- Generative AI ທີ່ທໍາລາຍການສອບຖາມທີ່ສັບສົນ ແລະການຊອກຫາຈາກຫຼາຍມຸມໃນ Google Scholar.
- ບູລິມະສິດຜົນປະໂຫຍດຫຼາຍກວ່າ metrics: ບໍ່ມີຕົວກອງສໍາລັບການອ້າງອີງຫຼືປັດໄຈຜົນກະທົບ; ອະທິບາຍເຫດຜົນສໍາລັບແຕ່ລະຜົນໄດ້ຮັບ.
- ມັນເຮັດວຽກຮ່ວມກັບຂໍ້ຄວາມເຕັມ, ອະນຸຍາດໃຫ້ການກັ່ນຕອງໂດຍວັນທີ, ແລະຈັດປະເພດຕາມສະຖານທີ່ການພິມເຜີຍແຜ່, ການປະພັນ, ແລະການອ້າງອີງ.
- ຈໍາກັດແລະການທົດລອງເປີດຕົວທີ່ມີບັນຊີລາຍຊື່ລໍຖ້າ; ຜົນກະທົບທີ່ອາດມີຕໍ່ມະຫາວິທະຍາໄລໃນສະເປນແລະເອີຣົບ.
ກູໂກໄດ້ນໍາສະເຫນີລັກສະນະທົດລອງພາຍໃນລະບົບນິເວດທາງວິຊາການຂອງຕົນ: Google Scholar Labs, ການສະເຫນີວ່າ ມັນຊອກຫາວິທີທີ່ຈະຄິດຄືນໃຫມ່ວ່າຄໍາຖາມຄົ້ນຄ້ວາທີ່ສັບສົນຖືກຕອບແນວໃດ.ບໍລິສັດກໍາລັງສໍາຫຼວດກັບ AI ລຸ້ນທົ່ວໄປ ວິທີການຫຼຸດຜ່ອນເວລາທີ່ໃຊ້ໃນການທົບທວນຄືນວັນນະຄະດີແລະຂະຫຍາຍຈຸດສຸມນອກເຫນືອຈາກການຄົ້ນຫາຄໍາຫລັກ.
ສໍາລັບສະພາບແວດລ້ອມວິທະຍາໄລເອີຣົບ, ລວມທັງສະຖາບັນຂອງແອສປາໂຍນ, ນີ້ອາດຈະເປັນຕົວແທນຂອງການປ່ຽນແປງນິໄສໃນ ໄລຍະເອກະສານ: ການເຂົ້າເຖິງແມ່ນຈໍາກັດ a ຜູ້ໃຊ້ເຂົ້າສູ່ລະບົບແລະມີບັນຊີລາຍຊື່ລໍຖ້າດັ່ງນັ້ນການເປີດຕົວຈະຄ່ອຍໆໃນຂະນະທີ່ Google ລວບລວມຄໍາຄິດເຫັນແລະປັບບໍລິການ.
ມັນແມ່ນຫຍັງແລະສິ່ງທີ່ມັນມີຈຸດປະສົງທີ່ຈະເຮັດ
Scholar Labs ຖືກກໍານົດເປັນ ເຄື່ອງມືຂອງ ການຄົ້ນຄວ້າຊ່ວຍເຫຼືອ AI ທີ່ຕອບຄໍາຖາມທີ່ຕ້ອງການເບິ່ງຫົວຂໍ້ໃດຫນຶ່ງຈາກຫຼາຍມຸມເບິ່ງGoogle ອະທິບາຍວ່າມັນເປັນ "ທິດທາງໃຫມ່" ໃນການຄົ້ນຄວ້າທາງວິຊາການ, ສຸມໃສ່ການຊອກຫາອຸປະກອນທີ່ເປັນປະໂຫຍດທີ່ສຸດສໍາລັບການສອບຖາມສະເພາະ, ບໍ່ຈໍາເປັນຕ້ອງເປັນທີ່ນິຍົມທີ່ສຸດ.
ການສະເຫນີອອກຈາກຕົວກອງແບບດັ້ງເດີມໂດຍອີງໃສ່ຈໍານວນການອ້າງອິງແລະປັດໃຈຜົນກະທົບຂອງວາລະສານ, ເຊິ່ງບໍລິສັດຖືວ່າມີຂໍ້ຈໍາກັດເກີນໄປເພື່ອຫຼີກເວັ້ນການເບິ່ງຂ້າມວຽກງານທີ່ຜ່ານມາຫຼືລະຫວ່າງວິຊາການ. ແທນທີ່ຈະ, ລະບົບຈະປະເມີນສັນຍານເຊັ່ນ: ສະຖານທີ່ຈັດພິມ, ຜູ້ຂຽນ, ເນື້ອໃນເຕັມຂອງບົດຄວາມ, ແລະນະໂຍບາຍດ້ານການອ້າງອິງ..
