הגשה לקרן מחקר עם Claude ו-NotebookLM: מקול קורא ועד שופט ביקורתי, בלי ניסוח של מכונה

אם אתם חוקרים, פוסט-דוקטורנטים או מנהלי מעבדה, אתם כבר יודעים שהקושי בהצעת מחקר לא נגמר במדע. צריך למצוא את הקול הקורא הנכון, לקרוא הנחיות של עשרות עמודים, לדחוס שנים של עבודה לתקציר של עמוד אחד, להצדיק כל שקל בתקציב, ובסוף לנחש מה יחשוב שופט עייף שקורא את ההצעה השמינית שלו באותו ערב.

המדריך מיועד לחוקרים שמגישים לקרן הלאומית למדע (ISF), לתוכניות של הורייזן אירופה (ERC, מארי קירי, קולות קוראים של הקלאסטרים) או לקרן הדו-לאומית ארה“ב-ישראל (BSF). הוא לא מלמד אתכם לכתוב מדע. הוא מראה איך לחלק את העבודה בין שני כלים:

• NotebookLM של גוגל עונה רק מתוך המקורות שהעליתם, ומציין בדיוק מאיפה כל תשובה הגיעה. הוא מתאים לקריאה של קולות קוראים, מדריכים לשופטים ותקנונים.
• Claude (או ChatGPT או Gemini, אם אתם עובדים איתם) מתאים לחשיבה, לניסוח, לביקורת ולסימולציה. ב-Claude כדאי לפתוח פרויקט (Projects) לכל הגשה, להעלות אליו את חומרי הרקע, וכך לא צריך להסביר הכול מחדש בכל שיחה.

המטרה היא לא שה-AI יכתוב את ההצעה בשבילכם. המטרה היא לחסוך את 60% מהזמן שהולך על עבודה שאינה מדעית, ולהגיע ליום ההגשה עם הצעה שכבר “נשפטה” פעמיים.

לפני שמתחילים: מה מעלים, מה לא, ומה הקרן אומרת

שלושה דברים חשוב לבדוק לפני שמדביקים רעיון לא מפורסם בצ’אט:

1. מדיניות הקרן לגבי AI. קרנות רבות, כולל הנציבות האירופית, פרסמו הנחיות לשימוש בבינה מלאכותית יוצרת. הקו המשותף ברובן הוא שמותר להשתמש בכלים, אבל האחריות המלאה על התוכן, על הדיוק ועל המקוריות היא של המגישים. לשופטים לרוב אסור להעלות הצעות שהם בודקים לכלי AI. קראו את ההנחיות העדכניות של הקול הקורא הספציפי, כי הן משתנות.

2. סודיות הרעיון. רעיון מחקרי שעוד לא פורסם הוא נכס. בדקו בהגדרות של הכלי אם השיחות משמשות לאימון מודלים, וכבו את האפשרות הזו. אם המוסד שלכם מספק גרסה ארגונית (Claude for Work, ChatGPT Enterprise, Gemini דרך Google Workspace של האוניברסיטה), השתמשו בה. ברשות המחקר של המוסד בדרך כלל יודעים מה מותר.

3. מה לא מעלים בכלל: נתונים גולמיים עם מידע מזהה על משתתפים, פטנטים בהליך, ופרטים אישיים של שותפים בלי הסכמתם.

שלב 1: מיפוי קולות קוראים עם NotebookLM

הטעות הראשונה של רוב החוקרים היא לבחור קרן לפי הרגל (“תמיד הגשנו ל-ISF”) ולא לפי התאמה. מיפוי מסודר לוקח שעה וחוסך חודשים.

בונים מחברת אחת לכל קרן

פתחו ב-NotebookLM מחברת נפרדת לכל אחת מהקרנות שאתם שוקלים, והעלו אליה את המסמכים הרשמיים: הקול הקורא, המדריך למגישים, הנחיות התקציב, ואם יש, המדריך לשופטים וטופס ההערכה. המדריך לשופטים הוא המסמך הכי חשוב ברשימה, והרבה חוקרים בכלל לא יודעים שהוא קיים. בהורייזן אירופה, למשל, מסמכי ההערכה מפרטים את הקריטריונים (Excellence, Impact, Quality and efficiency of implementation) ואת הניקוד. ב-ERC הקריטריון המרכזי הוא מצוינות המחקר והחוקר.

ההפרדה למחברות חשובה כי היא מונעת מהכלי לערבב כללים של קרן אחת עם הנחיות של אחרת.

