How to Use AI for a PRISMA-Compliant Systematic Review
A practical guide to using AI in systematic reviews without breaking PRISMA compliance. Where AI legitimately helps (screening, extraction), where it shouldn't, the reporting requirements, and a step-by-step workflow.
एक व्यवस्थित समीक्षा में तीन शोधकर्ताओं की एक टीम को छह से नौ महीने लगते थे। अड़चन पढ़ नहीं रही थी - यह स्क्रीनिंग थी। पबमेड, एम्बेस, स्कोपस और कोक्रेन से बारह हजार सार निकाले गए, जिनमें से प्रत्येक को पूर्व-पंजीकृत मानदंडों के विरुद्ध शामिल करने या बाहर करने का निर्णय लेने के लिए दो स्वतंत्र समीक्षकों की आवश्यकता थी। समय के गणित ने करियर को इसके इर्द-गिर्द घुमाया।
एआई ने वह गणित बदल दिया। आधुनिक भाषा मॉडल सेकंडों में सार प्रस्तुत कर सकते हैं, मिनटों में पूर्ण-पाठ पीडीएफ से अध्ययन विशेषताओं को निकाल सकते हैं, और घंटों में सैकड़ों पेपरों का सारांश प्रस्तुत कर सकते हैं। सावधानी से उपयोग किए जाने पर, AI किसी समीक्षा के स्क्रीनिंग चरण को महीनों से घटाकर हफ्तों में कर देता है। लापरवाही से उपयोग किए जाने पर, यह एक गैर-पुनरुत्पादन योग्य, गैर-अनुपालक दस्तावेज़ तैयार करता है जो सहकर्मी समीक्षा में विफल रहता है।
यह मार्गदर्शिका बताती है कि एआई वैध रूप से PRISMA-अनुरूप समीक्षा में मदद करता है, जहां इसे काम नहीं करना चाहिए, एआई उपयोग के साथ आने वाली रिपोर्टिंग आवश्यकताएं, और चरण-दर-चरण वर्कफ़्लो जो PRISMA 2020 और PRISMA-trAIce एक्सटेंशन को संतुष्ट करता है।
##PRISMA को वास्तव में क्या चाहिए (त्वरित पुनश्चर्या)
PRISMA 2020 व्यवस्थित समीक्षाओं के लिए मानक रिपोर्टिंग चेकलिस्ट है। यह नियंत्रित करता है कि आपने जो किया उसका वर्णन आप कैसे करते हैं, न कि यह कि आप उसे कैसे करते हैं। AI उपयोग के लिए प्रासंगिक अंश हैं:
खोज रणनीति रिपोर्टिंग। खोजे गए प्रत्येक डेटाबेस, उपयोग की गई प्रत्येक खोज स्ट्रिंग, खोज चलाए जाने की प्रत्येक तिथि का दस्तावेजीकरण करें। प्रतिलिपि प्रस्तुत करने योग्यता मानक है - किसी अन्य शोधकर्ता को आपकी खोज को दोबारा चलाने और समान परिणाम प्राप्त करने में सक्षम होना चाहिए।
स्क्रीनिंग रिपोर्टिंग। दस्तावेज करें कि कितने रिकॉर्ड की जांच की गई, कितने स्वतंत्र समीक्षकों द्वारा, कैसे असहमतियों का समाधान किया गया, और प्रत्येक चरण में कितने को बाहर रखा गया। क्लासिक PRISMA प्रवाह आरेख यहाँ रहता है।
डेटा निष्कर्षण रिपोर्टिंग। दस्तावेज करें कि कौन सा डेटा निकाला गया, किसके द्वारा, और असहमतियों का समाधान कैसे किया गया।
पूर्वाग्रह मूल्यांकन का जोखिम। उपयोग किए गए उपकरण (कोक्रेन आरओबी 2, रॉबिन्स-आई, आदि) का दस्तावेजीकरण करें और इसे किसने निष्पादित किया।
किसी भी विचलन की रिपोर्ट करना। जो कुछ भी पूर्व-पंजीकृत प्रोटोकॉल के अनुसार नहीं हुआ, उसे तर्क के साथ रिपोर्ट किया जाना चाहिए।
PRISMA-trAIce एक्सटेंशन (प्रकाशित 2024, अद्यतन 2025) PRISMA 2020 के शीर्ष पर AI-विशिष्ट रिपोर्टिंग आवश्यकताओं को जोड़ता है। संक्षिप्त संस्करण: समीक्षा में कहीं भी AI का उपयोग किया गया था, आप टूल, संस्करण, संकेतों और मानव सत्यापन कैसे किया गया था, इसकी रिपोर्ट करते हैं।
Where AI legitimately helps
These are uses where AI accelerates the work without changing what the review is.
