Q：圖書館學術資源探索系統PRIMO AI與Scopus AI的差別？
兩者都可以用中英文提問讓AI幫忙查資料，不過來源資料與細微功能不同。
PRIMO AI的資料出處是圖書館訂購的部分電子資源，Scopus AI則是Scopus資料庫收錄內容。
Scopus AI在將提問轉換成關鍵字查詢的功能上做得較好，也有進階的心智圖、辨識重要文獻與作者、推薦熱門研究主題、Deep Research等功能。
兩者同樣都有限制，像是：資料量不夠全面(PRIMO的中文資料多於Scopus，然而仍有限)，僅基於期刊摘要而非全文來回答，摘要資料出處內容時可能出錯或擴寫。
Q：向AI搜尋問題時，容易被AI的回答影響，有時漸漸偏離原本要探討的方向，導致效率降低。想請問應如何避免此情形？
首先，搜尋者/提問者應明確自己的研究問題與查詢主軸，即可在AI建議方向偏離時不予理會，或糾正AI的方向。
若一開始還不是很清楚自己的研究問題與查詢主軸，可以同時使用不同AI工具提問，交叉比對AI回答的不同處，或是持續轉換同一個問題的不同問法，從AI建議的結果中找出自己真正想要的資料方向。
另外，也可以搭配傳統的資料庫檢索模式，利用年代、資料類型等篩選方式，或搭配引用次數、年代的排序，就可以比較有自己瀏覽與篩選資料的主導權。
最後，不論是傳統的資料庫檢索或是AI搜尋，都可能會發生這種資料偏離方向、效率降低的情況。建議可以邊閱讀資料、邊思考研究問題，適時修改自己的資料查詢策略，避免被資料帶偏。
Q：資料庫內建的 Deep Research和一般 AI 平台的 Deep Research有什麼不同？
兩者都是讓 AI 自動檢索、閱讀並綜整多篇資料產出報告，但資料來源範圍不同：資料庫內建的 Deep Research 只檢索該資料庫收錄的內容（例如 Scopus AI 只查 Scopus 收錄資料的摘要、DBpia 只查韓文文獻），來源可信、可溯源、有版權保障，但範圍限於該庫；一般 AI 平台的 Deep Research 則檢索公開網路資源，範圍較廣但來源品質不一。
選擇原則：需要權威、可溯源的文獻綜整，優先用資料庫內建的 Deep Research；需要跨領域、跨來源的廣度探索，可搭配一般 AI 平台，但務必回到原始文獻查證。
Q：為什麼不能直接以通用型AI指令查詢WOS與Scopus收錄內容？
雖然通用型AI可以使用指令「請幫我找收錄在WOS Q1期刊的某主題研究」，然而不代表AI真的回答出WOS Q1期刊。除了AI本身的幻覺問題(明明不是Q1卻聲稱是Q1)，AI還可能沿用資料來源的錯誤：
AI的回答可能基於期刊網站上的宣稱，許多掠奪性期刊會在網站上宣稱自己被WOS、Scopus收錄以欺騙學者投稿。
即使真的找到出自Q1期刊的文章，也未必是最新年度評比出的Q1期刊，或是曾經刊登但已被撤稿，網路上的資料尚未更新。
WOS、Scopus收錄期刊每年都會重新評比與分析，且兩家廠商都投入成本在維護研究者姓名檔、期刊檔、機構檔的正確性與一致性，以利其資料分析結果可以更正確。也因此若有其他公司要大規模使用期刊收錄評比資料，都需要獲得這兩間公司的授權。
學術AI工具如Scispace、Elicit雖然有期刊品質篩選器(Q1-Q4)，然而是廠商自行開發的，並不是JCR、Citescore，雖有助於過濾掉一些低品質資料，但還是跟WOS、Scopus篩選機制不同。
Q：什麼情況下才比較有機會使用通用型AI幫忙做研究？
使用者付費：付費版的AI才會比較認真的深度思考，且可以持續反覆讓AI自我驗證。免費版有使用次數上限，即使AI有能力自我檢查幻覺或自我修正，也無法用到。
使用者有基本的AI素養：能批判性檢視AI生成內容與驗證資料出處、能知道AI回答中的不足之處並知道去哪裡找到資料給AI進一步分析、能知道怎麼調用不同的AI工具來滿足自己的研究需求。
