به جای اینکه از قدیم به جدید بخوانی، از جدید به قدیم برو – و مسیر یادگیری را ۷۰٪ کوتاه کن
مقدمه: ماجرای دانشجویی که ۳ ماه وقت تلف کرد
مرجان دانشجوی دکتری بود که باید پیشینه پژوهش پایاننامه خود را مینوشت. استاد راهنما به او گفت: «برو از قدیمیترین مقاله شروع کن، بعد بیا به جدیدترینها برس». مرجان هم همین کار را کرد. ۳ ماه تمام، مقالههای دهه ۸۰ و ۹۰ را یکی یکی خواند، خلاصهبرداری کرد، اما هر بار به مقاله جدیدتری میرسید، میدید بسیاری از چیزهایی که خوانده دیگر به کارش نمیآید. در نهایت سردرگم بود و نتوانسته بود یک پیشینه منسجم بنویسد.
من به او گفتم: «روش تو مثل این است که بخواهی با قدم زدن در یک جنگل، نقشه آن را بکشی. روش درست این است: اول با هلیکوپتر برو بالای جنگل، بعد ببین درختان بلند و قدیمی تر کجا هستند، بعد مسیرت را انتخاب کن ».
روش معکوس دقیقاً همین کار را میکند: شما ابتدا جدیدترین مقاله مروری حوزه را میخوانید، سپس به هوش مصنوعی میگویید «بر اساس منابع این مقاله، یک درخت وابستگی بساز که نشان دهد برای فهمیدن این پاراگراف، حتماً باید کدام سه مقاله پیشین را بخوانم.» نتیجه: در نیمی از زمان، عمیقترین و مرتبطترین دانش را به دست میآورید.
در این مقاله، این تکنیک را گامبهگام به شما آموزش میدهم. تکنیکی که پژوهشگران حرفهای ژورنالهای Nature و Science از آن استفاده میکنند.
ضرورت کار: چرا روش سنتی «از قدیم به جدید» شکست خورده است؟
روش سنتی (chronological review) ریشه در زمانی دارد که تعداد مقالات یک حوزه در سال، کمتر از ۱۰۰ مقاله بود. اما در سال ۲۰۲۶، برخی حوزهها مثل هوش مصنوعی در پزشکی، بیش از ۱۰ هزار مقاله در سال منتشر میکنند. شما نمیتوانید همه چیز را بخوانید.
سه مشکل اصلی روش سنتی:
انباشت اطلاعات زائد: شما صدها مقاله میخوانید که بعداً متوجه میشوید بخش عمدهشان منسوخ یا کماهمیت بوده است.
ندیدن ساختار کلان: با خواندن تکهتکه، هیچوقت تصویر کاملی از حوزه پیدا نمیکنید.
اتلاف وقت روی مسیرهای بنبست: بدون اینکه بدانید، سراغ مقالاتی میروید که کسی دیگر به آنها استناد نمیکند.
روش معکوس، معکوس این مسیر است: شما ابتدا به قله میروید (جدیدترین مقاله مروری)، از آنجا افق را میبینید، بعد تصمیم میگیرید کدام کوههای فرعی را باید صعود کنید.
گام اول: پیدا کردن «مقاله هلیکوپتر» (جدیدترین و جامعترین مقاله مروری)
شما به یک مقاله نیاز دارید که:
حداکثر ۲ سال از انتشار آن گذشته باشد (۲۰۲۴، ۲۰۲۵ یا ۲۰۲۶).
از نوع «مرور سیستماتیک»، «مرور دامنه» یا «مقاله مفهومی» باشد.
حداقل ۵۰ منبع در بخش References داشته باشد.
در یک ژورنال نسبتاً معتبر منتشر شده باشد Q1 یا Q2
چگونه پیدا کنیم؟
در Google Scholar عبارت کلیدی خود را جستجو کنید. سپس از فیلتر «نوع مقاله» گزینه «Review» را انتخاب کنید. نتایج را بر اساس «سال» مرتب کنید (جدیدترین اول). مقاله اول یا دوم را انتخاب کنید.
گام دوم: خواندن سریع مقاله مروری (فقط بخشهای کلیدی)
شما نیازی به خواندن کل مقاله از اول تا آخر ندارید. فقط بخشهای زیر را بخوانید (حداکثر ۳۰ دقیقه):
چکیده: برای درک کلی.
مقدمه: برای فهمیدن اینکه چه سؤالاتی را پوشش داده.
نتیجهگیری و بخش بحث: برای دیدن شکافهایی که خود نویسنده اشاره کرده.
ساختار مقاله: نگاه کنید به سرفصلها – آنها نقشه حوزه را نشان میدهند.
در این مرحله، شما هدفتان این است که بفهمید این مقاله از چند بخش اصلی تشکیل شده و هر بخش به کدام دسته از مطالعات ارجاع میدهد.
گام سوم: پرامپتدرخت وابستگی معکوس (Reverse Dependency Tree)
حالا از هوش مصنوعی بخواهید برای شما مشخص کند که برای درک عمیق هر بخش از این مقاله مروری، حتماً باید کدام مقالات پیشین را بخوانید.
