مقاله‌نویسی علمی با هوش مصنوعی؛ از ایده تا چکیده

مقاله‌نویسی علمی با هوش مصنوعی دیگر یک موضوع حاشیه‌ای نیست؛ امروز بخش بزرگی از پژوهشگران، از دانشجوی ارشد تا استاد باتجربه، دست‌کم در یکی از مراحل نگارش مقاله از ابزارهای هوش مصنوعی کمک می‌گیرند. اما میان «کمک گرفتن» و «سپردن مقاله به ماشین» فاصله‌ای جدی وجود دارد؛ فاصله‌ای که می‌تواند تفاوت میان یک مقاله‌ی پذیرفته‌شده و یک مقاله‌ی ریجکت‌شده یا حتی پس‌گرفته‌شده (Retracted) باشد.

بسیاری از دانشجویان ایرانی با یک چالش مشترک روبه‌رو هستند: داده‌ها و یافته‌های ارزشمندی دارند، اما تبدیل آن‌ها به یک مقاله‌ی منسجم، روان و مطابق با استانداردهای مجلات بین‌المللی برایشان دشوار است. نوشتن به زبان انگلیسی، رعایت ساختار استاندارد، نگارش چکیده‌ای که در ۲۵۰ کلمه کل پژوهش را منتقل کند و پاسخ دادن به نظر داوران، همه مهارت‌هایی هستند که زمان می‌برند. هوش مصنوعی می‌تواند این مسیر را هموارتر کند، به شرط آنکه نقشش را درست بشناسیم.

در این راهنما، مسیر کامل نوشتن مقاله را از جرقه‌ی اولیه‌ی ایده تا نگارش چکیده و آماده‌سازی برای ارسال، مرحله‌به‌مرحله مرور می‌کنیم. برای هر مرحله توضیح می‌دهیم هوش مصنوعی چه کمکی می‌کند، کجا خطرناک است و چه پرامپت‌هایی جواب می‌دهد. تأکید ما در تمام این مسیر بر استفاده‌ی مسئولانه است: شما نویسنده و مسئول مقاله هستید و هوش مصنوعی ابزاری برای بهتر فکر کردن و بهتر نوشتن.

مبانی مقاله‌نویسی علمی با هوش مصنوعی

پیش از هر چیز باید بدانیم مقاله‌ی علمی چه ویژگی‌هایی دارد، هوش مصنوعی در کدام بخش‌ها واقعاً مفید است و ناشران معتبر چه قوانینی برای استفاده از این ابزارها گذاشته‌اند. این سه موضوع، پایه‌ی تمام تصمیم‌هایی است که در مراحل بعدی می‌گیرید. اگر این مبانی را نادیده بگیرید، ممکن است مقاله‌ای بنویسید که از نظر زبانی بی‌نقص است اما از نظر علمی یا اخلاقی قابل‌دفاع نیست.

ساختار مقاله‌ی علمی و قالب IMRaD

بیشتر مقالات پژوهشی تجربی در علوم پزشکی، مهندسی، علوم پایه و بخش بزرگی از علوم انسانی از قالبی به نام IMRaD پیروی می‌کنند. این قالب مخفف چهار بخش اصلی است:

• Introduction (مقدمه): چرا این پژوهش انجام شد؟ مسئله، شکاف و هدف.
• Methods (روش): پژوهش چگونه انجام شد؟ طرح، نمونه، ابزار و تحلیل.
• Results (نتایج): چه یافته‌هایی به دست آمد؟ بدون تفسیر.
• and Discussion (بحث): یافته‌ها چه معنایی دارند؟ مقایسه با مطالعات قبلی، محدودیت‌ها و پیشنهادها.

علاوه بر این چهار بخش، مقاله عنوان، چکیده، کلیدواژه‌ها، منابع و گاهی بخش‌هایی مثل «نتیجه‌گیری»، «تقدیر و تشکر»، «تعارض منافع» و «در دسترس بودن داده‌ها» دارد. هر مجله در بخش «راهنمای نویسندگان» (Guide for Authors) جزئیات دقیق را مشخص می‌کند.

چرا شناخت این ساختار برای استفاده از هوش مصنوعی مهم است؟ چون وقتی از ابزار کمک می‌گیرید، باید دقیقاً بگویید روی کدام بخش و با چه کارکردی کار می‌کند. پرامپتی مثل «مقاله‌ام را بهتر کن» نتیجه‌ی مبهمی دارد؛ اما «بخش بحث من را بررسی کن و بگو آیا یافته‌ها با مطالعات قبلی مقایسه شده‌اند و آیا محدودیت‌ها ذکر شده‌اند» خروجی هدفمند و مفیدی می‌دهد.

