گوگل بار ديگر نشان داده که قصد دارد نقش اصلي را در دنياي جستجو و پژوهش علمي حفظ کند. اين بار با يک قابليت جديد به نام Scholar Labs که به صورت آزمايشي در Google Scholar عرضه شده و با کمک هوش مصنوعي، به جاي يک فهرست ساده از مقالات، سعي مي کند مثل يک دستيار پژوهشي حرفه اي به سوال شما پاسخ بدهد.
در واقع Scholar Labs طوري طراحي شده که وقتي شما يک سوال تحقيقاتي دقيق و چند لايه مي پرسيد، فقط کلمات کليدي را جستجو نکند؛ بلکه خود سوال را بفهمد، اجزاي آن را تجزيه کند و مقالاتي را پيدا کند که واقعا به آن موضوع ربط مستقيم دارند. اين ابزار فعلا براي تعداد محدودي از کاربران و در قالب يک تجربه آزمايشي در دسترس است و دسترسي عمومي از طريق ليست انتظار انجام مي شود.
در ادامه، اين ابزار را به زبان ساده و از زاويه کاربرد براي دانشجوها، پژوهشگران و توليدکنندگان محتواي علمي بررسي مي کنيم.
Scholar Labs چيست و چه تفاوتي با Google Scholar دارد؟
Google Scholar سال هاست به عنوان يکي از محبوب ترين ابزارهاي جستجو در مقالات، پايان نامه ها و منابع علمي استفاده مي شود. در نسخه سنتي اسکولار، جستجو بيشتر بر اساس:
- کلمات کليدي
- عنوان مقاله
- تعداد ارجاع ها (Citation)
- و در بعضي موارد مرتب سازي بر اساس تاريخ انتشار
انجام مي شود.
اما Scholar Labs يک قدم جلوتر رفته است:
- از هوش مصنوعي مولد (Generative AI) استفاده مي کند تا خود سوال شما را تحليل کند.
- موضوعات اصلي، زيرموضوع ها و روابط بين مفاهيم را از دل سوال بيرون مي کشد.
- سپس در بين مقالات Google Scholar به دنبال کارهايي مي گردد که بهترين پاسخ را به اين سوال بدهند، نه فقط مقالاتي که کلمه کليدي شما را در عنوان دارند.
به عنوان مثال، اگر شما بپرسيد:
«رابط هاي مغز و کامپيوتر در توانبخشي بيماران سکته مغزي چقدر موثر هستند؟»
Scholar Labs فقط عبارت Brain Computer Interface را جستجو نمي کند؛ بلکه به سراغ زيرموضوع هايي مثل:
- روش هاي ثبت سيگنال مغزي
- نوع بيماران (مثلا سکته مغزي)
- شاخص هاي سنجش بهبود عملکرد
- و نوع مداخلات توانبخشي
مي رود تا مقالاتي را نمايش دهد که واقعا به اين سوال پاسخ عملي داده اند. نسخه آزمايشي که رسانه Verge بررسي کرده، در يکي از تست ها مقاله مروري منتشر شده در سال 2024 در مجله Applied Sciences را به عنوان نتيجه اول نمايش داده و حتي توضيح داده که چرا اين مقاله را برگزيده است.
Scholar Labs چگونه مقالات «بهتر» را تشخيص مي دهد؟
يکي از چالش هاي اصلي در جستجو علمي، تشخيص اين است که کدام مقاله واقعا قابل اعتماد و باارزش است. Scholar Labs براي اين موضوع چند لايه مختلف را در نظر مي گيرد:
- تعداد ارجاعات (Citation Count)
مقالاتي که بيشتر مورد استناد قرار گرفته اند، معمولا در جامعه علمي شناخته شده تر و معتبرترند. - ضريب تاثير مجله (Impact Factor)
ضريب تاثير نشان مي دهد مقالات چاپ شده در يک مجله، به طور ميانگين چند بار مورد استناد قرار مي گيرند. مجلاتي مانند Nature ضريب تاثير بسيار بالاتري نسبت به مجلات عمومي تر مانند Applied Sciences دارند، بنابراين از نظر اعتبار علمي معمولا جايگاه بالاتري دارند. - محل انتشار و نويسندگان
Scholar Labs در زمان ارزيابي، به خود نويسندگان، دانشگاه يا موسسه وابسته و سطح مجله يا کنفرانس هم توجه مي کند. - تاريخ انتشار و به روز بودن مقاله
در موضوعاتي که سريع تغيير مي کنند (مثل هوش مصنوعي، بلاکچين، پزشکي نوين)، مقالات جديدتر اهميت بيشتري دارند. کاربران حتي مي توانند بازه زماني خاصي را براي جستجو مشخص کنند تا فقط کارهاي جديدتر نمايش داده شود.
نکته جالب اينجاست که برخلاف نسخه کلاسيک Google Scholar، در Scholar Labs شما نمي توانيد مستقيما بر اساس ضريب تاثير يا تعداد ارجاعات، نتايج را فيلتر کنيد. گوگل معتقد است اين نوع فيلترها ممکن است باعث شود مقالات مهم تازه منتشر شده، بين رشته اي يا کمتر شناخته شده ناديده گرفته شوند.
به جاي آن، خود سيستم هوش مصنوعي تلاش مي کند با نگاهي متعادل به همه اين فاکتورها، بهترين ترکيب از «مرتبط بودن» و «اعتبار علمي» را پيدا کند.
