Claim ที่ต้องหาหลักฐาน
เตรียม claim สำคัญหนึ่งข้อ พร้อมบริบทว่า claim นี้ใช้ตอบ RQ หรือใช้สนับสนุนข้อเสนอใด หากมีผลงานจาก Module 3 ให้นำ output/problem-gap-rq.md มาด้วย
Module 4
ค้น ตรวจ และสังเคราะห์วรรณกรรมโดยไม่รับ citation, DOI, metadata, summary หรือ claim ของ AI จนกว่าจะตรวจแหล่งต้นทาง
การเตรียมตัวก่อนเรียน
นำข้อความที่ต้องการตรวจหรืองานเขียนของคุณมาใช้ หากใช้เอกสารจริงไม่ได้ ให้ใช้ชุดเอกสารตัวอย่างที่ผู้สอนจัดให้
เตรียม claim สำคัญหนึ่งข้อ พร้อมบริบทว่า claim นี้ใช้ตอบ RQ หรือใช้สนับสนุนข้อเสนอใด หากมีผลงานจาก Module 3 ให้นำ output/problem-gap-rq.md มาด้วย
เตรียม manuscript, proposal หรือบทความของตนเองที่มี in-text citations และ reference list พร้อม DOI, official page หรือ full text 5–8 รายการที่ใช้ยืนยัน metadata และ abstract ได้
ใช้เฉพาะเอกสารที่มีสิทธิ์นำเข้า AI ตัดข้อมูลลับและข้อมูลส่วนบุคคลออก และบันทึกแหล่งที่เข้าไม่ถึง full text ไว้ตามจริง
LO
จาก “AI บอกว่า” ไปสู่หลักฐานที่เปิดตรวจได้
ก่อนค้น
Search engine, AI, review หรือรายการแนะนำช่วยให้พบชื่อเรื่อง แต่ยังไม่ยืนยันว่าแหล่งมีอยู่จริงหรือสนับสนุน claim
Crossref, DOI registry หรือฐานข้อมูลบรรณานุกรมช่วยตรวจชื่อ ผู้แต่ง ปี วารสาร และ DOI แต่ metadata ยังไม่บอกว่าข้อความในบทความสนับสนุน claim
หน้า publisher, journal, conference หรือ repository ทางการช่วยยืนยันตัวตน เวอร์ชัน และ abstract จากต้นทาง
PDF หรือ HTML ฉบับเต็มทำให้ตรวจ method, result, limitation และบริบทของข้อความที่ต้องการอ้างได้
ศัพท์ที่ต้องแยกให้ออก
คำเหล่านี้เชื่อมโยงเอกสารชิ้นเดียวกัน แต่ทำหน้าที่คนละอย่าง การมีรายการที่จัดรูปแบบสวยไม่ได้แปลว่าเอกสารมีอยู่จริงหรือสนับสนุนข้อความที่เราเขียน
เครื่องหมายอ้างอิงในเนื้อหา เช่น (Anan, 2025) บอกผู้อ่านให้ไปหารายละเอียดใน reference list แต่ยังไม่บอกว่าผู้เขียนอ้างตรงกับต้นฉบับหรือไม่
รายการท้ายบทความที่แสดงผู้แต่ง ปี ชื่อเรื่อง และแหล่งพิมพ์ รูปแบบ APA หรือรูปแบบอื่นคือวิธีแสดงผล ไม่ใช่หลักฐานยืนยันความถูกต้อง
ระเบียนข้อความแบบมีโครงสร้างในไฟล์ .bib ใช้เก็บ field และสร้าง reference list อัตโนมัติ เช่น @article, citation key, author, title, year, DOI และ abstract โดย citation key เป็นชื่อเรียกภายในไฟล์ ไม่ใช่ DOI
