نوشتن پروپوزال با هوش مصنوعی؛ از ورودی تا پیش‌نویس قابل‌بررسی
برای نوشتن پروپوزال با هوش مصنوعی، ابتدا باید مسئله، سؤال، منابعِ خوانده‌شده و محدودیت‌های پژوهش را خودتان روشن کنید. سپس می‌توانید از ابزار برای منظم‌کردن طرح، مقایسهٔ صورت‌بندی‌ها و بازبینی پیش‌نویس کمک بگیرید. خروجی روانِ ابزار، به‌خودی‌خود شاهد علمی یا طرح پژوهشیِ قابل اجرا نیست.
این راهنما یک روند پیشنهادی و یک مثال فرضی دارد. متن پرامپت‌ها برای شروع کار است و نتیجهٔ آزمایش یک ابزار یا تضمین عملکرد مدل خاصی را نشان نمی‌دهد.
پیش از بازکردن ابزار، ورودی پژوهش را آماده کنید
در یک یادداشت کوتاه، این اطلاعات را کنار هم بگذارید:
- موضوع و مسئلهٔ محدودشده؛
- سؤال اصلی و هدفی که از پاسخ‌دادن به آن دارید؛
- مخاطب پروپوزال و قالب دانشگاه، مؤسسه یا حامی پژوهش؛
- منابعی که واقعاً خوانده‌اید، همراه با یادداشت ادعاهای مرتبط؛
- دادهٔ لازم، امکان دسترسی، زمان و مهارت‌های در دسترس؛
- ابهام‌هایی که هنوز پاسخ ندارند.
فهرست بخش‌های پروپوزال برای همهٔ رشته‌ها یکسان نیست. راهنمای دانشگاه ملی استرالیا نیز بر تبعیت از انتظار دانشکده یا استاد و روشن‌کردن «چه چیزی، چرا و چگونه» تأکید می‌کند. بنابراین، قالب واقعی مقصد را بر فهرست پیشنهادی ابزار مقدم بدانید.
از ابزار چه بخواهیم که قابل بررسی باشد؟
یک درخواست مبهم مانند «برای من پروپوزال کامل بنویس» تشخیص فرض‌ها و تصمیم‌های ابزار را دشوار می‌کند. درخواست کوچک‌تر، خروجی را قابل وارسی می‌کند. مثلاً به جای گرفتن همهٔ فصل‌ها، ابتدا سازگاری مسئله، هدف و سؤال را بررسی کنید.
«بر اساس یادداشت زیر، سه صورت‌بندی کوتاه برای سؤال پژوهش پیشنهاد کن. برای هر صورت‌بندی بگو چه داده‌ای لازم است و کدام ابهام هنوز حل نشده است. ادعای تازه، آمار، منبع یا شکاف پژوهشی نساز. تفاوت پیشنهاد با اطلاعاتی که من داده‌ام را روشن کن.»
پس از انتخاب سؤال، می‌توانید ساختار بخش‌ها را بخواهید:
«برای سؤال انتخاب‌شده، طرح بخش‌های پروپوزال را با توجه به قالب پیوست پیشنهاد کن. زیر هر بخش فقط بنویس چه اطلاعاتی باید فراهم شود. بخش فاقد شاهد را با متن مطمئن پُر نکن. بین طرح پیشنهادی، دادهٔ موجود و کارِ انجام‌نشده تفاوت بگذار.»
این پرامپت‌ها جلوی همهٔ خطاها را نمی‌گیرند. فایدهٔ آن‌ها این است که بررسی را به تصمیم‌های مشخصی محدود می‌کنند.
مثال فرضی: سؤال را با داده و روش هم‌راستا کنیم
فرض کنید پژوهشگری می‌خواهد تجربهٔ کارکنان از پیگیری درخواست‌های پشتیبانی در یک سازمان را بشناسد. فعلاً فقط می‌داند سامانه‌ای برای ثبت درخواست وجود دارد و امکان گفت‌وگو با تعدادی از کاربران، در صورت اخذ مجوز و رضایت، باید بررسی شود. هنوز مطالعه‌ای برای اثبات یک شکاف در ادبیات انجام نشده است.
