如果你整天都在阅读关于联盟形成、条约机制或国际发展政治的内容，你可能已经生活在 JSTOR 之中了。我也是。我是剑桥大学的一名国际关系专业的学生，从我有记忆起，这个档案库就是我的默认工作空间。上学期，当 JSTOR 推出其新的 AI 研究工具时，我像对待其他任何新功能一样：我持怀疑态度。就像我身边的许多学生和教职员工一样，我曾目睹 ChatGPT 在基本事实面前踉跄，捏造引用，并一本正经地胡说八道。我不需要另一个承诺替我思考的小玩意。我需要的是能帮助我更好地思考，且不会毒害我脚注的东西。
因此，我整个学期都在大量使用这个工具，以看看它是否真的与众不同。经过数周真实的课程作业和论文研究，我可以肯定地说，它不是一个噱头。它改变了你处理学术材料的方式，而且其原因更多在于实用，而非华丽。
这种不信任并非毫无道理
学术界对生成式 AI 的怀疑并非凭空而来。当你的成绩取决于联合国决议日期的准确性，或是安理会授权的精确措辞时，容不得半点“幻觉”。ChatGPT 和其他开放网络助手有着众所周知的习惯：生成听起来合理但虚假的文献标题、错误归属引用，并抹平细微的差别，直到其完全消失。当我向导师提到我正在测试 JSTOR 的工具时，他立刻表示担忧：它会编造来源吗？它会将复杂的论点改写成具有误导性的摘要吗？这些都是合理的问题，因为一个错误的引用就可能毁掉整篇研究论文。
JSTOR 工具的不同之处在于它寻找答案的地方。它不抓取开放互联网的内容。它直接利用 JSTOR 档案库中已有的、值得信赖的学术资源。这个区别听起来很小，但它重塑了一切。
留在“围墙花园”之内
上学期我的大部分研究涉及追踪经济制裁文献如何与人权框架相交织。这是一项密集且跨学科的工作。通常情况下，过程是这样的：我运行关键词搜索，打开三十个标签页，阅读摘要，下载大约十二份 PDF，然后花好几天时间试图记住哪个作者提出了哪种细微的区别。这很慢。这很必要。但确实很慢。
有了集成在档案库中的 AI 工具，我可以针对论点之间的关系提出直接问题，并获得完全锚定在那些我确实可以打开并验证的论文上的回答。该工具为我指出了国际法学术研究与政治经济学研究之间被我忽略的联系。这些不是从 Wikipedia 词条中提取的合成摘要。它们是通过我早已信任的同一个数据库中的真实、经过同行评审的材料所开辟的路径。
这对于任何从事历史、政治学或任何必须谨慎对待一手和二手资料领域的人来说都至关重要。你并不是将判断力外包给一个黑箱，你是在使用一个留在图书馆里的向导。
不以牺牲准确性为代价的速度
对我来说，最大的实际转变在于节奏。剑桥大学的截止日期从不容许拖延，人们总会面临为了速度而牺牲彻底性的诱惑。我见过同学依赖开放网络 AI 来生成文献综述，结果几天后不得不花时间删掉虚假的参考文献。JSTOR 工具让我能更快地浏览档案，同时又不失准确性，因为每一个建议都附带了指向真实来源的直接链接。我可以在几秒钟内核对原文。如果摘要感觉不对劲，完整的论文就在那里，可以随时进行纠正。
在写一篇关于边界争端后殖民方法的论文时，该工具帮我发现了一条将世纪中叶的区域研究与较新的批判性安全研究联系起来的线索。如果通过手动搜索，我最终也能找到，但那将需要额外一周的浏览时间。相反，我把那一周花在了深度阅读上，而不是盲目搜寻。
这正是关于 AI 教育辩论中容易被忽视的实际细节。对大多数学生来说，问题不在于写作速度，而在于发现速度。在可能存在的五百篇论文中，知道哪五篇需要仔细阅读，就已经成功了一半。该工具负责初步筛选，以便你可以专注于思考。
减少噪音
虚假信息并不总是惊天动地的。有时它只是一个细微的日期错误。有时是一个被误解的理论框架，因为没人去核实原文而得以流传。由于该工具基于 JSTOR 的索引语料库，降低了虚假信息的风险，因此噪声水平显著降低。你仍然需要进行批判性阅读，没有任何工具可以取代这一点。但你花在验证来源是否存在上的时间会减少。
当我在审阅复杂的论证方法论文时，对此感触最深。国际关系（IR）研究通常将定量分析与历史案例研究相结合，而技术性的