ข้อมูลระบุตัวเอกสาร เช่น ผู้แต่ง ชื่อเรื่อง ปี วารสาร เล่ม ฉบับ หน้า และ DOI ควรเทียบกับ DOI registry, publisher หรือ repository ทางการ
รหัสถาวรที่พาไปยังระเบียนของเอกสาร ช่วยยืนยัน identity และ metadata แต่ DOI ที่ถูกต้องยังไม่พิสูจน์ว่าเนื้อหาสนับสนุน Claim
Abstract เป็นบทสรุปที่ผู้เขียนหรือวารสารเผยแพร่ ส่วน full text มีรายละเอียด method, result และ limitation ที่จำเป็นต่อการตรวจการอ้างเชิงลึก
abstract ที่คัดจาก official page หรือ full text ไม่ใช่ข้อความที่ AI สรุปขึ้นใหม่ หากต้นทางไม่มี abstract หรือยังเข้าไม่ถึง ให้บันทึกว่า abstract not found ในรายงานตรวจและกลับมาเติมเมื่อมีหลักฐาน ห้ามแต่งให้ครบ(Anan, 2025) ส่วน reference list และ BibTeX เก็บรายละเอียดของ “อาหารโปรตีนกับความอิ่มในนักศึกษา” เรื่องเดียวกัน ตัวอย่างจึงมี field abstract แต่ยังไม่ใส่ field doi เพราะยังไม่ยืนยัน% ตัวอย่างสมมติ: abstract นี้สร้างเพื่ออธิบายโครงสร้างเท่านั้น
@article{anan2025satiety,
author = {Anan, K.},
title = {Protein Meals and Satiety in Students},
journal = {Example Journal},
year = {2025},
abstract = {This fictional example examines how a protein meal relates to reported satiety among students.}
}ข้อความในงานของเรา เช่น “อาหารโปรตีนสูงทำให้อิ่มนานขึ้น”
เชื่อม Claim ไปยัง reference entry หรือ citation key ที่ระบุแหล่ง
ใช้ metadata, DOI และ official page ตรวจว่าเอกสารนั้นมีอยู่จริงและเป็นเรื่องเดียวกับที่ระบุ
กลับไปอ่าน full text เพื่อดูว่าผล วิธี และขอบเขตสนับสนุน Claim จริงเพียงใด
ภาษากลางของบทนี้
แหล่งมีอยู่จริง metadata ตรง และข้อความต้นฉบับสนับสนุน claim ในขอบเขตที่อ้าง
สนับสนุนเพียงบางส่วน บริบท ประชากร วิธี หรือระดับความมั่นใจแคบกว่าข้อความที่เขียน
แหล่งมีอยู่จริง แต่เนื้อหาไม่สนับสนุน claim หรือให้ผลตรงข้าม
ยังหาแหล่งหรือ full text ไม่พบ ต้องบันทึกข้อจำกัด ห้ามเปลี่ยนสถานะเป็น “ไม่มีงาน”
แหล่งเคยใช้ได้ แต่มีหลักฐานใหม่ มาตรฐานใหม่ หรือเวอร์ชันที่มาแทน
Reference ไม่มีอยู่จริง DOI ผิด หรือ metadata หลายส่วนถูกประกอบขึ้นให้ดูน่าเชื่อ ซึ่งเรียกง่าย ๆ ว่า “ref ทิพย์”
ตัวอย่างใกล้ตัว
สมมติว่าเราต้องการตรวจข้อความว่า “อาหารที่มีโปรตีนสูงทำให้นักศึกษาอิ่มนานกว่าอาหารประเภทอื่น” ตัวอย่างนี้ใช้เพื่อดูขั้นตอน ไม่ได้ยืนยันว่า Claim เป็นจริง
