نوشتن پروپوزال پژوهشی و طرح گرنت با هوش مصنوعی

چرا طرح پژوهشی برگشت می‌خورد و چطور مدل زبانی در بیان مسئله، پرسش قابل آزمون، روش و زمان‌بندی کمک می‌کند؛ به‌همراه مرزی که در پیشینه و اخلاق پژوهش نباید از آن رد شوید.

🍊 تیم نارنگی ⏱ 6 دقیقه مطالعه
میز کار پژوهشگری با چند مقاله‌ی چاپ‌شده و پیش‌نویس طرح پژوهشی که حاشیه‌نویسی شده است

استاد راهنما پروپوزال را برگردانده و کنار بیان مسئله نوشته: «این تعریف موضوع است، نه بیان مسئله.» سه صفحه درباره‌ی اهمیت فرسودگی شغلی پرستاران نوشته‌اید — با تعریف، با نقل‌قول، با آمار جهانی — و هنوز معلوم نیست قرار است چه چیزی را بفهمید که تا امروز کسی نفهمیده است.

این شایع‌ترین دلیل برگشت خوردن طرح در شورای گروه است. دلیل دوم روش است و سوم زمان‌بندی‌ای که هیچ داوری باورش نمی‌کند. هر سه با مدل زبانی قابل درست کردن‌اند، ولی نه با درخواستی مثل «یک پروپوزال درباره‌ی فرسودگی شغلی بنویس».

جزءبه‌جزء می‌رویم: کجا مدل وقت می‌خرد و کجا تکیه به آن طرحتان را از بین می‌برد.

پروپوزال پژوهشی با طرح پیشنهادی تجاری یکی نیست

در طرح پیشنهادی تجاری شما می‌فروشید: لحن مطمئن، ادعای بزرگ، و کسی نمی‌پرسد از کجا فهمیدید ادعایتان درست است. آن شکل در نوشتن پروپوزال و طرح پیشنهادی باز شده است.

داور طرح پژوهشی متقاعد نمی‌شود؛ ارزیابی می‌کند. همان جمله‌ای که در متن تجاری اعتمادبه‌نفس خوانده می‌شود، اینجا ضعف روش‌شناختی است. فهرست رسمی اجزا را مدخل Research proposal دارد، ولی آنچه طرح را رد یا قبول می‌کند انسجام میان آن اجزاست نه وجودشان.

اجزا و سهم واقعی مدل در هرکدام

هر جزء یک وظیفه‌ی مشخص دارد؛ اگر آن را انجام ندهد، بلند بودنش کمکی نمی‌کند.

جزءچه چیزی را باید ثابت کندسهم واقعی مدل
بیان مسئلهشکافی هست و پر کردنش ارزش داردنقد پیش‌نویس، نه نوشتنش
پیشینهدیگران این شکاف را پر نکرده‌اندخلاصه‌ی مقاله‌هایی که خودتان می‌دهید
پرسش و فرضیهقابل سنجش و قابل رد استبازنویسی تا حد متغیر مشخص
روش و جامعهنتیجه قابل اتکا خواهد بودسیاهه‌ی ایرادهای محتمل
زمان‌بندی و بودجهدر عمل شدنی استتقسیم کار و بازبینی واقع‌بینی

بیان مسئله باید شکاف را نشان بدهد

ساختاری که تقریباً همیشه جواب می‌دهد چهار حرکت دارد: قلمرو را محدود کنید، بگویید دانش موجود تا کجا آمده، از کجا به بعد ساکت است، و این ندانستن چه هزینه‌ای دارد.

آزمون ساده‌ای هست: پیش‌نویس را به مدل بدهید و فقط یک چیز بخواهید — کدام جمله ادعای شکاف است. اگر جمله‌ای پیدا نکرد یا جمله‌ای صرفاً توصیفی را نشان داد، شکاف در متن شما نیست. این نقش نقادانه بسیار بیشتر از نوشتن مستقیم به کارتان می‌آید، چیزی که در هوش مصنوعی برای دانشجو هم دیده می‌شود.

