給研究者的 AI 使用方法
不是讓你寫得更快，是讓你站得更穩
研究者用 AI 最常見的兩種焦慮：一種是不知道界線在哪，怕踩到學術倫理；另一種是用了半天，發現省下的時間並沒有換成更好的研究。
這裡處理的是這兩件事。速度是副作用，不是目的。
先把立場講清楚
AI 代寫
讓 AI 生出你沒讀過、沒想過的內容，直接掛你的名字。這不只違反學術倫理，也讓你什麼都沒學到。
AI 輔助
你主導思考與判斷，AI 幫你把原本沒空做的嚴謹檢查做完。核心洞察與研究貢獻，仍然是你的。
六堂免費線上課
共 58 個單元，公開提供給有興趣的朋友們，不需要帳號、不需要付費，自己決定進度。六堂課構成一條完整的學術研究工作流，按照順序學習效果最好。
分得清副駕駛與代寫的分界線畫在哪、學術界的三條紅線、AI 使用揭露該怎麼寫。含六題情境判斷互動，作答後立刻看到判斷理由。
讀得懂研究工作流的八個節點裡，哪些適合交給 AI、哪些交出去會出事。四點摘要與文獻回顧矩陣，把幾十篇論文疊成一張看得出缺口的表。
寫得住卡在第一段的真正原因、讓 AI 改稿而不是換一篇的三個層級，以及用審稿人的三個問題在投稿前先退自己一次稿。
問得準審稿意見說貢獻不清楚，根通常不在寫作，在題目本身。用 Gap、Importance、Audience 三軸評分卡找出最弱的一軸，並檢查方法配不配得上問題。
做得動結果不對時，多跑一次是最貴的反應。一套診斷紀律、一條四階段驗證管線，以及質性研究者的編碼迭代與資料倫理紅線。
投得中投稿不是寄出去然後等命運。選刊看適配而非影響因子、投稿前先自己退一次稿、回覆意見時只在能移動分數的地方花力氣。
研究者最常問的五個問題
用 AI 協助研究，會不會違反學術倫理？
關鍵不在有沒有用，而在用在哪一段？簡單的判斷標準是：這段內容會不會進入你交出去的東西？如果會，你能不能為它的每一個字負責？沒有進入產出的使用（例如請 AI 解釋一個你不熟的方法、對你的論證提出反駁）近似於請教同事，多數規範不要求揭露。反過來說，論文的核心論點與對結果的詮釋若由 AI 產出，那已經越線。
AI 使用揭露應該怎麼寫？
完整的揭露有兩個層面，多數人只寫了第一個。第一層是用了什麼：工具名稱與版本、使用的階段、涵蓋範圍。第二層是你怎麼確保正確：採取了哪些查核步驟，例如所有經整理的文獻均對照原文逐篇確認、所有參考文獻均於資料庫檢索核實。第二層才是真正讓審稿人安心的部分，也會逼你真的去做那些查核。
學術使用 AI 有哪些絕對不能跨的紅線？
三條。第一，捏造或竄改資料，包括用 AI 生成不存在的實驗數據或問卷回應並當成真實蒐集的資料。第二，把未經查證的 AI 生成參考文獻放進論文，語言模型會產生格式完整但實際不存在的引用。第三，把非自己的思考掛上自己的名字，也就是論文的核心論點與詮釋由 AI 產出而你只做文字修飾。
文獻讀不完，AI 幫得上忙嗎？
幫得上，但要用對地方。文獻蒐集與結構化摘要屬於高適用範圍，因為輸入輸出明確而且你有能力驗收。真正產生效果的不是讀得更快，而是把閱讀成果變成能複利的形式：一張含研究問題、方法、樣本、發現、限制、與我的關聯的比較表，三個月後打開還能用，下一篇論文還能繼續往上疊。
這六堂免費課跟實體工作坊差在哪？
免費課完整給出判斷力：界線在哪、哪些環節能交給 AI、投稿前該檢查什麼，觀念層不保留。工作坊處理的是把它用在你自己身上：帶你的題目與草稿到現場，走完 Agent 完整工作流，並帶走六套可重複使用的模板與清單。免費課刻意不提供模板，因為模板脫離了你自己的題目就只是幾張空表。