population: นักศึกษา; exposure: อาหาร/โปรตีน; outcome: ความอิ่ม; comparison: อาหารประเภทอื่น
student, young adult, protein, meal, satiety, hunger, fullness, appetite แล้วบันทึกฐานข้อมูล วันที่ และ query ที่ใช้
ชื่อเรื่อง ผู้แต่ง ปี วารสาร และ DOI ต้องตรงกับ official metadata หาก AI ให้ DOI ที่เปิดไม่ได้ ให้จัดเป็นรายการเสี่ยง ไม่ใช่แก้ DOI ด้วยการเดา
อ่านประชากร อาหารเปรียบเทียบ วิธีวัด satiety ผล และข้อจำกัด หากศึกษาในประชากรอื่นหรือผลไม่ชัด Claim อาจได้เพียง partially supported
กิจกรรมฝึกตรวจวรรณกรรม
ถ้ามี Claim ให้ทำกิจกรรม A เพื่อค้นหลักฐานใหม่ ถ้ามี manuscript หรือ proposal ให้ทำกิจกรรม B เพื่อตรวจการอ้างอิง เมื่อเสร็จแล้วจะสรุปผลด้วย Citation Verification Checklist
ทาง A
Claim ที่ตรวจได้ต้องระบุว่าจะใช้ตอบคำถามใด ใครหรืออะไรคือหน่วยที่กล่าวถึง และผลแบบใดที่จะทำให้เรายอมรับ ปรับ หรือปฏิเสธ Claim
ตัวอย่างหิว–กิน–อิ่ม: “อาหารที่มีโปรตีนสูงสัมพันธ์กับระยะเวลาก่อนหิวอีกครั้งในนักศึกษา” ต้องระบุนิยามโปรตีนสูง ความหิว และกลุ่มนักศึกษา
AI ช่วยเสนอ concepts, synonyms และ query หลายแบบได้ แต่ผลลัพธ์ในขั้นนี้เป็นเพียงแผนค้น ยังใช้สรุปไม่ได้ว่ามีหลักฐานหรือไม่มีงาน
ตัวอย่างหิว–กิน–อิ่ม: แผนค้นควรแยก student/young adult, protein/high-protein meal และ satiety/fullness/hunger พร้อมอธิบายผลของการใช้คำกว้างหรือแคบ
งาน: สร้างแผนการค้นสำหรับข้ออ้างที่ฉันให้
สิ่งที่ต้องแยก:
- แนวคิดหลัก
- คำที่มีความหมายใกล้กัน
- คำที่ควรตัดออก
- ชุดคำค้นอย่างน้อย 3 แบบ จากกว้างไปแคบ
ระบุด้วย:
- ฐานข้อมูลหรือแหล่งค้นที่เหมาะสม
- สิ่งที่คำค้นแต่ละแบบอาจพลาด
กติกา:
- ห้ามสร้างรายการอ้างอิง
- ห้ามสรุปว่า “ไม่มีงาน” จากผลค้นที่ยังไม่ครบ
ส่งมอบ: output/search-plan.mdSearch log ทำให้ผู้อื่นย้อนดูได้ว่าเราค้นที่ใด เมื่อใด ใช้ query และตัวกรองอะไร พบกี่รายการ และเลือกหรือตัดแต่ละแหล่งด้วยเหตุผลใด ส่วนหลักฐานที่เก็บต้องย้อนกลับไปยัง DOI, official page หรือ PDF ได้
Evidence table ต้องแยก metadata ออกจากข้อความหลักฐานในเนื้อหา ใช้ AI ช่วยจัดรูปแบบได้เมื่อมีแหล่งต้นทางแล้ว แต่ช่องที่ตรวจไม่ได้ต้องคงเป็น not found แทนการเติมให้ครบ
