根據最新的可信知識獲取相關回應
來源中立的 Scopus 擁有 27,800+ 同儕審查期刊和 330,000+ 本書——所有這些都由獨立專家委員會精心審查和選擇。
Scopus AI 僅利用自 2013 年以來發佈的 Scopus 文獻的後設資料和摘要,從資料庫中的 7,000+ 個出版商中辨識出最相關的內容。知識庫每天更新,確保回答都是基於最新資訊。
進一步了解
![Scopus AI launch video thumbnail](http://images.ctfassets.net/o78em1y1w4i4/7MYv0JHkjVhTAhi8te1G9J/1898cab9e0b36108d0c27012d7976d1e/Benchmarking__3_.png?fm=webp&w=1160&q=75)
很遺憾,我們無法支援你的瀏覽器。如果可以,請升級到新版本,或使用 Mozilla Firefox、Microsoft Edge、Google Chrome 或 Safari 14 或更新版本。如果無法升級,而且需要支援,請將你的回饋寄給我們。
我們衷心感謝你對這個新體驗的回饋。告訴我們你的想法打開新的分頁/視窗
Scopus AI 是一款由生成式 AI (GenAI) 提供支援的直觀智慧搜尋工具,可以前所未有的速度和清晰度增強您的理解並豐富您的見解。
它是與學術界密切合作構建的,是一個完全實現的、基於訂閱的解決方案,可作為您在世界上最大的多學科和可信的摘要和引文資料庫 Scopus 上找到的大量人類知識的可靠指南。
來源中立的 Scopus 擁有 27,800+ 同儕審查期刊和 330,000+ 本書——所有這些都由獨立專家委員會精心審查和選擇。
Scopus AI 僅利用自 2013 年以來發佈的 Scopus 文獻的後設資料和摘要,從資料庫中的 7,000+ 個出版商中辨識出最相關的內容。知識庫每天更新,確保回答都是基於最新資訊。
進一步了解
使用日常語言在 Scopus AI 中輸入您的查詢,這對於探索詞彙不熟悉的新領域特別有益。該工具的先進技術綜合了相關文檔的摘要,並生成了易於理解的主題概要以及擴展摘要,以增加深度和觀點。我們正在申請專利的 RAG 融合技術增強摘要的品質、連貫性和脈絡豐富性。
Scopus AI 始終引用其使用的來源,並就其對回應相關性的信心水準提供指導。
無論您是某個領域的新手還是只是想瞭解更多資訊,要知道要問的正確問題以及如何表達這些問題都可能具有挑戰性。除了摘要之外,Scopus AI 還建議「更深入」地提出問題 ,説明您深入了解並拓寬對該領域的理解。
為了説明您確定對所選主題有影響力的研究,Scopus AI 挖掘了完整的 Scopus 資料庫,以創建基礎論文清單-這些高被引的高影響力論文是被用來生成主題概要。
Scopus AI 使用研究摘要中的關鍵字為每個查詢生成概念地圖 。這有助於你鳥瞰主題空間,更全面地瞭解你的主題及其與其他研究領域的關係——甚至是那些超出你舒適區的研究領域。
主題專家功能利用 Scopus 中的 19.6+ 百萬作者個人資料來查找與您的查詢相關的頂級研究人員,並生成他們的工作和貢獻摘要。
由於透明度是我們關鍵的 GenAI 開發原則之一,因此我們解釋了為什麼選擇每個人。
「Scopus AI 介面直觀易用,它讓研究人員能在比傳統搜尋更敏捷的搜尋過程中獲取問題的概述,並辨識作者和研究方法。它是回顧型文獻、理論框架構建和變數之間關係驗證的寶貴工具,以及其他實際上無法界定的應用。」
EA
Elisenda Aguilera
Pompeu Fabra University in Spain 的 Researcher
生成式人工智慧在研究和教育中的使用帶來了對安全性、準確性和倫理的關鍵問題打開新的分頁/視窗,必須以深思熟慮的指導為依據,例如 聯合國教科文組織 2023 年發佈的這份報告打開新的分頁/視窗。Scopus AI 的構建和維護旨在提供高等教育和研究機構所需的 透明度、安全性、準確性和相關性 見解。