یک نکته‌ی مهم دیگر این است که ترتیب نوشتن با ترتیب خواندن یکی نیست. بسیاری از نویسندگان باتجربه ابتدا روش و نتایج را می‌نویسند، سپس بحث، بعد مقدمه و در آخر عنوان و چکیده. دلیلش این است که روش و نتایج «واقعیت‌های» پژوهش هستند و نوشتن آن‌ها ساده‌تر است، در حالی که مقدمه و بحث نیازمند چارچوب‌بندی هستند که بعد از روشن شدن یافته‌ها راحت‌تر انجام می‌شود. هوش مصنوعی می‌تواند در هر کدام از این مراحل همراه شما باشد.

برای آشنایی بیشتر با الزامات نگارشی ناشران بزرگ، راهنمای نویسندگان Elsevier Author Hub منبع رایگان و بسیار کاربردی است.

برای مقالات مروری، مطالعات موردی، مقالات نظری و یادداشت‌های کوتاه (Short Communication) ساختار ممکن است متفاوت باشد. مثلاً مقاله‌ی مرور نظام‌مند از قالب PRISMA پیروی می‌کند و بخش روش آن به راهبرد جست‌وجو، معیارهای ورود و ارزیابی کیفیت اختصاص دارد. مقاله‌ی کیفی هم معمولاً بخش «یافته‌ها» را با مضامین و نقل‌قول‌های مشارکت‌کنندگان ارائه می‌دهد. پیش از استفاده از هوش مصنوعی، نوع مقاله‌ی خود را دقیق مشخص کنید و همین را در پرامپت ذکر کنید تا ابزار ساختار درستی را مبنا قرار دهد.

هوش مصنوعی در مقاله‌نویسی چه کاری خوب انجام می‌دهد و چه کاری نه؟

برای استفاده‌ی هوشمندانه، باید نقاط قوت و ضعف ابزارها را بشناسیم. تجربه‌ی ما در کار با پژوهشگران نشان می‌دهد که هوش مصنوعی در این کارها عملکرد خوبی دارد:

1. سازمان‌دهی ایده‌ها: تبدیل یادداشت‌های پراکنده به یک طرح کلی منطقی.
2. ویرایش زبانی: اصلاح گرامر، روان‌سازی جملات و یکدست کردن اصطلاحات، به‌ویژه برای نویسندگانی که انگلیسی زبان اولشان نیست.
3. خلاصه‌سازی: فشرده‌کردن متن‌های طولانی، مثلاً برای نوشتن چکیده یا Highlights.
4. بازخورد ساختاری: شناسایی پاراگراف‌های نامنسجم، تکرارها و پرش‌های منطقی.
5. شبیه‌سازی داور: طرح سؤال‌های انتقادی که داوران احتمالاً می‌پرسند.

و در این کارها ضعیف یا حتی خطرناک است:

• تولید منابع: احتمال ساختن ارجاعات جعلی بالاست.
• تفسیر داده‌های شما: اگر داده را ندیده باشد، فقط حدس می‌زند.
• ادعاهای علمی تازه: ممکن است با اطمینان جملاتی بگوید که درست نیستند.
• دانش تخصصی به‌روز: اطلاعات مدل‌ها تا یک تاریخ مشخص است و ممکن است جدیدترین یافته‌ها را نداند.
• قضاوت درباره‌ی اهمیت یافته‌ها: این کار نیازمند شناخت عمیق حوزه است.

هوش مصنوعی ابزاری برای بهتر نوشتن چیزهایی است که می‌دانید، نه ابزاری برای نوشتن چیزهایی که نمی‌دانید.

این تمایز در عمل بسیار تعیین‌کننده است. اگر بخشی از مقاله را نمی‌فهمید یا یافته‌ای را نمی‌توانید تفسیر کنید، هوش مصنوعی مشکل شما را حل نمی‌کند؛ فقط آن را پنهان می‌کند. و داوران معمولاً همین بخش‌های پنهان‌شده را پیدا می‌کنند. برای انتخاب ابزار مناسب هر کار، مقاله‌ی بهترین هوش مصنوعی برای پژوهش را ببینید.