פרומפט מיפוי ראשון

על סמך המסמכים במחברת בלבד, בנו לי טבלה עם העמודות הבאות:
- מי זכאי להגיש (דרגה, ותק מהדוקטורט, שיוך מוסדי)
- האם נדרש שותף (מדינה, מוסד, תפקיד)
- גובה מענק ומשך, כפי שמופיע במסמך
- מגבלות עמודים לכל חלק
- מועד ההגשה ושלבי ההגשה (מוסדי מול קרן)
- קריטריוני הערכה ומשקלם

לכל שורה ציינו את המקור. אם משהו לא מופיע במסמכים, כתבו "לא מופיע" ואל תשלימו מידע כללי.

המשפט האחרון הוא הקריטי. גם NotebookLM עלול לפעמים להשלים פער מתוך ידע כללי, ובקרנות הפרטים משתנים משנה לשנה. כל מספר שקיבלתם צריך ציטוט שאפשר ללחוץ עליו ולבדוק.

שאלות התאמה שכדאי לשאול

הנה תיאור של 5 שורות על המחקר שלי: [תיאור].
לפי קריטריוני ההערכה במסמכים, מהן שלוש הנקודות שבהן ההצעה שלי
עלולה להיתפס כחלשה? ציטטו את הקריטריון הרלוונטי לכל נקודה.

האם יש במסמכים דרישות שמגישים נוטים לפספס? למשל טפסים נלווים,
אישורי אתיקה, מכתבי התחייבות, הצהרות על מענקים חופפים, או הגבלות פורמט.

טיפ: שלוש הקרנות שונות מהותית

אחרי שיש לכם טבלה לכל קרן, העבירו את שלוש הטבלאות ל-Claude ובקשו השוואה אסטרטגית:

אני חוקר/ת [תחום], [שנים] אחרי הדוקטורט, במוסד ישראלי.
יש לי שיתוף פעולה אפשרי עם [חוקר/ת] מ-[מוסד אמריקאי / אירופי].
מצורפות טבלאות הדרישות של שלוש קרנות.
עזרו לי לחשוב: לאיזו קרן הרעיון שלי מתאים יותר כמו שהוא עכשיו,
ומה הייתי צריך/ה לשנות ברעיון כדי להתאים לכל אחת מהאחרות?
אל תמליצו על קרן אחת בלבד. הציגו את הפשרות.

ההבדלים המבניים חשובים. ב-BSF שיתוף הפעולה הישראלי-אמריקאי הוא תנאי בסיסי, ובחלק מהמסלולים יש הגשה משותפת עם קרנות אמריקאיות (למשל במסגרת NSF-BSF), כך שההצעה צריכה להתאים גם לכללים של הצד האמריקאי. בהורייזן אירופה, פרט ל-ERC שהוא מענק לחוקר יחיד, רוב הקולות הקוראים דורשים קונסורציום ושפה של “השפעה” ברמה האירופית. ב-ISF הדגש הוא על איכות מדעית טהורה. אותו רעיון בדיוק מנוסח אחרת לכל אחת מהן.

שלב 2: מהרעיון לתקציר, ראיון ואז ניסוח

הדרך הגרועה ביותר לבקש תקציר היא “תכתוב לי תקציר על X”. התוצאה תהיה גנרית, מלאה במילים גדולות וריקה מתוכן. הדרך הנכונה היא לתת ל-Claude לראיין אתכם קודם.

פרויקט ב-Claude לכל הגשה

פתחו פרויקט חדש והעלו לידע של הפרויקט: 2-3 מאמרים שלכם, את הטבלה מ-NotebookLM, את טקסט הקול הקורא, ואם יש, הצעה קודמת שנדחתה יחד עם הערות השופטים. בהוראות הפרויקט כתבו משהו כזה:

את/ה עוזר/ת לחוקר/ת לבנות הצעת מחקר ל-[שם הקרן והמסלול].
ההצעה נכתבת באנגלית, השיחה איתי בעברית.
אל תמציא/י מקורות, נתונים או תוצאות. אם חסר מידע, שאל/י.
הסגנון שלי: משפטים קצרים, פעלים אקטיביים, בלי סופרלטיבים.

