22 299 53 69
biuro@jsystems.pl
Przygotowanie publikacji naukowej z wykorzystaniem AI
by:
Najbliższe terminy tego szkolenia
29.06
Termin gwarantowany
Szkolenie online
Ostatnie miejsca!
Standardy JSystems
- Wszyscy nasi trenerzy muszą być praktykami i osiągać średnią z ankiet minimum 4.75 na 5. Nie ma wśród nas trenerów-teoretyków. Każdy trener JSystems ma bogate doświadczenie komercyjne w zakresie tematów z których prowadzi szkolenia.
- Wszystkie szkolenia mają format warszatowy. Każde zagadnienie teoretyczne jest poparte rzędem warsztatów w ściśle określonym formacie.
- Terminy gwarantowane na 100%. Jeśli jakiś termin jest oznaczony jako gwarantowany, oznacza to że odbędzie się nawet jeśli część grupy wycofa się z udziału. Ryzyko ponosimy my jako organizator.
- Do każdego szkolenia które wymaga jakiegokolwiek oprogramowania dostarczamy skonfigurowane, gotowe hosty w chmurze. Dzięki temu uczestnik nie musi nic instalować na swoim komputerze (i bić się z blokadami korporacyjnymi). Połączenie następuje przez zdalny pulpit lub SSH - w zależności od szkolenia.
Program szkolenia
Moduł 1: Publikacja naukowa jako proces zarządzany przez badacza
- Publikacja naukowa jako proces decyzyjny, a nie akt pisania.
- Etapy pracy nad artykułem: problem – wiedza – struktura – argument – tekst.
- Rola AI na poszczególnych etapach procesu badawczego.
- Najczęstsze błędy w wykorzystaniu AI w pracy naukowej.
- Etyka w pracy badawczej z wykorzystaniem AI.
- Ćwiczenie: mapowanie własnego procesu publikacyjnego.
Moduł 2: Definiowanie problemu badawczego i zakresu artykułu z pomocą AI
- Problem badawczy vs. temat badania – różnice i konsekwencje.
- Wykorzystanie AI do eksploracji obszaru badawczego.
- Zawężanie zakresu artykułu i unikanie „rozmycia" tematu.
- Praca z promptami wspierającymi precyzję myślenia badawczego.
- Ćwiczenie: stabilizacja problemu badawczego.
Moduł 3: Przegląd literatury jako selekcja wiedzy, nie zbiór streszczeń
- Funkcje przeglądu literatury w artykule naukowym.
- Praca z narzędziami AI do wyszukiwania i ekstrakcji informacji.
- Budowanie macierzy literatury i mapy argumentów.
- Ryzyka: halucynacje, nadinterpretacje, brak krytycyzmu.
- Ćwiczenie: porządkowanie literatury pod wybrany problem badawczy.
Moduł 4: Projektowanie struktury artykułu naukowego
- Logika struktury IMRaD i jej warianty.
- Struktura artykułu jako narzędzie argumentacji.
- Wykorzystanie AI do testowania spójności i logiki wywodu.
- Identyfikacja luk strukturalnych i argumentacyjnych.
- Ćwiczenie: projekt struktury własnego artykułu.
Moduł 5: Pisanie tekstu naukowego z AI – kontrola stylu i treści
- AI jako redaktor i konsultant, nie autor.
- Praca z akapitami, przejściami i argumentami.
- Utrzymanie spójnego tonu naukowego.
- Odpowiedzialność, autorstwo i etyka wykorzystania AI.
- Ćwiczenie: redakcja fragmentów tekstu naukowego.
Moduł 6: Finalizacja artykułu i przygotowanie do wysłania
- Checklisty jakościowe przed złożeniem artykułu.
- Dopasowanie manuskryptu do wymogów czasopisma.
- Wykorzystanie AI do globalnej kontroli spójności tekstu.
- Przygotowanie artykułu na proces recenzyjny.
- Ćwiczenie: ocena gotowości artykułu do submission.
Opis szkolenia
Szkolenie odbywa się na żywo z udziałem trenera. Nie jest to forma kursu video!Opis szkolenia
Szkolenie ma charakter praktyczno-procesowy i koncentruje się na zarządzaniu całym procesem przygotowania publikacji naukowej z wykorzystaniem narzędzi AI ogólnego przeznaczenia (np. ChatGPT, Google Gemini) oraz narzędzi dedykowanych pracy naukowej (np. Elicit, SciSpace, NotebookLM).
O szkoleniu w skrócie
Praktyczne szkolenie, które uczy krok po kroku przygotowania publikacji naukowej – od precyzyjnego zdefiniowania problemu badawczego, przez przegląd literatury i projekt struktury artykułu, aż po stworzenie kompletnego manuskryptu gotowego do złożenia w czasopiśmie.
Uczestnicy poznają:
- zasady działania modeli językowych w kontekście pracy naukowej,
- sposoby projektowania promptów wspierających myślenie badawcze, a nie zastępujących autora,
- metody pracy z literaturą, strukturą i argumentacją przy wsparciu AI,
- podejście procesowe, w którym AI pełni różne role na kolejnych etapach pracy naukowej.
Szkolenie nie koncentruje się na „obsłudze narzędzi", lecz na świadomym zarządzaniu procesem tworzenia artykułu naukowego.
Cele szkolenia
- Zapoznanie uczestników z procesem przygotowania publikacji naukowej jako ciągiem decyzji metodologicznych i redakcyjnych, wspieranych przez AI.
- Rozwinięcie umiejętności wykorzystywania narzędzi AI do:
- definiowania problemów badawczych,
- selektywnego przeglądu literatury,
- projektowania struktury artykułu,
- pracy nad spójnością i jakością tekstu naukowego.
- Ukształtowanie świadomej postawy badacza wobec AI: kontroli, odpowiedzialności i etyki.
- Przygotowanie uczestników do samodzielnej pracy nad artykułem naukowym z wykorzystaniem AI na każdym etapie procesu.
Korzyści dla uczestnika
Uczestnik po szkoleniu:
- Rozumie, jak działają modele językowe i w jaki sposób przetwarzają kontekst, instrukcje i dane w pracy naukowej.
- Potrafi zaplanować cały proces przygotowania publikacji naukowej z jasno przypisanymi rolami AI.
- Umie formułować prompty wspierające:
- eksplorację literatury,
- porządkowanie argumentów,
- poprawę spójności tekstu naukowego.
- Wie, jak wykorzystywać narzędzia AI do pracy z literaturą bez utraty kontroli metodologicznej.
- Potrafi przygotować strukturę artykułu i rozwijać ją w logiczny, recenzowalny manuskrypt.
- Zyskuje replikowalny model pracy, który może zastosować w kolejnych publikacjach.
Prowadzący szkolenie:
Przemysław Tomczyk
Dr Przemysław Tomczyk jest adiunktem w Katedrze Marketingu Akademii Leona Koźmińskiego. Jest naukowcem i praktykiem specjalizującym się w wykorzystaniu sztucznej inteligencji w procesie przygotowania publikacji naukowych. Jego praca koncentruje się na automatyzacji i optymalizacji procesów badawczych, zarządzaniu procesem pisania artykułów naukowych oraz projektowaniu modeli współpracy człowiek–AI w nauce. Obecnie realizuje projekt habilitacyjny poświęcony metodologicznym i organizacyjnym implikacjom wykorzystania AI w akademickich workflow badawczych.
Jest autorem i współautorem licznych publikacji naukowych w międzynarodowych czasopismach, m.in. Journal of Business Research, EuroMed Journal of Business, Journal of Librarianship and Information Science, International Journal on Artificial Intelligence Tools oraz Journal of Marketing Analytics. Pełni również rolę recenzenta w renomowanych czasopismach naukowych, w tym Journal of Business Research i AI & Society.
Terminy gwarantowane
Gdy na jakiś termin zgłosi się minimalna liczba osób, termin oznaczamy jako gwarantowany.
Jeśli jakiś termin oznaczony jest jako gwarantowany to oznacza to, że na 100% się odbędzie we wskazanym czasie i miejscu.
Nawet gdyby część takiej grupy zrezygnowała lub przeniosła się na inny termin, raz ustalony termin gwarantowany takim pozostaje.
Ewentualne ryzyko ponosimy my jako organizator.
Przejdź do terminów tego szkolenia
Szkolenia online
Szkolenia online odbywają się na żywo z udziałem trenera. Uczestniczy łączą się na szkolenie za pomocą platfomy ZOOM (nie trzeba instalować, można połączyć się również przez przeglądarkę).
Informacje organizacyjne Uczestnicy otrzymują na 7 dni przed datą rozpoczęcia szkolenia.
Sprawdź pozostałe szkolenia z kategorii:
AI - sztuczna inteligencja
Zobacz
Sprawdź, co mówią o nas ci, którzy nam zaufali
Trenerzy kategorii AI - sztuczna inteligencja
Sebastian Stasiak
Sebastian Stasiak
Paweł Wojtanek
Paweł Wojtanek
Przedsiębiorca, programista i konsultant technologiczny z 17-letnim doświadczeniem.
Łączy perspektywę menedżera prowadzącego globalne operacje z praktyczną wiedzą o ekosystemie AI - od LLM-ów po sprzęt obliczeniowy i centra danych.
Od 2022 r. koncentruje się na praktycznej sztucznej inteligencji: multi-agent systems, RAG, Voice AI.
Specjalizuje się w projektowaniu i wdrażaniu rozwiązań AI w Pythonie (LangChain, CrewAI, Hugging Face, Whisper, ElevenLabs).
Doradza firmom z energetyki, przemysłu i B2B, przekładając złożone trendy technologiczne na przewagi biznesowe.
Łukasz Matuszewski
Łukasz Matuszewski
Z Web Developmentem związany od 2003r, a z branżą szkoleń IT od 2010r. Pracował w wielu projektach dla globalnych korporacji (m.in. Roche, Fiji Water) oraz międzynarodowych startupów. Zarówno Full-Stack (TypeScript, React/Next, Node, Python, PHP, CI/CD, VPS, Cloud) i Desktop (Electron, Swift, Tauri, Rust).
Od lat wykorzystuje AI w swojej pracy (napierw Tabnine, potem Copilot, Cursor, Snyk i wiele innych), aplikacjach (od małych modeli dla IoT, po Voice AI i Avatary 3D) i automatyzacjach (RAG, OCR, itp.). Na szkoleniach stawia na praktyczne mini-projekty, ucząc jak AI może oszczędzić czas bez utraty jakości. Szkoli po polsku i angielsku, zarówno programistów jak i zespoły biznesowe.
Przemysław Tomczyk
Przemysław Tomczyk
Dr Przemysław Tomczyk jest adiunktem w Katedrze Marketingu Akademii Leona Koźmińskiego. Naukowcem i praktykiem specjalizującym się w wykorzystaniu sztucznej inteligencji w procesie przygotowania publikacji naukowych. Jego praca koncentruje się na automatyzacji i optymalizacji procesów badawczych, zarządzaniu procesem pisania artykułów naukowych oraz projektowaniu modeli współpracy człowiek–AI w nauce. Obecnie realizuje projekt habilitacyjny poświęcony metodologicznym i organizacyjnym implikacjom wykorzystania AI w akademickich workflow badawczych.
Jest autorem i współautorem licznych publikacji naukowych w międzynarodowych czasopismach, m.in. Journal of Business Research, EuroMed Journal of Business, Journal of Librarianship and Information Science, International Journal on Artificial Intelligence Tools oraz Journal of Marketing Analytics. Pełni również rolę recenzenta w renomowanych czasopismach naukowych, w tym Journal of Business Research i AI & Society.
Sebastian Koziatek
Sebastian Koziatek
