top of page
Generatywna AI w pracy naukowej – od wyszukiwania literatury i analizy źródeł po pisanie, analizę danych i komunikację
Generatywna AI w pracy naukowej – od wyszukiwania literatury i analizy źródeł po pisanie, analizę danych i komunikację

pt., 27 lis

|

Google Meet

Generatywna AI w pracy naukowej – od wyszukiwania literatury i analizy źródeł po pisanie, analizę danych i komunikację

Cena regularna: 400 zł netto, 492 zł brutto Promocja przy zgłoszeniu do 13 listopada 2026 r.: - jednej i dwóch osób otrzymają Państwo 10% rabatu lub - 50% rabatu dla trzeciej osoby lub - czwarta osoba gratis. Promocje nie łączą się!

Termin i lokalizacja

27 lis 2026, 15:00 – 18:00

Google Meet

REJESTRACJA

LINK DO REJESTRACJI


Promocja przy zgłoszeniu do 13 listopada 2026 r.:

- jednej i dwóch osób otrzymają Państwo 10% rabatu lub

- 50% rabatu dla trzeciej osoby lub

- czwarta osoba gratis.

Promocje nie łączą się!



Szkolenie: Generatywna AI w pracy naukowej – od wyszukiwania literatury i analizy źródeł po pisanie, analizę danych i komunikację wyników


Opis szkolenia

Szkolenie obejmuje odpowiedzialne wykorzystanie generatywnej AI na kolejnych etapach pracy badawczej. Łączy demonstracje zastosowań z oceną ich ograniczeń: od formułowania zapytań i eksploracji literatury, przez organizację i analizę materiału, po redagowanie i popularyzację wyników. Szczególną uwagę poświęca weryfikowalności, poufności danych i transparentnemu ujawnianiu wykorzystania narzędzi.


Cel główny

Dobór i krytyczna ocena zastosowań AI w warsztacie badawczym.


Efekty uczenia się

  • Planować wyszukiwanie i weryfikację literatury wspomagane AI

  • Rozpoznawać ryzyko fikcyjnych źródeł i błędnej syntezy

  • Dobierać bezpieczne zastosowania AI do analizy materiału i danych

  • Dokumentować wkład AI zgodnie z wymaganiami wydawcy i instytucji


PROGRAM SZKOLENIA


  1. Przegląd literatury:

    1. Strategia pytań, bazy bibliograficzne, wyszukiwanie semantyczne i kontrola metadanych.

  2. Praca z tekstami naukowymi:

    1. Streszczanie i porównywanie artykułów, macierze literatury, sprawdzanie twierdzeń w oryginałach.

  3. Dane i analiza:

    1. Wsparcie w kodowaniu jakościowym, dokumentowaniu procedur i generowaniu kodu; kontrola wyników.

  4. Pisanie i komunikacja:

    1. Strukturyzacja tekstu, redakcja językowa, abstrakty i prezentacja wyników; autorstwo, poufność i ujawnienia.



Rezultat praktyczny

Uczestnik opracuje szkic rozwiązania lub narzędzie do wykorzystania we własnej praktyce, a także listę kroków wdrożenia.


Metody i wymagania

Analiza przykładów, moderowana dyskusja i ćwiczenie projektowe. Wystarczy komputer z dostępem do internetu; dostęp do płatnych narzędzi nie jest wymagany. Zastosowania narzędzi mogą zależeć od polityki instytucji.



Trener

Udostępnij

bottom of page