פרומפט ראיון

לפני שנכתוב מילה, ראיינו אותי. שאלו אותי שאלה אחת בכל פעם,
עד 10 שאלות, כדי להבין:
- מה הפער בידע שהמחקר סוגר, ולמה הוא לא נסגר עד היום
- מה ההשערה המרכזית, בניסוח שאפשר להפריך
- מה הממצא המקדים הכי חזק שיש לי
- מה הסיכון הגדול ביותר ומה תוכנית הגיבוי
- למה דווקא אני/המעבדה שלי

אחרי הראיון, סכמו לי את התשובות ב-5 שורות ושאלו אם זה מדויק.

שאלה אחת בכל פעם זה פרט קטן עם השפעה גדולה. כשמקבלים עשר שאלות ביחד, עונים בשטחיות. כשעונים אחת-אחת, יוצאים פתאום משפטים טובים שאפשר להעתיק כמעט כמו שהם לתוך ההצעה.

פרומפט תקציר

על בסיס הראיון, כתבו שלוש גרסאות תקציר באנגלית, עד [X] מילים
(לפי המגבלה בקול הקורא):
גרסה א' - פותחת בבעיה
גרסה ב' - פותחת בממצא המקדים
גרסה ג' - פותחת בהשלכה ארוכת הטווח

בכל גרסה: משפט אחד לפער, משפט אחד להשערה, שניים-שלושה לשיטות,
משפט אחד לתוצרים צפויים. בלי "groundbreaking", "novel" ו-"paradigm shift".
סמנו ב-[?] כל טענה שהסקתם בעצמכם ולא שמעתם ממני.

הסימון ב-[?] הוא הכלי החשוב ביותר במדריך הזה. הוא מכריח את המודל להבדיל בין מה שאמרתם לבין מה שהוא השלים, ומראה לכם בדיוק איפה לבדוק.

אחר כך אל תבחרו גרסה אחת. קחו את המשפט הכי טוב מכל גרסה וכתבו את הגרסה הרביעית בעצמכם.

שלב 3: תקציב והצדקת תקציב

כאן AI עוזר מאוד במבנה ובהצדקה, ומסוכן מאוד במספרים. Claude לא יודע מה עלות התקורה במוסד שלכם, מה שכר המלגה של דוקטורנט אצלכם או כמה עולה שעת מכשיר במתקן המרכזי. את המספרים מקבלים מרשות המחקר ומהקול הקורא, לא מהצ’אט.

מה כן לבקש

מצורפות הנחיות התקציב של הקרן ורשימת הפעילויות בתוכנית העבודה שלי.
בנו טבלת תקציב ריקה לפי השנים ולפי הקטגוריות שהקרן מגדירה
(כוח אדם, ציוד, חומרים, נסיעות, אחר).
לכל פעילות בתוכנית העבודה, ציינו לאיזו שורת תקציב היא שייכת.
אל תמלאו סכומים. סמנו פעילויות שאין להן שורת תקציב,
ושורות תקציב שלא מוצדקות על ידי אף פעילות.

ההצלבה הזו בין תוכנית העבודה לתקציב היא בדיוק מה ששופטים ופקידי קרן בודקים: דוקטורנט שמופיע בתקציב ולא בתוכנית העבודה, או ניסוי גדול בלי חומרים מתוקצבים.

הצדקת תקציב

אחרי שמילאתם מספרים אמיתיים:

כתבו הצדקת תקציב באנגלית לכל שורה, שניים-שלושה משפטים.
כל הצדקה צריכה לקשור את ההוצאה למטרה ספציפית (Aim 1, 2 או 3)
ולהסביר למה הסכום סביר. אם לא ברור לכם למה הוצאה נחוצה,
אל תמציאו סיבה. כתבו לי שאלה.

טיפ שלא מוצאים בכל מקום: בקשו מ-Claude לסמן כל שורה שבה הסכום חורג מהממוצע של שאר השורות באותה קטגוריה, ולנסח מראש את השאלה ששופט היה שואל עליה. ציוד יקר שמופיע בשנה הראשונה בלי הסבר הוא דגל אדום קלאסי.

שלב 4: סימולציה של שופט ביקורתי

זה השלב שעושה את ההבדל. רוב ההצעות לא נדחות בגלל רעיון רע. הן נדחות בגלל חולשות שהיה אפשר לזהות מראש: השערה עמומה, סיכון בלי תוכנית חלופית, או פער בין השאפתנות לבין המשאבים.