ตัวอย่างหิว–กิน–อิ่ม: หนึ่งแถวต้องบอกว่าการศึกษาวัด satiety อย่างไร พบผลอะไร ในประชากรใด และรองรับ Claim ได้ทั้งหมดหรือเพียงบางส่วน
งาน: สร้างตารางหลักฐานจากเอกสารที่ฉันให้
ใช้เฉพาะ:
- PDF
- หน้าทางการของผู้เผยแพร่
- ข้อมูลบรรณานุกรมที่ฉันให้
หนึ่งแถวต่อหนึ่งแหล่ง โดยมี:
- ข้ออ้างที่ตรวจ
- รหัสรายการอ้างอิง
- ข้อมูลบรรณานุกรมที่ยืนยันแล้ว
- รูปแบบการศึกษาและประชากร
- ตำแหน่งหลักฐานในต้นฉบับ
- สิ่งที่ผลสนับสนุนจริง
- ข้อจำกัด
- ความเกี่ยวข้องต่อข้ออ้าง
- สถานะการตรวจ
กติกา: ช่องใดตรวจไม่ได้ให้ระบุว่า “ยังไม่พบ” ห้ามเติมให้ครบเอง
ส่งมอบ: output/literature-evidence-table.mdข้อเสนอของ AI อย่างน้อยหนึ่งรายการต้องถูกเปิดตรวจผ่าน DOI หรือ official page และ full text แล้วบันทึกว่าข้อมูลใดถูก ข้อมูลใดผิด และผลการตรวจทำให้สถานะเปลี่ยนอย่างไร
output/search-plan.md และ output/literature-evidence-table.mdทาง B
การแปลงรูปแบบไม่ใช่การยืนยันความจริง แต่ละ entry จึงต้องมี abstract ที่คัดจาก official page หรือ full text พร้อมคง field อื่นที่ขาดไว้ตามจริง AI ห้ามเดา metadata หรือเขียน abstract สรุปแทนต้นฉบับ
ตัวอย่างหิว–กิน–อิ่ม: ถ้า reference เรื่อง satiety มี abstract บนหน้าวารสาร ให้คัดข้อความนั้นลง field abstract แต่ถ้าไม่มี DOI ให้รายงานว่า DOI ยังไม่พบ ไม่สร้างรหัสที่ดูคล้าย DOI ขึ้นมา
งาน: สร้างแฟ้ม BibTeX จากรายการอ้างอิงและแหล่งต้นทางที่ฉันให้
ทำทีละรายการ:
1. สร้างหนึ่งรายการต่อหนึ่งแหล่ง
2. รักษาข้อความจากต้นทาง
3. ตรวจรหัสรายการไม่ให้ซ้ำ
4. ใส่บทคัดย่อจากหน้าทางการหรือเนื้อหาเต็มเท่านั้น
ห้าม:
- สรุปหรือแต่งบทคัดย่อใหม่
- เดาชื่อผู้แต่ง ชื่อเรื่อง ปี แหล่งเผยแพร่ หรือ DOI
หากไม่พบบทคัดย่อ ให้เว้นช่องนั้นและทำรายการ “abstract not found”
ส่งมอบ: output/refs.bibการตรวจ BibTeX มีสองชั้น: ตรวจรูปแบบ เช่น field และ key และตรวจข้อเท็จจริงโดยกลับไปหา metadata กับ abstract จากต้นทาง AI ช่วยชี้รายการเสี่ยงได้ แต่ไม่อาจยืนยันชั้นที่สองจากไฟล์ BibTeX เพียงอย่างเดียว
ตัวอย่างหิว–กิน–อิ่ม: DOI ที่พิมพ์ผิดรูปแบบเป็น format problem ส่วน DOI ที่เปิดแล้วชี้ไปคนละบทความ หรือ abstract ในไฟล์ไม่ตรงกับหน้าวารสาร เป็น factual verification problem
งาน: ตรวจคุณภาพ output/refs.bib ทีละรายการ โดยยังไม่แก้ข้อมูล
ตรวจ:
- ชนิดเอกสาร
- ช่องข้อมูลที่จำเป็นแต่ขาด
