書目欄位拆分與逐項核驗
可以得到什麼
把模型給出的整條參考文獻拆成獨立欄位（作者、題名、期刊或出版社、年份、卷期、頁碼、DOI），並針對每一欄位做存在性、元數據一致性與內容支持性的逐項核驗，最終輸出一份可以寫入正式論文的可信來源清單，以及一份針對每條書目的核驗狀態（「未驗證」「存在但元數據有誤」「相似文獻存在但並非同一篇」）。
適合哪些情況
- 將 ChatGPT 等生成式 LLM 返回的書目用於文獻綜述、課程論文、畢業論文、研究計畫或備課資料之前。
- 編輯、圖書館員、研究者需要對別人提交的 AI 草稿做引用審查時。
- 任何無法直接以主題相關與格式完整判定書目是否可信的場景。
需要準備什麼
- 原始問答記錄：完整問題、模型回答、使用日期與模型版本。少了這些，後續無法判斷模型是按什麼主題、語言與限制生成條目。
- 可用檢索入口：根據語言與學科選用圖書館目錄、中文期刊系統、CNKI、華藝、PubMed、Scopus、Web of Science、Crossref、Google Scholar、出版商頁面等。
- 欄位拆分表：把每條書目拆成作者、題名、期刊、年份、卷期、頁碼、DOI、語言、研究主題等獨立項目。
- 檢索日誌範本：可記錄已用資料庫、關鍵詞、檢索日期、結果數量與最相似條目。
常見做法
- 保存原始問答。 不要只複製參考文獻列表，否則後續無法判斷模型生成語境。
- 把書目拆成欄位。 作者、題名、期刊或出版社、年份、卷期、頁碼、DOI；任一欄位缺失先標記缺失，不要讓 AI「補齊」後直接當作事實。
- 按語言與學科選擇入口。 中文期刊先查圖書館目錄、地區期刊索引、華藝、CNKI；英文醫學主題優先 PubMed，再用 Scopus、Web of Science 等綜合引文資料庫交叉確認。
- 先做完整題名檢索。 用引號或題名字段做精確檢索，並嘗試「作者＋年份」組合；找到結果後仍要打開記錄核對全部元數據。
- 完整題名無結果時用題名拆分檢索。 見 題名拆分檢索（Title Decomposition Search）。
- 逐欄位比對相似結果。 對相近論文檢查作者、題名、期刊、年份、卷期頁碼、DOI 是否一致；年份錯一位、刊名錯配、預發表與正式出版混淆都會導致引用不準確。
- 回到權威落地頁。 以出版商、期刊、資料庫正式記錄或 DOI 頁面確認書目；只有二手轉載或聚合頁面時繼續尋找原始記錄。
- 檢查內容是否支持論斷。 書目真實只解決「有沒有這篇」的問題，正式寫作前還要核對引用句是否超出原文範圍、數字樣本條件是否一致。
- 記錄無法確認的狀態。 對付費牆、機構登錄限制、舊刊未數位化或資料庫覆蓋不足的條目，寫成「當前無法驗證」並註明已查入口；不要為了讓清單完整而讓另一個模型猜測。
真實案例與教程
限制與檢查點
- 過程的時間成本不低：多資料庫檢索需要檢索知識，部分資料庫需要機構訂閱；題名拆分、相似論文比對與原文閱讀都必須人工完成。
- AI 可以幫助把欄位排成表格或提出檢索詞，但不能作為自己的獨立證人；讓同一個或另一個生成模型判斷「這篇文獻是否真實」，模型仍可能依據相似語言再次生成看似合理的解釋。
- 「查不到 ≠ 不存在」。某些地方期刊、舊文獻、未被特定資料庫收錄的材料確實可能難以檢索。
- 不能據此計算任何模型在全部學科或當前版本的虛構比例。
相關任務、方法與工具
來源邊界
本方法直接來自 SRC-LEARN-008 的館員實務，原文已展示「拆欄位—多庫交叉—完整題名—題名拆分—逐欄位比對—DOI 終檢—回到原文」的主要步驟；「存在性、元數據一致性、內容支持性」三層核驗結構中，前兩層由文章直接展示，第三層（內容支持性）為整理者根據引用使用目的歸納的補充。