ตรวจห่วงโซ่ของงาน
เริ่มจาก problem/gap แล้วไล่ไป objective, method, data/evidence, result และ claim ถ้าห่วงโซ่ขาด งานจะยังไม่พร้อม แม้ภาษาอ่านลื่นก็ตาม
Student Edition v1.3
เว็บนี้ทำไว้ให้นิสิตใช้ AI แบบ workspace เช่น Codex, Claude Code หรือ Antigravity ตรวจวิทยานิพนธ์หรือ manuscript อย่างเป็นระบบ ก่อนส่งให้อาจารย์หรือกรรมการตรวจรอบถัดไป
การตรวจวิทยานิพนธ์ไม่ใช่แค่ตรวจภาษา แต่ต้องตรวจว่าเรื่องทั้งเรื่องต่อกันจริงหรือไม่ ตั้งแต่ปัญหา วัตถุประสงค์ วิธีวิจัย หลักฐาน ผลลัพธ์ reference และข้อจำกัดของงาน
เริ่มจาก problem/gap แล้วไล่ไป objective, method, data/evidence, result และ claim ถ้าห่วงโซ่ขาด งานจะยังไม่พร้อม แม้ภาษาอ่านลื่นก็ตาม
ทุก claim สำคัญต้องมีหลักฐาน เช่น citation ที่ตรงประเด็น dataset baseline metric raw result หรือข้อกำหนด IRB/legal ที่ตรวจจากแหล่งจริง
ดูว่างานมีน้ำหนักพอกับระดับปริญญาและ venue หรือไม่ มีงานสำคัญหรือ baseline ที่ขาดไปหรือไม่ และ claim เกินหลักฐานหรือไม่
เด็กใหม่ไม่ต้องเริ่มจากจุดนี้ ถ้ามี review notes และหลักฐานพอแล้ว ค่อยใช้ ประเมินเชิงลึก เพื่อทดสอบ counter-argument, claim credibility และ decisive failure tests
อ่านรายละเอียดแนวคิดของ prompt หลักได้ที่ แนวคิดการตรวจงานวิจัยโดยทั่วไป
เอกสารประกอบนี้ควรอ่านก่อนเริ่มใช้ชุด prompt โดยอธิบายห้าด่านตรวจงานวิจัย, Output/Outcome, prior attempts, unresolved need, alternatives และข้อควรระวังการใช้ AI ในการตรวจวิทยานิพนธ์
Problem → prior attempts/evidence → unresolved need → objective/RQ → alternatives → method → result/evidence → output → outcome/by-product → conclusion
เส้นทางหลักสำหรับตรวจทั้งเล่ม ให้ AI อ่านไฟล์ใน workspace แล้วสร้าง review notes แยกจาก thesis ต้นฉบับ
ใช้เฉพาะตรวจส่วนสั้น ๆ เช่น title/abstract หรือ literature บางย่อหน้า เมื่อไม่มีเครื่องมือแบบ workspace