پرامپت پایه برای ChatGPT، Claude یا : Gemini
من یک مقاله مروری جدید در حوزه [موضوع] دارم. لطفاً بر اساس ساختار و منابع آن، یک درخت وابستگی معکوس بساز.
قوانین:
۱. ابتدا ۵ تا ۷ بخش اصلی مقاله مروری را استخراج کن (از روی سرفصلها).
۲. برای هر بخش، منابعی که بیشترین استناد را در آن بخش دارند (حداقل ۳ منبع) شناسایی کن.
۳. برای هر یک از آن منابع، مشخص کن که آن منبع به نوبه خود بر کدام ۲ منبع بنیادین قدیمیتر متکی است (با مراجعه به بخش References خود آن منبع – میتوانی از حافظه خود یا جستجوی سریع استفاده کنی).
۴. خروجی را به صورت یک درخت سلسلهمراتبی بده:
سطح ۱: مقاله مروری اصلی (سال جاری)
سطح ۲: مقالات کلیدی که هر بخش مستقیماً به آنها ارجاع داده
سطح ۳: مقالات بنیادین که آن مقالات سطح ۲ به آنها ارجاع دادهاند
۵. در انتها، یک «مسیر خواندن پیشنهادی» بده که نشان دهد به چه ترتیبی این مقالات را بخوانم تا بیشترین بهره را با کمترین زمان ببرم.
لطفاً اگر اطلاعات کافی نداری، بر اساس دانش عمومی خود از حوزه، معقولانه حدس بزن (و صریح بگو که حدس است).
گام چهارم: چگونه از این درخت برای نگارش پیشینه پژوهش استفاده کنید؟
مرحله ۱ – ساختار مقاله مروری را قرض بگیرید:
سرفصلهای مقاله مروری میتوانند مستقیماً زیربخشهای پیشینه پژوهش شما باشند.
مرحله ۲ – در هر زیربخش، ابتدا مقاله سطح ۲ را معرفی کنید، بعد به سطح ۳ ارجاع دهید:
مثلاً: طبق مرور نظاممند Zhao (2025)، پژوهشهای ارزیابی تطبیقی عمدتاً بر پایه کار ون در کلی (2019) استوار است که خود برگرفته از چارچوب کلاسیک بلک و ویلیام (1998) میباشد.
مرحله ۳ – شکاف را از خود مقاله مروری استخراج کنید
معمولاً مقاله مروری در بخش «بحث» یا «پیشنهادات برای پژوهش آینده» به صراحت میگوید چه کاری انجام نشده. همان شکاف را عیناً با اندکی تغییر به عنوان شکاف پژوهشی خود بنویسید.
محدودیتهای روش
وابستگی به کیفیت مقاله مروری: اگر مقاله مروری ضعیف باشد، کل ساختار شما شکننده خواهد بود. حتماً مقاله مروری را از یک ژورنال معتبر انتخاب کنید.
منسوخ شدن سریع: در حوزههای فوقتخصصی مثل هوش مصنوعی، یک مقاله مروری ۲ ساله هم ممکن است قدیمی باشد. سعی کنید مقاله مروری با سال انتشار ۲۰۲۵ یا ۲۰۲۶ پیدا کنید.
نادیده گرفتن مقالات مخالف: ممکن است مقاله مروری عمداً برخی از جریانهای فکری مخالف را نادیده گرفته باشد. پس از ساخت درخت، یک جستجوی سریع با کلیدواژههای متضاد انجام دهید.
جمعبندی: دستورالعمل سریع ۵ مرحلهای
مرحله ۱: یک مقاله مروری جدید و معتبر (حداکثر ۲ سال قدمت) در حوزه خود پیدا کنید.
مرحله ۲: بخشهای اصلی و سرفصلهای آن را شناسایی کنید.
مرحله ۳: پرامپت «درخت وابستگی معکوس» را در ChatGPT وارد کرده و اطلاعات مقاله را به آن بدهید.
مرحله ۴: خروجی (مقالات سطح ۲ و سطح ۳) را دریافت کنید و بر اساس مسیر پیشنهادی، آن مقالات را بخوانید.
مرحله ۵: پیشینه پژوهش خود را با الهام از ساختار مقاله مروری بنویسید و شکاف آن را به عنوان شکاف خود معرفی کنید.
زمان کل برای یک حوزه با ۱۰۰ مقاله مرتبط: ۱ روز (به جای ۳ ماه روش سنتی).
🔗 اکو سیستم پرامپت نویسی پژوهشگران
پرامپتهایی که در این مقاله دیدید را به همراه یک مجموعه کامل پرامپت های پژوهشی به صورت یک پکیج تخصصی آماده کردهام.
📌 لینک فروشگاه پرامپت آکادمی:
https://promptacademy.sellfile.ir/
📌 مطالب مرتبط در ویرگول (پیشنهادی):