בונים פאנל, לא שופט אחד

שופט וירטואלי אחד נוטה להיות מנומס מדי. שלושה שופטים עם תפקידים מוגדרים מוצאים הרבה יותר. העלו לשיחה חדשה ב-Claude, מחוץ לפרויקט, כדי שלא יהיה לו ההקשר שבניתם יחד, את ההצעה המלאה ואת קריטריוני ההערכה:

אתם פאנל של שלושה שופטים ב-[שם הקרן והמסלול].
שופט/ת 1: מומחה/ית בתחום שלי, מכיר/ה את הספרות לעומק, ספקני/ת
לגבי חדשנות.
שופט/ת 2: מתחום סמוך, לא מומחה/ית, בודק/ת אם ההצעה מובנת
ואם ההשפעה משכנעת.
שופט/ת 3: מתמקד/ת בישימות: לוח זמנים, תקציב, צוות, סיכונים.

כל שופט/ת כותב/ת דוח נפרד לפי הקריטריונים המצורפים, כולל ציון
לפי סולם הקרן, שלוש חולשות עיקריות עם ציטוט מדויק מההצעה,
ושאלה אחת שהייתה גורמת לו/ה להוריד ציון.
אחר כך כתבו סיכום פאנל: על מה השופטים מסכימים, על מה חלוקים,
ומה ההחלטה הצפויה.

היו קשוחים. זו לא ביקורת לעידוד. המטרה היא למצוא את מה ששופט אמיתי
ימצא.

שלושה טריקים לסימולציה

1. הריצו מודל שני. העבירו את אותה הצעה ואותו פרומפט ל-Gemini או ל-ChatGPT. מודלים שונים מוצאים חולשות שונות. חולשה ששני מודלים מצאו כנראה אמיתית. חולשה שרק אחד מצא צריכה שיקול דעת שלכם.

2. הזינו הערות שופטים קודמות. אם ההצעה נדחתה בעבר, בקשו:

מצורפות הערות השופטים מההגשה הקודמת והגרסה החדשה.
עברו על כל הערה ובדקו אם הגרסה החדשה עונה עליה.
סווגו: נענתה במלואה / נענתה חלקית / לא נענתה.
לכל "חלקית" ו"לא נענתה" הציעו איפה בהצעה להתייחס אליה.

שופטים שקראו את הגרסה הקודמת שמים לב כשההערות שלהם לא נענו.

3. בדיקת עקביות ב-NotebookLM. העלו את ההצעה הסופית למחברת חדשה ושאלו:

האם מספר ה-Aims, אבני הדרך וכוח האדם זהים בתקציר, בתוכנית העבודה,
בתרשים גאנט ובתקציב? פרטו כל סתירה עם ציטוט.

בהצעה של 15 עמודים שעברה עשר גרסאות כמעט תמיד יש סתירה כזו.

מה עושים עם הביקורת

לא כל הערה מצדיקה שינוי. סמנו לעצמכם שלוש קטגוריות: “תיקון חובה” (חולשה אמיתית), “הבהרה” (הרעיון בסדר אבל הניסוח לא ברור) ו“לא מסכים/ה” (השופט הווירטואלי טועה, וזה בסדר). את הקטגוריה השלישית כדאי בכל זאת לבדוק: אם המודל לא הבין, ייתכן ששופט אמיתי מתחום סמוך גם לא יבין.

שלב 5: שהמסמך לא יישמע כמו מכונה

שופטים מנוסים מזהים טקסט שנכתב על ידי AI תוך פסקה. זה לא בהכרח מוריד ציון, אבל זה משדר עבודה שטחית ומחליש את האמון בכל השאר.

הסימנים הבולטים

• מילים כמו “delve”, “pivotal”, “intricate”, “multifaceted”, “underscore”, “landscape”, “tapestry”, “harness”.
• פתיחות בסגנון “In an era of…” או “In today’s rapidly evolving world”.
• רשימות של שלושה תארים ברצף, שוב ושוב.
• כל פסקה מסתיימת במשפט סיכום שחוזר על מה שנאמר בה.
• אורך משפטים אחיד לאורך כל הטקסט.
• טענות כלליות בלי מספר, שם או מקור.

פרומפט ניקוי

עברו על הטקסט המצורף וסמנו:
1. מילים וביטויים שנפוצים בטקסט שנוצר על ידי מודלי שפה
2. משפטים שאפשר למחוק בלי לאבד מידע
3. טענות כלליות שצריכות מספר, ציטוט או דוגמה קונקרטית
4. פסקאות שבהן כל המשפטים באורך דומה

אל תשכתבו. רק סמנו והסבירו. את השכתוב אעשה בעצמי.

“אל תשכתבו” הוא העיקר. שכתוב של מודל יחליף ביטוי של מכונה בביטוי אחר של מכונה. אתם צריכים רק את המפה.

טביעת האצבע שלכם

העלו לפרויקט שתי פסקאות שכתבתם בעצמכם בעבר, למשל מתוך מבוא של מאמר שאתם גאים בו, ובקשו:

נתחו את הסגנון בשתי הפסקאות: אורך משפטים ממוצע, שימוש בגוף ראשון,
יחס בין פעלים אקטיביים לסבילים, איך אני פותח/ת טיעון.
מעכשיו, כשאתם מציעים ניסוח, התאימו אותו לסגנון הזה.

המבחן האחרון: קריאה בקול

הדפיסו את התקציר ואת העמוד הראשון והקריאו אותם בקול. כל משפט שנתקעתם בו או שלא הייתם אומרים ככה בהרצאה צריך שכתוב, ביד שלכם.

טעויות נפוצות

• לסמוך על מספרים מהצ’אט. גובה מענק, מגבלות עמודים, תאריכים, אחוזי תקורה. כל מספר צריך מקור רשמי שבדקתם בעצמכם. קולות קוראים משתנים משנה לשנה.
• לתת ל-AI להמציא מקורות. מודלי שפה יודעים לייצר ציטוטים ביבליוגרפיים משכנעים לגמרי של מאמרים שלא קיימים. כל הפניה בהצעה צריכה לעבור דרך מנהל הביבליוגרפיה שלכם (Zotero, EndNote או Mendeley), לא דרך הצ’אט.
• שופט וירטואלי באותה שיחה שבה כתבתם. המודל “מכיר” את ההחלטות שקיבלתם יחד ויסלח עליהן. סימולציה עושים בשיחה חדשה.
• לבקש “תשפר את הטקסט”. בקשה כללית מחזירה טקסט חלק, ארוך יותר וגנרי יותר. בקשו פעולה מוגדרת: לקצר ל-200 מילים, להפוך לאקטיבי, להוסיף דוגמה קונקרטית.
• לכתוב בעברית ולתרגם בסוף. אם ההצעה באנגלית, עבדו באנגלית מהשלב שבו מתחילים לנסח. את השיחה עצמה אפשר לנהל בעברית. תרגום של טקסט שלם בסוף מייצר בדיוק את הטון המכני שאתם מנסים להימנע ממנו.
• לשכוח את השלב המוסדי. ברוב המוסדות ההגשה עוברת דרך רשות המחקר, עם מועד פנימי שמוקדם בכמה ימים או שבועות ממועד הקרן. הכניסו את התאריך הזה ללוח הזמנים כבר במיפוי.
• להעלות את כל המעבדה לצ’אט. נתונים לא מפורסמים של אחרים, טיוטות של שותפים או פרטים אישיים לא עולים בלי הסכמה, גם אם זה נוח.

סיכום וצ’קליסט התחלה

שיטת העבודה בקצרה: NotebookLM קורא את המסמכים הרשמיים ונותן תשובות עם מקור. Claude מראיין אתכם, מארגן, מצליב ומבקר. אתם כותבים, מחליטים ובודקים כל מספר. כשמחלקים ככה את העבודה, הזמן שלכם הולך למדע ולניסוח, ופחות לחיפוש בתוך קבצי PDF.

צ’קליסט לשבוע הראשון:

• בדקתי את מדיניות הקרן לגבי שימוש ב-AI ואת מדיניות המוסד
• כיביתי שימוש בשיחות לאימון בכלים שאני עובד/ת איתם
• פתחתי מחברת NotebookLM לכל קרן והעליתי את הקול הקורא ואת המדריך לשופטים
• יש לי טבלת השוואה בין הקרנות, וכל מספר בה מגובה בציטוט
• בירכתי את רשות המחקר וקיבלתי את המועד הפנימי ואת נתוני התקציב
• פתחתי פרויקט ב-Claude עם הוראות ועם מאמרים שלי
• עברתי ראיון של 10 שאלות וכתבתי בעצמי את גרסת התקציר הרביעית
• הצלבתי את תוכנית העבודה מול התקציב
• הרצתי פאנל של שלושה שופטים בשיחה חדשה, ובמודל נוסף
• בדקתי עקביות ב-NotebookLM וסימנתי ביטויים של מכונה
• הקראתי את התקציר בקול

רוצים להעמיק בעבודה עם פרויקטים ב-Claude, במחברות NotebookLM או בכתיבה אקדמית עם AI? חפשו את המדריכים הרלוונטיים במאגר המדריכים.