از ایده‌ی مبهم تا پرسش قابل آزمون

«تأثیر شبکه‌های اجتماعی بر نوجوانان» پرسش پژوهشی نیست؛ عنوان سخنرانی است. قابل آزمون یعنی متغیر، جامعه و راه سنجش مشخص: رابطه‌ی مدت استفاده‌ی شبانه از اینستاگرام با کیفیت خواب دانش‌آموزان پایه‌ی دهم دبیرستان‌های دولتی یک ناحیه‌ی شهر رشت.

فرضیه هم باید جهت داشته باشد و قابل رد شدن باشد. اگر هیچ نتیجه‌ای نتواند ردش کند، آن جمله فرضیه نیست. از مدل بخواهید بپرسد با چه داده‌ای رد می‌شود؛ بی‌جواب ماندن این سؤال یعنی هنوز پرسش نساخته‌اید.

پنج گام تبدیل ایده‌ی کلی پژوهش به پرسش قابل آزمون، از محدود کردن قلمرو تا سنجش‌پذیر کردن فرضیه
همین پنج گام فاصله‌ی یک ایده‌ی کلی تا پرسشی است که داور می‌پذیرد.

پیشینه: خطرناک‌ترین بخش برای سپردن به مدل

خلاصه کردن مقاله‌هایی که خودتان آپلود می‌کنید ساعت‌ها صرفه‌جویی دارد و روشش در خلاصه‌کردن متن و PDF آمده. ساختن فهرست منابع اما کار دیگری است.

⚠️ منبعی که وجود ندارد

مدل‌های زبانی عنوان مقاله، نام نویسنده، سال، نام مجله و حتی شناسه‌ی دیجیتال را با ظاهری کاملاً معتبر می‌سازند؛ همین‌طور آمار پیشینه، مثل درصد شیوع یا حجم نمونه‌ی مطالعه‌ی قبلی. ریشه‌اش در توهم هوش مصنوعی آمده. قاعده بی‌استثناست: هر ارجاع باید در پایگاه اصلی — ساینس‌دایرکت، پابمد، مگیران یا خود مجله — باز شود. ارجاعی که ندیده‌اید، در پروپوزال نمی‌آید.

روش، جامعه و نمونه: جایی که بیشترین ایراد می‌آید

اگر یک بخش باشد که وقت گذاشتن رویش بازده مستقیم دارد، همین است. داور اینجا سؤال عملیاتی می‌پرسد: جامعه‌ی آماری دقیقاً چه کسانی‌اند، چارچوب نمونه‌گیری از کجا می‌آید، معیار ورود و خروج چیست، ابزار چه روایی و پایایی‌ای دارد و متغیرهای مخدوشگر چطور کنترل می‌شوند.

بهترین استفاده از مدل، وارونه کردن نقش است: روشتان را بنویسید و بخواهید مثل داور سخت‌گیر فقط ایراد بگیرد. دو مرز اما هست. نام پرسشنامه‌ی استاندارد را از مدل نپرسید؛ ابزار جعلی هم می‌سازد. و انتخاب آزمون آماری را بدون مشورت با مشاور آمار نهایی نکنید — تحلیل داده با هوش مصنوعی در مرتب کردن داده کمک می‌کند، در توجیه طرح آماری نه.

اخلاق پژوهش و رضایت آگاهانه

در طرح‌هایی که با انسان یا داده‌ی انسانی سروکار دارند، کد اخلاق شرط شروع است نه کاغذبازی پایانی. فرم رضایت آگاهانه باید به زبان قابل فهم شرکت‌کننده بگوید چه داده‌ای جمع می‌شود، چقدر می‌ماند، و او هر لحظه می‌تواند انصراف بدهد.

مدل این متن را روان می‌کند و بندهای جاافتاده را یادآوری. ولی داده‌ی خام شرکت‌کننده — نام، کد ملی، شماره‌ی پرونده‌ی بیمار — را داخل هیچ ابزاری تایپ نکنید؛ دلیلش در امنیت اطلاعات در هوش مصنوعی آمده. تعهد اخلاقی هم امضای شماست.

