AI forrásellenőrzés: miért kell külön ellenőrizni az AI-val készült tudományos szövegek forrásait?

Megvan a beadandó vázlata, az AI még hivatkozásokat is javasolt hozzá, de amikor az első cikk címét bemásolod a Google Scholarba, semmi nem jön ki. A másodiknál van hasonló cím, de más szerzővel. A harmadik létező folyóiratban látszik, csak épp nem arról szól, amire a szöveg hivatkozik. Ilyenkor nem az a baj, hogy „rosszul használtad” az AI-t, hanem az, hogy a tudományos írásban a forrás nem dekoráció: bizonyíték, amelynek visszakereshetőnek, pontosnak és relevánsnak kell lennie. Szakdolgozatnál, diplomamunkánál, szemináriumi dolgozatnál vagy év végi kutatási munkánál egy hihetőnek tűnő, de hibás hivatkozás gyorsan aláássa az egész érvelést.

Az AI-val készült szövegek forrásait azért kell külön ellenőrizni, mert a rendszer képes valódi és kitalált bibliográfiai elemeket összekeverni. Az AI forrásellenőrzés során minden hivatkozásnál meg kell nézni, hogy a mű létezik-e, pontosan szerepel-e az irodalomjegyzékben, és valóban azt támasztja-e alá, amit a bekezdés állít.

Ebben az útmutatóban

• Miért nem elég az AI forrásellenőrzés nélküli hivatkozáslista?
• Miért jelennek meg AI hamis hivatkozások egy dolgozattervben vagy vázlatban?
• Hogyan történjen az AI hivatkozások ellenőrzése lépésről lépésre?
• Miben különbözik az ellenőrizetlen és az ellenőrzött forráshasználat?
• Milyen hibákat követnek el a hallgatók AI-val készült források ellenőrzésekor?
• Hogyan kezeld a ChatGPT kitalált források problémáját különböző tudományterületeken?
• Hogyan csökkenthetők a mesterséges intelligencia kockázatai dolgozatírásnál?
• Mikor kérj segítséget az AI forrásellenőrzés és az irodalmazás rendbetételéhez?
• Mit ellenőrizz, mielőtt továbblépsz az AI-forrásokkal?

Miért nem elég az AI forrásellenőrzés nélküli hivatkozáslista?

Az AI forrásellenőrzés nélküli hivatkozáslista azért kockázatos, mert a szövegben szereplő hivatkozások nem feltétlenül kapcsolódnak valódi, ellenőrizhető tudományos művekhez. A modell gyakran a hivatkozások mintázatát utánozza: szerzőnév, évszám, cím, folyóiratnév, oldalszám. Ettől a hivatkozás formailag hitelesnek tűnhet, miközben tartalmilag vagy bibliográfiailag hibás.

A hivatkozás nem díszítőelem, hanem bizonyíték

Egy tudományos bekezdés akkor működik, ha az állítás, a forrás és az értelmezés összeér. Ha azt írod, hogy „a távoktatás csökkenti a hallgatói elköteleződést”, akkor a hivatkozott forrásnak valóban ezt kell vizsgálnia, nem csak általában az online oktatásról kell szólnia. A forrásnak nem elég léteznie; a konkrét bekezdésben betöltött szerepét is ellenőrizni kell.

A hallgatói dolgozatokban gyakori probléma, hogy az AI által írt bekezdés gördülékenyebb, mint a mögötte álló forrásmunka. A mondatok magabiztosak, a hivatkozások tudományosnak néznek ki, ezért könnyű azt hinni, hogy a rész készen van. Pedig a konzulens vagy oktató nem a szöveg simaságát fogja először nézni, hanem azt, hogy az állítások ellenőrizhetők-e.

Mit jelent a forrásellenőrzés pontosan?

Forrásellenőrzés: annak vizsgálata, hogy egy hivatkozott mű létezik-e, a megadott adatok pontosak-e, és a mű valóban alátámasztja-e a szövegben szereplő állítást.

