В отношении ИИ и исследований очевидны два дискурса. Один - мы спасем мир и научимся лечить малярию. Другой - мы разучимся думать, разучимся писать красиво и естественно, и “как же милы эти смешные неточности и странное словоупотребление в письме иностранцев на английском языке”.
Но на днях попалась на глаза заметка про действительно важный риск, который несет избыточное использование ИИ в научной работе*. Редакторы и рецензенты называют его “провалом середины”. Работы, в которых много следов ИИ обычно избыточно много ссылаются на старую литературу - классиков восьмидесятых-девяностых, и также интенсивно на самую свежую, опубликованную в 2022-2025. Даже если в таких статьях эмпирика качественная, аккуратно обработана, и в ней нет следов ИИ, они не проходят рецензирование и отметаются редакторами. Отсутствие хорошего литературного обзора означает, что автор не понимает, как развивалась научная мысль, какие были ответвления, что вошло в мейнстрим, и что со временем было отвергнуто.
Происходит это потому, что, с одной стороны, тексты классиков уже массово оцифрованы, с другой - интернет переполнен мусорными текстами в открытом доступе. Статьи же предыдущих 10-15 лет чаще всего находятся за пейволом и остаются недоступными для ИИ.
И это повод в очередной раз напомнить, как отбирать качественную литературу. На курсе по библиотечному поиску лет двадцать назад нас учили следующей последовательности: сначала оцениваем аффилиацию автора, затем, рейтинг журнала (или издательства, если это книга), и, наконец, список литературы, на которую ссылается автор.
Сейчас я бы сказала, что аффилиация не так важна. При исключительно конкурентном рынке труда в социальных науках качественные исследования делают и в невысокорейтинговых научных заведениях, и наоборот - высокорейтинговые регулярно оказываются в центре скандалов в связи с подделкой данных и вынуждены отзывать статьи.
Поэтому приходится менять стратегию. Если раньше я в первую очередь открывала Google Scholar и Research Rabbit, то в последнее время обнаружила, что все чаще иду в старый добрый Jstor. Даже без внутриуниверситетского доступа там открыто огромное количество статей. Статьи эти почти всегда имеют хороший историю, прошли рецензирование, и их можно брать в работу - спорить с ними, соглашаться, проверять новыми данными.
Мы все равно будем использовать ИИ. Иногда, когда ты абсолютно застрял и не можешь найти язык, чтобы объяснить свою мысль, ИИ может выдать тебе неожиданное имя, и все становится на места. Но дальше начинается ручная работа с хорошими базами данных и чтение литературы, невидимой для ИИ - это единственный способ понять, что же на самом деле происходило в том кусочке науки, куда ты нечаянно забрел.
* Источник утрачен - какая ирония в посте про литературу
Но на днях попалась на глаза заметка про действительно важный риск, который несет избыточное использование ИИ в научной работе*. Редакторы и рецензенты называют его “провалом середины”. Работы, в которых много следов ИИ обычно избыточно много ссылаются на старую литературу - классиков восьмидесятых-девяностых, и также интенсивно на самую свежую, опубликованную в 2022-2025. Даже если в таких статьях эмпирика качественная, аккуратно обработана, и в ней нет следов ИИ, они не проходят рецензирование и отметаются редакторами. Отсутствие хорошего литературного обзора означает, что автор не понимает, как развивалась научная мысль, какие были ответвления, что вошло в мейнстрим, и что со временем было отвергнуто.
Происходит это потому, что, с одной стороны, тексты классиков уже массово оцифрованы, с другой - интернет переполнен мусорными текстами в открытом доступе. Статьи же предыдущих 10-15 лет чаще всего находятся за пейволом и остаются недоступными для ИИ.
И это повод в очередной раз напомнить, как отбирать качественную литературу. На курсе по библиотечному поиску лет двадцать назад нас учили следующей последовательности: сначала оцениваем аффилиацию автора, затем, рейтинг журнала (или издательства, если это книга), и, наконец, список литературы, на которую ссылается автор.
Сейчас я бы сказала, что аффилиация не так важна. При исключительно конкурентном рынке труда в социальных науках качественные исследования делают и в невысокорейтинговых научных заведениях, и наоборот - высокорейтинговые регулярно оказываются в центре скандалов в связи с подделкой данных и вынуждены отзывать статьи.
Поэтому приходится менять стратегию. Если раньше я в первую очередь открывала Google Scholar и Research Rabbit, то в последнее время обнаружила, что все чаще иду в старый добрый Jstor. Даже без внутриуниверситетского доступа там открыто огромное количество статей. Статьи эти почти всегда имеют хороший историю, прошли рецензирование, и их можно брать в работу - спорить с ними, соглашаться, проверять новыми данными.
Мы все равно будем использовать ИИ. Иногда, когда ты абсолютно застрял и не можешь найти язык, чтобы объяснить свою мысль, ИИ может выдать тебе неожиданное имя, и все становится на места. Но дальше начинается ручная работа с хорошими базами данных и чтение литературы, невидимой для ИИ - это единственный способ понять, что же на самом деле происходило в том кусочке науки, куда ты нечаянно забрел.
* Источник утрачен - какая ирония в посте про литературу