Codzienna praca naukowa to nieustanne wyzwania: ogromne ilości literatury do przeanalizowania, presja publikacyjna, trudności z formułowaniem myśli i konieczność dbania o nienaganny język. Nowoczesne narzędzia oparte na sztucznej inteligencji (AI) mogą Ci w tym wszystkim pomóc!

Zapraszamy na intensywny, praktyczny warsztat on-line, podczas którego odkryjesz, jak takie narzędzia mogą zrewolucjonizować Twój warsztat pracy. Krok po kroku, na żywo, przećwiczymy wykorzystanie zaawansowanej platformy AI, która stanie się Twoim osobistym wsparciem na każdym etapie pracy badawczej – od przeglądu literatury, przez pracę z wieloma plikami PDF i nie tylko, pisanie artykułów, parafrazowanie, po finalną korektę. Dowiesz się, jak skrócić czasochłonne zadania z kilku dni do kilku godzin. To nie jest teoretyczny wykład – to trening konkretnych umiejętności, które wdrożysz do swojej pracy od razu po zakończeniu spotkania.

Warsztat jest przeznaczony dla naukowców, doktorantów, studentów, analityków i wszystkich osób pracujących z dużą ilością tekstów naukowych, które chcą pracować wydajniej.

Uczestnicy po zakończeniu warsztatu otrzymają pocztą elektroniczną certyfikat potwierdzający ukończenie kursu.

Termin: 12 grudnia 2025, 13:00-16:00 (warsztat online).

Liczba godzin: 3 godziny z przerwą kawową.

Lokalizacja: warsztaty zdalne.

Grupa: do 30 osób.

Wykładowca: Prof. UAM dr hab. Łukasz Smaga.

Cena: 299 zł netto (367,77 zł brutto). Pracownikom finansowanym przez instytucje naukowe (lub inne jednostki finansowane ze środków publicznych) przysługuje zwolnienie z VAT.

Metody płatności: przelew na konto.

Zagadnienia:

1. Błyskawiczny i interaktywny przegląd literatury
• Interaktywna praca z dokumentami: Zadawanie pytań bezpośrednio do plików PDF – ,,rozmowa” z artykułami.
• Automatyczna synteza: Błyskawiczne streszczanie i wyciąganie kluczowych wniosków, metryk i danych z wielu artykułów jednocześnie.
• Analiza tabel, wzorów i wykresów: Jak prosić AI o interpretację i wyjaśnienie danych wizualnych w publikacjach.
2. AI jako partner w procesie pisania
• Generowanie struktury i konspektu: Jak pokonać syndrom pustej strony.
• Zaawansowane parafrazowanie: Inteligentna zmiana stylistyki i struktury zdań z zachowaniem sensu merytorycznego.
• Profesjonalna korekta językowa: Poprawa gramatyki, interpunkcji i stylu w języku polskim i angielskim.
3. Weryfikacja i zaawansowane zastosowania
• Detekcja AI: Jak sprawdzić, czy tekst został napisany przez człowieka, czy przez AI?
• Przekształcanie treści: Jak na podstawie artykułu szybko stworzyć scenariusz do krótkiego wideo, streszczenie na konferencję lub podcast.
• Tworzenie materiałów audio/wideo: Demonstracja narzędzi do generowania głosu lektora i prostych animacji na podstawie tekstu.

Cele kształcenia

Po kursie uczestnik będzie:

1. Efektywnie przeszukiwać bazy naukowe przy użyciu zapytań w języku naturalnym i otrzymywać trafne rekomendacje publikacji.
2. Przyspieszał proces przeglądu literatury, automatycznie analizując i syntetyzując informacje z wielu dokumentów PDF jednocześnie.
3. Zadawać precyzyjne pytania bezpośrednio do swoich dokumentów i uzyskiwać odpowiedzi wraz z dokładnym źródłem (cytatem).
4. Wiedział, jak wykorzystać AI do przełamania blokady pisarskiej, generowania konspektów i propozycji rozwinięcia poszczególnych sekcji artykułu.
5. Potrafił profesjonalnie parafrazować fragmenty tekstu, dbając o zachowanie sensu i unikanie plagiatu.
6. W stanie ocenić prawdopodobieństwo, czy dany tekst został wygenerowany przez AI, korzystając z wbudowanych narzędzi detekcji.
7. Umiał przekształcać swoje materiały naukowe w inne formaty, takie jak skrypty do wideo czy streszczenia popularnonaukowe.

Prof. UAM dr hab. Łukasz Smaga

Profesor uczelni w Zakładzie Statystyki Matematycznej i Analizy Danych na Wydziale Matematyki i Informatyki Uniwersytetu im. Adama Mickiewicza w Poznaniu. Pracuje naukowo w dziedzinach testowania hipotez statystycznych, analizy danych funkcjonalnych oraz teorii eksperymentu. Zajmuje się również zastosowaniami metod statystycznych, uczenia maszynowego i generatywnej sztucznej inteligencji w praktycznych zagadnieniach. Opublikował 60 artykułów naukowych w tym zakresie. Od wielu lat programuje w językach R i Python. Jest współautorem pięciu jego pakietów języka R dostępnych w repozytoriach CRAN i github. Doświadczony dydaktyk w zakresie rachunku prawdopodobieństwa, statystyki matematycznej i jej zastosowań. Współpracuje m.in. z pracownikami National University of Singapore, TU Dortmund University, Otto von Guericke University Magdeburg, Texas Tech University, Shiga University, Politechniki Poznańskiej i Uniwersytetu Ekonomicznego w Poznaniu.