Možnosti využití nástrojů umělé inteligence ve vysokoškolském vzdělávání (tvorba vědeckých textů)

Kategorie: Blog Zveřejněno: neděle 15. říjen 2023 Napsal Kamil Kopecký Vytisknout E-mail

Práce vysokoškolského pedagoga se kromě přímé výukové zátěže skládá také z vědecké činnosti, ke které patří realizace vědeckých projektů a produkce odborných vědeckých textů, tzv. paperů. Vědecký text má svá specifika - má pevně danou strukturu, používá odbornou terminologii, informace, které jsou v textu uvedeny, jsou podloženy původními zdroji apod. A právě při tvorbě vědeckých textů můžeme využít celou řadu nástrojů využívajích umělou inteligenci.

Trocha teorie na úvod: Struktura vědeckého textu

Standardní vědecký text se skládá ze 4 základních částí: Introduction, Methods, Results a Discussion (často se pro označení této struktury využívá zkratka IMRaD), které jsou někdy rozšířeny o další prvky (např. Conclusion). Úvodní část (Introduction) obsahuje teoretický úvod do problematiky a má  využívá rešerše důležitých zdrojů k tématu článku (tzv. background). Jinými slovy, v Introduction autoři vytváří teoretické zázemí pro vlastní výzkumnou část (tzv. teoretické ukotvení). V této části nám nástroje umělé inteligence dokáží velmi dobře posloužit, mohou nám pomoci s rešerší zdrojů, s jejich shrnutím, citováním, seskupením do konzistentního celku, stylizací atd. (dále v textu).

Část Methods obsahuje informace o výzkumu, který autor daného vědeckého textu zrealizoval, nejdeme zde informace o použité metodě/metodologii, výzkumném nástroji, výzkumném souboru (vzorku), výzkumné proceduře (kdy a jak byla data sbírána), informace o limitech výzkumu apod. Následuje část Results, která obsahuje výsledky našeho výzkumu - tj. co jsme zjistili, co jsme odhalili, naměřili, potvrdili, vyvrátili apod. Často zde využíváme grafické prvky - grafy, schémata, tabulky apod. Součástí této části může být naše interpretace zjištěných výsledků (ta však bývá i součástí další části, discussion). Další částí je diskuse (Discussion), ve které naše výzkumná zjištění zasazujeme do kontextu dalších výzkumů, můžeme zde výsledky interpretovat, porovnat apod. Někdy bývá v textu také samostatné shrnutí (Conclusion), které obsahuje ty nejpodstatnější zjištění z našeho výzkumu. Závěrečnou část každého textu tvoří seznam použitých zdrojů (tzv. References), který obsahuje využité zdroje seřazené do přehledného seznamu s dodržením formátu konkrétního citačního stylu, který je vyžadován časopisem, kde chceme náš text publikovat. V těchto všech částech můžeme nástroje umělé inteligence velmi efektivně použít. 

Nástroje AI pro podporu vědeckého psaní

 V této části si představíme několik výborných nástrojů, které využívají umělou inteligenci k podpoře tvorby vědeckých textů a práci s vědeckou literaturou.

SciSpace (www.scispace.com) je komplet 5 vzájemně propojených nástrojů určených pro začínající či pokročilé vědce:

A. SciSpace - Literature review (rešerše)

Tento nástroj umí vyhledávat vědeckou literaturu ke konkrétnímu tématu, ale také např. vyhledá odborné zdroje pro odpověď na konkrétní otázku (např. co je to kyberšikana), přičemž výsledek rešerše generuje nejenom v podobě názvů článků a odkazů na ně, ale také nám zobrazí klíčová zjištění obsažená v daných textech, která se vztahují k hledanému tématu/odpovědi. Vše si pak můžete doplnit o další prvky, např. shrnutí teoretické části článků, abstrakt, použité metody, použitou literaturu apod. 

Pokud nástroji položíme konkrétní otázku, kromě seznamu zdrojů vygeneruje také ozdrojovanou odpověď. Využité zdroje pak uspořádá do přehledné tabulky. Okamžitě, hned, během několika vteřin. 

scispace.png

SciSpace - odpověď na otázku s ozdrojováním a přehledem

SciSpace představuje obrovskou úsporu času a zásadní zvýšení efektivity rešerší - bez AI by vědec musel nejdříve otevřít daný cílový článek, pročíst ho a sestavit shrnutí - tj. strávil by touto činností u každého textu desítky minut (možná hodiny), SciSpace však dokáže celý proces zkrátit na pár vteřin. Veškerá zjištění navíc nástroj okamžitě překládá do vybraných jazyků - včetně češtiny, odpadají tak jazykové bariéry a limity.

