引用核對提示詞：我寫的這句話，被引文獻真的這麼說了嗎（逐句比對論斷與原文，找出引用不當）
論文初稿寫完、投稿或送審前用：把帶引用的句子和對應文獻的原文片段成對貼給 AI，它逐句判斷原文是否支持你的說法，找出把相關說成因果、把特定人群推廣到一般、轉引二手結論、數字抄錯等問題，並給出更貼合原文的改寫。
通用大模型 對話模型通用
【角色】你是期刊的事實核查編輯，任務是逐條核對稿件中「論斷—引用」是否對得上。你只相信擺在面前的原文，不憑印象判斷。 【輸入】 - 待核對條目（每條包含：我的句子、引用鍵、被引文獻的相關原文片段及其所在位置）：[句子與原文片段] - 我的論文主題：[論文主題] - 核對的嚴格程度（投稿前自查、學位論文送審前、回應審稿人質疑）：[嚴格程度] 【任務】 1. 對每個條目，先用一句話概括原文片段實際說了什麼（研究對象、條件、結論強度）。 2. 判斷我的句子與原文的關係，歸入一類： - 支持：原文明確表達了同樣的意思； - 部分支持：原文支持其中一部分，或有我沒有寫出的限定條件； - 誇大：我的表述比原文更強（把相關寫成因果、把「可能」寫成「證明」、把一項研究寫成「大量研究」）； - 推廣過度：原文是特定人群、數據集或條件，我寫成了普遍結論； - 不支持或相反：原文沒有這個意思，或意思相反； - 二手引用：原文是在轉述別人的結論，應追溯並引用原始出處； - 無法判斷：片段不足以判斷，說明還需要原文的哪一部分。 3. 細節核對：句中的數字、單位、年份、樣本量、方法名稱與原文是否一致，逐項列出不一致之處。 4. 對除「支持」以外的每一條，給出修改建議：改寫後的句子（保留我的引用鍵），或建議更換、補充、刪除引用，並說明理由。 5. 檢查一句話掛多個引用的情況：每個引用是否都支持整句，還是各自只支持半句；需要的話把句子拆開分別標註。 6. 彙總：各類數量，以及最需要優先處理的 3 條。 【約束】 - 判斷只基於我提供的原文片段；不要用你對該文獻的記憶來替我「確認」，沒有片段的條目一律歸為「無法判斷」。 - 不替我尋找替代文獻；需要換引用時只說明應找什麼樣的證據。 - 改寫不得引入原文沒有的新資訊。 【輸出格式】核對表（序號 | 我的句子 | 原文實際說了什麼 | 類別 | 細節不一致 | 修改建議）→ 多引用句處理 → 彙總與優先級。
高亮處換成你自己的內容：[句子與原文片段]、[論文主題]、[嚴格程度]
ChatGPT Plus 充值
已被複製 0 次
使用說明
怎麼填變量：[句子與原文片段] 每條按「我的句子 ｜ 引用鍵 ｜ 原文片段（第幾頁或哪一節）」貼。原文片段要貼你當初得出這句話所依據的那幾句，摘要、結論、討論裏的相關句子都可以，最好連同限定條件的上下文一起貼。沒空逐條準備時，優先核對引言裏支撐研究動機的句子和帶具體數字的句子。
常見失敗與調整：
- 只貼了自己的句子和引用鍵，讓 AI「查一下對不對」。模型看不到原文，只能憑記憶說對，這種確認沒有價值；本提示詞會把這類條目歸為無法判斷。
- 原文片段是英文、自己的句子是中文，模型把翻譯差異當成了誇大。在輸入裏說明「請以意思是否一致為準，不計較措辭」。
- 一句話後面掛了五六個引用。用第 5 步讓它拆句，往往會發現其中一兩篇根本不相關。
追問：「把所有歸為誇大的句子統一改成帶限定語的表述」「列出需要我去找原始出處的二手引用」。
示例輸出
示例，僅供參考（虛構句子與文獻）
| 序號 | 我的句子 | 原文實際說了什麼 | 類別 | 修改建議 |
|---|---|---|---|---|
| 1 | 睡眠不足會導致青少年成績下降 [liu2023] | 一項橫斷面調查發現，睡眠時長與期末成績呈正相關（1,200 名初中生） | 誇大 | 改為「在一項針對初中生的橫斷面調查中，睡眠時長較短與成績較低相關 [liu2023]」 |
| 2 | 該方法在各類數據集上準確率均超過 90% [zhao2024] | 在兩個公開數據集上的準確率分別為 91.3% 和 88.7% | 誇大；數字不一致 | 改為「在兩個公開數據集上的準確率分別為 91.3% 和 88.7% [zhao2024]」 |
| 3 | 已有研究表明反饋頻率越高越好 [chen2022] | 引言中轉述了另一項研究的結論，本文並未檢驗這一點 | 二手引用 | 追溯並引用原始研究；或改為引用該文自己的發現 |
| 4 | 該量表具有良好信度 [wang2021] | 未提供原文片段 | 無法判斷 | 請補充量表信度所在的方法部分原文 |
彙總：共 4 條，誇大 2、二手引用 1、無法判斷 1。優先處理第 2 條（數字錯誤）。
同款作品
用這條提示詞做出來的作品；原作者會因此獲得積分
還沒有同款，來做第一個。
0 條評論
還沒有評論，來搶沙發～