Các công cụ tổng quan tài liệu khoa học dựa trên AI – Hướng dẫn chi tiết
SEMANTIC SCHOLAR
Công cụ tìm kiếm tài liệu khoa học
“Một công cụ nghiên cứu MIỄN PHÍ dựa trên AI cho tài liệu khoa học.” https://www.semanticscholar.org/
Hơn 200 triệu bài báo từ tất cả các lĩnh vực khoa học.
Ví dụ – sinh viên điều dưỡng sức khỏe tinh thần “phân tích phạm vi”
4000+ kết quả có thể được sắp xếp theo Lĩnh vực nghiên cứu, Phạm vi ngày, Tác giả, Tạp chí & Hội nghị
Lưu các bài báo vào thư viện của bạn. Các bài báo đề xuất sẽ đưa ra các bài báo tương tự dựa trên các mục đã lưu.
Ví dụ – SERVQUAL: Thang đo nhiều mục để đánh giá nhận thức của người tiêu dùng về chất lượng dịch vụ
Tổng lượt trích dẫn: 22,438 [Lưu ý: con số này được thu thập khi hướng dẫn này được tạo]
Trích dẫn ảnh hưởng cao: 2,001
Trích dẫn nền tảng: 6,109
Trích dẫn phương pháp: 3,273
Trích dẫn kết quả: 385
Semantic Reader
“Một trình đọc tăng cường bằng AI có tiềm năng cách mạng hóa việc đọc tài liệu khoa học bằng cách làm cho nó dễ tiếp cận và có ngữ cảnh phong phú hơn”. Nó “sử dụng AI để hiểu cấu trúc của tài liệu và kết hợp nó với các nghiên cứu học thuật của Semantic Scholar, cung cấp thông tin chi tiết trong ngữ cảnh thông qua các công cụ nhắc nhở và các lớp phủ khác.” https://www.semanticscholar.org/product/semantic-reader.
Lướt qua bài báo nhanh hơn
“Tìm các điểm chính của bài báo này bằng cách sử dụng các lớp phủ được làm nổi bật tự động. Có sẵn trong phiên bản beta trên một số giới hạn các bài báo cho các thiết bị máy tính để bàn.” Nhấn vào biểu tượng bút chì để kích hoạt các điểm nổi bật.
TLDRs (Quá dài, không đọc)
Ví dụ: Hãy thử ví dụ này. Nhấn vào biểu tượng bút chì để tiết lộ các điểm chính được làm nổi bật.
TLDRs “là các bản tóm tắt siêu ngắn về mục tiêu và kết quả chính của một bài báo khoa học được tạo ra bằng cách sử dụng kiến thức nền chuyên môn và các kỹ thuật NLP kiểu GPT-3 mới nhất. Tính năng mới này có sẵn ở phiên bản beta cho gần 60 triệu bài báo trong các lĩnh vực khoa học máy tính, sinh học và y khoa…” https://www.semanticscholar.org/product/tldr
ELICIT.ORG
Trợ lý nghiên cứu: tìm bài báo, tóm tắt các luận điểm chính, và nhiều hơn nữa.
“Elicit là một trợ lý nghiên cứu sử dụng các mô hình ngôn ngữ như GPT-3 để tự động hóa các khâu trong quy trình làm việc của các nhà nghiên cứu. Hiện tại, quy trình làm việc chính trong Elicit là Tổng quan Tài liệu. Nếu bạn đặt một câu hỏi, Elicit sẽ hiển thị các bài báo liên quan và các bản tóm tắt thông tin chính về những bài báo đó trong một bảng dễ sử dụng.” https://elicit.org/faq#what-is-elicit.; Tìm câu trả lời từ 175 triệu bài báo. Câu hỏi thường gặp
Ví dụ – Các can thiệp sức khỏe tâm thần thay đổi như thế nào theo nhóm tuổi? / Dầu cá và trầm cảm
Kết quả: [Đăng nhập cần thiết]
(1) Tóm tắt của 4 bài báo hàng đầu > Bài báo #1 – #4 với Tiêu đ
ELICIT.ORG
Trợ lý nghiên cứu: tìm bài báo, tóm tắt các luận điểm chính, và nhiều hơn nữa.
Kết quả: [Đăng nhập cần thiết]
(1) Tóm tắt của 4 bài báo hàng đầu > Bài báo #1 – #4 với Tiêu đề, tóm tắt, lượt trích dẫn, DOI, và pdf
(2) Chế độ xem bảng: Tóm tắt / Can thiệp / Kết quả đo lường / Số lượng người tham gia
(3) Các nghiên cứu và trích dẫn liên quan.
(4) Nhấp vào Tìm thông tin bài báo để tìm – Siêu dữ liệu về Nguồn (SJR v.v.) > Dân số (tuổi v.v.) > Can thiệp (thời gian v.v.) > Kết quả (kết quả, hạn chế v.v.) và > Phương pháp luận (thiết kế nghiên cứu chi tiết v.v.)
(5) Xuất dưới dạng BIB hoặc CSV
Cách tìm kiếm
- Nhập câu hỏi trực tiếp – Án tử hình có làm giảm tội phạm không?
- Mối quan hệ giữa hai khái niệm – Dầu cá và trầm cảm / X có gây ra Y không?
- Các khái niệm mở – ảnh hưởng của di cư đến nền kinh tế địa phương
Mẹo và ví dụ tìm kiếm từ Thực tiễn tốt nhất của Consensus
Tổng hợp (beta)
Khi AI nhận ra một số loại câu hỏi nghiên cứu nhất định, chức năng này có thể được kích hoạt. Nó sẽ xem xét một số nghiên cứu và cung cấp một bản tóm tắt cùng với Máy đo đồng thuận minh họa mức độ đồng thuận tập thể của chúng. Hãy thử câu tìm kiếm này: Cơm trắng liên quan đến bệnh tiểu đường? Máy đo đồng thuận tiết lộ các kết quả sau khi phân tích 10 bài báo: 70% cho thấy mối liên hệ tích cực, 20% gợi ý một mối liên hệ có thể có, và 10% cho thấy không có liên hệ.
Xuất kết quả – Không có sẵn cho các kết quả được nhóm lại.
SCITE.AI
NGỮ CẢNH CỦA TRÍCH DẪN – HỖ TRỢ HAY ĐỐI LẬP LẪN NHAU?
Hơn 1,2 tỷ Câu trích dẫn và siêu dữ liệu từ hơn 181 triệu bài báo được đề xuất tham khảo.