زمان‌بندی و بودجه‌ای که داور باور کند

جدول زمانی خوش‌بینانه بیشتر از تأخیر آسیب می‌زند: داور از روی همان جدول می‌فهمد مسیر را نرفته‌اید. دو چیز تقریباً همیشه جا می‌ماند — انتظار مجوز اخلاق و افت نمونه. بازنگری پس از داوری را هم جدا بیاورید.

جدول دوستونی که چهار وعده‌ی خوش‌بینانه در زمان‌بندی طرح را کنار شکل باورپذیرشان گذاشته است
تفاوت جدول زمانی رد شده و پذیرفته‌شده معمولاً در همین چند سطر است.

بودجه هم بیش از هزینه‌ی چاپ است: حق‌الزحمه‌ی پرسشگر، اشتراک نرم‌افزار تحلیل، ایاب و ذهاب نمونه‌گیری میدانی و ویرایش. در طرح‌های حمایتی، سرفصل‌های مجاز را از خود فراخوان بردارید نه از حافظه‌ی مدل.

پرامپتی که پیش‌نویس را نقد می‌کند

اشتباه رایج این است که بنویسید «بیان مسئله بنویس». الگوی زیر خروجی به‌مراتب مفیدتری می‌دهد:

نقش: داور سخت‌گیر شورای پژوهشی
متن پیوست: [پیش‌نویس بیان مسئله‌ی من]
حوزه: [پرستاری، بخش مراقبت ویژه]
کاری که می‌خواهم:
۱. کدام جمله ادعای شکاف پژوهشی است؟ عیناً نقلش کن
۲. کدام پاراگراف فقط توصیف موضوع است؟
۳. سه ایراد روش‌شناختی که داور می‌گیرد را بنویس
۴. پرسش پژوهشی را با متغیر و جامعه‌ی مشخص بازنویسی کن
ننویس: منبع، آمار، نام مقاله یا پرسشنامه
اگر اطلاعات کافی نداری، بپرس؛ حدس نزن

خط آخر مهم‌ترین خط است و جلوی نیمی از جعل‌ها را می‌گیرد. اصول کلی‌ترش در پرامپت‌نویسی فارسی آمده و در نارنگی می‌شود روی پیش‌نویس خودتان امتحانش کرد.

پاسخ به نظرات داوران

پس از داوری، جوابتان باید جدولی باشد: نظر داور، تغییر انجام‌شده، شماره‌ی صفحه. نظری که نپذیرفته‌اید را با دلیل و منبع رد کنید؛ رد مستدل پذیرفته می‌شود، بی‌اعتنایی نه.

مدل اینجا واقعاً کار راه می‌اندازد: جواب اول شما معمولاً دفاعی و تند است و مدل همان محتوا را با لحن خنثی بازمی‌نویسد. محتوای علمی را اما خودتان بنویسید.

جایی که ابزار جواب نمی‌دهد

مدل نمی‌داند استاد راهنمای شما با کدام روش میانه‌ای ندارد، اولویت پژوهشی گروه امسال چیست و سقف بودجه‌ی مصوب چقدر است. همین‌ها اغلب سرنوشت طرح را تعیین می‌کنند و هیچ‌کدام در متن پروپوزال نوشته نمی‌شوند.

و صریح‌تر: در طرح‌های بالینی و مداخله‌ای، خروجی مدل جای مشورت با متخصص روش تحقیق و کمیته‌ی اخلاق را نمی‌گیرد. مسئولیت علمی با نویسنده است.

جمع‌بندی

پروپوزال پژوهشی به‌خاطر بد نوشته شدن رد نمی‌شود؛ به‌خاطر نبود شکاف روشن، روش سست و زمان‌بندی غیرواقعی رد می‌شود. مدل در هر سه کمک می‌کند، ولی در نقش منتقد نه نویسنده.

