ویرگول
ورودثبت نام
دکتر مجتبی قلی زاده
دکتر مجتبی قلی زادهنویسنده ، پژوهشگر و مدرس هوش مصنوعی
دکتر مجتبی قلی زاده
دکتر مجتبی قلی زاده
خواندن ۸ دقیقه·۱ سال پیش

پایان نامه نویسی با هوش مصنوعی

هدف کلّی: توانمندسازی دانشجویان و پژوهشگران برای استفاده مسئولانه، اخلاق‌محور و حرفه‌ای از ابزارهای هوش مصنوعی در تمام مراحل پایان‌نامه؛ از انتخاب موضوع تا دفاع، بدون نقض اصالت علمی و با رعایت شیوه‌نامه‌های دانشگاهی.


۱) مخاطبان، پیش‌نیازها و خروجی‌های یادگیری

مخاطبان: دانشجویان کارشناسی‌ارشد/دکتری، پژوهشگران نوپای دانشگاهی، دستیاران پژوهش.

پیش‌نیازها:

  • آشنایی پایه با روش پژوهش (کمی/کیفی/آمیخته)

  • توانایی جست‌وجوی پایگاه‌های علمی (Google Scholar/Scopus/Web of Science/PubMed)

  • مهارت پایه Word/LaTeX و یکی از مدیران رفرنس (Zotero/Mendeley/EndNote)

خروجی‌های یادگیری (Learning Outcomes):

  • ترسیم نقشه‌راه پایان‌نامه و شکستن کار به گام‌های کوچک.

  • طراحی و اجرای مرور ادبیات با کمک ابزارهای AI بدون تولید منبع جعلی.

  • نگارش شفاف‌تر فصل‌ها با کمک LLMها در سطح ویرایش و بازنویسی، نه نگارش تقلبی.

  • طراحی پرسش/فرضیه، چارچوب مفهومی و انتخاب روش‌شناسی با پشتیبانی AI.

  • پشتیبانی از تحلیل داده (کد آماری/کدگذاری کیفی/بینش‌های اکتشافی) به‌صورت مسئولانه.

  • مدیریت استنادها و فرمت‌دهی خودکار منابع، کنترل سرقت علمی و شفاف‌سازی استفاده از AI.

  • آماده‌سازی اسلایدهای دفاع و تمرین پرسش‌وپاسخ با شبیه‌ساز AI.


۲) اصول اخلاقی و خط قرمزها (Academic Integrity)

  • ممنوع: جعل داده/منبع، تولید چکیده/متن کامل بدون مشارکت علمی نویسنده، دور زدن ابزارهای مشابهت‌یاب.

  • مجاز با شفافیت: ایده‌پردازی، ساختاردهی، خلاصه‌سازی، بازنویسی برای وضوح، کمک در نگارشی/دستوری، تولید کد نمونه، پیشنهاد روش تحلیل؛ همه با بازبینی نقادانه و ارجاع معتبر.

  • راستی‌آزمایی منابع: هر منبع پیشنهادی AI باید در پایگاه‌های رسمی جست‌وجو و سند (DOI، جلد/شماره، صفحات) تأیید شود.

  • بیانیه شفاف‌سازی در پایان‌نامه الزامی (نمونه در بخش ۱۰).

  • حریم خصوصی: داده‌های حساس را ناشناس‌سازی کنید؛ از بارگذاری فایل‌های طبقه‌بندی‌شده روی ابزارهای ابریِ نامطمئن پرهیز کنید.


۳) چک‌لیست آماده‌سازی فنی کلاس

  • ایجاد حساب و آشنایی اولیه با یک LLM عمومی.

  • نصب و آموزش مختصر مدیر رفرنس (ترجیحاً Zotero) + افزونه مرورگر + Word/Overleaf.

  • آشنایی با ابزارهای کیفی (NVivo/Atlas.ti یا معادل‌های سبک‌تر) و آماری (SPSS/R/Python).

  • افزونه‌های نگارشی فارسی (نمونه: «ویراستیار» برای Word) و قواعد نیم‌فاصله.

  • قالب پایان‌نامه دانشگاه (Word یا LaTeX) + استایل رفرنس (APA/IEEE/Vancouver…).


۴) طرح درس پیشنهادی (دو سناریو)

سناریو A: کارگاه فشرده ۱روزه (۸ ساعت)

  1. ساعت 1: نقشه‌راه پایان‌نامه + جایگاه AI + اصول اخلاقی.

  2. ساعت 2: انتخاب موضوع/سؤال پژوهش با کمک AI + اعتبارسنجی در پایگاه‌ها.

  3. ساعت 3: مرور ادبیات نظام‌مند: استراتژی جست‌وجو، کلمات کلیدی، استخراج داده.

  4. ساعت 4: ساخت چارچوب نظری/مفهومی + طراحی روش‌شناسی (کمی/کیفی/آمیخته).

  5. ساعت 5: تحلیل داده کمی (R/Python/SPSS) + تولید کد نمونه و تفسیر مسئولانه.

  6. ساعت 6: تحلیل داده کیفی (کدگذاری باز/محوری/انتخابی) + تمایز AI در کمک به کدگذاری.

  7. ساعت 7: نگارش فصل‌ها + مدیریت منابع + کنترل مشابهت + چک‌لیست تحویل.

  8. ساعت 8: آماده‌سازی دفاع + شبیه‌ساز پرسش‌های داوران + بازخورد جمعی.

سناریو B: دوره ۴جلسه‌ای (هر جلسه ۲٫۵ ساعت)

  • جلسه 1: راهبرد، اخلاق، انتخاب موضوع، پروپوزال.

  • جلسه 2: مرور ادبیات، نقشه مفهومی، چارچوب نظری، ابزارهای رفرنس.

  • جلسه 3: روش‌شناسی و تحلیل داده (کمی/کیفی) + کد نمونه.

  • جلسه 4: نگارش، ویرایش، فرمت‌دهی، منابع، دفاع و ارائه.

هر جلسه شامل: مینی‌لکچر (۳۰–۴۰دقیقه) + دموی زنده (۳۰دقیقه) + تمرین هدایت‌شده (۴۵دقیقه) + جمع‌بندی و تکلیف (۱۵دقیقه).


۵) جریان کاری پایان‌نامه با AI (۱۰ گام عملی)

  1. تعریف مسئله و دامنه: تبدیل حوزه کلی به سؤال/فرضیه روشن.

  2. راهبرد جست‌وجو: استخراج کلمات کلیدی، عملگرهای بولی، فیلترها.

  3. غربالگری و استخراج داده: ساخت شِما (نویسنده، سال، روش، نتایج کلیدی…).

  4. نقشه مفهومی: ترسیم متغیرها/روابط؛ تشخیص شکاف پژوهش.

  5. انتخاب روش: طرح نمونه‌گیری، ابزار گردآوری، روایی/پایایی.

  6. طرح تحلیل: برنامه تحلیل کمی/کیفی + سنجش مفروضات.

  7. پایلوت: آزمون اولیه ابزار/کد و اصلاحات.

  8. تحلیل نهایی: اجرای تحلیل و مستندسازی کامل مراحل.

  9. نگارش فصل‌ها: ساختاردهی، جداول/شکل‌ها، ارجاع دقیق.

  10. کنترل کیفیت و دفاع: چک‌لیست نهایی، مشابهت‌یابی، تمرین Q&A.


۶) کتابخانه پرامپت‌های کاربردی (نمونه‌های فارسی)

نکته مهم: همیشه پرامپت‌ها را با زمینه (Context)، محدودیت‌ها (Constraints) و خروجی مورد انتظار (Output) بنویسید. سپس پاسخ را راستی‌آزمایی و مستند کنید.

6.1 انتخاب موضوع و تیزکردن سؤال پژوهش

نقش شما: دستیار روش‌پژوهی. زمینه: رشته …، حوزه … . منابع موجود: ۱۰ مقاله اخیر. وظیفه: ۵ سؤال پژوهشی واضح، قابل سنجش و منطبق با روش کمی/کیفی پیشنهاد بده. محدودیت: از اصطلاحات دقیق رشته استفاده کن؛ هر سؤال حداکثر 25 کلمه. خروجی: جدول ۲ ستونه (سؤال/نوع مطالعه پیشنهادی).

6.2 طراحی راهبرد جست‌وجو در پایگاه‌ها

نقش: کتابدار علم‌سنجی. وظیفه: برای موضوع … کلیدواژه‌ها، معادل‌های MeSH/Thesaurus و عملگرهای AND/OR/NOT را بساز. خروجی: سه استراتژی جست‌وجوی قابل‌کپی برای Scopus، WoS و PubMed + معیارهای شمول/حذف.

6.3 مرور ادبیات و استخراج داده

نقش: تحلیل‌گر مرور نظام‌مند. وظیفه: خلاصه ساختاریافته از ۸ مقاله منتخب بده (هدف، روش، نمونه، ابزار، نتایج کلیدی، محدودیت‌ها). خروجی: جدول Markdown + ۱۰ گزاره کلیدی برای بخش بحث. هشدار: از ساختن منابع خیالی خودداری کن.

6.4 چارچوب نظری/مفهومی

نقش: نظریه‌پرداز حوزه … . وظیفه: بر اساس نظریه‌های X و Y، یک مدل مفهومی با جهت‌گیری فرضیه‌ها ترسیم کن. خروجی: فهرست فرضیه‌ها + متغیرها (مستقل/وابسته/میانجی/تعدیل‌گر) + توضیح رابطه‌ها در 150 کلمه.

6.5 روش‌شناسی و ابزار سنجش

نقش: مشاور روش تحقیق. وظیفه: طرح نمونه‌گیری، حجم نمونه (با استناد به فرمول/توان آزمون)، روایی/پایایی ابزار، و طرح تحلیل مناسب برای … را پیشنهاد بده. خروجی: پروتکل مرحله‌به‌مرحله قابل اجرا.

6.6 تحلیل کمی (آماری)

نقش: تحلیل‌گر آماری R/Python. وظیفه: داده‌ای با ساختار … تحلیل کن: پیش‌پردازش، آزمون نرمالیتی، انتخاب آزمون‌ها، گزارش APA. خروجی: کد تمیز + توضیح خط‌به‌خط + تفسیر نتایج (اندازه اثر، فاصله اطمینان).

6.7 تحلیل کیفی

نقش: تحلیل‌گر کیفی. وظیفه: برای ۵ مصاحبه نمونه کدگذاری باز/محوری/انتخابی را قدم‌به‌قدم نشان بده. خروجی: درخت کدها + جدول تم‌ها + نمونه نقل‌قول‌ها با نشانه‌گذاری.

6.8 نگارش و ویرایش علمی

نقش: ویراستار علمی. ورودی: پاراگراف پیش‌نویس فصل دوم (200-250 کلمه). وظیفه: بازنویسی برای وضوح، انسجام و لحن دانشگاهی + پیشنهادهای بهبود. محدودیت: منابع را همان‌گونه حفظ کن؛ هیچ منبعی اضافه نکن. خروجی: نسخه ویرایش‌شده + فهرست تغییرات.

6.9 مدیریت منابع و ارجاع

نقش: مدیر استناد. وظیفه: فهرست منابع ورودی را به سبک APA7 قالب‌بندی کن؛ DOI اضافه کن؛ موارد ناقص را علامت بزن. خروجی: BibTeX + فهرست References نهایی.

6.10 آماده‌سازی دفاع و Q&A

نقش: داور سخت‌گیر. زمینه: چکیده، روش، نتایج، محدودیت‌ها. وظیفه: ۱۵ پرسش چالشی (مفهومی/روش‌شناختی/آماری/کاربردی) تولید کن + پاسخ‌های نمونه کوتاه.

۷) تمرین‌های کلاسی و تکالیف

  • تمرین 1 (زنده): ساخت راهبرد جست‌وجو و اجرای آن در پایگاه‌ها، ثبت ۱۰ منبع تأییدشده در Zotero.

  • تمرین 2: استخراج داده از ۵ مقاله و ساخت جدول خلاصه + نقشه مفهومی اولیه.

  • تمرین 3: نگارش ۲ پاراگراف از فصل دوم و بازنویسی با کمک LLM + گزارش تغییرات.

  • تمرین 4: تحلیل توصیفی و یک آزمون استنباطی روی فایل داده کلاس، گزارش با استاندارد APA.

  • تکلیف نهایی: مینی‌پروپوزال ۲-۳ صفحه‌ای با: مسئله، مرور ادبیات فشرده، روش، طرح تحلیل، و بیانیه شفاف‌سازی استفاده از AI.

روال بازخورد: روبریک ۴معیاره (کیفیت علمی 40%، شفافیت روش 25%، استناد/فرمت 20%، اخلاق/شفاف‌سازی 15%).


۸) مدیریت منابع و جلوگیری از خطاهای رایج

  • منابع جعلی/DOI نادرست: همیشه در پایگاه رسمی راستی‌آزمایی شود.

  • سوگیری تأییدی: از AI بخواهید مقالات مخالف فرضیه را هم بیابد.

  • وابستگی بیش از حد به AI: هر پیشنهاد باید به منبع معتبر پیوند بخورد.

  • حریم داده: ناشناس‌سازی؛ اخذ رضایت‌نامه آگاهانه؛ ذخیره امن.

  • سبک نگارش فارسی: نیم‌فاصله، علائم نگارشی، یکدست‌سازی اصطلاحات.


۹) الگوها و فرم‌های آماده

9.1 الگوی جدول استخراج ادبیات

شناسه نویسنده/سال مجله روش جامعه/نمونه ابزار یافته‌های کلیدی محدودیت نکات برای مطالعه حاضر

9.2 چک‌لیست فصل‌ها (حداقلی)

  • فصل 1: مسئله، اهمیت، اهداف، سؤالات/فرضیات، تعریف مفاهیم.

  • فصل 2: ساختار منطقی تم‌ها، گپ پژوهشی روشن، نقد منابع.

  • فصل 3: طرح مطالعه، جامعه/نمونه، ابزار، روایی/پایایی، اخلاق، تحلیل.

  • فصل 4: نتایج با جداول/شکل‌ها، آزمون مفروضات، اندازه اثر/اعتماد.

  • فصل 5: تفسیر، مقایسه با ادبیات، پیامدها، محدودیت‌ها، پیشنهادات.

9.3 قالب «بیانیه شفاف‌سازی استفاده از هوش مصنوعی» (فارسی)

نویسنده(گان) در برخی مراحل پژوهش از ابزارهای هوش مصنوعی (مانند مدل‌های زبانی بزرگ) برای ایده‌پردازی، ساختاردهی متن، بازنویسی جملات برای وضوح و تولید کد نمونه استفاده کرده‌اند. تمامی منابع توسط نویسندگان در پایگاه‌های معتبر راستی‌آزمایی شده و هیچ بخش از متن بدون بازبینی انسانی در پایان‌نامه درج نشده است. هیچ‌گونه داده یا منبع جعلی تولید و استفاده نشده و مسئولیت کامل محتوا بر عهده نویسنده(گان) است.

نسخه انگلیسی (اختیاری):

The authors used AI tools (e.g., large language models) for brainstorming, structuring, clarity editing, and sample code generation. All sources were verified in authoritative databases. No AI-generated text was included without human review, and no fabricated data or references were used. The authors take full responsibility for the content.

9.4 فرم رضایت‌نامه داده (نمونه کوتاه)

  • هدف گردآوری داده، اختیار مشارکت، امکان انصراف، نحوه ناشناس‌سازی، محل و مدت نگهداری داده، دسترسی پژوهشگر/ناظر، راه‌های تماس، تأییدیه کمیته اخلاق (اگر لازم).


