Rešerše

Při rešerši hraje důležitou roli nejen to, co hledáme, ale i jakým jazykem dotaz formulujeme. V odborných e-zdrojích je výhodné hledat především v angličtině (překlady odborných termínů viz Polytematický strukturovaný heslář).  I pokud je článek nebo závěrečná práce napsaná česky, často obsahuje anglický překlad názvu, anotace a klíčových slov. Naopak v knihovních katalozích bývají záznamy přeloženy do češtiny, i když samotný dokument je v jiném jazyce. Výjimkou bývá většinou pouze název.

Kromě samotného jazyka (čeština vs. angličtina) hraje roli „jazyk vyhledávače“ – tedy syntax a formát, který vyhledávač očekává. Většina z nich dnes umožňuje psát dotazy v přirozeném jazyce, ale při odborném hledání je stále výhodnější používat jazyk klíčových slov a operátorů.

V obou případech však platí, že kvalita výsledků silně závisí na tom, jak dobře si promyslíme, co vlastně hledáme.

2. 1 Jazyk klíčových slov a operátorů

Vyhledávače nehledají přímo na celém internetu, ale procházejí své indexy – tedy databáze záznamů, podobně jako knihovní katalogy. Proto je důležité zvolit správná klíčová slova (keywords). Ta totiž zásadně ovlivní, jaké výsledky dostaneme. Například přidáním slovního spojení „systematická rešerše“ („systematic review“) se změní i podoba výsledků na Googlu.

Vyhledávací operátory (search operators) nám pomáhají dotazy zpřesnit. Některé nabízí tzv. rozšířené vyhledávání (advanced search), které pracuje s operátory v přehledné podobě. Informace o konkrétních operátorech pak najdeme v nápovědě (help) daného vyhledávače.

Každý vyhledávač má své vlastní operátory, tzn. že jejich podoba se může lišit, ale principy jsou podobné: 

• • booleovské (logické) operátory 
    určují vztah mezi hledanými slovy, a sice mají-li být přítomna všechna (AND), alespoň jedno z nich (OR), nebo zda se má něco vyloučit (NOT),

• • operátory pro přesnou frázi 
    slovní spojení, frázi či větu stačí dát uvozovek („“) a vyhledávač začne hledat přesnou posloupnost slov v daném pořadí,

• • zástupné znaky (wildcards) 
    nahrazují neznámé písmeno, část slova nebo číslo (kupř. *, ?, %, #, ..),

• • další operátory 
    například závorky () slouží k seskupování logických operací při složitějších dotazech a tzv. proximitní operátory zase vyhledávači říkají, jak blízko se mají slova od sebe nacházet,

• • hledání v atributech či polích 
    omezují hledání na konkrétní atributy webové stránky (v Googlu např.: allintitle: Schrödingerova zablešená kočka site:fysis.cz filetype:pdf) či pole metadat bibliografického záznamu (v EBSCO Discovery Service např.: TI Schrödingerova zablešená kočka AND AU Kratochvíl AND IS 0009-0700).

Kromě operátorů jsou důležitým pomocníkem filtry, kterými můžeme omezit výsledky hledání podle typu dokumentu, data vydání, jazyka a dalších parametrů.

2. 2 Přirozený jazyk a umění promptování 

Díky nástupu nástrojů s umělou inteligencí se stále častěji setkáváme s možností klást dotazy v přirozeném jazyce. Takové dotazy se nazývají prompty

Zatímco běžné vyhledávače odpovídají seznamem odkazů, nástroje s umělou inteligencí generují souvislou odpověď. Kvalita této odpovědi závisí na tom, jak dobře formulujeme zadání. Dobře naformulovaný prompt ale nezaručuje správnou odpověď (jazykové modely odpověď „hádají“ na základě pravděpodobnostních modelů, ne podle ověřených faktů!).

Dobrý prompt: stručně a jasně říká to, co chceme (téma, otázka), proč to chceme (účel, úroveň), v jaké podobě má být výstup (styl, formát), případně z jaké role má model odpovídat (např. expert, učitel, rešeršér). Dále je třeba uvážit, zdali nepoužít jazyk anglický (event. jiný), a složitější úkol nerozdělit do několika samostatných úloh.

