פרומפטים לסקירת ספרות עם AI: איך עובדים נכון וממה להיזהר

בקצרה: AI יכול לקצר משמעותית את העבודה על סקירת ספרות, אבל לא כשמבקשים ממנו ״לכתוב סקירה על נושא X״. הדרך הבטוחה: לחפש את המאמרים במאגרים אמיתיים, להזין למודל את המאמרים עצמם, לבקש ממנו לחלץ ולהשוות, ולבדוק כל ציטוט מול המקור. למטה: שישה שלבים עם פרומפט לכל אחד.

הבעיה: מודלי שפה ממציאים מקורות

כשמבקשים ממודל שפה ״הבא לי חמישה מאמרים על נושא X עם ציטוטים״, הוא עלול להחזיר כותרות ושמות מחברים שנשמעים אמינים ושלא קיימים. הוא מייצר טקסט סביר, לא שולף רשומה ממאגר. לכן אסור להשתמש בו כמנוע חיפוש לספרות.

מה כן עובד: להפריד בין שני תפקידים. מאגר אמיתי כמו PubMed מוצא את המאמרים. המודל עוזר לקרוא, לחלץ, להשוות ולנסח. כך המקורות אמיתיים, והמודל עושה את מה שהוא טוב בו.

תהליך בשישה שלבים

שלב 1: חדדו את שאלת המחקר

סקירה שמתחילה בנושא רחב מסתיימת בערימה. נסחו שאלה אחת עם אוכלוסייה, התערבות או חשיפה, והשוואה ותוצאה. המודל יכול לעזור בניסוח, אבל ההחלטה מה השאלה שלכם היא שלכם.

אני חוקר/ת בתחום [תחום]. הנושא שמעניין אותי: [נושא במשפט].
עזור לי לחדד אותו לשאלת מחקר אחת מובנית במבנה PICO (אוכלוסייה, התערבות, השוואה, תוצאה).
תן שלוש גרסאות בעוצמות שונות: צרה, בינונית ורחבה. לכל גרסה ציין מה ההשלכה על מספר המאמרים הצפוי ועל היכולת לענות.
אל תציין שמות של מאמרים. שאל אותי שאלות הבהרה אם חסר לך מידע.

שלב 2: בנו אסטרטגיית חיפוש, ואל תבקשו מהמודל לחפש

בקשו מהמודל מונחי חיפוש, מילים נרדפות וצירופים, ואז הריצו אותם בעצמכם במאגר.

שאלת המחקר שלי: [שאלה].
הצע רשימת מונחי חיפוש לשימוש במאגר PubMed: מונחים עיקריים, מילים נרדפות, קיצורים נפוצים, ומונחי MeSH אם אתה מכיר.
ארגן אותם בקבוצות שמחוברות ב-AND בין קבוצות וב-OR בתוך קבוצה.
זכור: אני אריץ את החיפוש בעצמי. אל תמציא מאמרים ואל תציין תוצאות.

שלב 3: סננו בעצמכם, והעלו את המאמרים עצמם

אחרי חיפוש אמיתי ומיון כותרות ותקצירים, הורידו את המאמרים שנכנסו. אפשר להעלותם ל-NotebookLM, Claude או ChatGPT ולעבוד רק על המקורות האלה. במדריך NotebookLM למחקר ולמדעי החיים מוסבר איך משתמשים בו לסקירת ספרות שיטתית.

שלב 4: חלצו נתונים לטבלה

להלן [מספר] מאמרים (מצורפים). עבור כל מאמר מלא שורה בטבלה עם העמודות:
מחברים ושנה | תכנון המחקר | אוכלוסייה וגודל מדגם | התערבות או חשיפה | מדד התוצאה העיקרי | התוצאה | מגבלות שהכותבים מציינים.
כללים: השתמש רק במידע שמופיע במאמר. אם נתון לא מופיע, כתוב ״לא מצוין״. אל תנחש ואל תשלים מהידע הכללי שלך.
ליד כל תא ציין באיזה עמוד או סעיף המידע נמצא, כדי שאוכל לבדוק.