Ez három külön kérdés. Egy cikk lehet valós, de rossz évszámmal szerepel. Lehet pontosan megadva, de nem azt állítja, amit a dolgozat neki tulajdonít. Az is előfordulhat, hogy a cím hasonlít egy valódi tanulmányra, de a szerzők és a folyóirat együtt már nem stimmelnek.

Ha még a dolgozatterv elején vagy, érdemes a feladatkiírástól indulni, nem az AI által feldobott hivatkozásoktól. A Feladatkiírásból dolgozatterv lépései segítenek abban, hogy előbb a követelményeket, témát és kutatási fókuszt tedd rendbe, és csak utána építs forráshálót.

Miért veszélyes a „hihető” forrás?

Az AI hibái sokszor nem látványosak. Egy teljesen kitalált cím gyanús lehet, de egy félig valós hivatkozás sokkal nehezebben szúrható ki. Például létezhet a folyóirat, létezhet az egyik szerző, és a téma is kapcsolódhat a dolgozatodhoz, de maga a cikk nem létezik.

A szakdolgozat vagy diplomamunka értékelésénél az ilyen hibák nem apró technikai elírásnak látszanak. Azt az üzenetet küldik, hogy a hallgató nem ellenőrizte a szakirodalmi alapot. Ez különösen kellemetlen akkor, ha a dolgozat későbbi részei — kutatási kérdés, hipotézis, módszertan — erre az irodalomra épülnek.

Miért jelennek meg AI hamis hivatkozások egy dolgozattervben vagy vázlatban?

AI hamis hivatkozások azért jelenhetnek meg, mert a nyelvi modellek nem könyvtári katalógusként működnek. Nem minden válaszuk élő adatbázis-keresés eredménye; gyakran statisztikai minták alapján állítanak elő olyan szöveget, amely hasonlít a tudományos hivatkozásokra. Ez különösen akkor veszélyes, ha a hallgató a hivatkozásokat automatikusan átveszi.

A modell a formát könnyebben utánozza, mint a forrásvalóságot

Egy APA-stílusú hivatkozásnak felismerhető szerkezete van: szerző, év, cím, folyóirat, kötet, szám, oldalak, DOI. A modell ezt a szerkezetet gyakran jól rekonstruálja. A probléma az, hogy a formai minta nem azonos a bibliográfiai igazsággal.

Példa egy gyanús, AI által kitalálható hivatkozásra:

Kovács, L., & Nagy, P. (2021). Digital motivation and student achievement in hybrid classrooms. Journal of Online Pedagogy, 18(2), 44–59.

Első pillantásra rendben van. A cím tudományosnak hangzik, a folyóiratnév hihető, az évszám friss. De ha a folyóirat nem létezik, vagy nincs ilyen cikk a megadott adatokkal, akkor a hivatkozás használhatatlan.

ChatGPT kitalált források: miért nem mindig szándékos „hazugság”?

A ChatGPT kitalált források problémája nem úgy működik, mintha a rendszer tudatosan félrevezetne. A modell célja a valószínű szöveg előállítása, nem az, hogy minden hivatkozást könyvtári rekordként ellenőrizzen. Ha a kérdésed így szól: „Adj tíz friss szakirodalmi forrást a munkahelyi kiégésről”, a válasz könnyen keverhet létező és nem létező elemeket.

Hallucinált hivatkozás: olyan hivatkozás, amely tudományos forrásnak látszik, de teljes egészében vagy részben nem ellenőrizhető.

A részleges hallucináció a legnehezebb eset. Ilyenkor a cikk címe hasonlít egy valódi cikkre, a szerző valódi kutató, de a párosítás hibás. Egy üzleti menedzsment dolgozatban például előfordulhat, hogy a szervezeti elköteleződésről szóló AI-válasz létező szerzőket rendel rossz cikkcímekhez.

