Please enable JavaScript.
Coggle requires JavaScript to display documents.
AI與數位人文：檢索要貪心，研究要聚焦 - Coggle Diagram
AI與數位人文：檢索要貪心，研究要聚焦
- 四、 Agentic AI（代理式 AI）與實務 POC 案例
- Agentic AI 特性：自然語言交辦目標，自主拆解問題、反覆迭代檢索
- 應用限制：若套用於 RAG（Agentic RAG），仍無法擺脫「以偏概全」的限制
-
- 實戰 POC 案例（Claude Code 分析正史天災）
- 對比效果：過去碩士生耗時 2 年 vs. AI 協作 4 天完成（14 次互動迭代）
- AI 主動性：建議納入〈本紀〉與《新元史》、排除宮室人為火災、對應歷代京師古今座標
- 史學發現：災害記錄熱點隨政權南移，反映的是「歷史書寫」而非客觀自然現象
- 人類死守核心：領域文本閱讀、學術品味、詮釋能力、嚴格驗證、學會「沉澱反芻」
- AI 協助範疇：資料收集、加工整理、程式撰寫、視覺化分析
-
- 從「教學生去做每一步」轉變為「教學生去檢查每一步」
- 作業設計：留空白頁先思考、要求中間成果（檢索條件/資料表）、運用「AI 偵探」除錯
- 成績評量：強制揭露 AI 使用（Prompts與階段）、評量推理與驗證歷程、提高學術標準
-
-
-
- 本質定位：手段是 IT/大數據，目的依然是「人文研究」（協助鳥瞰全局、發現新問題）
- 一般搜尋（如 Google）：追求高精準度（High Precision），滿足單一標準答案
- 人文研究：追求高求全率（High Recall），需全面掌握史料、避免遺漏
-
-
- 幻覺（Hallucination）：無中生有捏造史料（歷史研究的致命傷）
- 運作方式：撈出前 k 筆相近資料餵給 LLM 產出答案
- 結構性漏洞：「以偏概全」（取樣偏誤 Sampling Bias）
- 警示：看似邏輯流暢且有真實引註，實則遺漏絕大多數史料，比一般幻覺更危險
- 五、 學術界與高等教育的反思（陶哲軒「備戰狀態」）
- AI 批次解出大量難題（如 OpenAI 挑戰納維－斯托克斯方程）
-
- 生成的長篇證明「可以讀但無人懂」，評量體系面臨解構
- 從「思考答案（解單一題目）」轉向「思考問題（觀察答案之間的模式）」
- 博士教育更加仰賴嚴格的口試（檢驗離線狀態下的推論歷程）