Scopus AI是根據 Elsevier 的負責任的人工智慧五大原則開發的。例如:
強大的數據隱私: 所有使用者輸入均按照我們的隱私政策進行處理。我們還遵守歐洲 GDPR。
特定於 LLM 的數據隱私: OpenAI 的 ChatGPT 是我們使用的大型語言模型 (LLM) 之一。我們已達成協定,不會儲存或使用任何使用者查詢來訓練或改進 ChatGPT。
內容和數據治理: Scopus 內容選擇經過獨立專家委員會的嚴格檢查。
支援 Scopus AI 的技術被用於以下層面:
透明度:Scopus AI 回應中僅使用可信賴的 Scopus 內容,任何聲明或假設都有參考資料支援。Scopus AI 還會提供其回應與您的查詢相關的可信度。如果它找不到相關結果,它會告訴你。
可靠性:Scopus AI 採用我們正在申請專利的 RAG 融合技術,可提高搜尋和回應的品質。LLM 還受到嚴格的提示工程護欄的指指引。
Scopus AI 的開發是為了回應 60% 的 Scopus 用戶確定的需求:更有效率地瞭解新主題。
全球數以千計的研究人員、圖書館館員和學術領袖密切參與了該工具的設計和反覆運算。例如,社區的回饋決定了它在 Scopus 中的位置,以及概念地圖、基礎論文和擴展概要功能的開發。它還啟發了我們正在申請專利的 RAG 聚變技術。
我們每天持續通過各種管道與研究界接觸:例如,隨機選擇 Scopus 使用者來測試該工具。開發團隊不僅密切追蹤這些回饋,並且迅速做出回應,通常在幾個小時內。自 Scopus AI 推出以來,這些回饋造就下列功能的導入:
在概念地圖上查看相關節點的功能
關於 Scopus AI 對其回應的可信度的指引
匯出參考文獻至 SciVal 選項
一種新的小型語言模型重新排序器,可顯著提高搜尋結果的準確性
與 Elsevier 代表討論您的研究需求。
在此頁面上,我們介紹了社群最常提出的一些問題。
Scopus AI 是一款由生成式 AI (GenAI) 提供支援的直觀智慧搜尋工具,可以前所未有的速度和清晰度提供見解。它是與學術界密切合作建立的,通過從 Elsevier 的來源中立和精心策劃的摘要和引文資料庫 Scopus 的後設資料和摘要中獲取見解,為人類積累的知識提供了一個視野。
Scopus AI 使用自然語言處理。這意味著您不必擔心符合特定關鍵字或布林運算子;相反地,您可以使用日常語言輸入您的問題、陳述或假設。然後,Scopus AI 會查詢自 2013 年以來發表的相關文獻,並綜合其摘要的內容,以生成您正在尋找的資訊的即時、易於理解和(重要)參考的概要。為了獲得更深入的見解,獨特的功能,如擴展摘要、 概念地圖、 基礎論文功能表和主題專家按鈕,使你能夠繼續探索和學習。
Scopus AI 在生成您查詢的回應時,會參考自 2013 年以來出版的以下內容類型(會議綜述、勘誤和撤稿文獻除外)的後設資料和摘要:
論文
書籍
書籍章節
評論
簡短調查
數據論文
我們選擇 2013 年作為起始年份,以確保您收到的回覆是基於最近的內容。對於該工具提供的基礎論文清單,Scopus AI 會挖掘整個 Scopus 語料庫,為您提供有關您所選主題的有影響力的文章的完整清單。
關於生成式 AI 的說明
雖然 Scopus AI 努力將其摘要和生成式 AI 功能建立在可信的 Scopus 內容中,但偶爾可能會存在差異。Scopus AI 可能會生成可能被視為不正確、誤導、有偏見甚至令人反感的結果。Scopus AI 並非旨在提供法律、財務或醫療建議。使用者不應僅僅依賴 Scopus AI 的輸出而不進行獨立研究。如果您想在工作中使用 Scopus AI 生成的內容,請查閱您的機構或工作場所指南。請勿在 Scopus AI 中輸入個人、機密或敏感資訊。
向量搜尋引擎近乎即時地更新,確保您收到的回覆始終使用 Scopus 資料庫中提供的最新相關研究。
GenAI 工具中使用的大型語言模型 (LLM) 的功能引起了全世界的關注。然而,它們也有缺點,包括缺乏透明度和幻覺,這可能會破壞對它們所提供資訊的信任。
