22 299 53 69
biuro@jsystems.pl
Zarządzanie procesem systematycznego przeglądu literatury wspieranego sztuczną inteligencją (AI)
by:
Najbliższe terminy tego szkolenia
22.06
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 projekt zespołowy
- Publikacja naukowa jako projekt o wysokiej złożoności.
- Role w zespole badawczym: autorzy, koordynator, AI jako wsparcie decyzyjne.
- Modele współpracy człowiek–AI w pracy naukowej (supportive, collaborative, partner-like).
- Ryzyka pracy zespołowej z AI (rozmycie odpowiedzialności, niespójność).
- Etyka w pracy zespołowej z wykorzystaniem AI.
- Ćwiczenie: projekt struktury zespołu badawczego.
Moduł 2: Systematyczny przegląd literatury (SLR) jako proces zarządzany
- Różnice między narracyjnym review a SLR.
- Etapy SLR: planowanie, wyszukiwanie, selekcja, synteza, raportowanie.
- Rola AI na poszczególnych etapach SLR.
- Dokumentowanie decyzji i transparentność procesu.
- Ćwiczenie: mapa procesu SLR.
Moduł 3: Wykorzystanie AI w selekcji i syntezie literatury do SLR
- Praca z dużymi zbiorami publikacji.
- AI jako wsparcie w:
- screeningu tytułów i abstraktów,
- ekstrakcji kluczowych koncepcji,
- porządkowaniu strumieni literatury.
- Synteza literatury vs. streszczanie artykułów.
- Ryzyko uproszczeń i błędów poznawczych.
- Ćwiczenie: budowa macierzy syntezy literatury.
Moduł 4: Projektowanie narracji teoretycznej w artykule SLR
- Struktura artykułu SLR jako narracja argumentacyjna.
- Budowanie wkładu teoretycznego na podstawie syntezy literatury.
- Wykorzystanie AI do testowania spójności wywodu.
- Identyfikacja luk, napięć i sprzeczności w literaturze.
- Ćwiczenie: projekt sekcji „Theoretical Contribution".
Moduł 5: Revise & Resubmit jako proces decyzyjny
- Jak czytać recenzje: struktura, intencje, ukryte oczekiwania.
- Klasyfikacja uwag recenzenckich (krytyczne, negocjowalne, kosmetyczne).
- AI jako wsparcie w:
- interpretacji recenzji,
- mapowaniu zmian w manuskrypcie,
- kontroli spójności odpowiedzi.
- Czego AI nie powinna robić w procesie R&R.
- Ćwiczenie: praca na przykładowych recenzjach.
Moduł 6: Zarządzanie wersjami artykułu i kontrola jakości
- Praca na wersjach roboczych i finalnych.
- Spójność narracji po wielu rundach poprawek.
- AI jako audytor: logika, argumentacja, powtórzenia.
- Przygotowanie pakietu submission: manuskrypt, response to reviewers, appendix.
- Ćwiczenie: checklisty gotowości do ponownego złożenia artykułu.
Opis szkolenia
Szkolenie odbywa się na żywo z udziałem trenera. Nie jest to forma kursu video!Opis szkolenia
Szkolenie ma charakter zaawansowany i jest skierowane do osób posiadających doświadczenie w pracy naukowej oraz podstawową znajomość narzędzi AI. Koncentruje się na zespołowym przygotowaniu publikacji naukowej, systematycznych przeglądach literatury (SLR) oraz zarządzaniu procesem revise & resubmit z wykorzystaniem narzędzi AI.
O szkoleniu w skrócie
Zaawansowane szkolenie, które pokazuje, jak wykorzystać AI jako członka zespołu badawczego, a nie pojedyncze narzędzie wspierające pisanie.
Uczestnicy uczą się:
- projektować i koordynować pracę zespołów badawczych z udziałem AI,
- prowadzić systematyczne przeglądy literatury (SLR) z zachowaniem rygoru metodologicznego,
- zarządzać procesem revise & resubmit w oparciu o decyzje recenzenckie,
- wykorzystywać AI do kontroli spójności, jakości i argumentacji całego manuskryptu.
Szkolenie skupia się na procesach o wysokiej złożoności, typowych dla publikacji w czasopismach z górnych kwartylów.
Cele szkolenia
- Rozwinięcie kompetencji w zakresie zaawansowanej współpracy badawczej z wykorzystaniem AI.
- Zapoznanie uczestników z metodyką systematycznych przeglądów literatury (SLR) wspieranych przez AI.
- Ukształtowanie umiejętności zarządzania procesem revise & resubmit w sposób uporządkowany i replikowalny.
- Pokazanie, jak wykorzystać AI do audytu jakości naukowej, spójności i logiki argumentacji.
- Przygotowanie uczestników do pracy nad artykułami kierowanymi do wymagających czasopism naukowych.
Korzyści dla uczestnika
Uczestnik po szkoleniu:
- Potrafi zaplanować pracę zespołu badawczego z jasnym podziałem ról człowiek–AI.
- Rozumie, jak prowadzić systematyczny przegląd literatury (SLR) z użyciem AI bez utraty kontroli metodologicznej.
- Umie projektować i dokumentować proces SLR zgodnie z wymogami czasopism.
- Potrafi wykorzystać AI do:
- syntezy literatury,
- identyfikacji luk badawczych,
- porządkowania argumentów teoretycznych.
- Zyskuje praktyczne narzędzia do efektywnej pracy z recenzjami i przygotowania odpowiedzi typu revise & resubmit.
- Rozwija kompetencje menedżerskie w zakresie prowadzenia złożonych projektów publikacyjnych.
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