عنوان اولیهٔ «تأثیر هوشمندسازی بر بهره‌وری همهٔ سازمان‌ها» از این اطلاعات جلوتر می‌رود. معلوم نیست هوشمندسازی به چه تغییری اشاره دارد، بهره‌وری چگونه سنجیده می‌شود و طرح چگونه اثر علّی را شناسایی می‌کند. برای مطالعهٔ پیشنهادیِ محدودتر، می‌توان سؤال را چنین صورت‌بندی کرد: «کارکنان، پیگیری درخواست‌های ثبت‌شده در سامانهٔ پشتیبانی سازمان مورد مطالعه را چگونه تجربه می‌کنند؟»
| جزء طرح | صورت‌بندی پیشنهادی در مثال فرضی | کنترل لازم |
|---|---|---|
| هدف | شناخت تجربهٔ کارکنان از مسیر پیگیری درخواست | هدف دربارهٔ تجربه است؛ کاهش زمان یا افزایش بهره‌وری را از پیش نتیجه نمی‌گیرد. |
| سؤال | کارکنان این مسیر را چگونه تجربه می‌کنند و کدام بخش‌ها برایشان روشن یا مبهم است؟ | پرسش باید با دامنهٔ مطالعه و منابع موجود بازبینی شود. |
| دادهٔ پیشنهادی | گفت‌وگو دربارهٔ تجربهٔ مشخص استفاده از سامانه | دسترسی و رضایت هنوز باید بررسی شود؛ دادهٔ فرضی جای مصاحبه را نمی‌گیرد. |
| روش پیشنهادی | مصاحبهٔ کیفی و روش تحلیل متناسب با سؤال و مبانی پژوهش | منطق انتخاب افراد، پروتکل و رویکرد تحلیل باید موجه شوند. |
| حد نتیجه | تفسیر تجربه‌های گزارش‌شده در همین زمینه | این طراحی به‌تنهایی اثر علّی سامانه بر بهره‌وری همهٔ سازمان‌ها را نشان نمی‌دهد. |
جدول، طرح تصویب‌شده یا پروپوزال آمادهٔ اجرا نیست. هدف آن نشان‌دادن اتصال اجزاست. برای آشنایی با جایگاه گفت‌وگوی فردی و گروهی در گردآوری داده، مقالهٔ مصاحبه و گروه‌های متمرکز را ببینید؛ انتخاب نهایی روش باید به سؤال همین پژوهش متکی باشد.
پیشینه و بیان مسئله را از منابع واقعی بسازید
ابتدا برای هر ادعای مهم، یادداشت منبع داشته باشید: ادعا چیست، در کدام صفحه یا بخش آمده و چه محدودیتی دارد؟ بعد از ابزار بخواهید رابطهٔ همین یادداشت‌ها را روشن کند. اگر منبعی را فقط در فهرست خروجی مدل دیده‌اید، هنوز آن را نخوانده‌اید.
«از یادداشت‌های من، یک طرح برای بیان مسئله بساز. برای هر بند، مشخص کن کدام یادداشت از آن پشتیبانی می‌کند. اگر برای اهمیت مسئله یا شکاف پژوهشی شاهد کافی نداریم، همان کمبود را جدا بنویس و آن را با ادعای تازه جبران نکن.»
پروپوزال باید جایگاه پژوهش را در دانسته‌های قبلی نشان دهد و هدفی شدنی داشته باشد. راهنمای نگارش پروپوزال دانشگاه ادینبرو نیز بر دامنه، اهمیت، روش و واقع‌بینانه‌بودن هدف‌ها تأکید می‌کند. با این حال، اینکه موضوع شما در ادبیات شکاف معناداری دارد، نیازمند جست‌وجو و بررسی منابع همان موضوع است.
عنوان، نویسنده و DOI را چگونه راستی‌آزمایی کنیم؟
- عنوان منبع پیشنهادی را در پایگاه علمی، وب‌سایت ناشر یا مخزن معتبر پیدا کنید.
- نام نویسندگان، سال، عنوان، نشریه و شناسه را با صفحهٔ واقعی منبع تطبیق دهید.
- بخش مرتبط متن را بخوانید؛ درست‌بودن مشخصات کتاب‌شناختی، درست‌بودن ادعای نقل‌شده را ثابت نمی‌کند.
- ادعای خود را با طراحی، جامعه، نتیجه و محدودیت‌های منبع بسنجید.
- اگر منبع را پیدا نمی‌کنید یا بخش پشتیبان در آن نیست، ارجاع را شاهدِ تأییدشده حساب نکنید.