डुप्लिकेट डिटेक्शन. कई डेटाबेस से निकाले गए रिकॉर्ड्स अक्सर डुप्लिकेट हो जाते हैं। पारंपरिक रेफरेंस मैनेजर (Zotero, EndNote, Covidence) यह काम अच्छे से कर लेते हैं। यहाँ AI का इस्तेमाल करना ज़रूरत से ज़्यादा है — मानक टूल्स का ही उपयोग जारी रखें।
प्रारंभिक शीर्षक और सार स्क्रीनिंग। एआई प्रत्येक सार को आपके समावेशन मानदंड के अनुसार स्कोर कर सकता है और उन्हें रैंक या पूर्व-वर्गीकृत कर सकता है। दो मानव समीक्षकों को अभी भी अंतिम समावेश/बहिष्करण निर्णय लेने की आवश्यकता है, लेकिन एआई पूर्व-वर्गीकरण मानव समय में काफी कटौती करता है। अधिकांश समीक्षाओं में यह उच्चतम-मूल्य वाला AI उपयोग है।
पूर्ण-पाठ पुनर्प्राप्ति और ट्राइएज। एआई प्रकाशन मेटाडेटा निकाल सकता है, यह पहचान सकता है कि क्या पूर्ण पाठ सार के दावों से मेल खाता है (कभी-कभी वे नहीं), और ध्वजांकित कागजात जो विभिन्न शीर्षकों के तहत सम्मेलन सार, इरेटा या डुप्लिकेट प्रकाशन प्रतीत होते हैं।
संरचित कागजात से डेटा निष्कर्षण। रोगी की विशेषताओं, खुराक, प्रभाव के आकार की तालिकाएँ - एआई इन्हें पूर्ण-पाठ पीडीएफ से एक संरचित डेटा निष्कर्षण शीट में निकाल सकता है, जिसे दो मानव समीक्षक सत्यापित करते हैं। सत्यापन का समय पूर्ण मैन्युअल निष्कर्षण की तुलना में बहुत कम है।
संश्लेषण और लेखन समर्थन। विधि अनुभाग की स्क्रीनिंग प्रक्रिया विवरण का मसौदा तैयार करना, PRISMA प्रवाह आरेख पाठ का मसौदा तैयार करना, शामिल-अध्ययन तालिका की विशेषताओं का सारांश देना - एआई समीक्षा के सार को बदले बिना लिखने में मदद करता है।
गैर-अंग्रेजी स्रोतों का अनुवाद। यदि आपकी समीक्षा में गैर-अंग्रेजी पेपर शामिल हैं, तो एआई अनुवाद इन स्रोतों को शामिल करने का समर्थन करने के लिए पर्याप्त विश्वसनीय हो गया है। विधियों में प्रयुक्त उपकरण का दस्तावेजीकरण करें।
Where AI should NOT do the work
ये उपयोग वास्तविक निर्णय लेने की सीमा को पार कर जाते हैं जो मानव समीक्षकों को अवश्य करना चाहिए।
अंतिम शामिल/बहिष्कृत निर्णय। PRISMA को शामिल करने/बहिष्कृत करने के लिए दो स्वतंत्र मानव समीक्षकों की आवश्यकता होती है। एआई उम्मीदवारों को पूर्व-वर्गीकृत, रैंक और सामने ला सकता है - लेकिन बाध्यकारी निर्णय मानवीय होना चाहिए। यह अनुपालन के लिए गैर-परक्राम्य है।
पूर्वाग्रह मूल्यांकन का जोखिम। आरओबी टूल को अध्ययन डिजाइन, ब्लाइंडिंग, एट्रिशन और रिपोर्टिंग के बारे में निर्णय की आवश्यकता होती है। एआई संक्षेप में बता सकता है कि पेपर प्रत्येक डोमेन के बारे में क्या कहता है, लेकिन पूर्वाग्रह रेटिंग स्वयं मानवीय होनी चाहिए।
गुणवत्ता मूल्यांकन और साक्ष्य का ग्रेड (ग्रेड)। वही तर्क। एआई सारांशित करता है; मानव दर.
