สร้างบรรณานุกรมเชิงอรรถประกอบจากแหล่งจริง วางรายการอ้างอิงหรือ DOI ลงไป แต่ละรายการจะถูกจับคู่กับระเบียนในฐานข้อมูลของรายการนั้น จากนั้นดึงบทคัดย่อของบทความเองมา และเขียนข้ออธิบายจากบทคัดย่อเท่านั้น: วัตถุประสงค์ แนวทาง และข้อค้นพบ ใน 90 ถึง 130 คำ โดยอยู่ใต้รายการอ้างอิงที่จัดรูปแบบตาม style ที่คุณเลือก หากไม่พบบทคัดย่อ ก็จะระบุว่าไม่มีข้ออธิบายอย่างชัดเจน
Trusted by researchers publishing in
ได้สูงสุด 5 รายการต่อ run ปนกันได้อย่างอิสระ แต่ละรายการจะถูกจับคู่กับระเบียนใน trusted open scholarly databases หากจับคู่ไม่ได้จะมีการรายงาน ไม่ใช่การคาดเดา
สำหรับแต่ละบทความที่จับคู่ได้ ระบบจะขอบทคัดย่อจากฐานข้อมูล ข้ออธิบายจะถูกสร้างจากข้อความนั้นเท่านั้น ดังนั้นบทความที่ไม่สามารถดึงบทคัดย่อได้จะถูกระบุไว้ แทนที่จะสรุปแบบมองไม่เห็นต้นฉบับ
เลือก citation style สำหรับรายการ อ่านข้ออธิบายแต่ละรายการเทียบกับความรู้ของคุณเกี่ยวกับแหล่งที่มา เพิ่มประโยคเชิงประเมินของคุณ แล้วคัดลอกทีละรายการหรือทั้งบรรณานุกรม
แต่ละรายการเชิงอรรถประกอบยึดกับระเบียนฐานข้อมูลที่จับคู่ได้ และรายการอ้างอิงจะจัดรูปแบบจาก metadata ที่ลงทะเบียนไว้ของระเบียนนั้น
ข้ออธิบายจะย่อบทคัดย่อของบทความเอง โดยใส่ตัวเลขเฉพาะเมื่อบทคัดย่อระบุไว้เท่านั้น ไม่มีการเขียนจากความจำของโมเดล
APA, MLA, both Chicago systems, Harvard, IEEE และ Vancouver สำหรับรายการอ้างอิง สลับได้หลังจาก run
หากไม่มีระเบียนหรือไม่มีบทคัดย่อ ระบบจะใส่หมายเหตุที่ชัดเจนในแถวนั้น เพื่อให้คุณรู้เสมอว่ารายการใดยังต้องอ่านเอง
บรรณานุกรมเชิงอรรถประกอบต้องการ 2 อย่างต่อแหล่งที่มา คือการอ้างอิงที่ถูกต้อง และย่อหน้าสั้นๆ ที่แสดงว่าคุณรู้ว่าแหล่งนั้นพูดอะไร และเหตุใดจึงเหมาะกับโครงงานของคุณ อาจารย์มอบหมายงานนี้เพราะเป็นการตรวจสอบขั้นตอนการวิจัยก่อนถึงขั้นเขียน และผู้ประเมินวารสารก็มักทำเช่นเดียวกันอย่างไม่เป็นทางการเมื่อพวกเขาตรวจดูว่าส่วน related-work อธิบายบทความที่อ้างถึงได้ถูกต้องหรือไม่ ทั้ง 2 ส่วนมีโหมดล้มเหลวของตัวเอง การอ้างอิงเสียหายจากความผิดพลาดในการถอดข้อมูล และข้ออธิบายก็อาจไหลไปสู่การอธิบายบทความที่คุณอยากจะอ้าง มากกว่าบทความที่คุณอ้างจริง
AI tools ทำให้โหมดล้มเหลวแบบที่ 2 แย่ลงก่อนจะดีขึ้น เมื่อถูกขอให้สร้างบรรณานุกรมเชิงอรรถประกอบ แชตบอตสามารถสร้างบทสรุปที่มั่นใจของบทความที่ไม่เคยเห็นได้อย่างสบายๆ โดยแนบไว้กับรายการอ้างอิงที่อาจไม่มีอยู่จริง เครื่องมือนี้ถูกสร้างขึ้นเพื่อรับมือรูปแบบนั้นทั้ง 2 ด้าน รายการอ้างอิงจะกลายเป็นรายการเชิงอรรถประกอบก็ต่อเมื่อจับคู่ได้กับระเบียนจริงใน trusted open scholarly databases อย่าง Crossref และ Semantic Scholar และข้ออธิบายจะถูกสร้างจากบทคัดย่อของบทความที่ดึงมาได้เอง โดยไม่เติมสิ่งใดจากภายนอก หากไม่มีระเบียนหรือไม่มีบทคัดย่อ แถวนั้นจะบอกตรงๆ และหยุด เพราะช่องว่างที่ซื่อสัตย์มีประโยชน์กับคุณมากกว่าการเดาอย่างคล่องแคล่ว