Promptování promptu: „dokonalé“ prompty si ale nemusíme psát sami (ty mohou vydat i na několik stran). Často stačí naformulovat takový prompt, jímž tímto požadavkem model zaúkolujeme, dokonce i v jakém jazyce má výsledný prompt vygenerovat.

A protože jazykové modely jsou samy „napromptovány“ tak, aby se nám zavděčily (chválily nás, souhlasily, nebo nás motivovaly), patří k základní výbavě uživatele i promptování kritiky.

Webové vyhledávače (web search engines) pomáhají najít informace na internetu, avšak samotné výsledky nejsou neutrální. Ovlivňuje je způsob, jakým vyhledávač „čte“ web, co o nás ví a co chce nebo musí ukázat. Po zadání dotazu vyhledávač neprohledává celý internet, ale pouze index – vlastní databázi webů, případně databázi jiného vyhledávače. Výsledky pak řadí podle komplexních algoritmů, které berou v úvahu relevanci dotazu, důvěryhodnost zdroje, personalizaci (co o nás ví), a případně filtry nebo omezení (např. legislativa, cenzura a propagace). Výsledky často doprovázejí placené reklamy a speciální prvky (odpovědi, mapy, obrázky a další).

Přestože má Google Search celosvětově dominantní zastoupení, v jednotlivých regionech světa mu konkurují místní alternativy – např. Seznam v ČR, Baidu v Číně, Yandex v Rusku. Nově začíná být silným hráčem i Microsoft Bing.

Každý z výše uvedených vyhledávačů má vlastní index i pravidla řazení výsledků, která se liší podle technických možností (např. rozsah indexu, algoritmy) a právních omezení v dané zemi. Proto se výsledky hledání mohou lišit nejen podle toho, jaký vyhledávač používáme, ale i kdo a odkud hledá.

Krom těchto velkých hráčů existuje však mnoho dalších vyhledávačů. Pro ukázku:

3. 1 Hluboký web

Zindexovaná část webu, se kterou pracují klasické vyhledávače, tvoří jen menšinu, a označujeme ji jako veřejný web (surface web). Většina webu ale zůstává těmto vyhledávačům skryta. Tato skrytá, anebo též hluboká část webu (deep web) zahrnuje veškerý obsah, který vyžaduje přihlášení, platbu, je uložen v souborech nečitelných pro roboty, a také obsah, který je z hlediska efektivity a priorit indexace opomíjený nebo pro vyhledávače „nerentabilní“, anebo je z indexace úmyslně vyloučen (např. pomocí souboru robots.txt).

V rámci hlubokého webu se pak nachází ještě i vysoce anonymní část, tzv. temný web (dark web). Ačkoliv může sloužit pro ochranu soukromí whistleblowerů, zejména v represivních režimech, jeho používání vyžaduje pokročilé technologické znalosti. I s nimi to ale může být extrémně riskantní, neboť existuje riziko prozrazení kvůli rozšiřujícím se možnostem monitorování a dohledu.

Internet se neustále mění. Včera vypadal jinak než dnes a mnoho informací se tím zdánlivě ztratilo. Internet byl sice veřejnosti zpřístupněn v roce 1991, ale skutečný boom (a s ním i růst počtu webových stránek) nastal kolem roku 1995. Právě proto vznikla i potřeba zálohování internetu, a od roku 1996 začal Internet Archive „sklízet“ (archivovat) internet. Díky tomu se dnes můžeme dostat k dříve funkčním, dnes ale již neexistujícím stránkám, anebo sledovat vývoj aktuálních webů.

Ne vše však může být zálohováno, ať už z technických důvodů, anebo kvůli právním omezením.

Kromě globální iniciativy Internet Archive existují i specializované a národní projekty, např. Webarchiv spravovaný Národní knihovnou ČR a mnoho dalších.

Vedle klasických webových vyhledávačů, které „prohledávají“ celý internet, existují i takové, které se zaměřují pouze na určitý typ obsahu nebo oblast zájmu. V akademickém prostředí nás pak zajímají především: knihovní katalogy, odborné databáze a repozitáře.

