Слайд 1
Применение технологий искусственного интеллекта в гуманитарной науке
Презентация
Презентация на тему «Применение технологий искусственного интеллекта в гуманитарной науке»
9 слайдов · сгенерирована в Презентоше — бесплатном генераторе презентаций
Слайд 2
Проблема и контекст
В практическом эксперименте проверялась задача применения нейросетей для поиска научной литературы по теме цифровых гуманитарных наук и искусственного интеллекта. Тема выбрана удачно, потому что она развивалась с 2010-х годов и имеет хорошо документированное ядро публикаций, которое можно верифицировать по научным базам.
Слайд 3
Формулировка запроса
Базовый запрос был одинаковым для всех трёх моделей: требовалось назвать десять важнейших работ по теме и дать к каждой краткий комментарий. Это обеспечило сопоставимость результатов и позволило сравнить не только подбор литературы, но и качество библиографического описания.
Слайд 4
Сравнение моделей
Во всех режимах наиболее устойчиво воспроизводились работы Моретти, Джокерса, Рэмси, Андервуда, Да, Мановича, Шёха, Голд и Кляйн, а также Пайпер. Включённый поиск помогал уточнять выходные данные и снижал число ошибок, а без поиска у одной модели появилась неточность в годе издания книги Берри. Самыми сильными по качеству комментариев оказались Клод и ЧатГПТ, а ДжиГаЧат показал более краткие и менее глубокие пояснения.
Слайд 5
Проверка источников
Все предложенные работы были подтверждены при сверке по научным базам и библиотечным каталогам, а доля реально существующих публикаций составила десять из десяти у всех трёх систем. При этом в одном случае была зафиксирована неточность в годе издания: у книги Берри ошибочно указан 2019 год вместо 2017 года. Это показывает, что даже при высокой точности нейросетям нужна обязательная внешняя проверка.
Слайд 6
Результаты эксперимента
Списки оказались очень близкими между собой: основное ядро совпало у всех трёх моделей, а различия касались только одной-двух позиций и степени точности библиографических данных. Такой результат объясняется каноничностью темы, где вокруг двадцати или около того ключевых работ формируется устойчивый научный корпус. Поэтому нейросети хорошо подходят для первичного отбора, но не заменяют исследовательскую верификацию.
Слайд 7
Ограничения подхода
Главная слабость метода — канонический уклон: модели почти не выходят за пределы самых цитируемых работ и слабо охватывают историю, археологию, музеологию и архивное дело. Ещё одна проблема — приблизительность данных для глав в коллективных изданиях и слабое представление свежих публикаций 2023–2024 годов. В результате ответ может быть полезным как черновик, но не как готовая библиография.
Слайд 8
Практическая ценность
Нейросети полезны как быстрый инструмент для построения каркаса обзора литературы, особенно когда нужно за несколько минут получить список работ и краткие аннотации. Они также помогают преодолеть языковой барьер и быстрее выйти на ключевые англоязычные публикации. Оптимальная схема работы выглядит как сочетание нейросети, научных баз и ручной проверки.
Слайд 9
Заключение
Эксперимент показал, что нейросети действительно полезны для поиска научной литературы по цифровым гуманитарным наукам, если использовать их как вспомогательный инструмент. На канонической теме они дают высокую точность, но без внешней проверки возможны ошибки в годах, названиях и деталях библиографии. Наиболее надёжным остаётся гибридный подход, при котором нейросеть ускоряет поиск, а исследователь подтверждает данные по научным источникам.
Нужна такая же презентация, но по своей теме?
Презентоша сгенерирует презентацию по любой теме за минуту — бесплатно.
Создать презентациюРазделы:Искусство и МХК