Nó hoạt động như thế nào? – “scite sử dụng quyền truy cập vào các bài báo đầy đủ văn bản và mô hình học sâu của mình để cho bạn biết, đối với một ấn phẩm cụ thể:
- nó được trích dẫn bao nhiêu lần bởi người khác
- nó được trích dẫn như thế nào bởi người khác bằng cách hiển thị văn bản nơi trích dẫn xảy ra từ mỗi bài báo trích dẫn
- liệu mỗi trích dẫn có cung cấp bằng chứng hỗ trợ hoặc tương phản với các luận điểm được trích dẫn trong ấn phẩm quan tâm, hay đơn giản chỉ đề cập đến nó.”
VÍ DỤ về việc xem tất cả trích dẫn và câu trích dẫn ở cùng một nơi
Thông tin thêm: Scite: Một chỉ mục trích dẫn thông minh hiển thị ngữ cảnh của trích dẫn và phân loại ý định của chúng bằng học sâu
CONNECTED PAPERS
CÁC NGHIÊN CỨU LIÊN QUAN
Sử dụng đồ thị hình ảnh hoặc các cách khác để hiển thị các nghiên cứu liên quan. Cơ sở dữ liệu được kết nối với Semantic Scholar Paper Corpus, tổng hợp hàng trăm triệu bài báo đã công bố trong nhiều lĩnh vực khoa học và khoa học xã hội.
Xem thêm chi tiết về cách nó hoạt động.
Ví dụ – SERVQUAL
và sau đó nhấp vào CHỌN MỘT BÀI BÁO ĐỂ XÂY DỰNG ĐỒ THỊ > Bài bá
CONNECTED PAPERS
CÁC NGHIÊN CỨU LIÊN QUAN
Ví dụ – SERVQUAL
và sau đó nhấp vào CHỌN MỘT BÀI BÁO ĐỂ XÂY DỰNG ĐỒ THỊ > Bài báo đầu tiên được chọn.
Kết quả:
(1) Bài báo gốc – SERVQUAL: Thang đo nhiều mục để đánh giá nhận thức của người tiêu dùng về chất lượng dịch vụ + Các bài báo liên quan với liên kết đến Connected Papers / PDF / DOI hoặc trang Nhà xuất bản / Semantic Scholar / Google Scholar.
(2) Đồ thị hiển thị bài báo gốc + các bài báo liên quan với liên kết đến các nguồn chính. Xem ở trên.
(3) Liên kết đến Công trình trước đó và Công trình phái sinh
Xem các trích dẫn chi tiết của Semantic Scholar về bài báo gốc SERVQUAL ở trên cùng trang này trong Semantic Scholars.
Cách tìm kiếm
- Tìm kiếm theo tiêu đề công trình.
- Nhập một số từ khóa về một chủ đề.
Tải xuống / Lưu
Tải xuống các Mục đã lưu của bạn ở định dạng Bib.
PAPER DIGEST
TÓM TẮT & TỔNG HỢP
“Đồ thị kiến thức & nền tảng xử lý ngôn ngữ tự nhiên được tinh chỉnh cho lĩnh vực công nghệ.
https://www.paperdigest.org/
Các lĩnh vực được bao phủ: công nghệ, sinh học/y tế, tất cả các lĩnh vực khoa học, kinh doanh, nhân văn/khoa học xã hội, sáng chế và tài trợ…
Ví dụ – chấn thương thể thao ở thanh thiếu niên
Kết quả bao gồm (1) một danh sách mười bài báo và (2) một bản tóm tắt hoặc tổng hợp của chúng. Chỉ để minh họa – các trích dẫn không được sắp xếp theo thứ tự số và một số nội dung của bản tóm tắt được xóa bỏ.
TỔNG QUAN TÀI LIỆU – https://www.paperdigest.org/review/
Đánh giá hệ thống – https://www.paperdigest.org/literature-review/
BẢNG ĐIỀU KHIỂN TÌM KIẾM – https://www.paperdigest.org/search/
Tóm tắt Hội nghị – Các bài báo hội nghị NIPS …
Công cụ AI về Công nghệ: Tổng quan tài liệu | Tìm kiếm tài liệu | Trả lời câu hỏi | Tóm tắt văn bản
Công cụ AI của Chuyên gia: AI tổ chức | Tìm kiếm chuyên gia | Tìm kiếm nhà phê bình, luật sư sáng chế…
TÓM TẮT
Tóm tắt hàng ngày / Tóm tắt bài hội nghị / Tóm tắt bài báo hay nhất / Theo dõi chủ đề.
Trong Tài khoản nhập các lĩnh vực quan tâm. Hàng ngày sẽ tải lên các nghiên cứu dựa trên sở thích của bạn.
RESEARCH RABBIT
ÁNH XẠ DỰA TRÊN TRÍCH DẪN: TƯƠNG TỰ / SỚM / MUỘN
“Hàng trăm triệu bài báo học thuật và bao phủ hơn 90% + tài liệu có thể được tìm thấy trong các cơ sở dữ liệu chính được sử dụng bởi các tổ chức học thuật (như Scopus, Web of Science, và những nơi khác).” Xem trang Câu hỏi thường gặp của nó. Thuật toán tìm kiếm được mượn từ NIH và Semantic Scholar.
“Bộ sưu tập mặc định Chưa đặt tên” sẽ thu thập lịch sử tìm kiếm của bạn, dựa trên đó Research Rabbit sẽ gửi cho bạn các khuyến nghị về ba loại kết quả liên quan: Công trình Tương tự / Công trình Trước đó / Công trình Sau này, có thể xem dưới dạng đồ thị như Mạng lưới, Dòng thời gian, Tác giả đầu tiên v.v.
Tích hợp Zotero: nhập và xuất giữa hai ứng dụng này.
Ví dụ – SERVQUAL: Thang đo nhiều mục để đánh giá nhận thức của người tiêu dùng về chất lượng dịch vụ
[Đăng nhập cần thiết] Hãy
RESEARCH RABBIT
ÁNH XẠ DỰA TRÊN TRÍCH DẪN: TƯƠNG TỰ / SỚM / MUỘN
Ví dụ – SERVQUAL: Thang đo nhiều mục để đánh giá nhận thức của người tiêu dùng về chất lượng dịch vụ
[Đăng nhập cần thiết] Hãy thử để xem Công trình Tương tự, Công trình Trước đó và Công trình Sau này của nó hoặc các tài liệu khác.
