Intro

Dulu, cara saya urus artikel jurnal agak bersepah. Jumpa artikel, download PDF, simpan dalam folder. Lepas itu folder pula bercampur-campur. Ada dalam Downloads, ada dalam Google Drive, ada dalam folder “PhD”, “Proposal”, “Final”, dan macam-macam lagi.

Lama-lama, bila nak cari semula artikel, mula jadi masalah.

Jadi saya cuba bina satu sistem kecil yang saya panggil AI Literature Scout.

Tujuannya mudah: biar sistem bantu cari artikel, tapis artikel, beri ringkasan awal, dan simpan terus dalam satu tempat.

Apa yang sistem ini buat?

Secara ringkas, sistem ini akan:

1. Cari artikel akademik berdasarkan kata kunci kajian.
2. Hantar maklumat artikel kepada AI untuk dinilai.
3. AI beri skor, tema dan keputusan sama ada artikel itu relevan atau tidak.
4. Artikel yang sesuai akan disimpan dalam Notion.
5. Ringkasan artikel akan dihantar ke Telegram.

Jadi saya tidak perlu lagi semak satu demi satu artikel dari awal. Saya masih perlu membaca dan menilai sendiri, tetapi AI membantu membuat tapisan awal.

Tools yang saya gunakan

Untuk sistem ini, saya gunakan beberapa tools:

• n8n – untuk bina workflow automasi.
• OpenAlex – sebagai sumber carian artikel akademik.
• OpenAI API – untuk analisis awal artikel.
• Notion – sebagai Literature Bank.
• Telegram Bot – untuk terima notifikasi artikel baru.
• VPS – supaya sistem boleh berjalan sendiri.

Gabungan semua tools ini membolehkan sistem berjalan secara automatik.

Aliran kerja sistem

Flow asas sistem ini lebih kurang begini:

OpenAlex → AI Review → Notion → Telegram

Maksudnya, sistem akan cari artikel di OpenAlex, kemudian AI akan semak sama ada artikel itu sesuai dengan topik kajian saya. Jika sesuai, artikel itu akan masuk ke Literature Bank di Notion dan saya akan terima notifikasi di Telegram.

Contoh maklumat yang AI beri

Untuk setiap artikel, AI akan bantu hasilkan maklumat seperti:

• Tajuk artikel
• Tahun penerbitan
• Nama jurnal
• DOI atau pautan artikel
• Skor kesesuaian
• Tema artikel
• Keputusan awal
• Sebab artikel itu relevan atau tidak

Contohnya:

Score: 8/10
Theme: Science Misconceptions, Primary Science Education
Decision: Accept
Reason: Artikel ini sesuai kerana membincangkan miskonsepsi murid sekolah rendah dalam topik sains.

Kenapa saya buat sistem ini?

Dalam PhD, literature review bukan kerja sekali siap. Ia proses yang berterusan. Artikel baru boleh muncul pada bila-bila masa. Kalau semuanya dibuat secara manual, memang mudah terlepas pandang.

Dengan sistem ini, saya boleh bina satu bank artikel yang lebih tersusun sejak awal.

Bila saya buka Notion, saya boleh terus lihat artikel mengikut tema, skor, keputusan dan topik. Bila ada artikel baru yang relevan, Telegram akan maklumkan kepada saya.

Apa kelebihan sistem ini?

Antara kelebihan yang saya nampak:

• Literature review lebih tersusun.
• Artikel tidak lagi bersepah dalam folder.
• AI bantu tapis artikel yang kurang relevan.
• Notion jadi pusat simpanan utama.
• Telegram beri notifikasi pantas.
• Sistem boleh berjalan sendiri di VPS.
• Boleh disesuaikan ikut topik kajian masing-masing.

AI bukan pengganti pembacaan

Walaupun sistem ini menggunakan AI, saya tetap perlu membaca artikel sendiri. AI hanya membantu pada peringkat awal, seperti mencadangkan artikel mana yang patut diberi perhatian.

Keputusan akhir tetap bergantung kepada penilaian penyelidik.

Bagi saya, AI ini lebih sesuai dianggap sebagai pembantu penyelidik, bukan pengganti penyelidik.

Kesimpulan

Sistem ini masih ringkas, tetapi cukup membantu saya mengurus literature review dengan lebih sistematik. Daripada artikel bersepah dalam folder, sekarang saya ada Literature Bank yang boleh dicari, ditapis dan dikembangkan dari masa ke masa.

Untuk sesiapa yang sedang buat Master atau PhD, sistem seperti ini boleh sangat membantu, terutamanya jika literature review melibatkan banyak tema, teori dan artikel.

Bagi saya, ini bukan sekadar automasi. Ini satu cara untuk bina disiplin dalam mengurus bacaan akademik sejak awal perjalanan PhD.