Prohledávat každý zdroj zvlášť, to v lidských silách není. Proto používáme nástroje, které tento proces usnadňují: souborné katalogy pro knihovní fondy a (web scale) discovery systémy pro odborné databáze a repozitáře. Je potřeba ale varovat, že v nich nenajdeme všechno.

Souborné katalogy totiž obsahují jen to, co jim jednotlivé knihovny dodají, a u discovery systémů zase záleží na tom, co a kde si zindexují. Při rešerši proto není od věci všímat si i toho, kam nás tyto velké vyhledávače vedou, a sice k původnímu dokumentu v konkrétní databázi, knihovně či repozitáři. Tam totiž mnohdy najdeme více možností se zaměřením na oblast našeho zájmu.

5. 1 Knihovní katalogy

Začínající studenti si obvykle vystačí s knihovním fondem v katalogu Ústřední knihovny VŠB-TUO. S rostoucími nároky se ale vyplatí poohlížet se i jinde, například v nejbližší krajské vědecké knihovně (pro Moravskoslezský kraj jí je Moravskoslezská vědecká knihovna v Ostravě).

Fondy českých knihoven je možné prohledávat přes Souborný katalog ČR spravovaný Národní knihovnou ČR v Praze, anebo přes uživatelsky přívětivější portál Knihovny.cz, který provozuje Moravská zemská knihovna v Brně.

Pokud chcete omezit počet výsledků hledání na technické obory, můžete vyhledávání zúžit pomocí Oborové brány TECHNIKA.

A pokud si chcete ověřit, zda existuje překlad nějakého dokumentu do jazyka vám srozumitelném, použijte mezinárodní katalog WorldCat.

5. 2 Databáze a repozitáře

Odborné databáze jsou elektronické systémy specializované na určitý obor nebo téma. Umožňují přístup k odborným článkům, knihám, časopisům, výzkumným zprávám, normám, patentům a dalším materiálům, které jsou klíčové pro vědeckou práci, studium i praxi. Náš výběr předplácených i volně dostupných databází naleznete zde.

Repozitáře slouží k uchovávání, správě a zpřístupnění výzkumných dat a publikací. Na VŠB-TUO využíváme Repozitář DSpace VŠB-TUO pro publikace a Zenodo pro výzkumná data. Existuje ale i mnoho dalších, např. Národní uložiště šedé literatury (cílem je veškerá šedá literatura vznikající na území ČR), arXiv (preprinty z oblasti fyziky, matematiky, informatiky, ekonomie aj.) a GitHub (zdrojové kódy, software, dokumentace).

5. 3 Discovery systémy

Discovery systémy umožňují jednotné vyhledávání ve více informačních zdrojích zároveň – typicky v odborných databázích, repozitářích a v některých případech i v katalozích. Ústřední knihovna VŠB-TUO využívá discovery systém EBSCO Discovery Service.

Účelem rešerše není „najít toho co nejvíce“, ale najít to, co má skutečně smysl dále číst, analyzovat a použít. Hodnocení relevance a kvality zdrojů je proto klíčovou součástí každé rešerše.

6. 1 Předběžné hodnocení relevance

Na první pohled

Webové vyhledávače obvykle nabízejí jen titulek a krátký výňatek z textu. Tyto informace ale mohou být zavádějící – titulek může být klamavý, výňatek vytržený z kontextu a zobrazené odkazy často sponzorované.

Odborné vyhledávače pracují s nároky akademického prostředí, a proto zobrazují informace typu: bibliografické údaje (autor, název, rok vydání), předmětová hesla (témata), klíčová slova a anotace nebo abstrakt (autorské shrnutí).

Na druhý pohled

Některé webové vyhledávače začínají nabízet i krátké shrnutí pomocí UI. Jejich úroveň je ale zatím pro odborné použití nedostatečná, ne-li kontraproduktivní.

Odborné vyhledávače ovšem mnohdy umožňují uživateli nahlédnout alespoň do obsahu a seznamu použité literatury.

Pakliže jsou plné texty přístupné, není od věci nahlédnout ještě i do úvodu, rešerše, diskuse, závěru, nebo přímo do kapitoly věnující se danému tématu. Anebo si jen vyhledat kontext klíčových slov (Ctrl+F, funkce „hledat na stránce“ apod.), v tištěné knize pak rejstřík.