Xuất kết quả – Các phát hiện có thể được xuất ra định dạng BibTxt, RIS hoặc CSV.
CITE ChatPGT HOẶC OTHER GENERATIVE AI
HƯỚNG DẪN
Làm thế nào để trích dẫn ChatGPT [APA] – https://apastyle.apa.org/blog/how-to-cite-chatgpt
Làm thế nào để Trích dẫn AI Sinh học [MLA] – https://style.mla.org/citing-generative-ai/
Hướng dẫn Trích dẫn – Trích dẫn ChatGPT và AI Sinh học khác (Đại học Queensland, Úc)
Các công cụ tổng quan tài liệu dựa trên AI
Bing AI
LLM 4.0 + CÔNG CỤ TÌM KIẾM
Nó dựa trên công nghệ GPT4 và kết nối với Internet. Tốt nhất nên sử dụng với trình duyệt Microsoft Edge.
Có hai giao diện: Trò chuyện Bing và thanh bên Tìm kiếm. Tôi thích sử dụng Bing Chat, nền tảng lớn hơn. Nhưng bạn có thể sử dụng cả hai cùng lúc. Khi truy vấn trên nền tảng chính, văn bản được chèn vào trò chuyện Bing có thể được sửa đổi hoặc trải qua các loại chỉnh sửa khác trên nền tảng thanh bên mà không ảnh hưởng đến đầu vào truy vấn ở bên kia.
Có ba kiểu hội thoại để lựa chọn – Sáng tạo hơn, Cân bằng hơn hoặc Chính xác hơn. Xem so sánh nhanh dưới đây.
So sánh – Yêu cầu: Chủ đề của tôi là về tâm lý học. Cơ sở dữ liệu xám nào tôi nên sử dụng?
Chính xác hơn – PsycExtra, Thư viện NIH và các liên kết đến hướng dẫn thư viện, trang .gov và .org.
Cân bằng hơn – PsycExtra và ba hướng dẫn nghiên cứu chính đề cập đến các nguồn tài liệu xám về tâm lý học.
Sáng tạo hơn – PsycExtra, LILACS, và Worldcat + định nghĩa về tài liệu xám + gợi ý tìm kiếm các trang web của hiệp hội chuyên môn, bản tin, tạp chí, tiêu chuẩn và hướng dẫn, và các nguồn khác có thể chứa thông tin liên quan cho chủ đề của bạn.
Xem thêm so sánh dưới mục Bing AI và ChatGPT cho cùng một câu hỏi.
Ví dụ – các yếu tố của tử vong ở trẻ sơ sinh
Tử vong ở trẻ sơ sinh là thuật ngữ chỉ cái chết của trẻ sơ sinh trước sinh nhật lần thứ nhất của chúng. Các nguyên nhân hàng đầu gây tử vong ở trẻ sơ sinh bao gồm ngạt khi sinh, viêm phổi, dị tật bẩm sinh, biến chứng khi sinh như trình bày bất thường của thai nhi, thoát dây rốn, hoặc chuyển dạ kéo dài, nhiễm trùng sơ sinh, tiêu chảy, sốt rét, sởi và suy dinh dưỡng. Nhiều yếu tố tình huống dẫn đến tử vong ở trẻ sơ sinh như trình độ giáo dục của người phụ nữ mang thai, điều kiện môi trường, cơ sở hạ tầng chính trị và mức độ hỗ trợ y tế. Ở Hoa Kỳ, yếu tố quyết định chính nguy cơ tử vong ở trẻ sơ sinh là cân nặng khi sinh, với cân nặng sơ sinh thấp làm tăng nguy cơ tử vong ở trẻ sơ sinh. Các yếu tố quyết định cân nặng sơ sinh thấp bao gồm các yếu tố kinh tế – xã hội, tâm lý, hành vi và môi trường.
[Lưu ý của tác giả: Mỗi phản hồi đi kèm với 1-20 câu hỏi kiểm tra. Ví dụ: “Hội chứng đột tử ở trẻ sơ sinh là gì?” “Một số yếu tố nguy cơ của Hội chứng đột tử ở trẻ sơ sinh là gì?” “Môi trường ngủ an toàn cho trẻ sơ sinh là gì?” và cứ thế.]
Ví dụ: NGUỒN THAM KHẢO ĐÃ QUA PHẢN BIỆN
Tôi cần một số bài báo tham khảo đã qua phản biện liên quan đến tỷ lệ tử vong ở trẻ sơ sinh?
Câu trả lời bao gồm 5 bài báo. Bài thứ nhất là “Nguyên nhân tử vong và tỷ lệ tử vong ở trẻ sơ sinh đủ tháng ở Hoa Kỳ trong giai đoạn 2010-2012: Nghiên cứu quan sát” của Neha Bairoliya và Günther Fink.
Nhấp vào “Cho tôi biết thêm về bài báo thứ nhất” dẫn đến bản tóm tắt này:
“Bài báo thứ nhất có tiêu đề “Nguyên nhân tử vong và tỷ lệ tử vong ở trẻ sơ sinh đủ tháng ở Hoa
Bing AI
Ví dụ: NGUỒN THAM KHẢO ĐÃ QUA PHẢN BIỆN
“Bài báo thứ nhất có tiêu đề “Nguyên nhân tử vong và tỷ lệ tử vong ở trẻ sơ sinh đủ tháng ở Hoa Kỳ trong giai đoạn 2010-2012: Nghiên cứu quan sát” và được xuất bản trên PLOS Medicine vào ngày 20 tháng 3 năm 2018. Các tác giả là Neha Bairoliya và Günther Fink. Nghiên cứu sử dụng các bản ghi khai sinh và tử vong được liên kết cho giai đoạn 2010-2012 để xác định gánh nặng cụ thể theo tiểu bang và nguyên nhân của tỷ lệ tử vong ở trẻ sơ sinh đủ tháng (sinh từ 37-42 tuần thai) ở Hoa Kỳ. Các nhà nghiên cứu phát hiện tỷ lệ tử vong ở trẻ sơ sinh đủ tháng (FTIMR) là 2,2 trên 1.000 trẻ sơ sinh sống và dao động từ 1,29 (Connecticut) đến 3,77 (Mississippi) ở cấp tiểu bang. Đột tử ở trẻ sơ sinh (SUDI) chiếm 43% FTIM; dị tật bẩm sinh và các bệnh về thai sản chiếm lần lượt 31% và 11,3% FTIM. Chênh lệch tỷ lệ tử vong lớn nhất giữa các bang có FTIMR tốt và các bang có FTIMR kém được tìm thấy đối với SUDI, với nguy cơ đặc biệt lớn đối với các trường hợp tử vong do hội chứng đột tử ở trẻ sơ sinh (SIDS) và ngạt thở.”