任務本身不需要周延完整的資料：像是計畫申請書可能只需舉出關鍵或能支持論證的文獻，或是其他資料量不夠完整也不會影響決策或文章品質的任務(像是在職專班碩論、大學課堂作業、一般行政報告)。
AI可取得的資料量較充足：該學科領域只需使用近年來開放取用資料、該學科領域已積極將資料串接給AI(如Pubmed、arXiv)、該學科領域的資料有較佳的資料交換格式且有公開資料的傳統。
有難度：文史專書手稿史料類研究、付費資料庫擋住的金融市場資料、未採用開放資料標準的政府資料，法律資料需要多種判斷(證據裁判效力、司法管轄權等)未必能直接採信AI說法。
Q：學術AI與通用AI都不擅長的事情？
不同時間使用相同指令無法獲得相同答案，使搜尋過程難以複製與檢驗。
即使能找到真實存在的資料出處，都可能發生AI摘要錯誤，需要使用者自行點開資料出處驗證。Deep Research雖能產生長篇看似完整的報告，然而需要使用者全部逐一驗證是否資料出處品質良好、引述內容正確，會花更多時間。
資料都不完整，因此資料庫與通用型AI提出的研究缺口或任何研究論斷都不能直接採用，需研究者自行至多種資料來源獲得足夠資料後才能提出。
皆難以交代AI為什麼優先選擇某些資料呈現、且挑選資料的流程難以人類即時介入與對齊。
現階段無法判斷使用者的所處資訊需求情境，提供最合適的資料與引導方向，仍需靠使用者自己的背景知識才能讓AI產生更好的結果。目前仍只適合用來探索及補充資料，無法在缺乏使用者判斷的情況下直接採用。
目前較知名的AI內容檢測器為Turnitin AI，需要由機構訂購，無法以個人訂購。網路上可以找到聲稱可偵測中文文本的Turnitin AI可能是詐騙網站，切勿輕易上傳資料與付費使用。
Turnitin AI僅供教師帳號使用，僅能檢測英、日、西班牙文文本，字數限制為300-30000字。若只是Grammarly的拼寫、文法和句點修改，不會被偵測。
原理：Turnitin的AI寫作偵測功能現在由三種Hugging Face 提供的開源模型組合運作。上傳的文件會被區分成段落，三個模型皆會共同處理這些文字段落，給予每段落0或1，1表示模型認為此段落文字由AI生成或是改寫、人性化(Humanize)，最終再計算所有段落的平均得分。
Turnitin的使用說明提到：「0–19%的AI分數較容易出現false positives，低於 20% 時不再顯示具體分數或標示，只以星號提示」，意味其低分偵測結果不能保證有使用AI。Turnitin亦說明其AI功能無法可靠檢測出非散文形式，如詩歌、劇本、程式碼、有註釋的書目，未必適合所有學科領域。
Turnitin AI會有誤判風險，已有國外多間大學因此停訂(請參考此處案例整理)，現在的趨勢為校方提供老師改變教學與測驗方法。
PennState給教師不使用AI偵測的指引文件、建議做法文件；匹茲堡大學提供給教師不使用AI偵測器可以怎麼做的指引。
JISC-「AI Detection and assessment – an update for 2025」整理以往研究中測試的AI檢測正確度。
Turnitin AI detector 相關社群討論指出「不同AI工具分數不一致」、「自己寫但降不下AI分數」、「寫作變成為了躲偵測而不是改善內容」等經驗。由於Turnitin AI無個人版、不能供學生使用，為了能通過檢測，學生繳交作業前可能需要自費購買AI檢測工具。加以台灣學生多數的英文程度為非母語英文使用者，已有研究指出AI偵測器容易將「非母語英文的規律、簡潔、模板化」誤判為 AI，更可能造成公平性問題。
目前AI生成文字會有慣用的詞彙、標點符號、句型、篇章結構，對於需主觀表達想法的題目時常出現近似見解，在需要引用的作業中容易出現資料出處或摘要的錯誤幻覺，可以透過這些跡象來人工辨識。可進一步參考「AI生成內容查核」的說明。
* 若須偵測中文文本，現僅有中國產品(快刀、知網、維普、萬方、PaperPass)，因資安考量不予訂購。