یک آزمون ساده برای اینکه بفهمید استفاده‌ی شما مسئولانه است یا نه: اگر فردا ابزار هوش مصنوعی در دسترس نبود، آیا می‌توانستید همین مقاله را، شاید با زمان بیشتر، خودتان بنویسید؟ اگر پاسخ مثبت است، ابزار در نقش دستیار بوده است. اگر پاسخ منفی است، یعنی بخشی از کار فکری را به ابزار سپرده‌اید و احتمالاً در پاسخ به داوران یا دفاع از مقاله دچار مشکل می‌شوید. این آزمون به‌ویژه برای دانشجویانی که اولین مقاله‌ی خود را می‌نویسند اهمیت دارد، چون مهارت‌های پایه‌ی نگارش علمی در همین مرحله شکل می‌گیرد.

قوانین ناشران و اخلاق استفاده از هوش مصنوعی

در دو سال اخیر، تقریباً همه‌ی ناشران بزرگ، سیاست مشخصی درباره‌ی هوش مصنوعی مولد منتشر کرده‌اند. هرچند جزئیات متفاوت است، چند اصل تقریباً مشترک وجود دارد:

• هوش مصنوعی نویسنده نیست: هیچ ابزاری نمی‌تواند در فهرست نویسندگان قرار گیرد. مجله‌ی Nature و COPE صراحتاً این را اعلام کرده‌اند.
• شفافیت الزامی است: استفاده از ابزار باید در بخش روش، تقدیر و تشکر یا یک بخش اختصاصی اعلام شود.
• مسئولیت با نویسنده است: هر خطا، سرقت علمی یا ادعای نادرست، مسئولیتش با نویسندگان انسانی است.
• تصاویر تولیدشده محدودیت دارند: بسیاری از ناشران استفاده از تصاویر تولیدشده با هوش مصنوعی را در مقاله ممنوع یا بسیار محدود کرده‌اند.
• ویرایش زبانی معمولاً مجاز است: استفاده برای بهبود خوانایی و زبان، معمولاً پذیرفته است، اما گاهی همچنان باید اعلام شود.

از نظر اخلاقی هم باید به یاد داشته باشید که داوری همتا (Peer Review) بر اعتماد بنا شده است. وقتی مقاله‌ای ارسال می‌کنید، به‌طور ضمنی اعلام می‌کنید که ایده‌ها، تحلیل‌ها و نتیجه‌گیری‌ها متعلق به شماست. استفاده‌ی پنهان از هوش مصنوعی برای تولید محتوا، این اعتماد را زیر سؤال می‌برد. جزئیات نحوه‌ی اعلام استفاده و نمونه‌متن‌های آماده را در مقاله‌ی استفاده از ChatGPT در مقاله آورده‌ایم. همچنین صفحه‌ی صداقت علمی ریسرچ اینتل اصول کلی را مرور کرده است.

نکته‌ی آخر در این بخش، حریم خصوصی و محرمانگی است. مقاله‌ای که هنوز منتشر نشده، دارایی فکری شما و همکارانتان است. پیش از بارگذاری متن کامل در هر ابزار، تنظیمات استفاده از داده برای آموزش مدل را بررسی کنید و در صورت امکان آن را غیرفعال کنید. اگر داده‌های بیماران، مشارکت‌کنندگان یا اطلاعات حساس سازمانی دارید، فقط بخش‌های غیرحساس متن را وارد کنید. برخی نسخه‌های سازمانی ابزارها تضمین‌های بیشتری درباره‌ی محرمانگی دارند؛ صفحه‌ی خرید اکانت هوش مصنوعی گزینه‌های مختلف را معرفی کرده است.

از ایده تا پیش‌نویس کامل مقاله

حالا وارد مرحله‌ی عملی می‌شویم. در این بخش، فرایند تبدیل یک ایده یا مجموعه‌ای از داده‌ها به یک پیش‌نویس کامل مقاله را دنبال می‌کنیم. ابتدا ایده و انتخاب مجله، سپس مقدمه و مرور ادبیات، و در نهایت روش، نتایج و بحث. در هر مرحله نمونه پرامپت و توصیه‌های عملی ارائه می‌دهیم که می‌توانید مستقیماً در کار خودتان به کار ببرید.

ایده، سؤال پژوهش و انتخاب مجله‌ی هدف

هر مقاله‌ی خوب با یک «پیام اصلی» روشن شروع می‌شود؛ جمله‌ای که اگر خواننده فقط آن را به خاطر بسپارد، کافی است. پیش از نوشتن حتی یک پاراگراف، این جمله را برای خودتان بنویسید. برای مثال: «حمایت سازمانی ادراک‌شده، رابطه‌ی میان فشار کاری و فرسودگی شغلی پرستاران را تعدیل می‌کند.»