ส่วนที่เครื่องมือจงใจเว้นไว้คือการประเมิน ข้ออธิบายเชิงพรรณนาจะตอบว่าการศึกษาทำอะไร ส่วน rubric ของคุณเกือบแน่นอนว่าต้องการด้วยว่าเหตุใดจึงสำคัญในบริบทนี้ และประโยคนั้นไม่อาจมอบหมายแทนได้ เพราะขึ้นอยู่กับคำถามวิจัยและแหล่งข้อมูลอื่นของคุณ รูปแบบที่ใช้ได้จริงคือ นำย่อหน้าที่สร้างขึ้นมาตรวจสอบกับเนื้อหาเต็มขณะที่คุณอ่าน แล้วเพิ่ม 2 ประโยคของคุณเอง, ประโยคหนึ่งเรื่องความเกี่ยวข้อง, อีกประโยคเรื่องข้อจำกัด หากคุณยังอยู่ระหว่างรวบรวมแหล่งที่มา, the citation finder จะค้นหาบทความจริงสำหรับข้ออ้าง และ the AI citation checker จะตรวจสอบรายการที่คุณรับช่วงมาต่อก่อนที่คุณจะเสียเวลาใส่ข้ออธิบายให้มัน
เครื่องมือสำหรับขั้นตอนสุดท้ายก็มีของมันเอง: the reference alphabetizer จะจัดรายการสุดท้ายให้อยู่ในลำดับที่ style guides คาดหวัง, the citation generator จะจัดรูปแบบหนังสือและเว็บไซต์ที่ฐานข้อมูลไม่ครอบคลุม และ the ProofreaderPro editor จะขัดเกลาข้ออธิบายของคุณและงานเขียนที่มันสนับสนุนด้วย tracked changes ที่คุณอนุมัติทีละบรรทัด
วาง 10.1371/journal.pmed.0020124 แล้วเครื่องมือจะส่งคืนรายการอ้างอิงด้านล่างพร้อมข้ออธิบาย รายการอ้างอิงมาจากระเบียนที่ลงทะเบียนของ DOI ส่วนข้ออธิบายจะย่อบทคัดย่อของบทความเอง ซึ่งดึงมาจากฐานข้อมูลระหว่าง run
Ioannidis, J. P. A. (2005). Why most published research findings are false. PLoS Medicine, 2(8), e124. https://doi.org/10.1371/journal.pmed.0020124
The essay examines why many published research findings may be false and argues that the likelihood that a claim is true depends on study power, bias, the number of studies addressing the question, and the proportion of true to null relationships in a field. It further notes that findings become less likely to be true when studies are smaller, effects are smaller, more relationships are tested with less preselection, methodological flexibility increases, interests and prejudice are stronger, and multiple teams pursue statistical significance. Through simulation, it shows that, for most study designs and settings, false claims are more likely than true ones, and that some fields may chiefly report measures of prevailing bias.
ทุกข้อความในข้ออธิบายปรากฏอยู่ในบทคัดย่อของบทความ ส่วนประโยคเชิงประเมินของคุณเอง, เหตุใดแหล่งนี้จึงสำคัญต่อโครงงานของคุณ, คือส่วนที่คุณต้องเติมเอง
ProofreaderPro editor ช่วยขัดเกลาหลักไวยากรณ์ ความชัดเจน และสำนวนวิชาการทั่วทั้งต้นฉบับของคุณด้วย tracked changes ที่คุณอนุมัติทีละบรรทัด และถือว่าการอ้างอิงของคุณเป็นเนื้อหาที่ได้รับการคุ้มครอง ทดลองใช้ฟรี
Proofread my paper freeตรวจทาน ทำให้เป็นภาษามนุษย์ ปรับถ้อยคำ และแปลงานเขียนทางวิชาการของคุณในที่เดียว เริ่มใช้งานได้ฟรี ไม่ต้องใช้บัตรเครดิต
เริ่มต้นใช้งานฟรี