Pomocí tohoto nástroje dokážeme velmi rychle konstruovat teoretická východiska článků, ale také např. seminární prací, kvalifikačních prací nebo třeba odborných knih.

B. SciSpace - Copilot - Read with AI

Druhý pokročilý nástroj umělé inteligence je určen ke čtení vědeckých textů a funguje jako chytrý asistent (copilot), kterého si nainstalujeme do prohlížeče. Poté otevřeme libovolný vědecký text a začneme jej číst. Pokud nějaké pasáži textu nerozumíme, nebo si k ní např. chceme dohledat další informace, stačí příslušnou část textu označit pomocí kurzoru. Nad označenou částí textu se pak objeví ikona Ask, pomocí které jedním kliknutím zadáme copilotovi příslušný dotaz. A copilot nám dotaz s využitím odborných zdrojů zodpoví, případně dohledá k danému tématu odbornou literaturu a samozřejmě nám vše přeloží do češtiny. Copilot je naprosto úžasný!

scispace-copilot.png

Copilot mi vysvětluje, co znamená “digital natives” - jedním ťuknutím mohou přeložit jeho odpověď do češtiny, dalším ťuknutím vygeneruji seznam zdrojů k danému tématu.

C. SciSpace - Citation generator

Třetím nástrojem sady SciSpace je generátor citací, který funguje velmi jednoduše - stačí do systému zadat odkaz na konkrétní článek a systém vygeneruje citaci v příslušném citačním stylu (třeba APA). Jednoduchá, ale velmi efektivní funkce pro každého vědce.

D. SciSpace - Paraphraser

Paraphraser je další efektivní nástroj (nejenom) pro vědce - umí totiž parafrázovat text, který mu zadáte. Představte si, že chcete např. odkázat na nějaký kus vědeckého textu, ale nechcete jej citovat přímo (doslovně) - stačí daný text nakopírovat do Paraphraseru a pomocí AI si můžete nechat text kompletně přepsat, zkrátit, prodloužit,  můžeme si dokonce zvolit typ textového výstupu - zda má jít o akademický text, neformální text, přátelský text, nebo třeba asertivní či diplomatický (systém nabízí asi 15 stylů). Umělá inteligence pak během několik vteřin text přizpůsobí zadání. 

Mimochodem, SciSpace automaticky detekuje, zda jsou jeho textové výstupy psané umělou inteligencí nebo člověkem a jak moc jsou namíchány (tj. jaký je procentuální podíl textu generovaného AI). Současně vám ale SciSpace umožňuje vytvářet texty, které např. detektory AI nerozpoznají jako vygenerované - ale jako lidské. To je typické u textů obsahujících emoce - ironické, sarkastické apod. Samozřejmostí je parafrázování v češtině, nicméně detekce AI si s češtinou neporadí.

E. SciSpace - AI detector

Posledním nástrojem je pak online detektor, který dokáže rozpoznat, zda byly texty generované umělou inteligencí a z jak velké části, bohužel si ale neporadí s češtinou.

SciSpace však není nástroj jediný, v současnosti najdeme na internetu desítky nástrojů, které využívají podobných principů a mohou vědcům zefektivnit jejich práci.

Podobně jako SciSpace dokáže generovat odpovědi na otázky s ozdrojováním například nástroj Consensus (https://consensus.app). Jeho hlavním mottem je: “Evidence-based answers, faster“, tedy rychlé vyhledání odpovědi na zadání podložené vědeckými zdroji. Jeho výhodou je velmi přehledné uspořádání výsledků s využitím řady grafických prvků, které např. přehledně zachycují druh výzkumu, velikost souboru, výzkumná zjištění apod. Systém je aktivně vyvíjen a jeho databáze zdrojů trvale roste. Na podobném principu pak funguje např. webová stránka Elicit (https://elicit.com).

