Pisanie artykułów naukowych z wykorzystaniem AI (sztucznej inteligencji) oraz ich skuteczne publikowanie

LINK DO REJESTRACJI

Promocja przy zgłoszeniu do 30 maja 2025 r.:

- jednej i dwóch osób otrzymają Państwo 10% rabatu lub

- 50% rabatu dla trzeciej osoby lub

- czwarta osoba gratis.

Promocje nie łączą się!

Pisanie tekstów naukowych pozostaje podstawą awansu zawodowego badacza. W dobie „punktozy” i Ustawy 2.0 szczególnego znaczenia nabrały publikacje w wysoko punktowanych, prestiżowych czasopismach i wydawnictwach. Dodatkowo, dynamiczny rozwój generatywnej sztucznej inteligencji sprawił, że proces pisania i publikowania tekstów naukowych ulega istotnej transformacji.

Szkolenie pokazuje, jak skutecznie tworzyć teksty naukowe z wykorzystaniem AI – od wstępnych pomysłów, przez pisanie, po publikowanie i promowanie efektów pracy. Uczestnicy poznają zarówno standardowe zasady tworzenia publikacji naukowych, jak i nowoczesne rozwiązania wspierające badaczy.

Trener pokazuje jak sztuczna inteligencja może być partnerem w pisaniu, ale też kiedy jej użycie jest nieetyczne lub ryzykowne. Pokazuje, jak tworzyć dobre teksty naukowe, korzystając z nowych technologii, bez utraty jakości i oryginalności.

Uczestnicy dowiedzą się, jak:

• pisać teksty naukowe krok po kroku,

• wykorzystywać AI na każdym etapie pisania i publikowania,

• dobierać i weryfikować czasopisma,

• pisać przeglądy literatury z pomocą AI,

• odpowiedzialnie korzystać z AI (w świetle etyki naukowej i wytycznych wydawców).

Metodologia prowadzenia warsztatu:

Szkolenie wykorzystuje wykład, konwersatorium i warsztat praktyczny. Omawiane zagadnienia przedstawiane są w ujęciu zarówno teoretycznym, jak i praktycznym – z pokazaniem rozwiązań. Trener pracuje na przykładach, testuje AI i pokazuje jak wykorzystywać ją świadomie.

Korzyści wynikające z udziału w szkoleniu:

• Zdobycie wiedzy o skutecznym publikowaniu w prestiżowych miejscach.

• Praktyczne umiejętności pisania artykułów wspomaganego przez AI.

• Znajomość etycznych granic wykorzystania sztucznej inteligencji.

• Biegłość w wyszukiwaniu czasopism i ocenianiu ich jakości.

• Umiejętność promowania publikacji i zarządzania procesem submission.

PROGRAM SZKOLENIA

Część I. Jak się przygotować do pisania artykułu – pisanie jako proces wspomagany przez AI?

1. Pisanie jako proces – jak AI może wspierać na każdym jego etapie (szybki przegląd narzędzi wskazywanych podczas szkolenia: od ogólnych, „publicznych” modeli po narzędzia akademickie).

2. Kluczowe pytania przed pisaniem – wspomagane przez AI (np. ustrukturyzowane checklisty, asystenci pisarscy).

3. Dlaczego publikowanie jest trudne i jak AI może pomóc (np. wykrywanie braków w strukturze tekstu, propozycje poprawek).

4. Planowanie tekstu i wybór jego kategorii – narzędzia do planowania (np. narzędzia AI do tworzenia outline’ów).

5. Wybór rodzaju publikacji – pomoc AI w dopasowaniu do stylu czasopisma.

6. Narzędzia dopasowania czasopism.

7. Czasopisma drapieżne vs. wartościowe – czy AI może jakoś pomóc w ocenie?

8. Kryteria recenzowania tekstów – AI jako „pseudo-recenzent” (oceny merytoryczne i oceny zgodności z formalnymi wymaganiami).

Część II. Porady językowe oraz językowe narzędzia AI.

1. Pisanie po polsku czy angielsku – narzędzia do tłumaczeń.

2. Poprawność językowa – narzędzia korekty AI.

3. Porządkowanie materiału i styl – stylometryka z pomocą AI.

Część III. Wysyłka (submission) artykułu – czy i jak może pomóc sztuczna inteligencja.

1. List do edytora, covering letter/cover letter.

2. Wskazywanie potencjalnych recenzentów.

3. Odpowiadanie recenzentom, czyli jak sobie radzić z odrzuceniami oraz propozycjami zmian (minor lub major revision; reject).