6. 2 Náznaky kvality

Stránky a příspěvky na internetu lze posuzovat na základě několika indicií:

• webová adresa (doména typu .gov, .edu nebo .ac bývá důvěryhodnější než neznámý blog, u neznámých nebo podivně vypadajících stránek může hrozit riziko manipulativního obsahu, technických hrozeb nebo podvodného jednání),
• odezva veřejnosti (počty shlédnutí, sdílení, lajků nebo komentářů mohou být orientační, ale dají se zmanipulovat),
• zodpovědný autor nebo instituce (pomůže zjistit, kdo za informací stojí a jakou má odbornost),
• ověření informací (existují různé fact-checkingové iniciativy, ale i ty mohou mít omezenou metodiku nebo bias).

V profesionálním prostředí mohou pomoci tyto faktory:

• zdali publikace prošla recenzním řízením (peer-review) v odborném časopise či nakladatelství,
• zkontrolovat metriky dopadu v citačních databázích (Scopus, Web of Science) informace typu citovanost článku, faktor vlivu časopisu (impact factor), index autora (h-index),
• anebo nově sami si prostudovat tzv. kontext citací publikace (případně i použité literatury); pro tyto účely na VŠB-TUO předplácíme pokročilý nástroj Scite.

Vždy ale platí, že i když zdroj vypadá důvěryhodně, nemusí být kvalitní nebo pravdivý. Recenzovaný článek může být později odhalen jako chybný nebo manipulativní. Citovanost může být vysoká kvůli kritice, formy autocitace nebo predátorské časopisy/nakladatelství/konference mohou čísla uměle navýšit a jejich kontext zkreslit.

Být si opravdu jisti kvalitou můžeme pouze a jenom tehdy, jakmile si text sami přečteme, informace v mezích možností ověříme a ideálně si i sami otestujeme. Ani to však nevylučuje možnost mýlky. 

6. 3 Recenzovaná literatura vs. literatura šedá

Recenzovaná literatura (peer-reviewed) prochází odborným posouzením před publikováním. Tento proces podporuje vyšší úroveň odborné kvality, přesnosti a důvěryhodnosti. Typickými příklady jsou odborné publikace typu články, sborníky či monografie (knihy).

Šedá literatura zahrnuje dokumenty, které neprošly standardním recenzním procesem, ale mohou být velmi užitečné. Patří sem například: závěrečné práce, výzkumné zprávy, preprinty, technické zprávy, dokumenty úřadů a institucí. Pro ČR shromažďuje a archivuje šedou literaturu Národní úložiště šedé literatury při Národní technické knihovně. Co se preprintů (ještě nezrecenzovaných textů) týče, seznam světových repozitářů pro preprinty se nachází na stránkách Directory of Open Access Preprint Repositories.

Šedá literatura může být často aktuálnější a/nebo praktičtější, ale je třeba ji obzvlášť pečlivě hodnotit z hlediska kvality a důvěryhodnosti.

Žádná knihovna nemůže mít ať už fyzicky ve fondu, anebo online přístup ke všem vydaným dokumentům – omezuje ji prostor, rozpočet i licence. Proto je dobré vědět, jaké další možnosti přístupu k dokumentu existují:

• Literatura je staršího data a potřebuji ji teď hned? 
  Díky rozsáhlé digitalizaci je dnes mnoho starších knih a časopisů dostupných online v tzv. digitálních knihovnách, kupř.

Národní digitální knihovna (NDK ČR): obsahuje nejen volná díla (70 let smrti autora), ale i díla nedostupná na trhu (20 let u knih, 10 let u časopisů). Přístup je umožněn registrovaným čtenářům většiny českých knihoven (přihlášení probíhá přes knihovní účet).

Internet Archive: obsahuje digitalizované texty (pro zrakově znevýhodněné i ve formátu DAISY), filmy, hudbu a software z celého světa. U chráněných děl je nutná registrace a přihlášení.

• Literatura není v knihovně, ani online přístupná? 
  Pokud daný dokument nemáme v knihovně, ani online, existuje tzv. meziknihovní služba (MVS). Knihovna na požádání zajistí výpůjčku fyzické knihy z jiné knihovny, nebo zprostředkuje kopii článku, pokud je to možné.