راهنمای ICMJE دربارهٔ استفادهٔ نویسندگان از هوش مصنوعی، در حوزهٔ انتشار پزشکی، مسئولیت محتوای تولیدشده با ابزار را بر عهدهٔ انسان می‌گذارد و دربارهٔ خروجی نادرست، ناقص یا سوگیرانه هشدار می‌دهد. این سند، قانون یکسان برای همهٔ دانشگاه‌ها نیست؛ مقررات دانشگاه و مقصد انتشار خود را جدا بررسی کنید.
پیش‌نویس را در سه دور بازبینی کنید
دور اول: منطق پژوهش
از مسئله به سؤال، از سؤال به داده و از داده به روش بروید. در مثال ما، اگر هدف به «اندازه‌گیری میزان کاهش زمان انتظار» تغییر کند، مصاحبه دربارهٔ تجربه به‌تنهایی همان هدف را پوشش نمی‌دهد. باید طرح و دادهٔ متناسب دوباره بررسی شوند.
دور دوم: شواهد و امکان اجرا
هر منبع، عدد، ادعای تازگی و وعدهٔ دسترسی به داده را کنترل کنید. زمان‌بندی را با کارهای واقعی بسنجید: مجوز، جذب مشارکت‌کننده، گردآوری، آماده‌سازی داده، تحلیل و بازنویسی. کاری که هنوز هماهنگ نشده نباید در متن به‌صورت دسترسی قطعی گزارش شود.
دور سوم: فارسی و دقت معنا
جمله‌های طولانی را کوتاه کنید و عبارت‌های کلی را با منظور دقیق جایگزین کنید. سپس دوباره به ادعاها برگردید: آیا «ممکن است» به «نشان می‌دهد» تبدیل شده؟ آیا «رابطه» به «تأثیر» تغییر کرده؟ آیا در روان‌کردن متن، شرط یا محدودیتی حذف شده است؟
دادهٔ حساس و استفاده از ابزار را جداگانه مدیریت کنید
پیش از واردکردن فایل، بررسی کنید اجازهٔ استفاده از آن در ابزار مورد نظر را دارید و شرایط نگهداری و استفاده از داده چیست. برای تمرین یا گرفتن پیشنهاد دربارهٔ ساختار، معمولاً می‌توان از شرح مسئلهٔ بی‌نام یا نمونهٔ ساختگی استفاده کرد. نام‌زدایی نیز همیشه همهٔ امکان شناسایی افراد را از بین نمی‌برد.
راهنمای یونسکو دربارهٔ هوش مصنوعی مولد در آموزش و پژوهش بر نقش انسان و حفاظت از داده تأکید دارد. در پروپوزال خود نیز استفاده از ابزار را مطابق ضوابط مؤسسه توضیح دهید؛ نام ابزار، نوع کمک و شیوهٔ کنترل خروجی را طوری ثبت کنید که بعداً قابل توضیح باشد.
چک‌لیست پیش از تحویل پروپوزال
- قالب و ضوابط مقصد را خوانده‌ام و متن با آن‌ها سازگار است.
- مسئله، سؤال، هدف، داده و روش به یکدیگر مربوط‌اند.
- منابع اصلی را یافته و بخش پشتیبان ادعاها را خوانده‌ام.
- شکاف پژوهشی و تازگی را صرفاً از خروجی ابزار نگرفته‌ام.
- داده، نتیجه، نقل‌قول یا اجرای پژوهش ساختگی در متن نیست.
- محدودیت‌ها، ابهام‌ها و کارهای هنوز انجام‌نشده روشن‌اند.
- متن را هم از نظر علمی و هم از نظر فارسی بازبینی کرده‌ام.
پیش‌نویس زمانی برای گفت‌وگو با استاد یا تیم پژوهش مفید است که تصمیم‌ها و ابهام‌هایش دیده شوند. لازم نیست برای کامل به نظر رسیدن متن، بخش‌های نامعلوم را با نثر مطمئن پُر کنید.
منابع راهنما
- Australian National University، Structuring a research proposal.
- University of Edinburgh، Writing a research proposal.
- UNESCO، Guidance for generative AI in education and research.
- ICMJE، Use of AI by Authors؛ دامنهٔ سند، انتشار در نشریات پزشکی است.