विविधता की व्याख्या। क्या अध्ययन के परिणामों के बीच अंतर नैदानिक विविधता, पद्धतिगत विविधता, या मौका को दर्शाता है, यह एक निर्णय कॉल है जिसके लिए नैदानिक और पद्धति संबंधी विशेषज्ञता की आवश्यकता होती है।
अंतिम संश्लेषण और निष्कर्ष। कथा संश्लेषण, शक्तियों और सीमाओं की चर्चा, नैदानिक निहितार्थ - ये समीक्षा टीम के योगदान हैं। एआई प्रारंभिक भाषा का मसौदा तैयार कर सकता है, लेकिन मूल निर्णय आपके हैं।
मनगढ़ंत या पेपर-मिल सामग्री का पता लगाना। विडंबना यह है कि मनगढ़ंत अध्ययनों का एआई पता लगाना अविश्वसनीय बना हुआ है। संदिग्ध कागज़ों पर इंसान की नज़र, साथ ही समस्याग्रस्त पेपर स्क्रीनर जैसे उपकरण, वर्तमान मानक हैं।
The reporting requirements
यदि आप समीक्षा में कहीं भी AI का उपयोग करते हैं, तो PRISMA-trAIce के लिए आपको इसकी रिपोर्ट करना आवश्यक है। वह संरचना जो अधिकांश पत्रिकाओं को संतुष्ट करती है:
विधि अनुभाग में, स्क्रीनिंग प्रक्रिया उपधारा:
सार स्क्रीनिंग दो-चरणीय प्रक्रिया का उपयोग करके आयोजित की गई थी। प्रारंभिक
वर्गीकरण [टूल नाम, संस्करण, के माध्यम से एक्सेस किया गया] का उपयोग करके किया गया था
दिनांकों पर एपीआई/वेब] निम्नलिखित प्रॉम्प्ट टेम्पलेट के साथ: "[सटीक प्रॉम्प्ट]"।
वर्गीकरण का उपयोग मानव समीक्षा के लिए सार को प्राथमिकता देने के लिए किया गया था।
प्रारंभिक वर्गीकरण की परवाह किए बिना, सभी सारांशों की जांच की गई
दो समीक्षकों द्वारा स्वतंत्र रूप से ([लेखक के नाम के पहले अक्षर]) [कोविडेंस /] का उपयोग करते हुए
रेयान/अन्य उपकरण], असहमतियों को चर्चा द्वारा या द्वारा हल किया गया
एक तीसरा समीक्षक ([लेखक के नाम के पहले अक्षर]) जब आम सहमति नहीं बनी।
इससे पहले [संख्या] सार पर आयोजित अंशांकन अभ्यास में
मुख्य स्क्रीनिंग में, एआई वर्गीकरण सर्वसम्मत मानव से सहमत हुआ
[प्रतिशत]% मामलों में निर्णय। फाइनल के लिए AI का उपयोग नहीं किया गया
समावेशन या बहिष्करण निर्णय.
विधि अनुभाग में, डेटा निष्कर्षण उपधारा:
Data extraction was performed using a structured form (Appendix [X]).
Extraction of [specific data types, e.g., patient characteristics,
intervention details, outcome measurements] was supported by [Tool
Name, version], which extracted candidate values from full-text PDFs.
All extracted values were verified against the source PDFs by two
reviewers ([author initials]). Discrepancies between AI-extracted
values and source documents were corrected against the source in
[percentage]% of cases. The verified data informed the final
synthesis.
In a dedicated "Use of AI" subsection (sometimes required separately):
The following AI tools were used in this review: [list each tool,
version, date range, and specific role]. No AI tool was used for
risk of bias assessment, quality grading, interpretation of
heterogeneity, or synthesis of conclusions. All AI-supported steps
were verified by [number] human reviewers as described above. The
prompts used are provided in Appendix [Y].
