Prompt per sintesi di ricerca — estrai affermazioni, prove e
Il classico 'riassumi questo' produce sintesi in stile paragrafo che perdono il punto di ogni studio sfumato. Questo prompt estrae un oggetto strutturato — affermazioni, tipo di prova, posizione nella fonte e qualunque contraddizione tra documenti — che puoi scorrere in 60 secondi.
Sintetizzerai il/i documento/i qui sotto. Produci come tabella strutturata, non in prosa. Per ogni affermazione principale nella/e fonte/i, estrai: - Affermazione: <singola frase> - Tipo di prova: <studio empirico / argomento teorico / opinione di esperto / aneddoto / non supportata> - Fonte: <nome del documento + pagina o sezione> - Forza: <forte / moderata / debole — basata sul tipo di prova e sulla dimensione del campione> - Caveat: <limiti che la fonte stessa riconosce> Dopo la tabella, aggiungi tre sezioni: 1. CONTRADDIZIONI: elenca i punti in cui i documenti dissentono o dove l'affermazione di un documento confligge con i dati di un altro. 2. MAPPA DI CONFIDENZA: valuta l'affidabilità complessiva di ogni affermazione principale — alta (più fonti forti concordano), media (una fonte forte o più fonti deboli), bassa (singola fonte debole o asserzione non supportata). 3. COSA MANCA: 3-5 domande che un lettore attento si porrebbe ancora dopo aver letto questi documenti. Marca ciascuna come 'affrontabile da questi documenti con più lettura' o 'richiede fonti esterne'. Regole rigide: - Cita numeri di pagina o identificatori di sezione per ogni affermazione. Se non puoi, marca [pagina sconosciuta]. - Non sintetizzare oltre quello che dicono i documenti. Se due documenti toccano un argomento ma non si confrontano direttamente, dillo — non inventare un confronto. - Distingui 'il documento afferma X' da 'X è vero'. La sintesi riporta cosa è stato affermato, non cosa è corretto. Documento/i: [incolla il testo completo o carica i PDF]
Quando usarlo
- Leggendo 5-10 paper per una revisione di letteratura — passa ognuno in questo prompt, poi confronta le mappe di confidenza per trovare consenso e lacune.
- Valutando un report di settore ricevuto da un vendor — la colonna della forza espone dove il report è guidato dai dati vs dal marketing.
- Verifica incrociata di un articolo di giornale — passa l'articolo + lo studio sottostante; le contraddizioni emergono immediatamente.
Suggerimenti per modello
- claude
- Migliore nel distinguere affermazione da tipo di prova. La regola 'non sintetizzare' è quella più rispettata da Claude (Sonnet 4.6+).
- perplexity
- Forte quando il documento è sul web aperto — Perplexity aggiunge verifica delle fonti automaticamente. Meno utile per PDF privati.
- chatgpt
- Funziona ma tende ad ammorbidire il verdetto 'non supportata' in 'menzionata'. Sii esplicito: 'usa "non supportata" quando il documento presenta un'affermazione senza citare dati, anche se suona ragionevole.'
Esempio: sintesi di 3 paper su produttività in lavoro remoto
| Affermazione | Prova | Fonte | Forza | Caveat | |---|---|---|---|---| | I lavoratori remoti auto-riportano produttività maggiore del 13% | sondaggio, n=2400 | Bloom 2024 p.7 | moderata | bias di auto-report riconosciuto | | Il lavoro remoto riduce l'innovazione di team | intervista qualitativa, n=42 manager | Smith 2023 p.14 | debole | campione sbilanciato verso manager, non IC | | Ibrido (3 giorni) supera il full-remote su retention | A/B test in una sola azienda | Chen 2025 p.22 | moderata | singola azienda, può non generalizzare | CONTRADDIZIONI: - Bloom 2024 riporta un guadagno di produttività; Smith 2023 implica un calo di produttività (tramite 'ridotta innovazione'). I due usano definizioni di produttività diverse — Bloom = output per ora, Smith = output strategico. Non direttamente confrontabili. MAPPA DI CONFIDENZA: - 'Il lavoro remoto cambia la produttività' → alta (effetto chiaro, direzione dibattuta) - 'Il lavoro remoto riduce l'innovazione' → media (uno studio, qualitativo) - 'L'ibrido è ottimale' → bassa (un A/B in una sola azienda) COSA MANCA: 1. Effetto specifico sui dipendenti junior [richiede fonti esterne] 2. Breakdown settore per settore [affrontabile: Bloom 2024 ha dati in appendice] 3. Effetto sul trasferimento di conoscenza / mentorship [richiede fonti esterne]
Come funziona
Perché le sintesi in prosa falliscono per la ricerca
Una sintesi in paragrafo mescola ogni affermazione nello stesso livello di autorità. Il lettore non può dire se 'gli studi mostrano che…' è supportato da un singolo sondaggio sottopotenziato o da una meta-analisi di quaranta trial. La sintesi LLM di default eredita questo difetto e lo amplifica — affermazioni forti e deboli ricevono lo stesso peso in prosa.
