Ontem, ao explorar a literatura sobre notícia visual na pesquisa – um novo campo para mim – decidi testar a pesquisa profunda do Chatgpt. Fiquei curioso para ver o que ele poderia desenredar, logo criei um prompt detalhado usando o ChatGPT 4.0 para esse término.
Para aqueles que seguem meu blog, você deve se lembrar que escrevi sobre a ChatGPT Deep Search quando ele se tornou disponível para usuários, destacando várias limitações para os pesquisadores acadêmicos.
Com essas advertências em mente, decidi recrutar a ajuda do Chatgpt Deep Search – mas com uma reviravolta experimental. Planejei usar instruções idênticas para gerar dois relatórios separados em momentos diferentes. Corri o primeiro prompt de ontem e recebi um relatório detalhado, que você pode acessar leste link.
Posteriormente 24 horas, abri uma novidade janela de bate -papo, executei o mesmo prompt novamente e gerei outro relatório detalhado, que você pode conferir (cá).
Esse experimento veio a mim uma vez que eu estava pensando: e se dois pesquisadores, completamente inconscientes um do outro, estavam trabalhando no mesmo tópico e ambos confiaram na pesquisa profunda do Chatgpt para ajudar na revisão da literatura? Eles receberiam as mesmas referências? Nesse caso, a instrumento geraria relatórios quase idênticos? Ou haveria diferenças perceptíveis? Essas perguntas me deixaram curioso, logo decidi testá -lo.
Com base na minha experiência anterior com Pesquisa profunda Chatgpt– O que eu compartilhei em um post anterior – tive alguns palpados sobre uma vez que isso poderia responder ao meu experimento. Mas eu não tinha muita certeza. Os resultados, no entanto, confirmaram minhas dúvidas.
Vamos encetar com as fontes. O primeiro relatório levou seis minutos para gerar e incluiu 27 fontes, enquanto o segundo relatório – também gerado em seis minutos – teve uma escrutínio um pouco maior de 32 fontes.
Embora houvesse algumas diferenças nas fontes usadas, o que se destacou foi a distribuição desigual de citações dentro do texto. Ainda mais interessante, as fontes mais frequentemente referenciadas eram quase idênticas nos dois relatórios (por exemplo, Rougier & Droettboom, 2014).
Isso se alinha a um tanto que mencionei no meu primeiro post sobre a ChatGPT Deep Search – ele extrai unicamente um conjunto restringido de conhecimento acadêmico, especificamente teor que não é pago. Isso significa que não tem chegada a muitos estudos acadêmicos qualitativos escondidos detrás dos paywalls.
Para ser justo, isso não é uma omissão de procura profunda, mas um revérbero de uma vez que o conhecimento acadêmico está trancado por trás das barreiras financeiras – uma questão muito maior em nosso mundo numulário (mas isso é uma discussão para outro dia).
Estilo de escrita
O tom de ambos os relatórios é distintamente acadêmicoe sua estrutura universal é surpreendentemente semelhante. Dê uma olhada nessas frases de lhaneza da introdução:
Relatório 1
“Elementos visuais, uma vez que gráficos, gráficos, diagramas e infográficos, desempenham um papel crucial no aumento da compreensão e retenção dos resultados da pesquisa. Eles permitem que dados e conceitos complexos sejam entendidos rapidamente, apresentando padrões e relacionamentos que seriam difíceis de discernir unicamente do texto ”(Divecha & Karande, 2023).
Relatório 2
“Elementos visuais uma vez que gráficos, gráficos e diagramas podem melhorar drasticamente o quão muito seu público entende e se lembra de suas descobertas de pesquisa. Em vez de percorrer um texto denso, os leitores podem compreender dados complexos ‘de relance’ através de visuais que destacam padrões ou tendências ”(Bobek & Tversky, 2016).
Embora o palavreado seja um pouco dissemelhante, a idéia e a estrutura meão são quase idênticas. Mas cá está a questão real: as fontes são completamente diferentes. No relatório 1, a reivindicação é atribuída a Divecha e Karande (2023)enquanto está no relatório 2, é Bobek & Tversky (2016).
