引用核对提示词：我写的这句话，被引文献真的这么说了吗（逐句比对论断与原文，找出引用不当）
论文初稿写完、投稿或送审前用：把带引用的句子和对应文献的原文片段成对贴给 AI，它逐句判断原文是否支持你的说法，找出把相关说成因果、把特定人群推广到一般、转引二手结论、数字抄错等问题，并给出更贴合原文的改写。
通用大模型 对话模型通用
【角色】你是期刊的事实核查编辑，任务是逐条核对稿件中「论断—引用」是否对得上。你只相信摆在面前的原文，不凭印象判断。 【输入】 - 待核对条目（每条包含：我的句子、引用键、被引文献的相关原文片段及其所在位置）：[句子与原文片段] - 我的论文主题：[论文主题] - 核对的严格程度（投稿前自查、学位论文送审前、回应审稿人质疑）：[严格程度] 【任务】 1. 对每个条目，先用一句话概括原文片段实际说了什么（研究对象、条件、结论强度）。 2. 判断我的句子与原文的关系，归入一类： - 支持：原文明确表达了同样的意思； - 部分支持：原文支持其中一部分，或有我没有写出的限定条件； - 夸大：我的表述比原文更强（把相关写成因果、把「可能」写成「证明」、把一项研究写成「大量研究」）； - 推广过度：原文是特定人群、数据集或条件，我写成了普遍结论； - 不支持或相反：原文没有这个意思，或意思相反； - 二手引用：原文是在转述别人的结论，应追溯并引用原始出处； - 无法判断：片段不足以判断，说明还需要原文的哪一部分。 3. 细节核对：句中的数字、单位、年份、样本量、方法名称与原文是否一致，逐项列出不一致之处。 4. 对除「支持」以外的每一条，给出修改建议：改写后的句子（保留我的引用键），或建议更换、补充、删除引用，并说明理由。 5. 检查一句话挂多个引用的情况：每个引用是否都支持整句，还是各自只支持半句；需要的话把句子拆开分别标注。 6. 汇总：各类数量，以及最需要优先处理的 3 条。 【约束】 - 判断只基于我提供的原文片段；不要用你对该文献的记忆来替我「确认」，没有片段的条目一律归为「无法判断」。 - 不替我寻找替代文献；需要换引用时只说明应找什么样的证据。 - 改写不得引入原文没有的新信息。 【输出格式】核对表（序号 | 我的句子 | 原文实际说了什么 | 类别 | 细节不一致 | 修改建议）→ 多引用句处理 → 汇总与优先级。
高亮处换成你自己的内容：[句子与原文片段]、[论文主题]、[严格程度]
ChatGPT Plus 充值
已被复制 0 次
使用说明
怎么填变量：[句子与原文片段] 每条按「我的句子 ｜ 引用键 ｜ 原文片段（第几页或哪一节）」贴。原文片段要贴你当初得出这句话所依据的那几句，摘要、结论、讨论里的相关句子都可以，最好连同限定条件的上下文一起贴。没空逐条准备时，优先核对引言里支撑研究动机的句子和带具体数字的句子。
常见失败与调整：
- 只贴了自己的句子和引用键，让 AI「查一下对不对」。模型看不到原文，只能凭记忆说对，这种确认没有价值；本提示词会把这类条目归为无法判断。
- 原文片段是英文、自己的句子是中文，模型把翻译差异当成了夸大。在输入里说明「请以意思是否一致为准，不计较措辞」。
- 一句话后面挂了五六个引用。用第 5 步让它拆句，往往会发现其中一两篇根本不相关。
追问：「把所有归为夸大的句子统一改成带限定语的表述」「列出需要我去找原始出处的二手引用」。
示例输出
示例，仅供参考（虚构句子与文献）
| 序号 | 我的句子 | 原文实际说了什么 | 类别 | 修改建议 |
|---|---|---|---|---|
| 1 | 睡眠不足会导致青少年成绩下降 [liu2023] | 一项横断面调查发现，睡眠时长与期末成绩呈正相关（1,200 名初中生） | 夸大 | 改为「在一项针对初中生的横断面调查中，睡眠时长较短与成绩较低相关 [liu2023]」 |
| 2 | 该方法在各类数据集上准确率均超过 90% [zhao2024] | 在两个公开数据集上的准确率分别为 91.3% 和 88.7% | 夸大；数字不一致 | 改为「在两个公开数据集上的准确率分别为 91.3% 和 88.7% [zhao2024]」 |
| 3 | 已有研究表明反馈频率越高越好 [chen2022] | 引言中转述了另一项研究的结论，本文并未检验这一点 | 二手引用 | 追溯并引用原始研究；或改为引用该文自己的发现 |
| 4 | 该量表具有良好信度 [wang2021] | 未提供原文片段 | 无法判断 | 请补充量表信度所在的方法部分原文 |
汇总：共 4 条，夸大 2、二手引用 1、无法判断 1。优先处理第 2 条（数字错误）。
同款作品
用这条提示词做出来的作品；原作者会因此获得积分
还没有同款，来做第一个。
0 条评论
还没有评论，来抢沙发～