Ví dụ: TẠO HÌNH ẢNH
- Vui lòng tạo một số hình ảnh về trích xuất dữ liệu trên nền trắng
(Lưu ý: Được tạo bằng cách sử dụng Trò chuyện Bing mở trong Microsoft Edge. Mỗi hình ảnh sẽ đi kèm với liên kết của nó để chia sẻ hoặc xuất bản web. Bạn cũng có thể tải chúng xuống. Làm thế nào để trích dẫn hoặc tín dụng các hình ảnh? Xem các khuyến nghị của Bing: “Các hình ảnh tôi tạo ra là các sáng tạo gốc và không yêu cầu trích dẫn. Tuy nhiên, nếu bạn muốn đưa tín, bạn có thể đơn giản đề cập rằng hình ảnh được tạo bởi Bing.”)
Ví dụ – SO SÁNH giữa Bing AI và ChatGPT
[Bình luận: Bing AI thường sản xuất câu trả lời ngắn gọn bằng cách kết hợp thông tin từ các nguồn đáng tin cậy như Wikipedia, .GOV, .ORG, .COM và hướng dẫn thư viện của trường đại học. Mọi câu trả lời đều đi kèm với 3-5 câu hỏi kiểm tra hoặc các nguồn liên quan. Ngược lại, ChatGPT nỗ lực cung cấp câu trả lời toàn diện ngay lần đầu. Trong trường hợp người dùng yêu cầu thêm thông tin, họ có thể sử dụng nút “Tạo lại” để truy cập các câu trả lời bổ sung hoặc được tổ chức khác. Cá nhân tôi thích cách tiếp cận toàn diện vì nó tạo điều kiện đánh giá nhanh hơn. Tôi không cần phải nhấp vào nhiều câu hỏi cấp dưới để nắm bắt khái niệm tổng thể. Xem quan điểm của các tác giả khác về Bing AI và ChatGPT: Đánh giá: Chúng tôi đã thử ChatGPT, Trò chuyện Bing và Bard – Bing AI ChatGPT so với ChatGPT mở: Chúng khác nhau như thế nào?]
Câu hỏi: Đây là những từ đồng nghĩa liên quan đến thành tích học tập nếu tôi muốn sử dụng chúng với ERIC (EBSCO)?
ChatGPT
Trong ERIC (EBSCO), một số từ đồng nghĩa liên quan đến thành tích học tập bao gồm: Thành tựu giáo dục, Kết quả học tập, Thành công giáo dục, Tiến bộ học tập, Thành tích học tập, Thành tích học tập, Thành tựu giáo dục, Thành tích học tập, Thành công học tập, Kết quả thành tích.
Bing AI
ERIC Thesaurus chứa gần 12.000 thuật ngữ, bao gồm hơn
Bing AI
ERIC Thesaurus chứa gần 12.000 thuật ngữ, bao gồm hơn 4.500 mô tả và 7.000 từ đồng nghĩa. Bạn có thể sử dụng thuật ngữ “Thành tích học tập” hoặc các từ đồng nghĩa của nó như “Thành tựu giáo dục”, “Thành tích học sinh”, “Thành tích học tập”, “Thành công học tập”, “Thành tựu học tập” và nhiều hơn nữa.
[Lưu ý của tác giả: Các phản hồi tiếp theo bao gồm một số nguồn bổ sung. Xem hai dưới đây:
https://eric.ed.gov/?ti=Achievement+Gap bao gồm https://eric.ed.gov/?ti=Academic+Achievement|
Câu hỏi: Chủ đề của tôi là về tâm lý học. Cơ sở dữ liệu xám nào tôi nên sử dụng?
ChatGPT
PsycEXTRA: Cơ sở dữ liệu này được sản xuất bởi Hiệp hội Tâm lý học Hoa Kỳ (APA) và bao gồm tài liệu xám như bài báo hội nghị, bản trắng, và báo cáo chính phủ.
OpenGrey: Cơ sở dữ liệu này cung cấp quyền truy cập vào tài liệu xám được sản xuất ở châu Âu, bao gồm báo cáo, luận văn, và bài báo hội nghị.
Grey Literature Report: Cơ sở dữ liệu này được sản xuất bởi Viện Y học New York và bao gồm các báo cáo, bài báo hội nghị, và các tài liệu xám khác về sức khỏe và sinh học y, bao gồm tâm lý học.
ProQuest Dissertations and Theses Global: Cơ sở dữ liệu này cung cấp quyền truy cập vào nghiên cứu cấp sau đại học, bao gồm luận văn và luận án liên quan đến tâm lý học.
Google Scholar: Trong khi không phải là cơ sở dữ liệu chuyên về tài liệu xám, Google Scholar có thể là một công cụ hữu ích để tìm bài báo hội nghị và các tài liệu xám khác liên quan đến tâm lý học.
Bing AI – [hỏi ở chế độ Chính xác]
Đối với tâm lý học, một số cơ sở dữ liệu xám được khuyến nghị bao gồm PsycEXTRA và PsyArXiv. PsycEXTRA là cơ sở dữ liệu của tài liệu xám liên quan đến tâm lý học, khoa học hành vi và sức khỏe. PsyArXiv là kho lưu trữ tâm lý học được thiết kế để tạo điều kiện phổ biến nhanh chóng các nghiên cứu tâm lý học.
Câu hỏi: Những mô hình nào khác đã được phát triển dựa trên SERVQUAL?
ChatGPT
SERVPERF: Đây là phiên bản sửa đổi của SERVQUAL đo lường hiệu suất dịch vụ thay vì chất lượng dịch vụ. Nó được phát triển bởi Cronin và Taylor (1992) và dựa trên cùng năm chiều như SERVQUAL.
SERVPERF-GAP: Mô hình này, được phát triển bởi Caruana và Ewing (2006), mở rộng mô hình SERVQUAL để bao gồm ba khoảng trống bổ sung có thể xảy ra khi khách hàng đánh giá chất lượng dịch vụ.
E-SERVQUAL: Mô hình này, được phát triển bởi Parasuraman et al. (2005), thích ứng thang đo SERVQUAL để đo lường chất lượng của các dịch vụ trực tuyến.