هوش مصنوعی می‌تواند در شفاف‌سازی این پیام کمک کند. پرامپت نمونه:

«این خلاصه‌ی یافته‌های پژوهش من است. سه نسخه‌ی مختلف از پیام اصلی مقاله را در یک جمله پیشنهاد بده و بگو هر نسخه برای چه نوع مجله‌ای (کاربردی، نظری، میان‌رشته‌ای) مناسب‌تر است.»

پس از روشن شدن پیام اصلی، باید مجله‌ی هدف را انتخاب کنید. این کار را پیش از نوشتن انجام دهید، نه بعد از آن؛ چون ساختار، طول، سبک ارجاع‌دهی و حتی لحن مقاله به مجله بستگی دارد. معیارهای انتخاب مجله عبارت‌اند از:

• هم‌خوانی موضوع مقاله با Aims and Scope مجله
• نمایه شدن در پایگاه‌های معتبر مثل Scopus و Web of Science
• زمان داوری و نرخ پذیرش
• هزینه‌ی انتشار (APC) در مجلات دسترسی آزاد
• نبودن در فهرست مجلات مشکوک یا جعلی

درباره‌ی معیار آخر بسیار مراقب باشید. هر سال تعداد زیادی از پژوهشگران ایرانی گرفتار مجلات جعلی می‌شوند که وعده‌ی پذیرش سریع می‌دهند. نحوه‌ی تشخیص این مجلات را در مقاله‌ی مجلات جعلی و لیست سیاه به تفصیل شرح داده‌ایم.

هوش مصنوعی می‌تواند فهرستی اولیه از مجلات مرتبط پیشنهاد دهد، اما این فهرست را حتماً با ابزارهایی مثل Elsevier Journal Finder، Springer Journal Suggester و سایت رسمی Scopus تطبیق دهید. مدل‌های زبانی گاهی نام مجلات را اشتباه می‌گویند یا مجلاتی را معرفی می‌کنند که از نمایه خارج شده‌اند.

یک کار مفید دیگر در این مرحله، نوشتن «طرح یک‌صفحه‌ای مقاله» است. در این طرح، برای هر بخش IMRaD دو یا سه جمله بنویسید: مقدمه چه شکافی را نشان می‌دهد، روش چه بود، یافته‌ی اصلی چیست و بحث چه پیامی دارد. سپس این طرح را به هوش مصنوعی بدهید و بخواهید منطق کلی را بررسی کند. اصلاح منطق در سطح یک صفحه بسیار آسان‌تر از اصلاح آن در یک مقاله‌ی هشت‌هزار کلمه‌ای است. این طرح همچنین مبنای خوبی برای گفت‌وگو با همکاران و استاد راهنما پیش از شروع نگارش کامل است.

نوشتن مقدمه و مرور ادبیات با کمک هوش مصنوعی

مقدمه‌ی مقاله باید خواننده را از یک زمینه‌ی کلی به مسئله‌ی مشخص و سپس به هدف پژوهش برساند. یک الگوی رایج و مؤثر برای مقدمه، مدل «قیف» یا مدل CARS (Create a Research Space) است که سه حرکت اصلی دارد:

1. ایجاد قلمرو: نشان دادن اهمیت موضوع و مرور مختصر آنچه می‌دانیم.
2. ایجاد جایگاه: نشان دادن شکاف، تناقض یا پرسش بی‌پاسخ.
3. اشغال جایگاه: معرفی هدف، سؤالات و گاهی مشارکت اصلی پژوهش.

هوش مصنوعی در ساختاردهی این سه حرکت بسیار مفید است. می‌توانید پیش‌نویس مقدمه‌ی خود را به ابزار بدهید و بخواهید آن را بر اساس مدل CARS تحلیل کند: «کدام جمله‌ها قلمرو را می‌سازند، کجا شکاف بیان شده و آیا هدف به‌وضوح به شکاف متصل است؟»

اما برای محتوای مرور ادبیات، باید از منابع واقعی شروع کنید. جریان کاری پیشنهادی ما:

• مقالات کلیدی را با جست‌وجو در Google Scholar، Scopus و ابزارهای مبتنی بر منبع مثل Elicit یا Consensus پیدا کنید.
• مقالات را بخوانید و یادداشت‌برداری کنید؛ حداقل چکیده، روش و یافته‌های اصلی.
• یادداشت‌ها را در یک ماتریس سازمان‌دهی کنید.
• از هوش مصنوعی بخواهید الگوها و شکاف‌های موجود در ماتریس را شناسایی کند.
• پیش‌نویس مرور را خودتان بنویسید و سپس برای انسجام و روانی از ابزار کمک بگیرید.

