當 AI 讓資料爆炸，研究該怎麼做？－ 從文獻蒐集到建立 AI 輔助研究流程

在 AI 讓資料搜尋與生成變得極為容易的時代，研究真正困難的，往往不再是「找不到資料」，而是資料太多、卻不知道該怎麼整理、比較與判斷。 這支影片聚焦在研究初期與論文計畫書階段，說明當文獻快速累積、AI 工具大量介入時，研究流程中哪些環節可以輔助，又有哪些關鍵判斷不能外包。 影片內容不以特定工具教學為主，而是從研究流程的角度出發，討論： ▲為什麼「讀不完文獻」往往不是努力不夠，而是閱讀結構出了問題 ▲ 如何透過「文獻矩陣」把線性閱讀，轉為可比較、可分析的研究材料 ▲ 在 AI 輔助下，研究者與工具之間應如何分工 ▲ 為什麼 prompt 不是一次性的指令，而是一個需要反覆修正的研究流程 ▲ 如何利用 AI 作為安全的練習場，提前檢視論證可能面臨的質疑 這門課並不追求讓 AI 代替研究者思考，而是協助研究者在資料爆炸的環境中， 重新建立清楚、可控、可回溯的研究流程。 ［適合觀看對象］ 正在準備 論文計畫書 的研究生 剛開始進行研究，卻被文獻與 AI 工具淹沒的人 希望建立「AI 輔助、但不依賴」研究流程的學習者 ［課程重點提醒］ ▲本影片不提供快速寫作模板 ▲不保證 AI 產出可直接使用 ▲重點在於 研究判斷力、流程設計與風險意識 如果你正在研究初期感到卡關，這支影片的目的，是幫助你釐清： 問題出在哪裡，以及可以怎麼重新開始。 陽明交大圖書館ALMA AI：https://reurl.cc/xKygrV Web of Science AI Research Assistant: https://reurl.cc/AbQgQ3 Research Horizon Navigator: https://reurl.cc/MMaZqk Scite.AI: https://reurl.cc/1kdgnQ Connected Papers: https://www.connectedpapers.com/