分類: 研究方法

－從數位文化殖民到 AI 輸出後的詮釋責任 AI 已經深入研究日常，幫忙整理文獻、摘要資料、比較觀點，想必各位大概已經練就反射動作：先看有沒有 AI 幻覺的影子；畢竟 AI 幻覺一旦出現在你的研究或是參考文獻裡，輕則尷尬，重則可能讓你在口試現場體驗學術版社死，投稿時也徒增不必要的風險。 不過這篇文章

當問卷潛藏誤差、API 不一定適用，研究者如何請使用者把平台資料帶出來？ 合先敘明，這不是 Facebook 備份教學 這不是一篇教你如何下載 Facebook 資料的操作文，更不是要鼓勵大家把個人資料隨便交出去，而是思考一個傳播與科技研究裡越來越重要的問題： 當研究者想研究社群媒體使用行為時，資料

從 arXiv 到 Science 的補強之路：諂媚型 AI 研究如何走向頂刊 AI 會逢迎不是最值得驚訝的地方；真正值得學的是，研究者如何把「大家都有感」的現象，做成可測量、可檢驗，也能承受頂刊審稿挑戰的研究。 AI 說你很有潛力，教授問你怎麼排除其他解釋 AI 說：「這是一個很有潛力的研究題目，

用 AI 工具寫作會變笨嗎？先看 AI 離場後，你還剩下什麼 現在很多研究生使用 AI 工具，已經不是糾結在「自己有沒有跟上時代」，而是用到開始有點心虛了；摘要卡住，請 AI 幫忙！引言不知道怎麼開，請 AI 給幾個版本！英文句子不夠像學術英文，也請 AI 修一下。一開始覺得效率變高，後來卻冒出另一

你不是要先變工程師，才能用 AI 做研究 ——一篇方法論實驗，怎麼看人文社會科學研究的人機分工 先承認一件事：很多人不是不想用 AI，而是不知道怎麼用才不會出問題 如果你是人文社會科學的師生，AI大爆發的這幾年大概都想過同一件事 － 文獻這麼多、資料這麼雜、進度有點卡，AI 如果真那麼厲害，應該能幫

你被 AI fine-tuning 了嗎？ — 從 AI 信任研究與質化分析現場，談合理依賴與過度信任 先說清楚，這不是一篇反 AI 文章。 如果今天還在討論「研究生到底該不該用 AI」，真的是為時已晚。現實是大家都在用，而且只會越用越多。問題早就不是要不要用，而是——你跟 AI 之間，現在到底是什

如果你最近開始比較頻繁地使用 AI 工具，大概會慢慢發現一件事，人跟 AI 對話時，很容易傾向兩種語氣的極端。 第一種，姑且叫做「溫良恭儉讓模式」；每次要求 AI 幫忙整理文獻、改句子、潤稿，最後都不忘補上一句：麻煩你了，謝謝，這樣的使用者，值得給他一個乖寶寶印章。 第二種則是另一條完全不同的路線，