In the limitations section:
एआई से संबंधित सीमाओं को स्वीकार करें: पूर्व-वर्गीकरण में संभावित व्यवस्थित पूर्वाग्रह, एआई उपकरणों पर निर्भरता जिनकी आंतरिक कार्यप्रणाली पारदर्शी नहीं है, और मॉडल संस्करणों में एआई व्यवहार को पूरी तरह से पुन: पेश करने की असंभवता।
Summarize and Extract — with Verifiable Outputs
Paste a paper or paste an extraction request. Get back content you can verify against the source — fast.
Try the AI SummarizerThe workflow we recommend
एक अनुक्रम जो PRISMA-trAIce को संतुष्ट करता है और AI की शक्तियों का उपयोग करता है।
चरण 1: प्रोटोकॉल को पूर्व-पंजीकृत करें। किसी भी एआई उपयोग से पहले, समीक्षा पंजीकृत करें (चिकित्सा समीक्षाओं के लिए प्रोस्पेरो; अन्य के लिए ओएसएफ)। प्रोटोकॉल समावेशन मानदंड, खोज रणनीति, स्क्रीनिंग विधि, निष्कर्षण योजना और संश्लेषण दृष्टिकोण निर्दिष्ट करता है। प्रोटोकॉल में निर्दिष्ट करें कि AI का उपयोग कहाँ और कैसे किया जाएगा। प्री-रजिस्ट्रेशन जिसमें एआई का उल्लेख है, पोस्ट-हॉक प्रकटीकरण की तुलना में अधिक मजबूत है।
चरण 2: अंशांकन अभ्यास चलाएँ। अपनी खोज से 100-200 सार चुनें। दो मानव समीक्षकों से स्वतंत्र रूप से उनकी स्क्रीनिंग करने को कहें। अपने नियोजित प्रॉम्प्ट के साथ उसी सेट पर AI स्क्रीनिंग चलाएँ। समझौता मेट्रिक्स की गणना करें (कोहेन का कप्पा, प्रतिशत समझौता)। यदि सर्वसम्मति वाले मानव निर्णय के साथ एआई समझौता 0.7 कप्पा या 80% से कम है, तो त्वरित सुधार करें या एआई उपयोग पर पुनर्विचार करें।
चरण 3: मुख्य AI स्क्रीनिंग पास चलाएँ। एक कैलिब्रेटेड प्रॉम्प्ट के साथ, पूरे abstract कॉर्पस को स्क्रीन करें। आउटपुट: एक रैंक्ड या वर्गीकृत (classified) सूची। मानव समीक्षक यह रैंकिंग देखते हैं, लेकिन अपने स्वतंत्र निर्णय लेते हैं।
चरण 4: दो-समीक्षक स्वतंत्र स्क्रीनिंग। प्रत्येक सार को अभी भी दो मानव समीक्षक मिलते हैं। एआई वर्गीकरण मेटाडेटा है, वोट नहीं। असहमतियों का समाधान चर्चा या तीसरे समीक्षक द्वारा किया जाता है।
चरण 5: AI सहायता के साथ पूर्ण-पाठ (full-text) स्क्रीनिंग। AI पूर्ण-पाठ चरण में (गलत भाषा, केवल सार (abstract) वाले लेख, वापस लिए गए पेपर) जैसी स्पष्ट अस्वीकृतियों को चिन्हित कर सकता है। अंतिम निर्णय मानव लेते हैं।
चरण 6: एआई सहायता और सत्यापन के साथ डेटा निष्कर्षण। एआई उम्मीदवार के मूल्य निकालता है; दो मानव समीक्षक स्रोत के विरुद्ध सत्यापन करते हैं। सत्यापन लॉग स्वयं अनुपालन का प्रमाण बन जाता है।
चरण 7: पूर्वाग्रह का जोखिम - केवल मानव। इस चरण में कोई एआई नहीं।
चरण 8: संश्लेषण - मानव-नेतृत्व वाला, एआई-सहायता प्राप्त लेखन। मनुष्य व्याख्या करते हैं। एआई [शामिल अध्ययन तालिका के लिए अध्ययन का सारांश] (/blog/summarize-research-paper-ai), विधि अनुभाग का मसौदा तैयार करने और गद्य को निखारने में मदद करता है। सारगर्भित व्याख्या मानवीय बनी रहती है।
चरण 9: व्यापक रूप से खुलासा करें। विधि अनुभाग ऊपर बताए अनुसार एआई के उपयोग की रिपोर्ट करता है। एक संपूर्ण एआई-उपयोग प्रकटीकरण विवरण सामने वाले मामले या स्वीकृतियों में दिखाई देता है। उपयोग किए गए पूर्ण संकेत परिशिष्ट में दिए गए हैं।