۱۰) سناریوی دموی زنده (برای کلاس)

  1. انتخاب یک موضوع نمونه و تبدیل به سؤال پژوهش.

  2. ساخت استراتژی جست‌وجو و گردآوری ۱۰ منبع واقعی در Zotero.

  3. استخراج داده و ترسیم نقشه مفهومی.

  4. طراحی طرح تحلیل (کمی یا کیفی) و نوشتن پروتکل کوتاه.

  5. نگارش دو پاراگراف و بازنویسی با AI + ثبت تغییرات.

  6. تولید ۵ اسلاید دفاع و تمرین Q&A با شبیه‌ساز.


۱۱) پرسش‌های متداول (FAQ)

آیا AI می‌تواند تمام پایان‌نامه را بنویسد؟ خیر. استفاده مشروع در حد دستیار است؛ تولید بدون مشارکت علمی تخلف آکادمیک است.

اگر AI منبعی پیشنهاد کرد؟ DOI و جزئیات را در پایگاه‌ها تأیید کنید؛ در غیر این صورت حذف.

چطور شباهت متنی را کنترل کنم؟ بازنویسی مفهومی با ارجاع درست؛ استفاده از نقل‌قول مستقیم محدود؛ گزارش مشابهت پیش‌نویس را بررسی کنید.

درباره داده‌های حساس چه کنم؟ ناشناس‌سازی، کمینه‌سازی داده، عدم بارگذاری روی سرویس‌های عمومی بدون مجوز.


۱۲) فهرست منابع راهنمایی (برای مدرس)

  • کتاب‌ها/مقالات مروری معتبر درباره ML/NLP در پژوهش، راهنماهای سبک APA/IEEE/Vancouver، منابع اخلاق پژوهش، و آموزش‌های رسمی مدیران رفرنس.

پیشنهاد: در آغاز هر کلاس، «قرارداد اخلاقی» یک‌صفحه‌ای امضا شود و در پایان، دانشجویان «گزارش شفاف‌سازی استفاده از AI» را ضمیمه کنند.


۱۳) برنامه ارزیابی کارگاه

  • پیش‌آزمون/پس‌آزمون: ۱۰ سؤال مفهومی درباره اخلاق/روش/ابزار.

  • ارزیابی عملی: کیفیت راهبرد جست‌وجو، صحت رفرنس‌دهی، انسجام متن و منطق روش.

  • بازخورد 360 درجه: خودارزیابی، همتایان، مدرس.


۱۴) نکته‌های کلیدی برای مدرس

  • روی تفکر نقادانه تأکید کنید، نه صرفاً مهارت ابزار.

  • هر خروجی AI باید به منبع معتبر ختم شود.

  • از دانشجویان بخواهید ردپای مستندسازی همه مراحل را نگه دارند (Logbook).

  • اختلاف آیین‌نامه‌ها را یادآوری کنید؛ دانشجویان باید شیوه‌نامه دانشگاه خود را مبنا قرار دهند.


پیوست: اسکریپت نمونه برای آغاز کلاس (۵ دقیقه)

امروز یاد می‌گیریم چطور از AI به‌عنوان دستیار اندیشه و نگارش استفاده کنیم؛ نه جایگزین پژوهشگر. هر پیشنهاد AI را می‌سنجیم، با منبع معتبر پشتیبانی می‌کنیم و در پایان با بیانیه شفاف‌سازی مسئولیت کار خود را می‌پذیریم. هدف ما بهبود کیفیت علمی، صرفه‌جویی در زمان، و افزایش شفافیت است. موفق باشید! 🌱

هوش مصنوعی
۳
۰
دکتر مجتبی قلی زاده
دکتر مجتبی قلی زاده
نویسنده ، پژوهشگر و مدرس هوش مصنوعی
شاید از این پست‌ها خوشتان بیاید