidad de Vinnipeg y la Universidad de Vinnipeg y Vancouver, para desarrollar orientación y recomendaciones sobre IA y Investigación Postdoctoral e Investigación Postdoctoral e Investigación Postoctoral e Investigaciones Postdoctorales y Supervisión Supervisión.
Muchas universidades también ofrecen oportunidades de alfabetización educativa. (Mapbox / onkplash)
Dada la creciente fuerza y las posibilidades de los modelos de idiomas grandes, existe una necesidad urgente de desarrollo y capacitación para la alfabetización adaptada a los investigadores académicos.
Esta capacitación debe centrarse en el potencial y las limitaciones de estas herramientas en diferentes fases del proceso de investigación y la escritura.
Descubre más desde USA Today
Suscríbete y recibe las últimas entradas en tu correo electrónico.
Spanish 