ابزارهای مبتنی بر منبع در این مرحله ارزش زیادی دارند، چون پاسخ‌ها را به مقالات واقعی متصل می‌کنند. اگر می‌خواهید بدانید کدام ابزار برای کدام کار مناسب‌تر است، مقاله‌ی مقایسه Elicit و Consensus و SciSpace را بخوانید. برای کار با PDFهای خودتان نیز آموزش NotebookLM برای پژوهش راهگشاست.

یک خطای رایج در مقدمه این است که نویسنده آن‌قدر به زمینه‌ی کلی می‌پردازد که شکاف و هدف در انتهای صفحه‌ی دوم گم می‌شوند. داوران و ویراستاران معمولاً مقدمه‌ی کوتاه و متمرکز را ترجیح می‌دهند. از هوش مصنوعی بخواهید پاراگراف‌هایی را که مستقیماً به شکاف ربط ندارند مشخص کند تا بتوانید آن‌ها را کوتاه یا حذف کنید.

در مقالاتی که از پایان‌نامه استخراج می‌شوند، مرور ادبیات معمولاً باید به‌شدت فشرده شود. فصل دوم پایان‌نامه ممکن است پنجاه صفحه باشد، اما مقدمه‌ی مقاله اغلب از هزار تا هزار و پانصد کلمه فراتر نمی‌رود. هوش مصنوعی می‌تواند در این فشرده‌سازی کمک کند، به شرط اینکه شما مشخص کنید کدام مطالعات حتماً باید بمانند. برای یادگیری اصول مرور ادبیات اثربخش، صفحه‌ی مرور ادبیات ریسرچ اینتل را ببینید و اگر فصل‌های پایان‌نامه را هنوز می‌نویسید، راهنمای نگارش پایان‌نامه هم مفید است.

نوشتن روش، نتایج و بحث

بخش روش باید آن‌قدر دقیق باشد که پژوهشگر دیگری بتواند مطالعه‌ی شما را تکرار کند. هوش مصنوعی در این بخش می‌تواند بررسی کند آیا همه‌ی اجزای لازم ذکر شده‌اند: طرح پژوهش، جامعه و نمونه، روش نمونه‌گیری، معیارهای ورود و خروج، ابزارها و روایی و پایایی آن‌ها، روش گردآوری، ملاحظات اخلاقی و روش تحلیل. برای بسیاری از انواع مطالعه، چک‌لیست‌های استاندارد گزارش‌دهی مثل CONSORT، STROBE یا PRISMA وجود دارد. می‌توانید چک‌لیست مرتبط را به ابزار بدهید و بخواهید روش شما را با آن تطبیق دهد.

بخش نتایج باید یافته‌ها را بدون تفسیر و به ترتیب سؤال‌ها یا فرضیه‌ها گزارش کند. اینجا دقت عددی حیاتی است. هوش مصنوعی می‌تواند در تبدیل جدول‌های خروجی نرم‌افزار آماری به متن گزارشی کمک کند، اما همه‌ی اعداد را خودتان با خروجی اصلی تطبیق دهید. اگر با SPSS کار می‌کنید، راهنمای تحلیل SPSS با ChatGPT نحوه‌ی گزارش‌دهی درست را شرح داده است.

بخش بحث جایی است که ارزش علمی مقاله آشکار می‌شود. ساختار پیشنهادی برای بحث:

1. خلاصه‌ی کوتاه یافته‌ی اصلی در پاسخ به سؤال پژوهش
2. مقایسه‌ی یافته‌ها با مطالعات قبلی؛ هم‌سو و ناهم‌سو
3. تبیین نظری یافته‌ها و دلایل احتمالی تفاوت‌ها
4. پیامدهای نظری و کاربردی
5. محدودیت‌ها
6. پیشنهادهای پژوهش آینده

هوش مصنوعی در بحث می‌تواند تبیین‌های جایگزین پیشنهاد دهد: «یافته‌ی من این است که متغیر X اثر معناداری نداشت، در حالی که دو مطالعه‌ی قبلی اثر مثبت گزارش کرده بودند. چه تبیین‌های نظری و روش‌شناختی ممکن است برای این تفاوت وجود داشته باشد؟» سپس شما باید تبیین‌ها را با ادبیات واقعی بسنجید و فقط موارد قابل‌دفاع را نگه دارید.

