Szkolenie pt.: „Analiza literatury: ekstrakcja i porządkowanie kluczowych informacji”

O czym jest to szkolenie?

Szkolenie przedstawia, jak wykorzystać AI do analizy literatury naukowej: od pracy z pojedynczą publikacją, przez ekstrakcję kluczowych informacji, do porównywania większych zbiorów artykułów i przygotowania materiału do dalszej części projektu badawczego.

Uczestnicy nauczą się, jak wyodrębniać z publikacji elementy istotne z punktu widzenia ich własnych celów/badań. Następnie uporządkują te informacje w jednolity sposób, tak aby możliwe było porównywanie wielu badań.

Podczas szkolenia będziemy pracować z ChatGPT, SciSpace, Elicit i NotebookLM. Pokażemy, jak różne narzędzia wspierają ekstrakcję informacji, tworzenie tabel porównawczych, pracę z pełnymi tekstami oraz syntezę na podstawie większego zbioru źródeł.

Dodatkowo, przy użyciu ChatGPT każdy uczestnik będzie mógł stworzyć własnego asystenta do analizy literatury, który będzie wspierał ekstrakcję informacji, porównywanie publikacji i tworzenie uporządkowanych zestawień. Asystenta będzie można dalej rozwijać i dostosowywać do kolejnych projektów badawczych.

Dla kogo?

• Dla naukowców i doktorantów pracujących nad przeglądem literatury.
• Dla osób prowadzących badania wymagające analizy większych zbiorów publikacji.
• Dla badaczy przygotowujących część teoretyczną artykułu, rozprawy lub projektu.
• Dla redaktorów i recenzentów naukowych, którzy chcą lepiej porządkować analizowane treści.
• Dla osób, które chcą wykorzystać AI do systematycznej pracy z literaturą.

Program szkolenia

1. Przygotowanie literatury do analizy

Określenie informacji analizowanych w publikacji, w kontekście przygotowanego pytania badawczego i celu przeglądu oraz przygotowanie jednolitego schematu analizy abstraktów i pełnych tekstów.

2. Analiza publikacji z wykorzystaniem ChatGPT

Przygotowanie instrukcji do analizy pojedynczych artykułów i zbiorów tekstów oraz uzyskiwanie uporządkowanych odpowiedzi z uwzględnieniem zgodności ze źródłami.

3. Ekstrakcja i porównywanie informacji w SciSpace i Elicit

Tworzenie pól ekstrakcyjnych oraz porównywanie rezultatów według wspólnych kryteriów.

4. Praca z własnym zbiorem źródeł w NotebookLM

Zadawanie pytań dotyczących wielu publikacji oraz przygotowanie zestawień podobieństw i różnic na podstawie własnego zbioru literatury.

5. Od ekstrakcji do syntezy literatury

Łączenie informacji w kategorie i tematy oraz przygotowanie materiału do części teoretycznej artykułu i identyfikacji potencjalnych luk badawczych, pytań lub hipotez.

6. Kontrola jakości ekstrakcji i syntezy

Weryfikacja informacji w źródle, wyszukiwanie pominięć i nadinterpretacji oraz porównywanie wyników uzyskanych w różnych narzędziach.

7. Sesja Q&A

Omówienie pytań uczestników, przykładowych trudności w analizie i organizowaniu zbiorów publikacji oraz możliwości dalszego rozwijania asystenta do pracy z literaturą.