Mikor nő meg a hibás források esélye?

A kockázat nagyobb, ha nagyon friss szakirodalmat kérsz, szűk témára keresel, magyar kontextust vársz nemzetközi adatbázisokból, vagy egyszerre túl sok forrást kérsz. Az is gondot okozhat, ha a promptban nem kéred, hogy a rendszer jelezze a bizonytalanságot.

Egy pszichológiai dolgozatnál például a „közösségi média hatása a serdülők szorongására Magyarországon 2020 után” már elég szűk téma. Ha ehhez az AI tíz pontosnak látszó magyar vagy nemzetközi tanulmányt ad, attól még minden egyes tételt külön meg kell keresned adatbázisban.

Hogyan történjen az AI hivatkozások ellenőrzése lépésről lépésre?

Az AI hivatkozások ellenőrzése akkor működik jól, ha nem egyszerre próbálod „ránézésre” eldönteni, melyik forrás jó. Előbb bibliográfiai szinten ellenőrizd, hogy a mű létezik-e, majd tartalmi szinten nézd meg, hogy a szöveg állítását valóban alátámasztja-e. A végén egyeztesd a szövegközi hivatkozásokat az irodalomjegyzékkel.

Lépésről lépésre végzett ellenőrzés

1. Másold ki a teljes hivatkozást külön listába. Ne a bekezdésben javítgasd, mert könnyű elveszíteni, honnan indultál.
2. Keresd meg a címet Google Scholarban, könyvtári katalógusban vagy tudományos adatbázisban. Ha pontos címre nincs találat, próbáld szerző + kulcsszó kombinációval.
3. Ellenőrizd a szerzőket, évszámot, címet, folyóiratot vagy kiadót. Már egy eltérő cím vagy évszám is jelezheti, hogy az AI összekevert elemeket.
4. Nyisd meg az absztraktot vagy a teljes szöveget. Nézd meg, hogy a forrás témája tényleg kapcsolódik-e a bekezdés állításához.
5. Keresd meg a konkrét állítást. Ha a dolgozat oksági kapcsolatot állít, de a forrás csak leíró adatokat közöl, akkor nem jó alátámasztás.
6. Javítsd a szövegközi hivatkozást és az irodalomjegyzéket ugyanabban a körben. Így elkerülöd, hogy a két rész eltérjen.
7. Jelöld a bizonytalan tételeket. Ami nem ellenőrizhető, az ne maradjon a végleges változatban.

Ez a folyamat lassabbnak tűnik, mint a kész lista átvétele, de sok időt spórol a végén. Ha a beadás előtt derül ki, hogy a szakirodalom fele hibás, akkor a bevezetés, az elméleti fejezet és a kutatási rés logikája is széteshet.

Hol érdemes keresni?

Nem minden kereső ugyanarra jó. A Google Scholar gyors első szűrő, de nem mindig ad teljes bibliográfiai pontosságot. Az egyetemi könyvtár adatbázisai, az EBSCO, Scopus, Web of Science, ScienceDirect, PubMed vagy a jogi adatbázisok megbízhatóbbak lehetnek, attól függően, milyen területen írsz.

Egészségtudományi vagy ápolástudományi témánál például a PubMed és a CINAHL hasznosabb lehet, mint egy általános webes keresés. Ha egy ápolási dolgozatban az idős betegek gyógyszerszedési együttműködéséről írsz otthoni ellátás után, nem elég egy általános „medication adherence” cikk: olyan forrás kell, amely a betegcsoporthoz, ellátási helyzethez és mérési módhoz is kapcsolódik.

A forrásminőség értékeléséhez hasznos külön ellenőrző logikát használni. A Források hitelességének vizuális ellenőrzése részletesen mutatja, milyen jelek alapján dönthető el, hogy egy forrás tudományos munkába való-e.

