آموزش نگارش پایان‌نامه علمی با هوش مصنوعی (صفر تا صد) - همراه با پرامپت‌های ایجنت محور

• مراحل پایان‌نامه و نقش هوش مصنوعی (از کل به جزء) 

├── مرحله صفر: انتخاب موضوع (هوش‌مصنوعی‌محور)

│    ├── ۱. کشف ایده اولیه 

│    │   ├─ مدل اول: بدون ایده → هوش مصنوعی زیرشاخه‌های رشته را تحلیل می‌کند (مثلاً با جستجوی "Hot topics in [رشته] 2024") 

│    │   ├─ مدل دوم: علاقه به زمینه خاص → هوش مصنوعی مقالات مروری آن حوزه را خلاصه می‌کند (مثلاً از Elsevier یا Springer) 

│    │   └─ مدل سوم: مقاله پایه دارید → هوش مصنوعی شکاف‌های پژوهشی آن را استخراج می‌کند (تحلیل بخش Future Research) 

│    ├── ۲. شناسایی روندهای داغ 

│    │   ├─ تحلیل گزارش‌های صنعتی (مثلاً McKinsey در حوزه دیجیتال) 

│    │   ├─ جستجوی "Emerging trends in [زمینه]" در Google Scholar 

│    │   └─ بررسی استنادهای رو به جلو (Forward Citations) مقالات پایه 

│    └── ۳. تأیید نوآوری موضوع 

│        ├─ بررسی کمتر از ۱۰ مقاله مشابه در Scopus 

│        └─ مشورت با هوش مصنوعی برای سنجش میزان تازگی (مثلاً: "آیا موضوع X نوآوری ۲۰-۳۰٪ دارد؟") 

│        └─ پیاده‌سازی کد (مثلاً الگوریتم ژنتیک در Python) 

│        └─ استخراج خودکار شکاف‌های باقیمانده برای تحقیقات بعدی 

 و .... ......................

سرفصل های دوره

1-مقدمه

2-هوش مصنوعی و کاربردهای آن

3- خطای هالوسنیشن و راهکار رفع آن در نگارش متون علمی (مقاله مربوط)

4-طراحی پرامپت ساختار یافته و کار با مدلهای هوش مصنوعی

5-شکاف پژوهشی و زاویه نگاه پژوهشی برای خلق ایده جدید پژوهشی

6-تولید ایده جدید تحقیقی با هوش مصنوعی

7-تبدیل ایده های جدید به موضوع جدید پژوهشی

8-پیدا کردن مقالات رفرنس مرتبط با موضوع

9-ترجمه یادگیری و خلاصه سازی با هوش مصنوعی

10-نگارش فصل 1 پایان نامه با هوش مصنوعی

11-نگارش فصل 2 پایان نامه با هوش مصنوعی

12-نگارش فصل 3 پایان نامه با هوش مصنوعی

13-نگارش فصل 4 پایان نامه با هوش مصنوعی

14-نگارش فصل 5 پایان نامه با هوش مصنوعی

15-نگارش فصل 6 پایان نامه با هوش مصنوعی

16-پارافرایز و انسانی سازی پایان نامه