שלב 5: סנתזו, והפרידו בין ממצא לפרשנות

על בסיס הטבלה שמולאה בלבד, ענה על שלוש שאלות:
1. מה מסכימים עליו רוב המאמרים?
2. היכן יש סתירה או תוצאות לא עקביות, ומה אפשר להסביר אותה (שיטה, אוכלוסייה, מדד)?
3. מה לא נבדק עדיין, לפי המאמרים עצמם?
סמן כל טענה במאמר או במאמרים שעליהם היא נשענת. כתוב ״אין מספיק נתונים״ במקום להשלים פערים.

שלב 6: ביקורת עצמית ובדיקה אנושית

עבור על הסינתזה שכתבת ומצא: (א) טענות שהמאמרים לא תומכים בהן ישירות, (ב) מקומות שבהם הכללת ממצא ממחקר קטן או חד־מרכזי כאילו הוא מבוסס, (ג) הטיית פרסום אפשרית.
רשום כל בעיה והציע ניסוח זהיר יותר.

בדיקות חובה לפני שמשתמשים בטקסט

• כל ציטוט: חפשו אותו ב-PubMed או באתר כתב העת, ובדקו שהמחברים, השנה והכותרת תואמים.
• כל מספר: השוו מול הטבלה במאמר המקורי.
• כל טענה סיבתית: ודאו שהמאמר באמת בדק סיבתיות ולא קשר סטטיסטי בלבד.
• המדיניות של כתב העת או הארגון על שימוש ב-AI בכתיבה: חלקם דורשים גילוי נאות.

הסקירה היא עבודה שלכם והאחריות עליה שלכם. המודל מקצר את הקריאה והחילוץ, ואינו מחליף שיקול דעת מקצועי.

שלוש תקלות אופייניות, ואיך מזהים אותן

• מקור שלא קיים. המודל מחזיר ציטוט מלא שנראה אמין. סימן אזהרה: הוא הופיע בלי שהעליתם מאמרים. הפתרון: מבקשים ציטוטים רק מתוך המאמרים שהעליתם, וכל התייחסות חייבת להפנות לעמוד או לסעיף.
• מספר שנקרא לא נכון. טבלאות ואיורים בקובצי PDF קשים לקריאה אוטומטית, וערך יכול להיקרא בשורה הלא נכונה. הפתרון: משווים כל מספר מרכזי לטבלה המקורית לפני שמצטטים אותו.
• הכללה גדולה מדי. המודל כותב ״המחקרים מראים ש...״ גם כשרק מחקר אחד, קטן, בדק את זה. הפתרון: מבקשים בפרומפט לציין את מספר המחקרים ואת גודל המדגם ליד כל טענה.

מתי לא כדאי להשתמש ב-AI בסקירה

כשהסקירה צריכה לעמוד בסטנדרט של סקירה שיטתית רשמית, עם פרוטוקול רשום מראש, שני סוקרים בלתי תלויים ותיעוד של כל החלטת הכללה, המודל יכול לתמוך בעבודה, אבל ההחלטות חייבות להישאר אנושיות ומתועדות. גם כשהנושא מסחרי או רגולטורי ורגיש לפרטים, כל טענה נבדקת מול המקור לפני שהיא עוברת הלאה.

אילו כלים מתאימים לאיזה שלב

• מאגרי ספרות (PubMed ודומיו): מציאת המאמרים. זה התפקיד היחיד שלא מוסרים למודל.
• NotebookLM: עבודה על קבוצת מקורות סגורה, עם הפניה למקור בכל תשובה. מתאים לשלבים 4-5.
• Claude ו-ChatGPT: ניסוח שאלות, מונחי חיפוש, חילוץ ובקרה. מתאימים כשמעלים את המאמרים עצמם.

להמשיך מכאן

תבניות לכתיבה מדעית וסקירה ביקורתית נמצאות בPrompt Vault. את תהליכי העבודה ב-ChatGPT למחקר ולפארמה אפשר לקרוא במדריך Research & Pharma Workflow, ואת הגישה לחשיבה מדעית עם AI בAI as a Scientific Partner. למי שרוצה לאוטמט חלקים מהתהליך, יש קורס לבניית סוכן מחקר ללא צורך בידע בתכנות. ולעקרונות הכתיבה עצמם: איך כותבים פרומפט טוב.