ترتیبی که جواب می‌دهد ساده است: اول پرسش را تا حد متغیر و جامعه‌ی مشخص کوچک کنید، بعد روش را جلوی نقد بگذارید، آخر متن را روان کنید. منابع را خودتان در پایگاه اصلی ببینید. آنچه از مدل می‌گیرید پیش‌نویس است؛ طرح، مال شماست.

برای ادامه:

پرسش‌های پرتکرار

فرق بیان مسئله با تعریف موضوع در پروپوزال پژوهشی چیست؟ +
تعریف موضوع می‌گوید این پدیده چیست و چرا مهم است؛ بیان مسئله می‌گوید دانش موجود تا کجا آمده و از کجا به بعد ساکت است. آزمون ساده‌اش این است که در متنتان دنبال جمله‌ای بگردید که با «آنچه هنوز روشن نیست» شروع می‌شود. اگر چنین جمله‌ای نیست، شما موضوع را معرفی کرده‌اید نه مسئله را.
می‌شود فهرست منابع پیشینه را از هوش مصنوعی گرفت؟ +
نه، و این خطرناک‌ترین کاربرد ممکن است. مدل‌های زبانی عنوان، نویسنده، نام مجله و حتی شناسه‌ی دیجیتال مقاله را با ظاهری کاملاً درست می‌سازند بدون اینکه آن مقاله وجود داشته باشد. هر ارجاعی باید در پایگاه اصلی مثل ساینس‌دایرکت، پابمد یا مگیران دیده و باز شود، وگرنه در متن نمی‌آید.
برای بخش روش، مدل چه کمکی می‌تواند بکند؟ +
بهترین استفاده این است که به‌جای نویسنده، نقش داور سخت‌گیر را بازی کند: روشتان را بنویسید و بخواهید فهرست ایرادهای محتمل را دربیاورد. معمولاً چیزهایی مثل نبود معیار ورود و خروج، مبهم بودن چارچوب نمونه‌گیری و متغیرهای مخدوشگر را زودتر از جلسه‌ی دفاع پیدا می‌کند. اما انتخاب طرح پژوهش و توجیه آن کار خود شما و استاد راهنماست.
زمان‌بندی طرح را چطور واقع‌بینانه کنم؟ +
دو چیزی که تقریباً همیشه از جدول جا می‌ماند، مدت گرفتن مجوز کمیته‌ی اخلاق و افت نمونه در مرحله‌ی گردآوری داده است. مرحله‌ی بازنگری پس از داوری را هم جدا بیاورید، چون در عمل کوتاه نیست. از مدل بخواهید جدولتان را با فرض بدترین حالت هر مرحله بازنویسی کند تا ببینید کجا فشرده‌اش کرده‌اید.
استفاده از هوش مصنوعی در نوشتن پروپوزال تخلف پژوهشی است؟ +
بستگی به دستورالعمل دانشگاه یا نهاد حمایت‌کننده دارد و این دستورالعمل‌ها یکسان نیستند؛ بعضی استفاده‌ی ویرایشی را آزاد و بعضی مشروط به اعلام کرده‌اند. قاعده‌ی امنی که تقریباً همه‌جا جواب می‌دهد این است: ایده، داده و تحلیل از شما باشد و مدل فقط در ساختاردهی و ویرایش دخالت کند. پیش از تحویل، متن آیین‌نامه‌ی پژوهشی گروه خودتان را بخوانید.
#طرح پژوهشی #بیان مسئله #روش تحقیق #پروپوزال پایان‌نامه #طرح گرنت
به‌دردِ کسی می‌خورد؟ تلگرام واتساپ
🍊

خواندنش خوب بود — حالا امتحانش کن

هرچه در این صفحه خواندی، همین حالا داخلِ نارنگی قابلِ اجراست. ثبت‌نام با شماره‌ی موبایل، نارنگیِ رایگانِ شروع، بدونِ نیاز به کارت یا تحریم‌شکن.

بدونِ نصب هم کار می‌کند — ولی در اپ سریع‌تر است