یک نکته‌ی کمتر گفته‌شده: بخش محدودیت‌ها را صادقانه بنویسید. داوران به محدودیت‌های اعلام‌شده احترام می‌گذارند، اما محدودیت‌های پنهان‌شده را با شدت بیشتری نقد می‌کنند. هوش مصنوعی می‌تواند محدودیت‌های بالقوه‌ی طرح شما را فهرست کند تا چیزی از قلم نیفتد.

برای جدول‌ها و شکل‌ها هم دقت ویژه داشته باشید. هر جدول باید بدون خواندن متن قابل‌فهم باشد: عنوان گویا، واحدها، توضیح اختصارات و یادداشت‌های لازم. هوش مصنوعی می‌تواند پیشنهاد دهد کدام یافته‌ها بهتر است در جدول و کدام در شکل ارائه شوند، اما خود شکل‌ها باید از داده‌های واقعی و با نرم‌افزارهای آماری یا ترسیمی ساخته شوند. اگر در انتخاب یا اجرای آزمون‌های آماری تردید دارید، پیش از نوشتن نتایج با یک متخصص مشورت کنید؛ صفحه‌ی تحلیل آماری در این زمینه راهنمایی می‌کند.

عنوان، چکیده، بازبینی و آماده‌سازی برای ارسال

پس از آماده شدن پیش‌نویس کامل، نوبت به بخش‌هایی می‌رسد که بیشترین دیده‌شدن را دارند: عنوان و چکیده. این دو بخش تعیین می‌کنند که آیا ویراستار مقاله را برای داوری می‌فرستد و آیا خوانندگان آن را پیدا می‌کنند و می‌خوانند. سپس ویرایش زبانی، بازبینی نهایی و آماده‌سازی نامه‌ی همراه را مرور می‌کنیم.

نوشتن چکیده و عنوان مؤثر

چکیده، خلاصه‌ی مستقل کل مقاله است و معمولاً بین ۱۵۰ تا ۳۰۰ کلمه طول دارد. بسیاری از مجلات چکیده‌ی ساختاریافته با بخش‌های Background، Methods، Results و Conclusion می‌خواهند. حتی اگر مجله چکیده‌ی ساختاریافته نخواهد، رعایت همین ترتیب منطقی در یک پاراگراف واحد توصیه می‌شود.

چون چکیده باید پس از نوشتن کل مقاله تهیه شود، هوش مصنوعی اینجا یکی از مفیدترین کاربردهایش را دارد. اما باز هم توصیه می‌کنیم ابتدا خودتان یک نسخه‌ی خام بنویسید. سپس از این پرامپت استفاده کنید:

«این پیش‌نویس چکیده‌ی من است و این متن کامل بخش نتایج. بررسی کن آیا چکیده همه‌ی یافته‌های اصلی را با اعداد کلیدی گزارش کرده، آیا ادعایی فراتر از نتایج دارد و آیا در محدوده‌ی ۲۵۰ کلمه است. سپس نسخه‌ی ویرایش‌شده را بده و تغییرات را توضیح بده.»

چند اصل مهم برای چکیده:

• ادعایی در چکیده نیاورید که در متن مقاله نیست.
• اعداد کلیدی (اندازه‌ی نمونه، اندازه‌ی اثر، سطح معناداری) را ذکر کنید.
• از اختصارات تعریف‌نشده و ارجاع به منابع پرهیز کنید.
• جمله‌ی پایانی باید پیامد اصلی را روشن بیان کند.

برای عنوان، هدف این است که دقیق، کوتاه و قابل‌جست‌وجو باشد. عنوان خوب معمولاً متغیرهای اصلی، جامعه و گاهی روش را در بر دارد. از هوش مصنوعی بخواهید ده عنوان پیشنهادی در سه سبک بدهد: توصیفی، اعلانی (که یافته را بیان می‌کند) و پرسشی. سپس بر اساس سبک مجله‌ی هدف، یکی را انتخاب و تنظیم کنید.

کلیدواژه‌ها را هم فراموش نکنید. کلیدواژه‌ها باید تکمیل‌کننده‌ی عنوان باشند، نه تکرار آن. می‌توانید از اصطلاحنامه‌هایی مثل MeSH در علوم پزشکی استفاده کنید و از هوش مصنوعی بخواهید مترادف‌های رایج در ادبیات را پیشنهاد دهد.