امکانات Scholar Labs براي پژوهشگران و دانشجوها
بر اساس توضيحات گوگل و گزارش هاي رسانه ها، Scholar Labs چند ويژگي مهم براي کاربران جدي پژوهش دارد:
- پاسخ به سوالات تحقيقاتي چند بعدي
به جاي سرچ هاي ساده کليدواژه اي، مي توانيد سوال خود را مثل يک پرسش پژوهشي واقعي بنويسيد؛ مثلا:- «کافئين چه تاثيري روي حافظه کوتاه مدت دانشجويان دارد؟»
- «اثر تمرينات هوازي طولاني مدت بر کاهش ريسک بيماري قلبي در زنان بالاي 40 سال چيست؟»
- ارائه توضيح درباره هر مقاله
Scholar Labs تنها ليستي از مقالات را نشان نمي دهد؛ بلکه براي هر مقاله توضيح مي دهد که چرا فکر مي کند اين کار به سوال شما مربوط است. اين مورد براي دانشجوهاي کارشناسي و ارشد که تازه وارد فضاي مقاله خواندن شده اند، مي تواند بسيار آموزنده باشد. - امکان درخواست مقالات جديدتر
شما مي توانيد در متن سوال يا از طريق تنظيمات، مشخص کنيد که ابزار بيشتر روي مقالات جديد با بازه زماني خاص تمرکز کند؛ مثلا فقط در پنج سال اخير. - حفظ امکانات آشناي Google Scholar
گوگل اعلام کرده که Scholar Labs در عين افزودن قابليت هاي هوش مصنوعي، امکانات اصلي و آشناي Google Scholar را نيز حفظ مي کند؛ به اين معنا که کاربران قديمي احساس غريبگي نخواهند کرد. - پاسخ هاي تعاملي تر و امکان پيگيري سوالات بعدي
شما مي توانيد پس از مشاهده نتايج، سوال هاي تکميلي بپرسيد و دامنه جستجو را دقيق تر کنيد؛ مثلا:- «فقط مطالعات کارآزمايي باليني را نشان بده»
- «بيشتر روي جمعيت سالمند تمرکز کن»
Scholar Labs؛ فرصت يا تهديد براي ارزيابي علمي؟
ورود هوش مصنوعي به جستجو علمي هميشه با دو نگاه همراه است:
- از يک طرف، مي تواند زمان جستجو و غربال مقالات را به شدت کاهش دهد و مقالاتي را پيدا کند که در روش هاي سنتي به چشم نمي آمدند.
- از طرف ديگر، اگر پژوهشگران بيش از حد به خروجي الگوريتم ها اعتماد کنند و خود مقاله را نخوانند، ممکن است برداشت هاي اشتباه يا ناقص از يک حوزه شکل بگيرد.
برخي متخصصان تاکيد کرده اند که:
- هوش مصنوعي بايد کمک کننده در فرآيند ارزيابي باشد، نه جايگزين قضاوت انساني.
- هنوز هم لازم است پژوهشگر مقاله را کامل بخواند، روش تحقيق، نمونه آماري، تحليل هاي آماري و محدوديت هاي مطالعه را بررسي کند.
به بيان ساده، Scholar Labs مي تواند مثل يک دستيار پژوهشي بسيار پرکار و دقيق عمل کند؛ اما تصميم نهايي درباره «خوب بودن» يا «قابل استناد بودن» يک مقاله، همچنان بر عهده خود پژوهشگر است.
دسترسي به Scholar Labs؛ فعلا محدود و آزمايشي
طبق اعلام گوگل، Scholar Labs فعلا به صورت آزمايشي و براي تعداد محدودي از کاربران لاگين شده، آن هم عمدتا به زبان انگليسي فعال شده است. براي استفاده عمومي تر، يک ليست انتظار (Waitlist) در نظر گرفته شده تا گوگل بتواند براساس بازخورد کاربران، ابزار را در نسخه هاي بعدي بهبود دهد.
اين يعني اگر الان اين قابليت را در حساب خود نمي بينيد، جاي تعجب نيست. به احتمال زياد در ماه هاي آينده، با تکميل دوره آزمايشي و رفع ايرادها، بيشتر در دسترس عموم قرار خواهد گرفت.
جمع بندي: Scholar Labs و آينده جستجو در دنياي علم
از طرفي، با وجود تمام اين پيشرفت ها، هنوز هم نقش پژوهشگر انساني در خواندن دقيق مقالات، تحليل روش تحقيق و قضاوت درباره اعتبار نتايج، غير قابل جايگزين است. Scholar Labs مي تواند فرآيند جستجو و غربال منابع را سريع تر و هدفمندتر کند، اما نمي تواند بار مسئوليت علمي را از دوش پژوهشگر بردارد.
در عين حال که ابزارهايي مانند Scholar Labs کار شما را در پيدا کردن منابع علمي ساده تر مي کنند، اگر در کنار آن از هوش مصنوعي هاي مکالمه اي براي تحليل متون، خلاصه کردن مقالات و گرفتن ايده براي ساخت محتوا استفاده مي کنيد، داشتن يک دسترسي پايدار و امن به اين سرويس ها هم اهميت زيادي پيدا مي کند. در همين مسير است که بعضي کاربران و تيم هاي محتوايي، براي کار راحت تر و مطمئن با مدل هاي هوش مصنوعي، به سراغ خرید اکانت چت جی پی تی و سرويس هاي مشابه مي روند تا بتوانند بدون محدوديت هاي رايگان و با ثبات بيشتر، هميشه به بهترين ابزارهاي هوشمند دسترسي داشته باشند.
در نهايت، ترکيب يک جستجوگر علمي هوشمند مثل Scholar Labs با يک دستيار نوشتاري قدرتمند، مي تواند شيوه تحقيق، مقاله نويسي و توليد محتواي علمي را براي پژوهشگران، دانشجوها و توليدکنندگان محتوا متحول کند.