चरण 10: प्रकाशन-पूर्व ऑडिट। प्रस्तुत करने से पहले, एक दूसरा टीम सदस्य दस्तावेज़ीकरण पूर्णता के लिए एआई-समर्थित चरणों का ऑडिट करता है। अनुपलब्ध संकेत, अनुपलब्ध संस्करण संख्याएँ, या अनुपलब्ध सत्यापन प्रतिशत सामान्य अस्वीकृति ट्रिगर हैं।
Common pitfalls
भ्रमित अध्ययन विशेषताएँ। एआई कभी-कभी वह डेटा निकालता है जो स्रोत पेपर में नहीं है - आत्मविश्वास अंतराल जो मौजूद नहीं है, नमूना आकार जो मेल नहीं खाते हैं, संदर्भ से गढ़े गए हस्तक्षेप विवरण। स्रोत के विरुद्ध सत्यापन ही एकमात्र बचाव है। यदि आपकी टीम प्रत्येक निकाले गए मान का सत्यापन नहीं कर रही है, तो आप त्रुटियां प्रकाशित करेंगे।
समीक्षा के दौरान त्वरित बहाव। एक त्वरित परिष्कृत मध्य-समीक्षा पहले से ही जांचे गए आइटम पर एआई के व्यवहार को बदल देती है। यदि आप संकेत बदलते हैं, तो इसका कारण दस्तावेजित करें और प्रभावित वस्तुओं को पुनः स्क्रीन करें।
एआई वर्गीकरण पर अत्यधिक निर्भरता। कुछ टीमों ने इसके वर्गीकरण को आधिकारिक मानकर प्रभावी ढंग से एआई को शामिल करने के निर्णय सौंपे हैं। PRISMA को मानवीय निर्णयों की आवश्यकता है। एआई इनपुट ठीक है; एआई निर्णय नहीं हैं.
दस्तावेज़ विचलन को भूल जाना। जो कुछ भी पूर्व-पंजीकृत प्रोटोकॉल से भिन्न है, उसे रिपोर्ट किया जाना चाहिए। यदि समीक्षा के दौरान एआई का उपयोग विकसित हुआ, तो विकास का दस्तावेजीकरण करें। छिपे हुए प्रक्रिया परिवर्तनों को सहकर्मी समीक्षा में चिह्नित किया जाता है।
असंगत टूल संस्करण। एआई मॉडल अपडेट। DeepSeek V3 जिसने जनवरी में सार प्रदर्शित किया था, वह जून में उपलब्ध संस्करण के समान नहीं है। उपयोग किए गए प्रत्येक AI उपकरण के संस्करण और दिनांक सीमा का दस्तावेज़ीकरण करें।
अनुवाद की सटीकता मानी गई है, सत्यापित नहीं है। एआई अनुवाद अच्छा है लेकिन सही नहीं है, खासकर नैदानिक या तकनीकी सामग्री के लिए। यदि गैर-अंग्रेजी स्रोत शामिल हैं, तो दस्तावेज़ जिसने अनुवादों को सत्यापित किया।
Summarize papers, extract study characteristics, and draft synthesis text. Free tier includes every feature.
Frequently asked questions
Q: Can I include AI-screened abstracts in my PRISMA flow diagram?
हाँ, लेकिन विशिष्ट विशेषता के साथ। मानक PRISMA 2020 प्रवाह आरेख में रिकॉर्ड की पहचान, रिकॉर्ड की जांच, पात्रता के लिए मूल्यांकन किए गए रिकॉर्ड और रिकॉर्ड शामिल हैं। यदि स्क्रीनिंग में एआई का उपयोग किया गया था, तो आरेख या उसके कैप्शन में एक नोट जोड़ें: "प्रारंभिक एआई-समर्थित वर्गीकरण का उपयोग सार को रैंक करने के लिए किया गया था; सभी सार को दो समीक्षकों द्वारा स्वतंत्र मानव स्क्रीनिंग प्राप्त हुई थी।" कुछ पत्रिकाएँ अब अधिक विस्तृत प्रवाह आरेख का अनुरोध करती हैं जो एआई-समर्थित और मानव-केवल चरणों को तोड़ता है। PRISMA-trAIce एक्सटेंशन इसके लिए टेम्पलेट प्रदान करता है।
प्रश्न: मैं अपनी व्यवस्थित समीक्षा में उपयोग किए गए एआई टूल का हवाला कैसे दूं?