Gyenge és erősebb hallgatói megoldás

Gyenge hallgatói változat	Erősebb átdolgozás
„Az AI adott öt forrást a témámhoz, ezért betettem őket az irodalomjegyzékbe.”	„Az AI által javasolt öt forrásból kettőt megtaláltam adatbázisban, egyet részben pontatlan adatokkal javítottam, kettőt pedig töröltem, mert nem volt ellenőrizhető.”
„A bekezdésben van hivatkozás, tehát alá van támasztva.”	„A bekezdésben szereplő állítást összevetettem a hivatkozott cikk absztraktjával és eredményeivel; csak azt az állítást hagytam meg, amelyet a cikk ténylegesen vizsgál.”
„A DOI-t nem néztem, mert a cím tudományosnak hangzott.”	„A DOI-t, a folyóiratot és a szerzőket külön ellenőriztem, majd az irodalomjegyzéket az egyetemi hivatkozási elvárásokhoz igazítottam.”

Miben különbözik az ellenőrizetlen és az ellenőrzött forráshasználat?

Az ellenőrizetlen forráshasználatnál a hivatkozás formája fontosabbnak látszik, mint a bizonyító ereje. Az ellenőrzött forráshasználatnál minden forrásnak világos szerepe van: fogalmat definiál, korábbi eredményt mutat, módszert indokol vagy kutatási rést támaszt alá. A különbség nem csak technikai, hanem érvelési minőségben is látszik.

Konkrét összehasonlítás

Helyzet	Ellenőrizetlen AI-alapú változat	Ellenőrzött hallgatói változat
Pszichológiai szakdolgozat a vizsgaszorongásról	„Smith és Lee (2022) szerint a vizsgaszorongás minden hallgatónál rontja a teljesítményt.” A forrás nem található.	„A megtalált tanulmány önbevallásos szorongásskálát használt, ezért az állítás a mért szorongásszint és a vizsgaeredmény kapcsolatára szűkül.”
Ápolástudományi dolgozat a betegedukációról	Az AI által javasolt cikk címe létezik, de nem idős betegek otthoni ellátásáról szól.	A forrás csak általános betegedukációs programokat vizsgál, ezért a bekezdés nem használja bizonyítékként az otthoni ellátásra vonatkozó állításhoz.
Menedzsment beadandó a home office teljesítményről	„A távmunka növeli a produktivitást” állítás egy általános HR-bloggal és egy kitalált folyóiratcikkel.	A dolgozat külön kezeli a munkavállalói elégedettséget, a vezetői kontrollt és a mérhető teljesítménymutatókat, ellenőrzött tanulmányokkal.
Oktatástudományi dolgozat digitális tanulásról	Az AI olyan cikket idéz, amelynek szerzői valósak, de a cím és évszám hibás.	A hallgató megtalálja a valódi publikációt, javítja az adatokat, és csak az online tanulási motivációra vonatkozó részt használja.

A forrás szerepét is meg kell nevezni

Egy jó szakirodalmi rész nem csak felsorolja, ki mit írt. A forrásokat témák, vitapontok és fogalmi kapcsolatok szerint rendezi. Ha minden bekezdés ugyanúgy kezdődik — „X szerint…”, „Y szerint…”, „Z szerint…” —, akkor valószínűleg még nincs valódi szintézis.

Szakirodalmi szintézis: több forrás összeolvasása úgy, hogy a dolgozat saját gondolatmenete láthatóvá váljon.

Az AI által készített szövegek gyakran összefoglalónak tűnnek, de nem mindig építenek források közötti kapcsolatot. Ha a célod szakirodalmi áttekintés, érdemes a forrásokat témacsoportokba rendezni, nem pedig generált bekezdéseket javítgatni. A Forrásokból épülő szakirodalmi szintézis segít megkülönböztetni a puszta összefoglalást a valódi szakirodalmi érveléstől.