Scopus AI 僅使用由我們複雜的向量搜尋辨識的高品質、精心策劃的 Scopus 內容, 從而最大限度地減少幻覺和偏見 。
Scopus AI 透過明確引用用於生成回應的文獻來呈現其工作原理 。它還會告訴您回應與您的查詢相關的可信度。
Scopus AI 旨在避免不必要的數據保留。Elsevier 隱私政策解釋了我們所有產品如何收集、使用和共用您的個人資訊。
Scopus AI 所借鑒的內容經過同儕審查,並由獨立的內容選擇和諮詢委員會經過嚴格審查和選擇,以納入 Scopus。
Scopus AI 與學術界密切合作開發和測試的,以確保其滿足關鍵需求和關注重點。我們將繼續與研究人員合作,以增強該工具。
Scopus AI 不僅提供簡單的摘要回應,還提供獨特的功能,使您能夠繼續探索和學習。
Scopus AI 利用獨特而強大的技術組合,包括我們內部開發且正在申請專利的 RAG 融合演算法,可提高搜尋和回應的品質。
隨機使用者測試是我們收集 Scopus AI 用戶回饋的眾多方式之一。不幸的是,使用者不能要求被納入使用者測試,因為隨機化是有助於確保統計有效性的基本原則。
Scopus AI 現在可供您的機構購買。確切的成本取決於幾個因素,包括您是否為 Scopus 的現有客戶。
如果您的機構有興趣購買 Scopus、Scopus AI,或者想瞭解這兩種產品合併的好處,請聯繫您的 Elsevier 客戶服務團隊。剛加入 Elsevier?請參閱此頁面 ,與 Elsevier 代表聯繫。
如果您是尋求使用 Scopus AI 的個人使用者,我們建議您聯繫您的圖書館以探索可用選項。
當我們在 Scopus 和其他產品中嵌入 GenAI 功能時,我們遵循 Elsevier 負責任 AI 原則和隱私原則。Scopus AI 是與學術界密切合作開發和測試的,以確保其滿足關鍵需求和關注重點。
對於 Scopus AI,我們正在使用 OpenAI 的大型語言模型(LLM)ChatGPT 託管在 Microsoft Azure 上,並已達成協定,傳遞給該服務的資訊不會儲存或用於訓練目的。我們對 OpenAI 的 LLM 的使用是私有的,這意味著沒有數據交換或使用我們的數據來訓練 OpenAI 的公開模型。
Scopus AI 通過僅使用由我們的向量搜索辨識的高品質、精心策劃的 Scopus 內容來最大限度地減少幻覺 。這為 Scopus AI 在生成回應時奠定了基礎。 與許多其他自然語言處理工具不同, Scopus AI 通過明確引用用於生成回應的期刊和文獻來呈現其工作原理 。此外,Scopus AI 遵守 GDPR 以保證用戶隱私。我們不會在我們的系統上儲存個人使用者資訊或聊天記錄,除非以改進產品的合規方式(如分析或個人化)進行儲存,我們也不分享它。
Scopus AI 所引用的期刊都經過同儕審查,並由 Scopus 內容選擇和諮詢委員會的獨立專家經過嚴格審查和選擇,以納入 Scopus,您無須擔憂。
指導我們的大型語言模型 (LLM) 的提示工程被設計得非常嚴格,具有明確的指令和範圍。例如,Scopus AI 生成的回應必須與查詢的意圖相關。如果 AI 在 Scopus 中找不到相關的學術論文,它必須告知您。當 Scopus AI 確實提出聲明或斷言時,始終需要有參考文獻來源。
Scopus AI 是首批開創迅速成為 LLM 使用黃金標準的產品之一——檢索增強生成 (RAG) 融合模型。這種方法可以提高向量搜索搜尋和 LLM 摘要生成的品質。
Scopus AI 的回應還定期根據兩個嚴格的評估框架進行測試。這些因素共同降低了幻覺的風險,我們將繼續努力開發以進一步限制這些風險。
我們非常重視偏見。Scopus AI 僅利用 Scopus 中的學術內容,透過直接引用該工具提出的任何聲明背後的摘要來確保透明度。我們的向量搜尋引擎採用餘弦相似度來辨識哪些摘要與您的查詢最接近,而不是偏愛在某些高影響力期刊上被引用或發表的論文。但是,如果您的查詢有很強的偏見,它可能會反映在回應中。即使您的問題是中立的,AI 為其回答辨識的 Scopus 文件中也可能存在偏見。
