用 AI 讀文獻，哪些地方必須自己查證
AI 很適合幫你快速掌握一篇文獻的輪廓，但有七個地方，它最容易出錯、也最不能直接相信。附一份三分鐘查證流程，適合指導教授要求學生照做。
現在要研究生不用 AI 讀文獻，大概已經不太可能。外文論文丟進去，幾秒鐘就有中文摘要；十幾篇文獻一起問，馬上就能整理出幾個主題。對剛進研究所、英文閱讀還不夠快的學生來說，這是很大的幫助。
問題在於，AI 的錯誤通常不像錯誤。它寫得流暢、格式整齊、語氣篤定。學生很難從文字本身看出哪裡不對，往往要到 meeting 時被老師問一句「這篇真的這樣說嗎？」才發現。
這篇整理的是：用 AI 讀文獻時，哪些地方最容易出錯，以及怎麼用最少的時間把關。
AI 擅長什麼
先說公道話。用 AI 讀文獻，以下幾件事它做得相當好：
- 快速掌握輪廓：這篇在研究什麼、用什麼方法、大致結論是什麼
- 降低語言門檻：把外文段落轉成中文，幫助理解
- 初步分類：把一批文獻依主題、方法或理論粗略分組
- 找出可能相關的段落：在長篇文獻中先指出可能要細讀的地方
這些都是「讀之前」和「讀的過程中」的輔助。問題出在學生把 AI 的輸出當成「讀完的結果」，直接寫進論文。
七個必須自己查證的地方
1. 文獻本身是否存在
這是最基本、也最嚴重的問題。
2023 年發表於 Scientific Reports 的一項研究，請 AI 聊天工具針對多個主題撰寫短篇文獻回顧，再逐筆檢查它附上的 636 筆參考文獻。結果發現，較早一代的模型有 55% 的引用是捏造的，較新一代仍有 18%；即使是真實存在的文獻，也有相當比例在作者、年份、期刊或頁碼上有實質錯誤。
這類捏造的文獻看起來完全正常：作者名字合理、期刊名稱真實、標題也像那個領域會有的題目。唯一的辨別方法是去查。
怎麼查：用標題到 Google Scholar 或學校圖書館的資料庫搜尋，確認能找到原文，且作者、年份、期刊都對得上。有 DOI 的，直接查 DOI 最快。
2. 引用的內容是否真的出自那篇
文獻存在，不代表 AI 說它「指出了某件事」是真的。常見的情況是：AI 把 A 文獻的觀點說成 B 文獻的，或把一篇文獻在文獻回顧中轉述別人的觀點，當成這篇自己的發現。
怎麼查：找到 AI 所說的那個觀點在原文的哪一頁、哪一段。找不到，就不能引用。這也是 APA 要求直接引用必須標註頁碼的原因之一（常見的格式錯誤，可以參考〈APA 第 7 版內文引用：改學生論文時最常圈出來的 10 個錯誤〉）。
3. 結論是否被放大了
這是比捏造更隱微、也更容易被忽略的問題。
2025 年發表於 Royal Society Open Science 的一項研究，比較了十款主流 AI 模型對科學文獻產出的 4,900 份摘要。研究發現，AI 摘要出現「過度概括」的機率，是人類撰寫摘要的近五倍（勝算比 4.85）——例如把「在這個樣本中觀察到」寫成「研究證實」，把過去式的發現寫成現在式的普遍結論。更值得注意的是，即使明確要求 AI 要準確，多數模型的摘要仍然比原文說得更廣；研究者也觀察到，較新的模型在這方面並沒有比較好。
對社會科學尤其要緊。一篇針對特定族群、特定地區的質性研究，被摘要成一句普遍性的結論，放進文獻回顧裡，論證的基礎就已經偏了。
怎麼查：對照原文的結論段與研究限制段，看看作者自己用了多保留的語氣。
4. 樣本、情境與研究限制
AI 摘要最常省略的，就是研究的邊界：樣本是誰、多少人、在哪裡、什麼時候；作者自己承認的限制有哪些。
這些資訊在摘要裡看起來是細節，在論文裡卻決定了這篇文獻能不能支撐你的論點。
怎麼查：讀原文的「研究方法」與「研究限制」兩節。這兩節通常不長，卻是判斷一篇文獻適用範圍的關鍵。
5. 數字與統計結果