ວິທີການເລືອກແລະອະທິບາຍຜົນໄດ້ຮັບ
ຂະບວນການເລີ່ມຕົ້ນໂດຍການວິເຄາະຄໍາຖາມຂອງຜູ້ໃຊ້ເພື່ອກວດພົບ ຫົວຂໍ້ທີ່ສໍາຄັນ, ລັກສະນະສະເພາະແລະການພົວພັນຈາກນັ້ນ, ໄດ້ AI ເປີດຕົວການຄົ້ນຫາແບບຂະຫນານພາຍໃນ Google Scholar ທີ່ກວມເອົາທຸກຊິ້ນສ່ວນເຫຼົ່ານັ້ນ ແລະຈັດກຸ່ມຄືນໃໝ່ເພື່ອແກ້ໄຂບັນຫາຕົ້ນສະບັບ.
ຕົວຢ່າງທີ່ເປັນຕົວຢ່າງ: ຖ້າທ່ານຖາມກ່ຽວກັບຜົນກະທົບຂອງການບໍລິໂພກຄາເຟອີນຕໍ່ຄວາມຊົງຈໍາໃນໄລຍະສັ້ນ, ໄດ້ ເຄື່ອງມືບໍ່ຈໍາກັດການລວມກັນຂອງຂໍ້ກໍານົດນັ້ນມັນຂະຫຍາຍຂອບເຂດທີ່ຈະລວມເອົາຮູບແບບການກິນອາຫານ, ການສຶກສາການຮັກສາຄວາມຊົງຈໍາ, ແລະການສຶກສາກ່ຽວກັບສະຕິປັນຍາທີ່ກ່ຽວຂ້ອງກັບອາຍຸ, ແລະ ຫຼັງຈາກນັ້ນ, ສັງເຄາະຫຼັກຖານຈາກບົດຄວາມທີ່, ຮ່ວມກັນ, ຕອບຄໍາຖາມທີ່ດີທີ່ສຸດ.
ນອກຈາກນັ້ນ, ໄດ້ ລະບົບເຮັດວຽກກັບ ຂໍ້ຄວາມສໍາເລັດ ແລະຍົກໃຫ້ເຫັນເຫດຜົນ ສໍາລັບການທີ່ວຽກເຮັດງານທໍາປະກົດຢູ່ໃນຜົນໄດ້ຮັບ, ການອະທິບາຍຄວາມສໍາພັນ ລະຫວ່າງເນື້ອໃນຂອງບົດຄວາມແລະການສອບຖາມນີ້ເຮັດໃຫ້ມັນງ່າຍຂຶ້ນສໍາລັບນັກຄົ້ນຄວ້າທີ່ຈະເຂົ້າໃຈຄວາມກ່ຽວຂ້ອງຂອງແຕ່ລະແຫຼ່ງ.
- ມັນອະນຸຍາດໃຫ້ທ່ານແຄບລົງໂດຍວັນທີພິມເຜີຍແຜ່. ເພື່ອປັບການທົບທວນຊົ່ວຄາວ.
- ມັນບໍ່ໄດ້ລວມເອົາການກັ່ນຕອງໂດຍການອ້າງອິງຫຼືປັດໄຈຜົນກະທົບຂອງວາລະສານ..
- ຈັດປະເພດຕາມສະຖານທີ່ຈັດພິມ, ຜູ້ຂຽນ, ຂໍ້ຄວາມເຕັມ, ແລະນະໂຍບາຍດ້ານການອ້າງອີງ.
- ອໍານວຍຄວາມສະດວກໃນການຕິດຕາມຄໍາຖາມ ເພື່ອເຈາະເລິກເຂົ້າໄປໃນ nuances.