یک خطای رایج دیگر، «چکیده‌ی تبلیغاتی» است: چکیده‌ای پر از صفت‌های بزرگ مثل «نوآورانه» و «جامع» اما خالی از اعداد و یافته‌های مشخص. ویراستاران مجلات معتبر این نوع چکیده را به‌سرعت تشخیص می‌دهند. هوش مصنوعی گاهی به‌طور پیش‌فرض همین لحن را تولید می‌کند، پس در پرامپت بنویسید: «از صفت‌های اغراق‌آمیز پرهیز کن و به‌جای آن داده‌ی مشخص بیاور.» همچنین Highlights یا نکات برجسته را، اگر مجله بخواهد، در سه تا پنج جمله‌ی کوتاه و هر کدام زیر ۸۵ کاراکتر بنویسید.

ویرایش زبانی و نگارش انگلیسی آکادمیک

برای نویسندگانی که زبان مادری‌شان انگلیسی نیست، ویرایش زبانی یکی از بزرگ‌ترین موانع انتشار است. هوش مصنوعی در این زمینه انقلابی واقعی ایجاد کرده و می‌تواند متنی را که قبلاً به ویراستار حرفه‌ای نیاز داشت، به سطح قابل‌قبولی برساند. اما چند نکته را باید رعایت کنید:

• محتوا را تغییر ندهد: در پرامپت صراحتاً بگویید «فقط زبان را اصلاح کن و معنای علمی را تغییر نده.»
• اصطلاحات تخصصی را حفظ کند: گاهی ابزار یک اصطلاح تخصصی را با مترادف عمومی جایگزین می‌کند که در حوزه‌ی شما معنای دیگری دارد.
• لحن را یکدست کند: از ابزار بخواهید زمان افعال را در هر بخش یکدست کند (مثلاً گذشته برای روش و نتایج).
• تغییرات را نشان دهد: درخواست کنید تغییرات را به‌صورت فهرست یا با علامت‌گذاری نشان دهد تا بتوانید هر مورد را بررسی کنید.

یک تکنیک مفید، ویرایش پاراگراف‌به‌پاراگراف است. وقتی کل مقاله را یک‌جا وارد می‌کنید، ابزار ممکن است بخش‌هایی را خلاصه کند یا جزئیات را حذف کند. ویرایش تدریجی، کنترل بیشتری به شما می‌دهد.

اگر می‌خواهید این مهارت‌ها را به‌صورت ساختاریافته یاد بگیرید، دوره مقاله‌نویسی با هوش مصنوعی ریسرچ اینتل تمرین‌های عملی برای هر بخش مقاله دارد. همچنین بانک پرامپت‌های پژوهشی مجموعه‌ای از پرامپت‌های آزموده‌شده برای ویرایش آکادمیک را ارائه می‌کند.

در پایان ویرایش زبانی، متن را یک بار با صدای بلند بخوانید یا از ابزار تبدیل متن به گفتار استفاده کنید. گوش انسان ناهمواری‌ها و جملات طولانی را بهتر از چشم تشخیص می‌دهد. اگر بودجه دارید، برای مقالات مهم، ویرایش نهایی توسط یک ویراستار انسانی متخصص حوزه همچنان ارزش افزوده‌ی قابل‌توجهی دارد؛ هوش مصنوعی این کار را ارزان‌تر و سریع‌تر می‌کند اما همیشه جایگزین کامل آن نیست. همچنین اگر مقاله را برای اپلای و تقویت پرونده‌ی پژوهشی می‌نویسید، هماهنگی آن با رزومه را از یاد نبرید؛ صفحه‌ی رزومه دکتری نکات مفیدی دارد.

بازبینی نهایی، نامه‌ی همراه و ارسال مقاله

پیش از ارسال، مقاله را چند بار از زوایای مختلف بازبینی کنید. یک چک‌لیست پیشنهادی:

• آیا عنوان، چکیده و نتیجه‌گیری با هم سازگارند؟
• آیا همه‌ی اعداد در متن، جدول‌ها و چکیده یکسان هستند؟
• آیا همه‌ی منابع واقعی‌اند، در متن ارجاع داده شده‌اند و با سبک مجله (مثلاً APA) تنظیم شده‌اند؟
• آیا جدول‌ها و شکل‌ها شماره‌گذاری و در متن به آن‌ها ارجاع داده شده است؟
• آیا بخش‌های الزامی مجله (تعارض منافع، تأمین مالی، در دسترس بودن داده، اعلام استفاده از هوش مصنوعی) اضافه شده‌اند؟
• آیا همه‌ی نویسندگان نسخه‌ی نهایی را دیده و تأیید کرده‌اند؟
• آیا شناسه‌ی ORCID همه‌ی نویسندگان ثبت شده است؟