數字是 AI 最容易「看起來對」的地方：樣本數、百分比、相關係數、顯著水準。少一個小數點、把兩組數字對調、把描述統計當成推論統計，都很難從摘要本身察覺。
怎麼查：論文裡用到的每一個數字，都回到原文的表格或內文確認。
6. 專有名詞與概念的翻譯
社會科學的概念翻譯，常常帶著學術社群長期的爭論與共識。同一個英文概念，在不同領域可能有不同的慣用譯名；有些概念甚至刻意不翻譯，直接使用原文。
AI 給的翻譯可能通順，卻不是你們領域的慣用譯法，或把兩個相近但不同的概念譯成同一個詞。
怎麼查：第一次使用某個核心概念時，查一下領域內重要的中文文獻怎麼譯；不確定時，在中文後面括號附上原文。
7. 時效：有沒有更新的研究，或已經被撤稿
AI 的知識有時間範圍，對最新的文獻未必掌握。另一個較少人注意的風險是：被引用的文獻後來可能已經被更正或撤稿。
怎麼查：重要的文獻，到出版社頁面確認有沒有更正或撤稿聲明；Retraction Watch 也有可查詢的撤稿資料庫。寫文獻回顧時，用資料庫搜尋最近兩三年的研究，補上 AI 可能遺漏的部分。
三分鐘查證流程
以上七點聽起來很多，實際操作時可以濃縮成一個簡單的流程。每一篇要引用進論文的文獻，花三分鐘做這三件事：
- 找到原文（一分鐘）：確認文獻存在，作者、年份、期刊正確。
- 找到那一段（一分鐘）：你要引用的觀點，在原文的哪一頁。
- 讀結論與限制（一分鐘）：確認你的寫法沒有比原作者說得更多。
三分鐘做不完的，代表這篇文獻對你的論文很重要，本來就應該細讀。
給指導教授：怎麼讓學生真的這樣做
把「追得回原文」變成 meeting 的固定問題。 學生報告文獻時，隨機挑一兩個論點問：「這是在第幾頁？」不是為了抓錯，而是讓學生知道，每一句都要能指回原文。幾次之後，這會變成學生自己的習慣。
要求初稿附上 AI 使用說明。 學生寫明哪些部分用了 AI 協助、做了哪些查證，老師讀稿時就知道該把注意力放在哪裡。
選擇回答能指回原文的工具。 如果團隊有統一使用的 AI 工具，優先考慮回答會附上出處、能直接跳到原文段落的工具。它不能取代查證，但能讓每一次查證從幾分鐘縮短到幾秒鐘。我們開發 Pensieve AI 時，也把「每一句回答都追得回原文」當成最基本的要求。
AI 讓讀文獻變快了，但「讀過」的定義沒有改變：你能為自己引用的每一句話負責。查證不是對 AI 的不信任，而是研究者對自己作品的基本責任。
參考資料
- Walters, W. H., & Wilder, E. I. (2023). Fabrication and errors in the bibliographic citations generated by ChatGPT. Scientific Reports, 13, 14045. https://doi.org/10.1038/s41598-023-41032-5
- Peters, U., & Chin-Yee, B. (2025). Generalization bias in large language model summarization of scientific research. Royal Society Open Science, 12(4), 241776.
- Retraction Watch Database. https://retractiondatabase.org/
延伸閱讀
- APA 第 7 版內文引用：改學生論文時最常圈出來的 10 個錯誤
一份可以直接轉給研究生的內文引用檢查清單，中英文範例並列，涵蓋作者數、頁碼、二手引用與參考文獻對照。 - 指導教授如何替研究團隊訂 AI 使用守則（附範本）
學校有課堂規範、期刊有投稿政策，研究團隊卻常常沒有自己的規則。這篇整理守則該涵蓋的六個面向，並附一份可直接修改使用的範本。