ຄວາມແຕກຕ່າງກັບ Google Scholar ແລະການໂຕ້ວາທີກ່ຽວກັບຄຸນນະພາບ
ການຂັດຂວາງຕົ້ນຕໍແມ່ນການຂາດຕົວກອງໂດຍອີງໃສ່ການອ້າງອິງແລະຊື່ສຽງຂອງວາລະສານ, ຕົວຊີ້ວັດທີ່ນັກວິທະຍາສາດຫຼາຍຄົນໄດ້ໃຊ້ເປັນທາງລັດເພື່ອປະເມີນຄຸນນະພາບ. ນັກຄົ້ນຄວ້າບາງຄົນຕົກລົງເຫັນດີວ່າສິ່ງເຫຼົ່ານີ້ metrics ບໍ່ສະເຫມີສະທ້ອນໃຫ້ເຫັນ ມູນຄ່າທີ່ແທ້ຈິງຂອງການສຶກສາແຕ່ພວກເຂົາຍັງຍອມຮັບວ່າຖ້າບໍ່ມີພວກມັນມັນກໍ່ເປັນໄປໄດ້ ມັນເປັນການຍາກທີ່ຈະວັດແທກຄວາມຫນ້າເຊື່ອຖືໃນເວລາທີ່ເຂົ້າໄປໃນພາກສະຫນາມໃຫມ່.
Google ສຸມໃສ່ການປະເມີນເນື້ອຫາແລະສະພາບການຂອງບົດຄວາມວິທີການນີ້ແມ່ນອີງໃສ່ຄວາມສໍາພັນລະຫວ່າງແນວຄວາມຄິດພາຍໃນຕົວຫນັງສື. ມັນຊອກຫາການຫຼຸດຜ່ອນຄວາມລໍາອຽງຂອງຄວາມນິຍົມແລະເປີດເຜີຍວຽກງານທີ່ເປັນປະໂຫຍດທີ່ອາດຈະບໍ່ສັງເກດເຫັນ, ໃນຂະນະທີ່ຮັບຮູ້ເຖິງຄວາມທ້າທາຍຂອງການຮັກສາຄວາມຖືກຕ້ອງໃນສະພາບແວດລ້ອມທີ່ມີເອກະສານທາງວິຊາການຫຼາຍລ້ານ.
ຄວາມພ້ອມ, ການເຂົ້າເຖິງ ແລະວິວັດທະນາການຂອງການທົດລອງ
ສໍາລັບດຽວນີ້, Google Scholar Labs ແມ່ນສາມາດເຂົ້າເຖິງໄດ້ກັບຜູ້ໃຊ້ຈໍານວນຈໍາກັດ ດ້ວຍເຊດຊັນທີ່ເຂົ້າສູ່ລະບົບແລ້ວ. ການເຂົ້າເຖິງຖືກຈັດການຜ່ານລາຍຊື່ລໍຖ້າ, ແລະບໍລິສັດລະບຸວ່າ ການບໍລິການແມ່ນການທົດລອງແລະຈະຂະຫຍາຍຄວາມສາມາດຂອງຕົນຂຶ້ນກັບການ ຂໍ້ສະເຫນີແນະ ຈາກຊຸມຊົນນັກວິຊາການ.
ການສະແດງທີ່ລະງັບໄວ້ແນະນໍາໃຫ້ a ເອົາໃຈໃສ່ເປັນພິເສດຕໍ່ຄວາມຖືກຕ້ອງແລະການຫຼຸດຜ່ອນຄວາມເປັນໄປໄດ້ hallucinations AIໃນການປະຕິບັດ, ນີ້ກ່ຽວຂ້ອງກັບການປັບປຸງຊ້ໍາຊ້ອນກ່ອນທີ່ຈະມີການປ່ອຍກວ້າງ, ເປັນລັກສະນະທີ່ສໍາຄັນສໍາລັບສູນຄົ້ນຄວ້າແລະຫ້ອງສະຫມຸດມະຫາວິທະຍາໄລໃນປະເທດສະເປນແລະສ່ວນທີ່ເຫຼືອຂອງເອີຣົບ.
ຄູ່ແຂ່ງແລະສະພາບການຕະຫຼາດ
ການເຄື່ອນໄຫວຂອງ Google ເກີດຂື້ນໃນເວລາທີ່ມີການແຂ່ງຂັນທີ່ຮຸນແຮງ. ເຄື່ອງມືເຊັ່ນ ຂັບໄລ່ Semantic Scholar ໄດ້ຮັບ traction ໃນວົງການວິຊາການແລະຮູບແບບການສົນທະນາເຊັ່ນ: ສົນທະນາ GPT ພວກເຂົາເຈົ້າໄດ້ຖືກນໍາໃຊ້ເປັນການສະຫນັບສະຫນູນ, ເຖິງແມ່ນວ່າບໍ່ມີການເຊື່ອມໂຍງກັບຕົ້ນສະບັບທີ່ມີແຫຼ່ງວິຊາການທີ່ໄດ້ຮັບການຢັ້ງຢືນເຊັ່ນວ່າສະເຫນີໂດຍ Google Scholar.
ບໍລິສັດຊອກຫາຕໍາແຫນ່ງຕົວຂອງມັນເອງກັບ ການແກ້ໄຂທີ່ຫຼຸດຜ່ອນເວລາທີ່ໃຊ້ໃນການທົບທວນຄືນວັນນະຄະດີແລະເປີດເຜີຍການເຊື່ອມຕໍ່ທີ່ຍາກທີ່ຈະກວດພົບດ້ວຍຕົນເອງເຖິງແມ່ນວ່າ, ການໂຕ້ວາທີກ່ຽວກັບເງື່ອນໄຂດ້ານຄຸນນະພາບແລະຄວາມໂປ່ງໃສຈະຍັງຄົງຢູ່ໃນຕາຕະລາງ, ໂດຍສະເພາະໃນເຂດທີ່ມີຄວາມອ່ອນໄຫວທີ່ການແຜ່ພັນແລະຄວາມເຄັ່ງຄັດຂອງວິທີການແມ່ນສໍາຄັນ.
ດ້ວຍວິທີການທີ່ຈັດລໍາດັບຄວາມສໍາຄັນຂອງຜົນປະໂຫຍດຕົວຈິງຂອງການສອບຖາມແລະຄໍາອະທິບາຍທີ່ຊັດເຈນວ່າເປັນຫຍັງແຕ່ລະຜົນໄດ້ຮັບປາກົດ, Scholar Labs ກໍາລັງພົ້ນເດັ່ນຂື້ນເປັນການເດີມພັນທີ່ລະມັດລະວັງເພື່ອເຮັດການຄົ້ນຄວ້າທາງວິຊາການທີ່ທັນສະໄຫມ.ຄວາມສໍາເລັດຂອງມັນຈະຂຶ້ນກັບວິທີການທີ່ມັນຕອບສະຫນອງຄວາມແມ່ນຍໍາຂອງພາກສະຫນາມວິທະຍາສາດແລະການຮັບຮອງເອົາຂອງຕົນໃນວິທະຍາໄລເອີຣົບແລະແອສປາໂຍນ.
ຂ້ອຍເປັນນັກເທັກໂນໂລຍີທີ່ກະຕືລືລົ້ນທີ່ໄດ້ຫັນຄວາມສົນໃຈ "geek" ຂອງລາວໄປສູ່ອາຊີບ. ຂ້າພະເຈົ້າໄດ້ໃຊ້ເວລາຫຼາຍກ່ວາ 10 ປີຂອງຊີວິດຂອງຂ້າພະເຈົ້າໂດຍການນໍາໃຊ້ເຕັກໂນໂລຊີທີ່ທັນສະໄຫມແລະ tinkering ກັບທຸກປະເພດຂອງໂຄງການອອກຈາກ curiosity ອັນບໍລິສຸດ. ຕອນນີ້ຂ້ອຍມີຄວາມຊ່ຽວຊານດ້ານເທັກໂນໂລຍີຄອມພິວເຕີ ແລະເກມວີດີໂອ. ນີ້ແມ່ນຍ້ອນວ່າຫຼາຍກວ່າ 5 ປີທີ່ຂ້ອຍໄດ້ຂຽນສໍາລັບເວັບໄຊທ໌ຕ່າງໆກ່ຽວກັບເຕັກໂນໂລຢີແລະວິດີໂອເກມ, ການສ້າງບົດຄວາມທີ່ຊອກຫາເພື່ອໃຫ້ທ່ານມີຂໍ້ມູນທີ່ທ່ານຕ້ອງການໃນພາສາທີ່ທຸກຄົນເຂົ້າໃຈໄດ້.
ຖ້າທ່ານມີຄໍາຖາມໃດໆ, ຄວາມຮູ້ຂອງຂ້ອຍແມ່ນມາຈາກທຸກສິ່ງທຸກຢ່າງທີ່ກ່ຽວຂ້ອງກັບລະບົບປະຕິບັດການ Windows ເຊັ່ນດຽວກັນກັບ Android ສໍາລັບໂທລະສັບມືຖື. ແລະຄໍາຫມັ້ນສັນຍາຂອງຂ້າພະເຈົ້າແມ່ນກັບທ່ານ, ຂ້າພະເຈົ້າສະເຫມີເຕັມໃຈທີ່ຈະໃຊ້ເວລາສອງສາມນາທີແລະຊ່ວຍທ່ານແກ້ໄຂຄໍາຖາມໃດໆທີ່ທ່ານອາດຈະມີຢູ່ໃນໂລກອິນເຕີເນັດນີ້.