การทบทวนวรรณกรรมเป็นงานที่ใช้เวลาและต้องอาศัยความละเอียด AI ช่วยลดเวลาจัดกลุ่มประเด็นและสรุปสาระได้ แต่ไม่ควรเป็นผู้ตัดสินว่างานใดน่าเชื่อถือ
Workflow ที่ตรวจสอบได้
- กำหนดคำถามทบทวนและเกณฑ์คัดเข้า-คัดออกก่อนใช้ AI
- ให้ AI ช่วยจัดกลุ่ม abstract หรือประเด็นหลัก
- ตรวจกลับกับแหล่งอ้างอิงจริงทุกครั้ง
- บันทึกเหตุผลเมื่อทีมรวม แยก หรือเปลี่ยนกลุ่มวรรณกรรม
Output ที่ควรได้
ทีมควรได้ source matrix ที่บอกแหล่งข้อมูล ประเด็น วิธีวิจัย และข้อจำกัด ไม่ใช่เพียง summary ที่อ่านลื่นแต่ตรวจไม่ได้
ข้อควรระวัง
หาก AI อ้างอิงงานที่ไม่มีอยู่จริง หรือสรุปเกินหลักฐาน ต้องย้อนกลับไปที่เอกสารต้นทางทันที
แยกการค้นหา การคัดกรอง และการสังเคราะห์
หลายทีมใช้ AI กับการทบทวนวรรณกรรมแบบรวมทุกขั้นในครั้งเดียว ทำให้ตรวจยากว่าความผิดพลาดเกิดตรงไหน วิธีที่น่าเชื่อถือกว่าคือแยกงานเป็น 3 ขั้น: ค้นหาแหล่ง, คัดกรองตามเกณฑ์, และสังเคราะห์ข้อค้นพบ แต่ละขั้นควรมี output ที่ตรวจได้
ในขั้นค้นหา ทีมควรบันทึกฐานข้อมูล คำค้น และวันที่ค้น ในขั้นคัดกรองควรมีเหตุผลว่ารับหรือไม่รับบทความใด ในขั้นสังเคราะห์ควรแยกข้อค้นพบ วิธีวิจัย กลุ่มตัวอย่าง และข้อจำกัดของแต่ละแหล่ง
Source matrix คือหัวใจ
source matrix ช่วยให้ทีมไม่หลงกับ summary ที่อ่านลื่น แต่ไม่มีหลักฐาน ตารางควรมีคอลัมน์อย่างน้อย ได้แก่ ผู้เขียน/ปี ประเด็น วิธีวิจัย กลุ่มข้อมูล ผลหลัก ข้อจำกัด และความเกี่ยวข้องกับคำถามวิจัย หากใช้ AI ช่วยเติมตาราง ต้องให้ทีมตรวจกลับกับเอกสารจริง
ใช้ AI อย่างไรให้คุ้ม
- ให้ AI ช่วยเสนอ theme เบื้องต้นหลังจากทีมกำหนดเกณฑ์แล้ว
- ให้ AI ช่วยเปรียบเทียบความเหมือนและต่างระหว่างบทความ
- ให้ AI ช่วยระบุช่องว่างของหลักฐาน แต่ต้องตรวจว่าช่องว่างนั้นมีอยู่จริง
- ให้ AI ช่วยร่าง synthesis paragraph จาก matrix ไม่ใช่จากความจำของโมเดล
จุดที่ต้องระวังเป็นพิเศษ
AI อาจรวมบทความที่มีบริบทต่างกันเกินไป อาจสรุป causal relationship จากงานที่เป็นเพียง correlation หรืออาจสร้าง citation ที่ไม่มีอยู่จริง ทุกครั้งที่มีข้ออ้างสำคัญ ทีมต้องย้อนกลับไปที่เอกสารต้นทางก่อนนำไปใช้