A hivatkozási stílus nem pótolja a tartalmi ellenőrzést

Sok hallgató azt gondolja, hogy ha az APA 7 forma rendben van, akkor a forrás is rendben van. Ez félrevezető. A hivatkozási stílus csak a megjelenítést szabályozza; nem garantálja, hogy a forrás létezik, releváns vagy jól van értelmezve.

Ha APA-stílusban dolgozol, a formai egyezést külön is ellenőrizni kell: szerzők sorrendje, évszám, cím kis- és nagybetűi, folyóirat, kötet, szám, oldalak, DOI. A Rendezett forrásháló APA 7 hivatkozáshoz abban segít, hogy a formai rend ne váljon külön hibaforrássá.

Milyen hibákat követnek el a hallgatók AI-val készült források ellenőrzésekor?

A hallgatók leggyakoribb hibái nem abból fakadnak, hogy nem akarnak ellenőrizni, hanem abból, hogy rossz szinten ellenőriznek. Megtalálnak egy hasonló címet, ránéznek az absztraktra, vagy csak azt nézik, van-e DOI. A biztonságos ellenőrzéshez minden forrásnál a létezést, a pontosságot és a tartalmi illeszkedést is meg kell vizsgálni.

1. Hiba: a hasonló cím elfogadása azonos forrásként

Hallgatói példa: „Az AI ezt adta: Brown, T. (2020). Online learning and student engagement. Találtam egy cikket online learning témában Browntól, szóval jó lesz.”

Javítás: A cím, szerző, évszám és folyóirat együtt számít. Ha csak a téma és egy szerzőnév hasonló, az nem azonos forrás. Ilyenkor vagy javítsd a pontos hivatkozást a megtalált cikk alapján, vagy töröld az AI által javasolt tételt.

2. Hiba: az absztrakt alapján túl erős állítást írni

Hallgatói példa: „A tanulmány bizonyítja, hogy a mindfulness minden egyetemistánál csökkenti a stresszt.”

Javítás: Ha a forrás kis mintán, önkéntes résztvevőkkel vagy rövid beavatkozással dolgozott, akkor az állítást szűkíteni kell. Például: „A vizsgált mintában a mindfulness-program után alacsonyabb önbevallott stresszszint jelent meg.” Ez pontosabb és védhetőbb.

3. Hiba: a forráslista ellenőrzése a szövegközi hivatkozások nélkül

Hallgatói példa: „Az irodalomjegyzékem minden tétele létezik, ezért kész vagyok.”

Javítás: A szövegközi hivatkozásokat is össze kell vetni az irodalomjegyzékkel. Ha a bekezdésben szerepel „Nagy, 2019”, de az irodalomjegyzékben csak „Nagy, 2021” van, az értékelésnél formai és tartalmi hibának is számíthat.

4. Hiba: a forrás megbízhatóságának összekeverése a hozzáférhetőséggel

Hallgatói példa: „Megtaláltam PDF-ben, tehát tudományos forrás.”

Javítás: A hozzáférhető PDF nem feltétlenül lektorált tanulmány. Lehet blogbejegyzés, konferenciaanyag, előnyomat, szakmai jelentés vagy oktatási segédlet. Ezek közül némelyik használható, de más bizonyító erővel, mint egy lektorált folyóiratcikk.

5. Hiba: az AI által írt értelmezés ellenőrzés nélküli átvétele

Hallgatói példa: „Az AI azt írta, hogy a cikk szerint a vezetői támogatás közvetlenül növeli az innovációt, ezért így idéztem.”

Javítás: Olvasd el legalább az absztraktot, az eredmények és a következtetés releváns részét. Lehet, hogy a cikk csak kapcsolatot talált, nem oksági hatást. Menedzsment témáknál ez különösen fontos, mert a „kapcsolat”, „előrejelzés” és „hatás” nem ugyanaz.

Hogyan kezeld a ChatGPT kitalált források problémáját különböző tudományterületeken?