• Potřebuji přístup k většímu množství literatury?
  Registrací v další knihovně si můžeme rozšířit přístup nejen k jejímu fyzickému fondu, ale i k e-zdrojům. Některé knihovny dokonce umožňují vzdálenou registraci pouze kvůli e-zdrojům (pozor, netýká se to univerzitních knihoven! ty z licenčních důvodů umožňují přístup k předplaceným e-zdrojům pouze svým studentům a zaměstnancům).   

• „Lucky Guess“ 
  Občas jsou plné články volně dostupné jinde a Google Scholar je dokázal najít, nebo byly dostupné a Internet Archive Scholar je stihl sklidit. Vyplatí se občas „zkusit štěstí“ i tímto směrem.

Nástroje s umělou inteligencí dnes často využívají tzv. velké jazykové modely (large language models, LLMs).

8. 1 Jak to (ne)funguje

Jazykové modely nefungují na základě pevně daných pravidel (nejde o „chytré kalkulačky“), ale učí se z rozsáhlých textových dat (datasetů), které mohou pocházet z webových stránek, knih, encyklopedií nebo diskusních fór. Během trénování se model učí rozpoznávat vzorce v jazyce – například jaká slova a věty typicky následují po sobě, jaký styl odpovídá určité situaci, nebo jak vypadá argumentační struktura odborného textu. Neuchovává si přitom celé texty, ale vytváří si vnitřní statistickou reprezentaci jazyka, tedy pravděpodobnostní model toho, co nejspíš následuje v daném jazykovém kontextu.

Takto předtrénovaný model je doladěn (např. pomocí lidského hodnocení odpovědí) a opatřen systémovým promptem, který nastavuje roli, chování a hranice. Může být přizpůsoben pro konkrétní úkoly jako je vedení konverzace, shrnutí textu, návrhy kódu nebo rešerši. Některé modely mají navíc přístup k internetu, databázím nebo dalším nástrojům.

Uživatel pak s tímto „hotovým“ modelem komunikuje v přirozeném jazyce pomocí tzv. uživatelských promptů. Model na ně odpovídá generováním textu, který je z jeho pohledu nejpravděpodobnějším pokračováním v daném kontextu.

8. 2 Bias

Výstup modelu je tudíž ovlivněn kombinací několika faktorů: co se model naučil během předtrénování (vzorce z textových datasetů), způsob doladění, systémový prompt, případné doplňkové instrukce od provozovatele modelu nebo třetích stran, a samozřejmě samotný uživatelský prompt, aktuální kontext a předchozí komunikace.

Všechny tyto vlivy, každý zvlášť i v kombinaci, mohou způsobit zkreslení výstupu. Povaha tréninkových dat může neúmyslně utvrzovat předsudky. Systémový prompt nebo dodatečné instrukce mohou ovlivnit styl odpovědí, potažmo preferovat určitý světonázor či produkty. A samotná interakce uživatele s modelem může vytvářet efekt informační bubliny.

Pro běžného uživatele je přitom původ konkrétního zkreslení často netransparentní, což zvyšuje potřebu obezřetnosti – nejen při interpretaci výstupů umělé inteligence, ale i při tom, co jí sami zadáváme. 

Důležité je také vědět, že podobně jako jiné služby mohou nástroje s umělou inteligencí uchovávat a analyzovat zadané vstupy. Právě proto Pravidla a doporučení pro využívání umělé inteligence na VŠB-TUO (TUO_LEG_24_002) výslovně říkají, že:

„V žádném případě […] nelze nástroji umělé inteligence zpracovávat citlivá (např. osobní) data, nebo data, která jsou součástí smluvních ujednání.“

8. 3 Moderace výstupů uživatelem a jejich zpětná kontrola

Mechanismy pro omezení zkreslení najdeme dnes téměř ve všech nástrojích s umělou inteligencí, a to v různých podobách: od transparentnosti zdrojů (odkazy, citace), přes možnost zpětné vazby (hodnocení odpovědí), až po systémové zásahy jako jsou obsahové filtry nebo automatická moderace obsahu. To ale pro uživatele neznamená, že může výstupy generované umělou inteligencí používat bez kritického zhodnocení.