SERVCO: Đây là phiên bản sửa đổi của SERVQUAL bao gồm chiều thứ sáu, “chi phí”, ngoài năm chiều ban đầu. Nó được phát triển bởi Sureshchandar et al. (2002) để giải quyết tầm quan trọng của chi phí trong đánh giá chất lượng dịch vụ.
SERVQ-HC: Đây là phiên bản sửa đổi của SERVQUAL được thiết kế đặc biệt cho việc đánh giá chất lượng của các dịch vụ chăm sóc sức khỏe. Nó được phát triển bởi Cronin et al. (2000) và bao gồm 20 mục qua năm chiều.
Bing AI
Bing AI Thanh bên CHAT, THINK & WRITE
GPT4 đã được tích hợp vào trình duyệt MS Edge và nó là miễn phí. Đây là cách để kích hoạt nó. Mở Microsoft Edge > Ở góc trên bên phải, nhấp vào biểu tượng Khám phá > Trò chuyện. Còn đối với ChatGPT, thanh bên của nó chỉ có sẵn cho người dùng PLUS. Nó không miễn phí. Thanh bên của Bing có ba tùy chọn – Trò chuyện, Hiểu biết và Soạn thảo.
Ví dụ Sử dụng thanh bên AI để Tóm tắt các phát hiện của Google Scholar
Trò chuyện – Nếu bạn làm nổi bật một nghiên cứu trong kết quả tìm kiếm của Google Scholar, bạn sẽ được nhắc với một câu hỏi bởi thanh bên AI hỏi bạn có muốn gửi văn bản đã chọn cho nó không. Nếu bạn chọn làm như vậy, sau đó bạn có thể chọn GIẢI THÍCH hoặc MỞ RỘNG để tìm hiểu thêm về bài báo đã chọn. Đáng chú ý là MỞ RỘNG cung cấp thông tin chi tiết hơn. Sau đó, bạn có thể nhấp vào bất kỳ liên kết theo dõi nào để khám phá sâu hơn về bài báo hoặc chủ đề đã chọn. Nếu văn bản của nghiên cứu được chọn được viết bằng ngôn ngữ nước ngoài, thanh bên AI cũng có thể cung cấp giải thích văn bản đó bằng tiếng Anh. Một tùy chọn khác để trích xuất các điểm chính từ một bài báo được chọn là gửi URL của tệp PDF.
Hiểu biết – Sử dụng nút hiểu biết để có thêm ý tưởng về chủ đề.
Soạn thảo – Cho thanh bên Edge biết chủ đề của bạn và để công cụ Soạn thảo của nó tạo một bản nháp cho bạn.
Theo nghiên cứu này https://arxiv.org/ftp/arxiv/papers/2304/2304.06794.pdf “ChatGPT trích dẫn các bài báo và tạp chí được trích dẫn nhiều nhất, chỉ dựa vào số lượt trích dẫn của Google Scholar.”
Ví dụ: TÌM CÁC BÀI VIẾT HOẶC TRANG TƯƠNG TỰ
Hãy tìm các bài viết tương tự như thế này – [sau đó dán trích dẫn vào]
Lưu ý – Sử dụng lời nhắc này với trò chuyện Bing vì thông tin web thời gian thực là cần thiết.
Ví dụ: TÓM TẮT / TỔNG HỢP + THAM CHIẾU
Sử dụng lời nhắc cơ bản như “Vui lòng tóm tắt ….” hoặc thêm một VĂN BẢN THAM CHIẾU cung cấp thông tin cần thiết về những gì bạn muốn nó tập trung hoặc tóm tắt hoặc tổng hợp trông như thế nào. Văn bản tham chiếu có thể là một trích dẫn, một đoạn trích, một phần câu, một cuộc trò chuyện, một bản tóm tắt, một đoạn mã và cứ thế. Công thức: Xác định vai trò > giao nhiệm vụ > cung cấp văn bản tham chiếu.
Ví dụ #1 – Trích dẫn tạp chí học thuật
BƯỚC 1
Lời nhắc: Với vai trò là trợ lý nghiên cứu chuyên về năng lượng tái tạo, nhiệm vụ của bạn là xác định các nghiên cứu tương đương dựa trên bản tóm tắt được cung cấp từ một bài báo: “Bài báo này thảo luận về quan điểm của năng lượng tái tạo (gió, mặt trời, sóng và sinh khối) trong việc xây dựng các chiến lược phát triển bền vững. Các chiến lược như vậy thường bao gồm ba thay đổi công nghệ lớn: tiết kiệm năng lượng ở phía cầu, cải thiện hiệu quả trong sản xuất năng lượng, và thay thế nhiên liệu hóa thạch bằng các nguồn năng lượng tái tạo khác nhau.”
Bing Chat sau đó tìm thấy 3 tài liệu: bài báo ScienceDirect nơi bản tóm tắt đến từ và hai tà
Bing AI
Ví dụ#1 – Trích dẫn tạp chí học thuật
BƯỚC 1
Bing Chat sau đó tìm thấy 3 tài liệu: bài báo ScienceDirect nơi bản tóm tắt đến từ và hai tài liệu khác từ un.org và frontiersin.org.
BƯỚC 2
Lời nhắc: Vui lòng tổng hợp các phát hiện của ba nghiên cứu được cung cấp ở trên.
Bing Chat: “Được rồi! Dưới đây là tổng hợp các phát hiện từ ba nghiên cứu:
Cả ba nghiên cứu đều nhấn mạnh tầm quan trọng của năng lượng tái tạo trong việc đạt được phát triển bền vững và giảm thiểu biến đổi khí hậu. Tất cả đều thảo luận về các chiến lược và hành động khác nhau có thể được thực hiện để tăng cường sử dụng các nguồn năng lượng tái tạo và giảm sự phụ thuộc vào nhiên liệu hóa thạch.
Bài báo của Henrik Lund thảo luận về quan điểm của năng lượng tái tạo (gió, mặt trời, sóng và sinh khối) trong việc xây dựng các chiến lược phát triển bền vững. Các chiến lược như vậy thường bao gồm ba thay đổi công nghệ lớn: tiết kiệm năng lượng ở phía cầu, cải thiện hiệu quả trong sản xuất năng lượng, và…..