我們試圖緩解這種情況的方法之一是根據兩個嚴格的評估框架測試 Scopus AI。其中一項特別要求 Scopus AI 回答與潛在偏見領域相關的問題,以便我們能夠辨識並最大限度地減少不適當的回答。我們積極測試該服務,以嘗試根據內部和外部查詢(例如 Quora 的不真誠問題分類)產生或強化不公平偏見的回應。
我們的提示工程指示 LLM 過濾掉「不安全」的答案,這些答案會延續對來自不同背景的個人的偏見、傷害或刻板印象。如果 Scopus AI 在回覆中使用的文獻存在偏見,它將承認這一點並為來源提供參考。我們有使用者友善的回饋機制,以便使用者可以回報任何有害或有偏見的回覆,這些回覆由我們的團隊審查。
我們目前的政策是 GenAI 工具不能被列為作者或引用,因為它無法對其工作承擔責任和問責。就 Scopus AI 而言,它是一個很好的學習輔助工具,可以説明您熟悉新主題並提出探索途徑。
我們對作者、審稿者和編輯的指引允許使用 GenAI 工具來提高研究文章的可讀性和改善語句,但強調:
該技術應始終作為支援工具應用,並受到人類的監督和控制。
必要時,應始終仔細審查和編輯結果。
作者應聲明他們是否以及如何在論文中使用 GenAI 工具。
Scopus AI 旨在根據真實的學術資訊提供對某個主題或主題的概述或介紹。它不是被設計成一個絕對的真理來源,而是一個指引。因此,我們建議使用者直接從生成的概要中的引文中引用論文,而不是引用概要本身。
此外,Scopus AI 目前不包括版本控制,因此概要不適合引用。
隨著技術的成熟,我們將繼續審查這政策。請注意,我們上面連結的指南僅涉及在寫作/編輯過程中使用 AI 工具,而不是作為研究過程的一部分使用 AI 工具從數據中分析和提取見解。
目前還沒有,但我們已經在探索如何讓使用者以他們選擇的語言輸入查詢。從長遠來看,我們將繼續與研究人員合作,以瞭解拓展該工具的語言功能如何使他們受益。
「…借助 Scopus AI,您可以在搜尋時使用更多非正式語言,並且獲得與使用技術術語幾乎相同的結果。我認為這是使用該工具的一大好處。」
BA
Bruno Augusto
葡萄牙阿威羅大學博士生
詳細瞭解 Scopus AI 以及推動這些最近發表文章的技術。
精選文章和資源
文章: 打破學術障礙:語言模型和搜索的未來打開新的分頁/視窗,作者:Adrian Raudaschl, 泰晤士高等教育,2023 年 10 月
文章: 《生成式人工智慧在教育和研究中的指南》打開新的分頁/視窗,聯合國教科文組織,2023 年 9 月
報告: 對高等教育中生成式人工智慧的擔憂被誇大了打開新的分頁/視窗,Cengage Survey Finds,Cengage Group,2023 年 8 月
「我已經與 Scopus AI 合作了幾個月,效果非常好。我以前用過 ChatGPT,但它不是科學文獻回顧的工具。當我聽說有基於 Scopus 的新東西時——這是我在做文獻回顧時最信任的資料庫——我開始大量使用它。」
DEES
Dr Engie El Sawaf
Future University, Egypt 的 Pharmacology Lecturer Assistant
加入我們即將舉行的 Scopus AI 網路研討會,或觀看之前會議的錄影。
網路研討會:精心策劃、豐富和互聯的數據如何增強研究見解
探索如何使用 Scopus 數據為生成式 AI 解決方案提供資訊,以支援研究人員。主題包括內容選擇、偏差最小化、內容完整性、品質和準確性保證,以及用於訓練 AI 的 Scopus 內容。
網路研討會:在負責任的 Gen AI 中導航基本實踐
了解我們如何在 Scopus AI 開發過程中解決道德影響、品質控制和公平性問題。
網路研討會:Scopus AI 的深入探索
瞭解研究人員如何在整個研究過程中有效地使用 Scopus AI,並學習利用我們的 Gen AI 資訊結果來加速搜尋過程的實用方法。