Výstupy generované umělou inteligencí můžeme do jisté míry chápat jako formu tzv. šedé literatury, ovšem s tím rozdílem, že za nimi nestojí lidské myšlení, ale statistický výpočet, jehož zdroje a logika bývají často neprůhledné. O to větší obezřetnost je při práci s takovým výstupem nutná.

Jak používat nástroje s umělou inteligencí, abychom se vyhnuli skryté podjatosti?  

1. Dobře promyšlené prompty a jejich variace

Formulace zadání silně ovlivňuje kvalitu výstupu. Čím lépe je prompt zacílený, tím přesnější (a užitečnější) bývá odpověď. Na druhou stranu, i drobná změna ve volbě slova, tónu nebo struktury může vést ke zcela odlišné odpovědi, někdy i k tzv. emergentnímu chování, které působí překvapivě nebo nelogicky.

Může pomoci:

• zkoušet různé varianty téhož dotazu,
• měnit jazyk (např. čeština vs. angličtina),
• konverzaci rozvíjet, doptávat se, upřesňovat.

2. Kritické hodnocení zdrojů a jejich diverzifikace

Stejně jako u běžného vyhledávání i zde platí zlaté pravidlo: nečerpat jen z jednoho zdroje, jednoho modelu a jednoho nástroje.

Kontrolujeme tedy:

• odpovědi u jiných modelů,
• informace na webu (webové vyhledávače),
• historické verze webových stránek (webarchivy),
• vědecký pohled na věc (odborné vyhledávače).

Tyto kontroly se ale neobejdou bez kritického zhodnocení, podpořeného vlastním důvtipem a znalostí kontextu.

3. „Proč si myslím to, co si myslím?“

Nástup nástrojů s umělou inteligencí o to naléhavěji zdůrazňuje potřebu stavět se i k samotnému myšlení kriticky. V záplavě informací (a generovaných výstupů) snadno dochází k podprahovému příjímání názorů, které se pak bez povšimnutí stávají součástí našeho pohledu na svět.

Proto má smysl občas zastavit se a zeptat se:

• „Proč si myslím to, co si myslím?“
• „Opravdu si to já myslím?“
• „Proč si myslím, že je to pravda?“
• „Co z toho můžu doopravdy ověřit?“
• „A jak to vůbec mohu vlastně myslet?“

8. 4 Pár užitečných nástrojů (nejen) pro rešerši

Je těžké držet krok s rychle se vyvíjejícím odvětvím jako jsou velké jazykové modely. Vybíráme pouze některé, (do)trénované pro specifické úlohy:

Scite není sice primárně určen pro začátečníky v rešerši, ale i těm může pomoci ověřit kvalitu odborných publikací díky přehlednému zobrazení citací v kontextu (citace podporující, zpochybňující, neutrální a jejich umístění ve větě). Pro inspiraci lze využít i Scite Assistant. K dispozici na VŠB-TUO díky předplacené licenci.

Google NotebookLM dokáže shrnout obsah nahraných souborů, převádět je do formátu studijních průvodců, přehledů nebo podcastů, a odpovídat na otázky k jejich obsahu. I když VŠB-TUO NotebookLM aktuálně nepředplácí, volně dostupná verze nabízí dostatečné množství tokenů a mnoho funkcí, které se hodí pro studium i rešerši.

Writefull Premium je nástroj určený k jazykové korektuře odborných textů v angličtině. Pomáhá při psaní odborných článků, závěrečných prací nebo abstraktů (nabízí návrhy na úpravy stylistiky, gramatiky i vědeckého vyjadřování). Používá kombinaci vlastních jazykových modelů a modelů třetích stran. K dispozici na VŠB-TUO díky předplacené licenci.

GPTZero může napovědět, nakolik je text vytvořen umělou inteligencí. Nabízí kontrolu až do 10.000 slov měsíčně zdarma (češtinu zatím oficiálně nepodporuje). Pro častější použití lze zvážit profesionálnější nástroj Originality.AI, který výslovně umožňuje kontrolu textu v češtině. V obou případech nejde konverzační jazykové modely (LLM), ale i specializované nástroje s umělou inteligencí. T využívají které využívají algoritmy a statistické modely k odhadu, zda byl text vytvořen umělou inteligencí.

• Jak na rešerši: informační leták