- รหัสรายการที่ซ้ำ
- รูปแบบที่ไม่สอดคล้องกัน
- DOI ที่ผิดรูปแบบ
- บทคัดย่อที่ขาด
- บทคัดย่อที่ยังไม่มีต้นทางยืนยัน
แยกปัญหาเป็นสองกลุ่ม:
1. ปัญหารูปแบบ
2. ปัญหาข้อเท็จจริงที่ต้องกลับไปตรวจต้นทาง
ส่งมอบ: output/bibtex-quality-report.mdความใหม่ ความครอบคลุม คู่แข่งหลัก self-citation และความเกี่ยวข้องช่วยเปิดคำถามสำหรับตรวจต่อ แต่ยังไม่ใช่คำตัดสินจากจำนวน reference หรือชื่อเรื่องเพียงอย่างเดียว
ตัวอย่างหิว–กิน–อิ่ม: หาก reference ทั้งหมดพูดเรื่องรสชาติ แต่ Claim พูดเรื่องระยะเวลาก่อนหิว รายงานควรถามว่าขาดงานด้าน satiety หรือไม่ โดยยังไม่สร้างรายชื่อบทความขึ้นเอง
งาน: ตรวจความครอบคลุมของชุดรายการอ้างอิง
เปรียบเทียบรายการอ้างอิงกับหัวข้อและข้ออ้างในต้นฉบับ แล้วระบุ:
- รายการที่อาจเก่าเกินไป
- งานสำคัญหรือแนวคิดคู่แข่งที่อาจยังขาด
- สัดส่วนการอ้างงานของตนเองที่ควรตรวจ
- รายการที่อาจไม่เกี่ยวกับข้ออ้าง
เขียนแต่ละข้อเป็น “คำถามที่ต้องตรวจต่อ” พร้อมเหตุผล
กติกา:
- ห้ามสร้างรายการอ้างอิงใหม่
- ห้ามตัดสินจากชื่อเรื่องเพียงอย่างเดียว
- ห้ามลบผลตรวจเดิม
เพิ่มผลในหัวข้อ Reference Set Review ของ output/bibtex-quality-report.mdCitation สำคัญหรือรายการเสี่ยง 5–8 รายการควรถูกเปิดจากต้นทางจริง แล้วเทียบ author, year, title, venue และ DOI กับ BibTeX ทีละช่อง
ข้อความรอบ citation ต้องตรงกับ method, result และ limitation ของแหล่ง การอ่าน abstract อย่างเดียวไม่พอเมื่อ Claim อาศัยรายละเอียดของผลหรือขอบเขตประชากร
ตัวอย่างหิว–กิน–อิ่ม: บทความที่พบความอิ่มเพิ่มเล็กน้อยในผู้ใหญ่ทั่วไป ไม่ควรถูกอ้างว่า “พิสูจน์แล้วว่าอาหารโปรตีนสูงทำให้นักศึกษาทุกคนอิ่มนาน”
งาน: ตรวจการอ้างในเนื้อหา 5–8 รายการที่ฉันตรวจต้นทางแล้ว
สร้างตารางที่มี:
- ข้อความรอบตำแหน่งอ้างอิง
- สิ่งที่ต้นฉบับระบุจริง พร้อมหน้า/ส่วน
- ความตรงของประชากร วิธีวิจัย และผล
- จุดที่อ้างเกินหรือบิดเบือน
- ความตรงของข้อมูลบรรณานุกรม
- สถานะการตรวจ
กติกา:
- หากไม่มีเนื้อหาเต็ม ให้ระบุว่า “ยังไม่พบ”
- ห้ามสรุปแทนต้นฉบับ
ส่งมอบ: output/citation-self-audit.mdoutput/refs.bib, output/bibtex-quality-report.md และ output/citation-self-audit.mdCheckpoint
ติ๊กเมื่อคุณตรวจรายการอ้างอิงและอธิบายหลักฐานของแต่ละข้อได้ ระบบจะจำสถานะไว้ในเบราว์เซอร์นี้
ความสำเร็จ 0%