4. Checklisty i narzędzia wsparcia w procesie submission.

5. Odpowiedzi do recenzentów – symulacje odpowiedzi przez AI.

6. Promocja tekstu – narzędzia do tworzenia streszczeń graficznych, wideoabstraktów i postów do mediów społecznościowych.

Część IV. Tytuły, abstrakty i słowa kluczowe – zasady tworzenia oraz pomoc AI.

1. Dlaczego te elementy są kluczowe – pozycjonowanie artykułu.

2. Tytuł artykułu jako wyznacznik jego treści.

3. Strategie tworzenia dobrego tytułu – informacyjny charakter vs przystępność, język.

4. Tworzenie tytułów – narzędzia AI.

5. Kilka zdań o słowach kluczowych (key words) – dlaczego są ważne, jak je dobrze wybrać (jak może pomóc AI).

6. Abstakt jako odzwierciedlenie struktury tekstu; poszczególne części abstraktu.

7. Abstrakty strukturyzowane i opisowe

8. Jak sobie poradzić z ograniczonym miejscem – słownictwo oraz skróty.

9. Abstrakty – AI do pisania, skracania, przekształcania w różne wersje.

10. Extended abstracts – automatyzacja różnych wersji abstraktów.

Część V. Konstrukcja artykułu z pomocą AI.

1. Uniwersalna struktura artykułu naukowego i jej różne odmiany.

2. Research articles, czyli o potrzebie zastosowania schematu AIMRaD (Abstract, Introduction, Materials and methods, Results, and Discussion) oraz rozlicznych jego wariantów.

3. Struktura artykułu – szablony AI.

4. AIMRaD i jego warianty – tworzenie konspektu z pomocą AI.

5. Introduction – generatory hipotez i przeglądów literatury.

6. Results – AI do wizualizacji danych.

7. Tabele, wykresy, ilustracje – generatory wykresów, analiza danych przez AI.

8. Methods – szablony opisów metod, generatory języka pasywnego/aktywnego.

9. Acknowledgments – pomocne wzory, etykieta AI.

Część VI. Etyczne wykorzystanie AI w pisaniu artykułów.

1. Czym jest etyczne korzystanie z AI w kontekście naukowym.

2. Granica między wsparciem a współautorstwem.

3. Czy i kiedy należy ujawniać użycie AI w artykule?

4. Dobre praktyki wg wytycznych wydawnictw i organizacji.

5. Jak zgodnie z zasadami wskazywać użycie narzędzi (np. w sekcji podziękowań, metod)?

6. Ryzyka i zagrożenia: niesamodzielność pracy, halucynacje AI, fabrykowanie źródeł, nieświadome plagiaty, nadmierna korekta przez AI a utrata indywidualnego stylu autora.

7. Weryfikacja treści wygenerowanych przez AI.

8. Jak i czym sprawdzać prawdziwość, jakość i wiarygodność danych.

9. Użycie detektorów AI i ocena etyczna cudzych tekstów.

10. Jak dokumentować użycie AI dla przejrzystości (notatki, logi, wersje robocze).

Część VII. Przegląd literatury (literature review): AI jako pomocnik.

1. Czym jest przegląd literatury i jakie ma cele.

2. Typy przeglądów literatury – systematic, meta, narrative, rapid, scoping, integrative, evidence mapping i inne.

3. Typy przeglądów które wspiera AI.

4. Pierwszy etap tworzenia: Definiowanie problemu i kryteriów włączania/wyłączania; strategie szukania, gdzie szukać? Jak może pomóc AI?

5. Drugi etap: szukanie literatury – kroki (jakiego rodzaju literaturę włączać, identyfikacja miejsc szukania, słowa klucze, dodatkowe aktywności [np. hand searching czy citation chaining]). Jak może pomóc AI?

6. Trzeci etap: screening and selection – poszczególne kroki. Jak może pomóc AI?

7. Oprogramowanie standardowe (Covidence, Zotero, EndNote) + AI.

8. AI w analizie jakościowej: MaxQDA z AI, Atlas.ti, CAQDAS.

Część VIII. Wyszukiwanie źródeł i publikacji naukowych (AI jako przewodnik).

1. Typologia, rodzaje źródeł sieciowych – wyszukiwarki, agregatory, bazy danych, katalogu, serwisy ASNS, społecznościowe bibliografie.

2. Wyszukiwanie opracowań naukowych, pełnych tekstów publikacji.

3. Wyszukiwanie czasopism wydawanych w modelu Open Access (sieciowe zasoby); różne rodzaje OA: gold, green, hybrydowy, itd.

4. Agregatory AI do wyszukiwań.

5. Organizacja zasobów – AI a menadżery bibliografii.

Trener: dr hab. Piotr Siuda