هوش مصنوعی می‌تواند در این مرحله نقش «داور شبیه‌سازی‌شده» را بازی کند. پرامپت پیشنهادی: «تو داور یک مجله‌ی معتبر در حوزه‌ی X هستی. این مقاله را بخوان و یک گزارش داوری با نقاط قوت، ضعف‌های اصلی و ضعف‌های جزئی بنویس.» این گزارش را جدی بگیرید و پیش از ارسال، مهم‌ترین ضعف‌ها را برطرف کنید. البته توجه داشته باشید که اگر مقاله محرمانه است یا داده‌های حساس دارد، بارگذاری آن در ابزارهای عمومی باید با احتیاط و با بررسی تنظیمات حریم خصوصی انجام شود.

نامه‌ی همراه (Cover Letter) فرصتی است تا به ویراستار بگویید چرا مقاله‌ی شما برای مجله‌ی او مناسب است. نامه‌ی خوب کوتاه است و شامل این موارد می‌شود: عنوان مقاله، پیام اصلی در یک یا دو جمله، دلیل تناسب با مجله، تأیید اینکه مقاله جای دیگری در حال بررسی نیست و اعلام تعارض منافع. هوش مصنوعی می‌تواند ساختار نامه را پیشنهاد دهد، اما دلیل تناسب با مجله را باید خودتان و بر اساس شناخت واقعی از مجله بنویسید.

پس از ارسال، احتمالاً با نظر داوران روبه‌رو می‌شوید. هوش مصنوعی می‌تواند در دسته‌بندی نظرات، پیشنهاد ساختار پاسخ و ویرایش لحن نامه‌ی پاسخ به داوران کمک کند. اما محتوای پاسخ، یعنی اینکه کدام نقد را می‌پذیرید و چطور مقاله را اصلاح می‌کنید، تصمیم علمی شماست. برای آشنایی با کل فرایند ارسال و پیگیری، صفحه‌ی انتشار مقاله را ببینید.

یک توصیه‌ی نهایی برای پس از ارسال: مقاله را در یک پوشه‌ی منظم با همه‌ی نسخه‌ها، فایل‌های داده، خروجی‌های تحلیل و فایل ثبت استفاده از هوش مصنوعی بایگانی کنید. اگر داور یا ویراستار درباره‌ی داده‌ها یا روش سؤالی پرسید، یا اگر مجله بعدها برای بررسی صحت داده‌ها درخواستی داشت، این بایگانی بسیار کارگشا خواهد بود. پژوهشگری که مستندات منظمی دارد، در برابر هر پرسشی آسوده‌تر پاسخ می‌دهد و اعتبار حرفه‌ای خود را بهتر حفظ می‌کند. همچنین اگر مقاله در مرحله‌ی اول ریجکت شد، ناامید نشوید؛ نظر داوران را دقیق بخوانید، مقاله را بهبود دهید و برای مجله‌ی مناسب‌تری ارسال کنید. بسیاری از مقالات موفق، پیش از پذیرش دست‌کم یک بار رد شده‌اند. اگر پس از ریجکت به ارزیابی دوباره‌ی مقاله نیاز داشتید، ثبت جزئیات بازخوردها در یک جدول و مرور آن با هم‌نویسندگان، مسیر اصلاح را روشن‌تر می‌کند.

جمع‌بندی: مقاله‌نویسی علمی با هوش مصنوعی وقتی ارزشمند است که ابزار در خدمت فکر شما باشد، نه جایگزین آن. از هوش مصنوعی برای سازمان‌دهی ایده‌ها، ساختاردهی مقدمه، بررسی کامل بودن روش، روان‌سازی زبان، نوشتن پیش‌نویس چکیده و شبیه‌سازی داوری استفاده کنید؛ اما منابع، داده‌ها، تفسیرها و تصمیم‌های علمی را خودتان مدیریت کنید و استفاده از ابزار را شفاف اعلام کنید. اگر هنوز در مرحله‌ی طراحی پژوهش هستید، راهنمای نوشتن پروپوزال با هوش مصنوعی را بخوانید و اگر به همراهی تخصصی در نگارش یا داوری داخلی مقاله نیاز دارید، مشاوره پژوهشی ریسرچ اینتل در کنار شماست. برای آشنایی گسترده‌تر با این حوزه هم صفحه‌ی هوش مصنوعی در پژوهش و برنامه‌های هفته پژوهش را دنبال کنید.

برای آموزش‌ها و مشاوره‌های بیشتر پژوهشی به هوش پژوهشی سر بزنید.