Zakładane efekty szkolenia

• Uczestnik pozna zasady przygotowywania własnego schematu ekstrakcji informacji z publikacji naukowych.
• Uczestnik pozna sposoby identyfikowania i porządkowania w publikacjach informacji dotyczących teorii, zmiennych, metod, prób badawczych, wyników i ograniczeń badań.
• Uczestnik pozna sposoby wykorzystania AI do analizy abstraktów i pełnych tekstów publikacji naukowych.
• Uczestnik pozna zasady tworzenia własnych kolumn ekstrakcyjnych w narzędziach SciSpace i Elicit.
• Uczestnik pozna sposoby pracy z własnym zbiorem źródeł w NotebookLM.
• Uczestnik pozna zasady tworzenia uporządkowanych macierzy literatury.
• Uczestnik pozna sposoby porównywania wielu badań według jednolitych kryteriów.
• Uczestnik pozna sposoby identyfikowania w literaturze wzorców, sprzeczności, różnic oraz powtarzających się ograniczeń badań.
• Uczestnik pozna sposoby wykorzystania wyników ekstrakcji i analizy literatury jako podstawy do dalszego formułowania luki badawczej, pytań badawczych i hipotez.
• Uczestnik pozna sposób przygotowania i rozwijania własnego asystenta do analizy literatury w ChatGPT, którego instrukcje będzie mógł dostosowywać do własnych potrzeb badawczych.

Wymagania

Uczestnik powinien dysponować:

• komputerem z dostępem do Internetu (więcej szczegółów poniżej w części „Platforma”),
• przygotowanym problemem badawczym do pracy na szkoleniu (rzeczywistym lub przykładowym)

Prowadzący

dr Przemysław Tomczyk, doktor nauk ekonomicznych w zakresie nauk o zarządzaniu. Doktorat obronił w Szkole Głównej Handlowej w Warszawie (2015). Adiunkt w Katedrze Marketingu Akademii Leona Koźmińskiego.

Specjalizuje się w zakresie roli sztucznej inteligencji w tworzeniu prac naukowych oraz wprowadzaniu automatyzacji do nauki. Autor kilkudziesięciu publikacji naukowych oraz kanału na YouTube „dr Przemek Tomczyk AI”.

https://www.youtube.com/@drprzemek

Prowadzi szkolenia z zakresu analizy statystycznej i wykorzystania sztucznej inteligencji w pracy naukowej.

Ostatnio opublikowane teksty na temat wykorzystania nowoczesnych technologii (w tym AI) w pisarstwie naukowym:

• Tomczyk, P., Brüggemann, P., &amp; Paul, J. (2024). Variable science mapping as literature review method, Journal of Marketing Analytics, pp. 1-13. https://doi.org/10.1057/s41270-024-00336-9 >>LINK<<
• Tomczyk, P., Brüggemann, P., Mergner, N., &amp; Petrescu, M. (2024). Exploring AI’s role in literature searching: traditional methods versus AI-based tools in analyzing topical e-commerce themes, in Digital Marketing &amp; eCommerce Conference (pp. 141-148). Springer, Cham. >>LINK<<
• Tomczyk, P., Bruggemann, P., &amp; Doligalski, T. (2024). The automation of science? Possibilities and boundaries of AI applications for conducting systematic literature reviews. International Journal on Artificial Intelligence Tools, 33(06), 2450023. >>LINK<<
• Tomczyk, P., Brüggeman, P., &amp; Vrontis D. (2024). AI Meets Academia: Transforming Systematic Literature Reviews, EuroMed Journal of Business (ahead-of-print). >>LINK<<
• Tomczyk, P., Brüggemann, P., Mergner, N., &amp; Petrescu, M. (2024). Are AI tools better than traditional tools in literature searching? Evidence from E-commerce research. Journal of Librarianship and Information Science, 09610006241295802 >>LINK<<

Uczestnictwo w szkoleniu wymaga umiejętności podstawowej obsługi komputera (tj. instalacja prostego programu, umiejętność logowania się do aplikacji typu ChatGPT, pracy z programem Word itp.)

Niektóre aplikacje, bądź ich funkcjonalności, zaprezentowane podczas szkolenia są płatne. Nie ma konieczności zakupu ich na potrzeby uczestnictwa w szkoleniu. Zostaną omówione w sposób wskazujący jakie funkcjonalności lub jakie ograniczenia są dostępne w wersjach bezpłatnych a jakie wymagają ewentualnego wykupienia subskrypcji. Informacje przekazane na szkoleniu pozwolą uczestnikowi na świadome podjęcie decyzji o sposobie dalszego korzystania z prezentowanych aplikacji.