A ChatGPT kitalált források problémáját minden területen ugyanazzal az alapelvvel kell kezelni: ami nem kereshető vissza, nem maradhat végleges hivatkozás. A konkrét ellenőrzési pontok viszont szakterületenként eltérnek. Másra kell figyelni pszichológiában, egészségtudományban, oktatásban, üzleti képzésben vagy jogi témáknál.

Társadalomtudomány és pszichológia

Pszichológiai vagy társadalomtudományi dolgozatnál gyakran mérőeszközök, minták és változók körül csúszik el az AI. A modell írhat például „depresszióról” egy bekezdésben, miközben a forrás csak általános jóllétet vagy stresszt mér. Ez nem apróság, mert a változó pontos meghatározása befolyásolja a kutatási kérdést és a módszertant is.

Példa: egy alapképzéses pszichológiai szemináriumi dolgozat a közösségi médiahasználat és testkép kapcsolatáról szól. Az AI olyan forrást javasol, amely valójában nem testképet, hanem önértékelést mér. A két fogalom kapcsolódhat, de nem cserélhető fel. Ilyenkor a hallgatónak vagy módosítania kell az állítást, vagy másik forrást kell keresnie.

Egészségtudomány és ápolástudomány

Egészségtudományi témáknál a pontatlan forráshasználat különösen érzékeny, mert klinikai, betegbiztonsági vagy ellátásszervezési következtetéseket is érinthet. Egy ápolástudományi diplomamunkában például nem mindegy, hogy a forrás idős, krónikus betegséggel élő páciensekről, kórházi ellátásról vagy otthoni szakápolásról szól.

Ha az AI azt állítja, hogy „a betegedukáció jelentősen javítja a gyógyszerszedési adherenciát”, ellenőrizni kell, milyen betegcsoportban, milyen beavatkozással, milyen mérőeszközzel és milyen időtávon mérték ezt. A forrás létezése csak az első szűrő. A klinikai vagy ellátási kontextus illeszkedése legalább ennyire számít.

Oktatás, üzlet és jog

Oktatástudományi témáknál az AI hajlamos általánosítani: egy felsőoktatási mintán végzett online tanulási kutatásból közoktatási állítást csinál, vagy fordítva. Egy pedagógiai dolgozatban ezért ellenőrizni kell az életkort, intézménytípust, tanulási környezetet és mérési módot.

Üzleti és menedzsment témáknál gyakori hiba, hogy az AI összekeveri a népszerű üzleti könyveket, tanácsadói jelentéseket és lektorált tanulmányokat. Mindhárom lehet hasznos, de nem ugyanaz a bizonyító erejük. Ha egy dolgozat a home office és teljesítmény kapcsolatát vizsgálja, a forrásnak tisztáznia kell, hogyan mérte a teljesítményt: önértékeléssel, vezetői értékeléssel, termelékenységi adattal vagy más mutatóval.

Jogi témáknál a helyzet még szigorúbb. A jogszabályhely, bírósági döntés, kommentár vagy tanulmány pontos azonosítása nélkül a hivatkozás nem ellenőrizhető. AI által generált jogeseteket vagy döntésszámokat soha nem szabad külön adatbázisos ellenőrzés nélkül átvenni.

Hogyan csökkenthetők a mesterséges intelligencia kockázatai dolgozatírásnál?

A mesterséges intelligencia kockázatai dolgozatírásnál akkor csökkenthetők, ha az AI-t nem végső tekintélyként, hanem munkaszervező és fogalmazási segédeszközként használod. A témaválasztás, vázlat, kutatási kérdés és első szövegváltozat támogatására hasznos lehet, de a források, állítások és módszertani döntések ellenőrzése a hallgatói felelősség része marad.