K dalším zajímavých nástrojům využívajícím AI patří Semantic Scholar (https://www.semanticscholar.org), který aktuálně obsahuje databází více než 210 milionů vědeckých článků. Semantic Scholar má vysokou úspěšnost při generování požadovaných tematických rešerší dle zadání a určitě stojí za to ho vyzkoušet. Podobně pak funguje např. nástroj Scite.ai (https://scite.ai/) s více než 185 miliony odborných textů s citacemi, které lze sofistikovaně vyhledávat a využívat.

Další zajímavý nástroj se jmenuje Scholarcy (https://www.scholarcy.com) a je určen k tvorbě shrnutí obsahu vědeckých textů. Některé vědecké texty jsou totiž velmi rozsáhlé a komplikované a trvá dlouhou dobu se v nich zorientovat, proto je Scholarcy rozdělí na několik částí do podoby tzv. flashcards, které umožňují čtenářům snadněji se v textu zorientovat (např. na klíčová sdělení, koncepty, shrnutí, klíčová slova). Scholarcy je určitě zajímavý koncept využívající AI a může čtení vědeckých textů skutečně zefektivnit.

Velmi zajímavým nástrojem je Research Rabbit (https://www.researchrabbit.ai/). Je to nástroj pro “prozkoumávání” či “mapování” vědeckých publikací a vztahů mezi nimi. Aplikace se používá tak, že nejdříve zadáme název či odkaz jeden či více výchozích článků, které nás tematicky zajímají (tzv. seed papers). Aplikace okamžitě začne zjišťovat, které další články jsou relevatní, co dalšího souvisejícího autoři napsali, začne také autory i obsah vzájemně propojovat atd. Je to vlastně takové noření se hluboko do králičí nory (v pozitivním slova smyslu) - každý nový text, každá nová informace, každý nový autor nás vedou hlouběji a hlouběji. Jde o naprosto unikátní věc, takže všem vřele doporučuji vyzkoušet a prozkoumat. 

rabbit.png

“Králičí výzkumník” mapuje mou spolupráci se španělským týmem z Granady.

 

Nástrojů, které lze využít pro tvorbu vědeckých textů s podporou umělé inteligence, existují desítky, nicméně ve většině případů jsou velmi podobné a vycházejí ze stejných principů - vyhledávání textů, vysvětlování obsahu, tvoření textu, citování apod. 

Další aplikace umělé inteligence ve vědeckém výzkumu a výuce

Umělá inteligence má potenciál pomáhat ve vědeckém bádání také v širším kontextu (tzv. AI assisted research):

A. Podpora rozhodování ve výzkumu:
AI může předpovídat výsledky experimentů a doporučovat, na které oblasti by se měl výzkum zaměřit.

B. Automatizace laboratorních prací:
Některé laboratorní práce mohou být automatizovány s použitím AI, např. analýza vzorků nebo určité typy experimentů.

C. Virtuální laboratoře a simulace:
AI může být použita ke vytváření virtuálních laboratoří a simulací pro studenty a vědce, které mohou být použity pro trénink nebo testování hypotéz ve virtuálním prostředí před reálnými experimenty

D. Výzkum a analýza dat:
AI může analyzovat velké množství dat, identifikovat vzory/vzorce a poskytovat cenné informace, které by mohly být použity pro navrhování experimentů nebo interpretaci výsledků.

E. Správa a organizace dat:
Nástroje umělé inteligence mohou také pomáhat vědcům a studentům s řízením a organizací dat a zdrojů, ulehčují tak administrativní a organizaci výzkumné práce.

Možnosti využití umělé inteligence pro podporu vědeckého psaní jsou obrovské a lze předpokládat, že velká část vědecké komunity začne některý z podpůrných AI nástrojů pro vědecké psaní využívat nebo je využívá již nyní. Ti, kteří budou tyto nástroje využívat, získají zcela jistě řadu výhod - minimálně uspoří mnoho času, který by jinak museli věnovat mechanickému procházení textů a formulování textů nových. Na druhou stranu je potřeba připomenout - za výsledek ručí vždy člověk, který musí počítat s tím, že se AI může mýlit.

P.S. Tento materiál vznikl pro podporu mých školení pro Slezskou univerzitu v Opavě.

Líbil se vám tento text? Pokud ano, tak mě můžete podpořit na https://www.buymeacoffee.com/kopeckyk

Zobrazení: 8226
Hodnocení článku:
Hodnocení: 5 z 5. Celkem 7 hlasů