मॉडल को उसके संस्करण और पहुंच तिथि के साथ उद्धृत करें। मानक प्रारूप: "[मॉडल का नाम], संस्करण [X.Y], [एपीआई एंडपॉइंट / वेब इंटरफ़ेस] (डेवलपर: [कंपनी]) के माध्यम से [दिनांक सीमा] तक पहुंचा गया। यूआरएल: [यदि उपलब्ध हो तो दस्तावेज़ का लिंक]।" कुछ पत्रिकाओं को उपयोग किए गए सटीक एपीआई मापदंडों सहित अधिक विस्तृत उद्धरण की आवश्यकता होती है। लेखकों के लिए पत्रिका के निर्देशों की जाँच करें। एआई टूल उद्धरण परंपराएं अभी भी विकसित हो रही हैं - जब संदेह हो, तो कम के बजाय अधिक विवरण शामिल करें।
प्रश्न: PRISMA 2020 और PRISMA-trAIce के बीच क्या अंतर है?
PRISMA 2020 व्यवस्थित समीक्षाओं के लिए मानक रिपोर्टिंग चेकलिस्ट है, जिसे 2009 संस्करण से अद्यतन किया गया है। PRISMA-trAIce (प्रकाशित 2024) एक एक्सटेंशन है जो समीक्षा प्रक्रिया में एआई-समर्थित चरणों के लिए रिपोर्टिंग आवश्यकताओं को जोड़ता है। अधिकांश पत्रिकाओं को अब दोनों की आवश्यकता होती है: सामान्य रिपोर्टिंग के लिए PRISMA 2020, किसी भी AI-समर्थित कदम के लिए PRISMA-trAIce। ट्रेस चेकलिस्ट में टूल दस्तावेज़ीकरण, त्वरित रिपोर्टिंग, अंशांकन मेट्रिक्स और मानव सत्यापन प्रक्रियाओं को शामिल करने वाले 12 आइटम हैं। यदि आप व्यवस्थित समीक्षा में कहीं भी एआई का उपयोग करते हैं, तो अपने तरीकों के अनुभाग में PRISMA-trAIce का पता लगाएं। एक व्यापक वर्कफ़्लो गाइड के लिए जो इसे पूरक करता है, देखें अपने साहित्य समीक्षा को गति देने के लिए एआई का उपयोग करना।
प्रश्न: क्या मेरी व्यवस्थित समीक्षा में एआई का उपयोग करने से मेरी स्वीकृति की संभावना कम हो जाएगी?
हमारे अनुभव में, प्रकट किया गया और सही ढंग से प्रलेखित AI उपयोग स्वीकृति दरों को कम नहीं करता और अक्सर समीक्षा को तेज कर देता है (क्योंकि तरीकों की स्पष्टता और उनकी रक्षा-योग्यता अधिक होती है)। स्वीकृति को जो चीज़ घटाती है, वह है बिना प्रकट किया गया AI उपयोग, वह AI उपयोग जो आवश्यक मानवीय निर्णय की जगह ले लेता है, या ऐसे AI-संबंधित सीमितताएँ जिन्हें स्वीकार नहीं किया जाता। जिन बातों पर सिग्नल संपादक और समीक्षक प्रतिक्रिया देते हैं, वे AI से परहेज़ नहीं बल्कि कठोरता (rigor) और पारदर्शिता है। एक व्यवस्थित समीक्षा जो स्क्रीनिंग के लिए AI का उपयोग करे, उपयोग को विस्तार से रिपोर्ट करे, कैलिब्रेशन मेट्रिक्स शामिल करे, और सीमितताओं को स्वीकार करे, उसे पद्धतिगत रूप से आधुनिक समीक्षा माना जाता है — न कि उससे समझौता किया गया (compromised) हुआ।
Ema is a senior academic editor at ProofreaderPro.ai with a PhD in Computational Linguistics. She specializes in text analysis technology and language models, and is passionate about making AI-powered tools that truly understand academic writing. When she's not refining proofreading algorithms, she's reviewing papers on NLP and discourse analysis.