Válaszd szét az ötletelést és a bizonyítást

Az AI jó lehet arra, hogy kutatási irányokat, kulcsszavakat, fejezetcímeket vagy lehetséges vitapontokat adjon. Ez még nem bizonyítás. A bizonyítás ott kezdődik, amikor ellenőrzött források alapján eldöntöd, mit állíthatsz.

Hasznos munkamegosztás:

• AI ötletelésre: téma szűkítése, lehetséges fogalmak, keresőszavak, fejezetlogika.
• Adatbázis forráskeresésre: valódi cikkek, könyvek, jogszabályok, jelentések.
• Saját olvasás értelmezésre: mit állít a forrás, milyen módszerrel, milyen korlátokkal.
• Hivatkozáskezelő vagy ellenőrző lista pontosságra: formai és bibliográfiai egyezés.

Ha a kutatási kérdésed még bizonytalan, ne a forráslistával kezdd. Előbb tisztázd, mire keresel választ. A A kutatási kérdés fókuszálásának tölcsére abban segít, hogy a túl tág érdeklődésből ellenőrizhető kérdés legyen.

Használj forrásnaplót

Forrásnapló: rövid táblázat vagy dokumentum, amelyben minden megtalált forrásnál rögzíted a bibliográfiai adatokat, a fő állítást, a módszert, a dolgozatban betöltött szerepet és az ellenőrzési státuszt.

Egy egyszerű forrásnapló oszlopai:

• teljes hivatkozás;
• adatbázis vagy keresési hely;
• DOI vagy stabil link;
• a forrás típusa;
• releváns fogalom vagy változó;
• milyen bekezdéshez használod;
• ellenőrizve / javítandó / törlendő.

Ez a rendszer különösen akkor segít, ha több AI-vázlatból, saját keresésekből és oktatói javaslatokból áll össze az irodalom. Nem kell fejben tartanod, melyik forrás honnan jött, és miért maradt a dolgozatban.

Ne hagyd, hogy az AI írja felül a kutatási logikát

A forrásellenőrzés nem különálló adminisztráció. Közvetlenül hat a dolgozat szerkezetére. Ha kiderül, hogy egy fontosnak hitt forrás nem létezik, lehet, hogy a bevezetés állítását is át kell írni. Ha egy forrás mást mér, mint amit gondoltál, a hipotézist vagy kutatási kérdést is pontosítani kell.

Ezért érdemes a hivatkozásokat már a vázlatkészítés során ellenőrizni. A Logikus fejezetvázlat tudományos dolgozathoz megközelítése jól illeszkedik ehhez: minden fejezetnek legyen funkciója, és minden szakirodalmi rész kapcsolódjon a dolgozat központi kérdéséhez.

Mikor kérj segítséget az AI forrásellenőrzés és az irodalmazás rendbetételéhez?

Segítséget akkor érdemes kérni, ha nem tudod eldönteni, hogy egy forrás valódi-e, ha túl sok hivatkozás bizonytalan, vagy ha az irodalmi rész már nem illeszkedik a kutatási kérdéshez. Alapképzésen és mesterképzésen teljesen gyakori, hogy a hallgató tud írni a témáról, de elakad a forrásháló rendbetételénél. Ilyenkor nem újabb generált bekezdés kell, hanem ellenőrzési és szerkezeti döntés.

Figyelmeztető jelek

A következő jelek arra utalnak, hogy a forrásrész már nem stabil:

• több hivatkozást nem találsz pontos címmel;
• a bekezdésekben szereplő állítások erősebbek, mint amit a források igazolnak;
• az irodalomjegyzékben vannak tételek, amelyekre a szöveg nem hivatkozik;
• a szövegben szerepelnek hivatkozások, amelyek hiányoznak az irodalomjegyzékből;
• ugyanarra az állításra csak AI által javasolt, de nem ellenőrzött forrásaid vannak;
• a konzulensi visszajelzés szerint „több szakirodalmi alátámasztás” vagy „pontosabb forráskezelés” kell.