L'estrazione strutturata (tabella + mappa di confidenza) preserva l'autorità differenziale delle affermazioni. Puoi scorrere e vedere immediatamente che il risultato principale poggia su prove solide mentre l'affermazione secondaria è essenzialmente un editoriale. Questa è la differenza tra informato e falsamente sicuro.
La regola più difficile: distinguere affermazione da verità
I summarizer di default scivolano da 'il documento X dice Y' a 'Y è vero' senza segnalare la transizione. La regola 'distingui affermazione da verità' è esplicita perché i modelli falliscono di default. Quando la regola tiene, leggi la sintesi e sai esattamente quali asserzioni sono del documento, non un editoriale del modello.
Se il modello viola questa regola (afferma X come fatto quando il documento l'ha solo affermato), rispondi 'riformula attribuendo ogni affermazione alla sua fonte'. Dopo una correzione Claude tende a mantenere l'attribuzione per il resto del documento.
Workflow cross-documento
Per le revisioni di letteratura, esegui prima ogni paper individualmente — i limiti di contesto del modello e la qualità beneficiano entrambi del un-documento-alla-volta. Poi in un secondo passaggio, incolla solo le tabelle risultanti e chiedi: 'Identifica punti di consenso, punti di disaccordo e la singola affermazione più forte.' Questo è molto più veloce che dare in pasto tutti i paper in un colpo solo.
Costruisci una regola 'decadimento di confidenza': qualunque affermazione che appare in una sola fonte viene automaticamente declassata di un livello quando integrata in una sintesi multi-fonte. Questo forza la review integrata a pesare di più i risultati replicati rispetto a quelli nuovi-ma-isolati, il che corrisponde alla buona pratica accademica.
Domande frequenti
›Funziona per PDF molto lunghi?
Claude gestisce PDF da 200K token in un colpo; ChatGPT/GPT-5 gestiscono 128K. Per più lunghi, dividi per capitolo e sintetizza ognuno, poi sintetizza le sintesi. Il formato strutturato mantiene la qualità consistente tra i passaggi.
›Può citare virgolette specifiche?
Sì — aggiungi 'Per ogni affermazione, includi uno snippet citato di 5-15 parole della formulazione originale' al prompt. Utile quando la formulazione conta (documenti legali, specifiche tecniche).
›E se il documento non ha numeri di pagina chiari (articolo web)?
Usa intestazioni di sezione o numeri di paragrafo invece. La 'pagina o sezione' del prompt lo permette. Per articoli web, l'indice di paragrafo ('par 5') va bene.
›Come si confronta con l'uso di NotebookLM?
NotebookLM gestisce automaticamente il caricamento dei documenti e le citazioni ma produce sintesi narrative di default. Questo prompt produce output di estrazione strutturata che è migliore per il confronto sistematico. Usa entrambi: NotebookLM per l'esplorazione in stile chat, questo prompt per sintesi scrivi-una-volta-scorri-molte.
›Perché forzare la sezione 'cosa manca'?
Perché ogni sintesi di ricerca dovrebbe lasciarti con follow-up espliciti, non con la falsa impressione di completezza. La sezione 'cosa manca' rivela anche quando il documento fondamentalmente non può rispondere alla tua domanda — utile prima di spendere più tempo a leggerlo.
›Funziona con ricerca non in italiano?
Sì — Claude e GPT-5 gestiscono bene prosa accademica in giapponese / cinese / tedesco / francese / inglese. L'output strutturato rimane nella lingua del tuo prompt; la lingua della fonte può differire.
›Come evito numeri di pagina allucinati?
Se il modello dà un numero di pagina, fai uno spot-check su uno o due. Se sono sbagliati, aggiungi 'Se non puoi verificare un numero di pagina, marcalo [pagina sconosciuta] — non indovinare mai.' al prompt.
›Posso usarlo per trascrizioni di podcast?
Sì — sostituisci 'pagina' con 'timestamp' e il resto funziona. L'estrazione di affermazioni strutturate è ancora più utile per i podcast, dove le affermazioni galleggiano in prosa lunga senza marcatori chiari.
Calcolatori correlati
Prompt correlati
Ultimo aggiornamento: