جزوه‌ای که از روی صدای کلاس ساخته می‌شود، با متن تأییدشدهٔ مدرس یکسان نیست. ابزار ممکن است واژهٔ تخصصی را اشتباه بشنود یا مکث و تأکید را از دست بدهد. اگر همین متن بدون بررسی خلاصه شود، خطای مرحلهٔ اول به شکل منظم‌تری تکثیر می‌شود.
متن خام را نگه دارید خروجی پیاده‌سازی را همراه زمان تقریبی بخش‌های صوت ذخیره کنید. واژه‌های نامطمئن را علامت بزنید و برای اصطلاحات پرتکرار یک واژه‌نامه بسازید. جملهٔ ناقص را با حدس به یک گزارهٔ علمی کامل تبدیل نکنید؛ محل ابهام باید برای بازبین معلوم باشد.
خلاصه را به منبع متصل کنید برای هر بخش جزوه، زمان فایل یا بند متن مبنا را بنویسید. از مدل بخواهید مثال‌های مطرح‌شده در کلاس را از توضیح تکمیلی خودش جدا کند. سپس چند بند را به‌صورت نمونه با صوت تطبیق دهید و بخش‌های حاوی عدد، نام دارو یا نتیجهٔ پژوهش را جداگانه بررسی کنید.
سؤال آموزشی بسازید، پاسخ را دوباره بخوانید سؤال خوب باید به هدف یادگیری مشخصی وصل باشد. پاسخ و توضیح آن را با متن بازبینی‌شده بسنجید؛ روان بودن پاسخ دلیل درست بودن آن نیست. اگر جزوه قرار است عمومی شود، اجازهٔ استفاده از ضبط و حذف اطلاعات شخصی حاضران را پیش از بارگذاری فایل در نظر بگیرید.
این روند پیشنهادی برای مدیریت یادگیری است. در تبدیل آن به متن علمی منتشرشدنی، مسئولیت بررسی و شفافیت دربارهٔ کمک ابزار همچنان با نویسنده می‌ماند؛ ICMJE؛ استفادهٔ نویسندگان از هوش مصنوعی این مسئولیت را در زمینهٔ انتشار مقاله توضیح می‌دهد.
منابع این یادداشت
- ICMJE؛ استفادهٔ نویسندگان از هوش مصنوعی icmje.org
دربارهٔ نویسنده
دکتر میلاد جلالی
بنیان‌گذار ریسرچ ادیتور و محتوانگار. کار من به پژوهش، آموزش هوش مصنوعی و برندینگ پزشکی متصل است.
رزومه و سوابق ↖پروژه‌ها ↖