Ezek nem azt jelentik, hogy a dolgozat menthetetlen. Inkább azt jelzik, hogy a következő munkafázis nem a szöveg bővítése, hanem a források tisztítása.

Mit érdemes megmutatni egy konzultáción?

Ha oktatótól, könyvtárostól vagy írástámogatástól kérsz segítséget, ne csak azt mondd, hogy „nem jók a forrásaim”. Vigyél konkrét listát: melyik hivatkozást nem találtad, hol kerested, mit adott az AI, és milyen állításhoz akartad használni.

Egy hasznos kérdés így hangzik: „Ehhez az állításhoz milyen típusú forrás lenne megfelelő?” Ez jobb, mint az, hogy „Jó ez a forrás?” Az első kérdés a dolgozat érvelésére irányul, a második csak egy tétel jóváhagyását várja.

Mikor kell inkább törölni egy forrást?

Ha egy hivatkozás nem található megbízható adatbázisban, nem azonosítható pontosan, vagy nem illeszkedik a bekezdés állításához, jobb törölni. Nem éri meg azért megtartani, mert „jól néz ki” az irodalomjegyzékben. Egy rövidebb, de ellenőrzött forráslista erősebb, mint egy hosszú, bizonytalan lista.

Az oktatók általában nem a források puszta számát értékelik, hanem azt, hogy a hallgató képes-e releváns irodalmat választani és azt pontosan használni. A forrásszám tervezéséhez külön gondolkodás kell, mert más mennyiség indokolt egy szemináriumi dolgozatban, egy szakdolgozatban és egy mesterképzéses diplomamunkában.

Mit ellenőrizz, mielőtt továbblépsz az AI-forrásokkal?

Továbblépés előtt minden AI által javasolt forrásnál ellenőrizd a létezést, a pontosságot, a relevanciát és a szövegben betöltött szerepet. Ha egy hivatkozás nem megy át ezen a négy szűrőn, ne építs rá bekezdést, hipotézist vagy módszertani indoklást. A cél nem a hibátlan első változat, hanem az, hogy a végleges dolgozat ellenőrizhető alapokon álljon.

Mielőtt továbblépsz: AI forrásellenőrzés ellenőrzőlista

• Minden AI által javasolt hivatkozást külön listába másoltam.
• Minden forrást megkerestem legalább egy megbízható adatbázisban vagy könyvtári keresőben.
• Ellenőriztem a szerzőket, évszámot, címet, folyóiratot vagy kiadót.
• Megnéztem, hogy van-e DOI, stabil link vagy egyértelmű katalógusrekord.
• Elolvastam legalább az absztraktot és a dolgozatom szempontjából releváns részt.
• Összevetettem a forrás tényleges állítását az AI által írt bekezdéssel.
• Töröltem azokat a tételeket, amelyek nem léteznek vagy nem azonosíthatók pontosan.
• Javítottam azokat a hivatkozásokat, amelyek léteznek, de pontatlan adatokkal szerepeltek.
• Ellenőriztem, hogy minden szövegközi hivatkozás szerepel-e az irodalomjegyzékben.
• Ellenőriztem, hogy az irodalomjegyzékben nincs-e olyan tétel, amelyre a szöveg nem hivatkozik.
• A forrásokat nem csak felsoroltam, hanem a dolgozat gondolatmenetéhez kapcsoltam.
• A bizonytalan forrásokra nem építettem kulcsállítást, kutatási kérdést vagy hipotézist.

Ajánlott belső linkek

(Építési rendszer metaadat — ne távolítsd el ezt a szakaszt.)

• Feladatkiírásból dolgozatterv
• Források hitelességének vizuális ellenőrzése
• Forrásokból épülő szakirodalmi szintézis
• Rendezett forrásháló APA 7 hivatkozáshoz
• A kutatási kérdés fókuszálásának tölcsére
• Logikus fejezetvázlat tudományos dolgozathoz