Isso levanta uma preocupação importante – uma vez que o Chatgpt é uma pesquisa profunda, selecionando e atribuindo fontes? É genuinamente extrair referências que melhor apóiam o argumento ou está trocando citações, mantendo a estrutura intacta? Essa inconsistência no fornecimento é um tanto que os pesquisadores que dependem de revisões de literatura gerados pela IA precisam ser cautelosos.
Devo observar que ambos os trabalhos são factualmente relevantes para a idéia que está sendo expressa naquele parágrafo. No entanto, o que me intrigou foi o motivo pelo qual a ChatGPT Deep Search atribuia diferentes fontes a sentenças quase idênticas. Se o concepção subjacente permanecer o mesmo, por que trocar citações em vez de referenciar consistentemente o mesmo estudo?
Esse padrão se estende além da introdução – seções de ambos os relatórios seguem uma estrutura semelhante. O que a pesquisa profunda parece ter feito é parafrasear o teor, mantendo a mesma organização universal, trocando em referências diferentes ao longo do caminho.
Obviamente, leste não é um estudo formal, e minhas descobertas devem definitivamente ser tomada com um grão de sal. Mas eles levantam algumas questões interessantes sobre uma vez que as ferramentas de IA, uma vez que procura profunda, restabelecer e atribuir fontes acadêmicas – e uma vez que os pesquisadores devem abordar esses resultados com um olho crítico.
Agora, cá está a desvantagem dessa confrontação.
Se dois pesquisadores estiverem trabalhando no mesmo tópico e ambos dependem de pesquisas profundas, provavelmente acabarão com relatórios muito semelhantes. Isso reforça um tanto que eu sempre disse sobre a IA generativa: eu pessoalmente não uso essas ferramentas para gerar relatórios factuais ou orientados a dados.
Se você é pesquisador – e eu sei que muitos de vocês estão cá – você precisa fazer a leitura. Você não pode redigir de maneira significativa sobre um tópico se não estiver se envolvendo com o material em primeira mão. Nenhuma instrumento de IA pode substituir esse processo. Mesmo que a procura profunda fosse capaz de produzir um relatório impecável e muito referenciado, e daí? Você não aprenderia com isso. Você seria uma vez que alguém dando uma palestra sobre um matéria que mal se entende.
Entendo que esta é unicamente a primeira versão do Deep Search, e o Openai pode refiná -la em um tanto ainda mais avançado – talvez um tanto que imite o trabalho de um estudioso experiente.
Mas, por mais sofisticado que seja, ele nunca deve ser visto uma vez que um viela para a pesquisa acadêmica. A pesquisa não é unicamente produzir um cláusula; É sobre seu propagação intelectual, reflexão profunda e envolvimento com idéias antes de contribuir para o campo. Essa secção – você simplesmente tem que fazer você mesmo.
Deixe -me ser simples: se você se aproximar da IA com o que eu chamo de “mentalidade de viela”, você já está começando com o pé inverídico. Não importa o quão “inteligente” a IA se torne, deve sempre ser um co-pensador, um parceiro em tarefas cognitivas-nunca um substituto.
Agora, na secção boa!
Se você está mergulhando em um novo tópico de pesquisa, a pesquisa profunda pode ser um ótimo salto – um trampolim para você ir. No mínimo, ele aparecerá alguns trabalhos de pesquisa sólidos em suas referências e, a partir daí, você poderá utilizar o método da esfera de neve – escolhendo as referências nesses trabalhos para desenredar estudos ainda mais relevantes. Quanto mais você for, mais você começará a reconhecer quais obras são frequentemente citadas, sinalizando a pesquisa seminal no campo.
Eu diria que a pesquisa profunda também pode ajudar a estruturar sua pesquisa, mas honestamente, o ChatGPT 4.0 e 4.5 já pode fazer isso – provavelmente mais rápido e mais eficiente.
Uma nota final
Sei que minha escrita às vezes aparece uma vez que se eu fosse contra a IA, mas isso não poderia estar mais longe da verdade. Eu realmente acredito que somos incrivelmente afortunados uma vez que pesquisadores e acadêmicos de morar nesta estação. A IA nos permite ultrapassar os limites de nossas habilidades cognitivas sem as mesmas restrições linguísticas que antes nos impediram. Mas a chave é usá -la de maneira cuidadosa e responsável – não uma vez que uma muleta, mas uma vez que um co-pensador Isso amplifica, em vez de substituir, nossos esforços intelectuais.