Liên Hợp Quốc đưa ra năm hành động quan trọng mà thế giới cần ưu tiên ngay bây giờ để chuyển đổi hệ thống năng lượng của chúng ta và đẩy nhanh sự chuyển đổi sang năng lượng tái tạo: Làm cho công nghệ năng lượng tái tạo trở thành hàng hóa công cộng toàn cầu, Cải thiện việc tiếp cận các thành phần và nguyên liệu thô trên toàn cầu……
“Chuyển đổi năng lượng bền vững cho lưới điện tái tạo và các-bon thấp” thảo luận rằng một sự chuyển đổi điện toàn cầu bền vững sẽ bao gồm tăng cường sử dụng các nguồn năng lượng tái tạo đặc biệt là gió và mặt trời, năng lượng hạt nhân làm nguồn năng lượng các-bon thấp, điện khí hóa giao thông vận tải và…..
Tóm lại, các nghiên cứu này cho thấy việc chuyển đổi sang các nguồn năng lượng tái tạo là điều cần thiết để phát triển bền vững và giảm thiểu biến đổi khí hậu. Điều này có thể đạt được thông qua các chiến lược như tăng cường hiệu quả năng lượng, cải thiện khả năng tiếp cận công nghệ và vật liệu tái tạo, tạo điều kiện ngang bằng cho năng lượng tái tạo, chấm dứt trợ cấp nhiên liệu hóa thạch, và định hướng lại đầu tư vào năng lượng tái tạo.”
Ví dụ #2
Bạn là nhà nghiên cứu chuyên gia, được cung cấp bài báo sau, vui lòng thảo luận các phát hiện chính của nó. Tham chiếu: Mô hình ngôn ngữ lớn làm thế nào để chuyển đổi đạo văn máy tính sang phiên bản tiếng Anh ở https://arxiv.org/abs/2210.03568
Đây là một cách khác để đặt VĂN BẢN THAM CHIẾU. Làm lề, việc chỉ định vai trò hoặc sử dụng nhân vật rất quan trọng vì nó có thể ảnh hưởng đến mức độ phản hồi thu được. Chỉ cần tưởng tượng nếu vai trò được chỉ định là “Bạn là học sinh trung học….”
Ví dụ #3
Vui lòng đọc bài báo này và tóm tắt nó cho tôi – “Ai nên tôi tin: AI hay chính bản thân tôi? Tận dụng khả năng chính xác của con người và AI để thúc đẩy niềm tin phù hợp vào AI hỗ trợ ra quyết định” và sau đó tìm 5 nghiên cứu tương tự và vui lòng
Bing AI
Ví dụ #3
Vui lòng đọc bài báo này và tóm tắt nó cho tôi – “Ai nên tôi tin: AI hay chính bản thân tôi? Tận dụng khả năng chính xác của con người và AI để thúc đẩy niềm tin phù hợp vào AI hỗ trợ ra quyết định” và sau đó tìm 5 nghiên cứu tương tự và vui lòng cũng tóm tắt từng nghiên cứu cho tôi.
Ví dụ: ĐÓNG VAI CHUYÊN GIA
Đây là cách thay thế phổ biến khác để hợp nhất tất cả các câu hỏi thành một cuộc tư vấn duy nhất bằng cách sử dụng lời nhắc phổ biến này, còn gọi là lời nhắc tin nhắn hệ thống:
Tôi sắp tiến hành một đánh giá hệ thống về trò chơi và toán học liên quan đến giáo dục K-12
Tôi muốn bạn đóng vai là chuyên gia đánh giá hệ thống. Tôi sẽ hỏi bạn một số câu hỏi liên quan đến chủ đề nghiên cứu của tôi và bạn tư vấn cho tôi cách thực hiện.
[Lưu ý của tác giả: hỏi một câu hỏi một lúc]
Câu hỏi đầu tiên của tôi là “tôi nên sử dụng cơ sở dữ liệu nào?”
Câu hỏi thứ hai của tôi là “những thuật ngữ chủ đề, mô tả và từ khóa liên quan là gì?”
Câu hỏi thứ ba của tôi là “làm thế nào để trích xuất dữ liệu?”
…., ….
Lưu ý rằng các lời nhắc trên chỉ mang tính minh họa. Các câu hỏi thực tế có thể chứa hướng dẫn cụ thể hơn. Ví dụ, đối với câu hỏi đầu tiên, bạn có thể hướng dẫn cách xác định các ấn phẩm liên quan? Cụ thể, bạn có thể cung cấp danh sách các cơ sở dữ liệu chính và nguồn tài liệu xám liên quan đến chủ đề của tôi.
Ví dụ – CÂU HỎI NGHIÊN CỨU
Những tác động của việc hút thuốc của người mẹ đối với tỷ lệ tử vong ở trẻ sơ sinh là gì?
Tăng nguy cơ hội chứng đột tử ở trẻ sơ sinh (SIDS)
Tăng nguy cơ sinh non
Tăng nguy cơ cân nặng khi sinh thấp
Tăng nguy cơ vấn đề hô hấp ở trẻ sơ sinh
Tăng nguy cơ các bệnh hô hấp ở trẻ sơ sinh phơi nhiễm khói thuốc lá thụ động
Tăng nguy cơ phát triển hen suyễn và các bệnh hô hấp khác sau này đối với trẻ sơ sinh phơi nhiễm khói thuốc lá thụ động
Vui lòng tạo một bài tổng quan tài liệu giải quyết câu hỏi nghiên cứu: ‘Mạng xã hội tác động như thế nào đến sức khỏe tinh thần của thanh thiếu niên?’
[Lưu ý của tác giả: Nếu bạn yêu cầu các nghiên cứu cụ thể, ChatGPT có thể tạo ra các tài liệu tham khảo không tồn tại hoặc kiến thức sai lệch. Để biết tại sao các Mô hình ngôn ngữ lớn bị ảo giác, hãy xem bài viết này – Một hướng dẫn nhẹ nhàng về ảo giác trong các Mô hình ngôn ngữ lớn của Adrian Tam ]
Ví dụ – TỪ ĐỒNG NGHĨA
Những từ đồng nghĩa của tỷ lệ tử vong ở trẻ sơ sinh là gì?
Tử vong ở trẻ sơ sinh
Tỷ lệ tử vong trẻ sơ sinh (đề cập cụ thể đến các ca tử vong trong 28 ngày đầu đời)
Tỷ lệ tử vong thai nhi (đề cập đến các ca tử vong xảy ra trong giai đoạn từ 22 tuần thai hoàn thành đến 7 ngày sau khi sinh)
Tỷ lệ tử vong ở trẻ nhỏ (đề cập đến các ca tử vong xảy ra trong 5 năm đầu đời)
Tỷ lệ tử vong ở trẻ em (đề cập đến các ca tử vong xảy ra trước tuổi 18)
[Nhấn n
Bing AI
Ví dụ – TỪ ĐỒNG NGHĨA
Những từ đồng nghĩa của tỷ lệ tử vong ở trẻ sơ sinh là gì?
Tử vong ở trẻ sơ sinh
Tỷ lệ tử vong trẻ sơ sinh (đề cập cụ thể đến các ca tử vong trong 28 ngày đầu đời)
Tỷ lệ tử vong thai nhi (đề cập đến các ca tử vong xảy ra trong giai đoạn từ 22 tuần thai hoàn thành đến 7 ngày sau khi sinh)
Tỷ lệ tử vong ở trẻ nhỏ (đề cập đến các ca tử vong xảy ra trong 5 năm đầu đời)
Tỷ lệ tử vong ở trẻ em (đề cập đến các ca tử vong xảy ra trước tuổi 18)
[Nhấn nút Tạo lại để có thêm.]
Ví dụ – TỪ LIÊN QUAN
Những từ liên quan đến tỷ lệ tử vong ở trẻ sơ sinh là gì?
Tỷ lệ tử vong trẻ sơ sinh, Tỷ lệ tử vong sau khi sinh, Sảy thai, Cân nặng khi sinh thấp, Suy dinh dưỡng, Bệnh truyền nhiễm, Tiêm chủng, Sức khỏe người mẹ, Tiếp cận dịch vụ y tế, Đói nghèo, Bất bình đẳng xã hội, Vệ sinh môi trường, Vệ sinh cá nhân, Chất lượng nước, Biến chứng khi sinh, Bất thường bẩm sinh, Khuyết tật bẩm sinh, Tuổi của người mẹ, Tỷ lệ tử vong dưới 5 tuổi, Tỷ lệ tử vong trẻ em, Tỷ lệ tử vong thai nhi, Sinh non, Cân nặng khi sinh thấp, Hội chứng đột tử ở trẻ sơ sinh (SIDS), Tỷ lệ tử vong mẹ, Chăm sóc sau sinh, Suy dinh dưỡng, Miễn dịch, Tiếp cận dịch vụ y tế, Nước sạch và vệ sinh, Bất thường bẩm sinh, Chênh lệch sức khỏe trẻ sơ sinh, Tỷ lệ tử vong trẻ sơ sinh (IMR), Tỷ suất sống còn trẻ sơ sinh.
Ví dụ về Tìm kiếm với CÁC THUẬT NGỮ VÀ TỪ KHÓA CHỦ ĐỀ
Hãy cho tôi một chuỗi tìm kiếm kết hợp sử dụng Thuật ngữ MeSH PubMed và từ khóa về các yếu tố của tỷ lệ tử vong ở trẻ sơ sinh
((“Infant Death”[Mesh] OR “Sudden Infant Death Syndrome”[Mesh] OR “Infant Mortality”[Mesh] OR “Perinatal Mortality”[Mesh] OR “Neonatal Mortality”[Mesh] OR “Fetal Mortality”[Mesh] OR “Infant Death” OR “Sudden Infant Death Syndrome” OR “Infant Mortality” OR “Perinatal Mortality” OR “Neonatal Mortality” OR “Fetal Mortality”) AND (“Risk Factors”[Mesh] OR “Etiology”[Mesh] OR “Prevention and Control”[Mesh] OR “Interventions”[Mesh] OR “Public Health”[Mesh] OR “Health Disparities”[Mesh] OR “Healthcare Disparities”[Mesh] OR “Poverty”[Mesh] OR “Malnutrition”[Mesh] OR “Infection”[Mesh] OR “Congenital Abnormalities”[Mesh] OR “Prematurity”[Mesh] OR “Low Birth Weight”[Mesh] OR “Maternal Education”[Mesh] OR “Maternal Health”[Mesh] OR “Risk Factors” OR “Etiology” OR “Prevention and Control” OR “Interventions” OR “Public Health” OR “Health Disparities” OR “Healthcare Disparities” OR “Poverty” OR “Malnutrition” OR “Infection” OR “Congenital Abnormalities” OR “Prematurity” OR “Low Birth Weight” OR “Maternal Education” OR “Maternal Health”))
Nhận xét và Gợi ý:
#1 – Chuỗi tìm kiếm này có thể không hoạt động trên tất cả các nền tảng cơ sở dữ liệu. Ví dụ: Medline (OVID) có thể không chạy được, Medline & CINAHL (EBSCO) có thể chạy nó mà không có vấn đề gì trong khi PubMed sẽ chạy nhưng sẽ chỉ ra các thuật ngữ MeSH nào không được lập chỉ mục. Xem Lịch sử tìm kiếm và Chi tiết dưới Tìm kiếm nâng cao của PubMed.
#2 – Đây chỉ là một trong những chuỗi tìm kiếm có thể và bạn có thể cần điều chỉnh nó dựa trên các câu hỏi nghiên cứu cụ thể và các cơ sở dữ liệu bạn đang sử dụng.
#3 – Có thể dễ dàng hơn nếu bạn chia nhiệm vụ thành 3 phần: yêu cầu chatbot đưa ra các từ đồng nghĩa > yêu cầu nó đưa ra các thuật ngữ chỉ mục > và yêu cầu nó kết hợp chúng.
Ví dụ – KHUYẾN NGHỊ CƠ SỞ DỮ LIỆU
Khoa học sức khỏe – Những cơ sở dữ liệu nào nên sử dụng để tìm bài báo về CÁC TÁC ĐỘNG CỦA
Bing AI
Ví dụ – KHUYẾN NGHỊ CƠ SỞ DỮ LIỆU
Khoa học sức khỏe – Những cơ sở dữ liệu nào nên sử dụng để tìm bài báo về CÁC TÁC ĐỘNG CỦA VIỆC HÚT THUỐC CỦA NGƯỜI MẸ ĐỐI VỚI TỶ LỆ TỬ VONG Ở TRẺ SƠ SINH?
PubMed: Đây là cơ sở dữ liệu văn bản y sinh học của Thư viện Y khoa Quốc gia. Nó bao gồm các bài báo từ các tạp chí y khoa và các nguồn khác về nhiều chủ đề liên quan đến sức khỏe.
Embase: Đây là cơ sở dữ liệu văn bản y sinh học bao phủ nhiều nội dung quốc tế và dược phẩm hơn PubMed. Nó bao gồm các bài báo từ các tạp chí y khoa và các nguồn khác về nhiều chủ đề liên quan đến sức khỏe.
Cochrane Library: Đây là bộ sưu tập các cơ sở dữ liệu cung cấp các đánh giá hệ thống và phân tích tổng hợp về các can thiệp y tế, bao gồm cả các can thiệp liên quan đến hút thuốc của người mẹ và tỷ lệ tử vong trẻ sơ sinh.
Scopus: Đây là cơ sở dữ liệu đa ngành bao phủ nghiên cứu từ nhiều lĩnh vực, bao gồm khoa học sức khỏe. Nó bao gồm các bài báo từ các tạp chí khoa học, sách và kỷ yếu hội nghị.
Web of Science: Đây là cơ sở dữ liệu bao phủ nghiên cứu từ nhiều lĩnh vực, bao gồm khoa học sức khỏe. Nó bao gồm các bài báo từ các tạp chí khoa học, sách và kỷ yếu hội nghị.
CINAHL: Đây là cơ sở dữ liệu về văn bản điều dưỡng và các ngành sức khỏe liên quan, bao gồm các bài báo về hút thuốc của người mẹ và tỷ lệ tử vong trẻ sơ sinh.
[Lưu ý: Phản hồi trên được sao chép và dán trực tiếp từ ChatGPT. Không có chỉnh sửa nào được thêm vào.]
Giáo dục — Tôi đang thực hiện phân tích tổng hợp về giáo dục STEM cấp tiểu học và trung học cơ sở. Tôi nên sử dụng cơ sở dữ liệu nào?
ERIC: Đây là cơ sở dữ liệu nghiên cứu và thông tin giáo dục, bao gồm các bài báo từ các tạp chí, báo cáo và kỷ yếu hội nghị. Đây là cơ sở dữ liệu thường được sử dụng cho nghiên cứu giáo dục.
Education Source: Đây là cơ sở dữ liệu toàn diện về nghiên cứu và thông tin giáo dục, bao gồm các bài báo từ các tạp chí, sách và kỷ yếu hội nghị.
Web of Science: Đây là cơ sở dữ liệu đa ngành bao phủ nghiên cứu từ nhiều lĩnh vực, bao gồm giáo dục. Nó bao gồm các bài báo từ các tạp chí khoa học, sách và kỷ yếu hội nghị.
Scopus: Đây là một cơ sở dữ liệu đa ngành khác bao phủ nghiên cứu từ nhiều lĩnh vực, bao gồm giáo dục. Nó bao gồm các bài báo từ các tạp chí khoa học, sách và kỷ yếu hội nghị.
PsycINFO: Đây là cơ sở dữ liệu nghiên cứu tâm lý, bao gồm các bài báo từ các tạp chí, sách và luận án. Nó có thể hữu ích cho nghiên cứu về giáo dục STEM bao gồm các yếu tố tâm lý.
Cochrane Library: Đây là bộ sưu tập các cơ sở dữ liệu cung cấp các đánh giá hệ thống và phân tích tổng hợp các can thiệp bao gồm can thiệp liên quan đến giáo dục.
[Lưu ý của tác giả: Bạn cũng có thể hỏi về các nguồn TÀI LIỆU XÁM liên quan đến chủ đề trên.]
Bing AI
Ví dụ: ĐÓNG VAI CHUYÊN GIA
Đây là một cách thay thế phổ biến khác để hợp nhất tất cả các câu hỏi thành một cuộc tư vấn duy nhất bằng cách sử dụng lời nhắc phổ biến này, còn gọi là lời nhắc tin nhắn hệ thống:
Tôi sắp tiến hành một đánh giá hệ thống về trò chơi và toán học liên quan đến giáo dục K-12
Tôi muốn bạn đóng vai là chuyên gia đánh giá hệ thống. Tôi sẽ hỏi bạn một số câu hỏi liên quan đến chủ đề nghiên cứu của tôi và bạn tư vấn cho tôi cách thực hiện.
[Lưu ý của tác giả: hỏi một câu hỏi một lúc]
Câu hỏi đầu tiên của tôi là “tôi nên sử dụng cơ sở dữ liệu nào?”
Câu hỏi thứ hai của tôi là “những thuật ngữ chủ đề, mô tả và từ khóa liên quan là gì?”
Câu hỏi thứ ba của tôi là “làm thế nào để trích xuất dữ liệu?”
Lưu ý rằng các lời nhắc trên chỉ mang tính minh họa. Các câu hỏi thực tế có thể chứa hướng dẫn cụ thể hơn. Ví dụ, đối với câu hỏi đầu tiên, bạn có thể hướng dẫn cách xác định các ấn phẩm liên quan? Cụ thể, bạn có thể cung cấp danh sách các cơ sở dữ liệu chính và nguồn tài liệu xám liên quan đến chủ đề của tôi.
Ví dụ: CÂU HỎI NGHIÊN CỨU
Những tác động của việc hút thuốc của người mẹ đối với tỷ lệ tử vong ở trẻ sơ sinh là gì?
Tăng nguy cơ hội chứng đột tử ở trẻ sơ sinh (SIDS)
Tăng nguy cơ sinh non
Tăng nguy cơ cân nặng khi sinh thấp
Tăng nguy cơ vấn đề hô hấp ở trẻ sơ sinh
Tăng nguy cơ các bệnh hô hấp ở trẻ sơ sinh phơi nhiễm khói thuốc lá thụ động
Tăng nguy cơ phát triển hen suyễn và các bệnh hô hấp khác sau này đối với trẻ sơ sinh phơi nhiễm khói thuốc lá thụ động
Vui lòng tạo một bài tổng quan tài liệu giải quyết câu hỏi nghiên cứu: ‘Mạng xã hội tác động như thế nào đến sức khỏe tinh thần của thanh thiếu niên?’
[Lưu ý của tác giả: Nếu bạn yêu cầu các nghiên cứu cụ thể, ChatGPT có thể tạo ra các tài liệu tham khảo không tồn tại hoặc kiến thức sai lệch. Để biết tại sao các Mô hình ngôn ngữ lớn bị ảo giác, hãy xem bài viết này – Một hướng dẫn nhẹ nhàng về ảo giác trong các Mô hình ngôn ngữ lớn của Adrian Tam ]
Nguồn: Selected AI-Based Literature Review Tools
Đọc thêm:
