Secondary source

Secondary source (แหล่งข้อมูลทุติยภูมิ) คือเอกสารหรือสื่อที่เล่า วิเคราะห์ หรือตีความข้อมูลที่ถูกนำเสนอไว้ที่อื่นมาก่อน พูดง่ายๆ คือมันอยู่ "ห่างจากต้นเรื่องหนึ่งขั้น" : ผู้เขียนไม่ได้อยู่ในเหตุการณ์หรือเป็นเจ้าของข้อมูลเอง แต่หยิบ primary-source (หลักฐานชั้นต้น) มาอ้างอิง สรุป เปรียบเทียบ แล้วเพิ่มชั้นของการตีความและการวิเคราะห์เข้าไป ตัวอย่างคลาสสิก: หนังสือส่วนใหญ่ที่เขียน "เกี่ยวกับ" เรื่องใดเรื่องหนึ่ง · บทความวิเคราะห์โดยคนที่ไม่ได้อยู่ในเหตุการณ์ · ชีวประวัติ · บทวิจารณ์ละครหรืองานศิลปะ · สารคดี รวมถึงในโลกวิทยาศาสตร์คือ review article และ meta-analysis ที่สรุปงานวิจัยหลายชิ้นเข้าด้วยกัน

จุดที่หลายคนไม่รู้: ความเป็น primary หรือ secondary ไม่ได้ติดตัวเอกสาร แต่ขึ้นกับคำถามที่เราใช้มันตอบ ตำราชีววิทยาเป็น secondary source เมื่อใช้เรียนเนื้อหาชีววิทยา แต่ถ้าคุณกำลังศึกษาประวัติศาสตร์การสอนวิทยาศาสตร์ ตำราเล่มเดิมกลับกลายเป็น primary source ทันที เพราะตัวมันคือหลักฐานตรงว่ายุคนั้นสอนกันแบบไหน

สำหรับคนทำงานยุค ai เรื่องนี้สำคัญกว่าที่คิด เพราะคำตอบของ AI โดยธรรมชาติคือการเรียบเรียงและตีความข้อมูลจากแหล่งอื่นอีกทอดหนึ่ง สถานะของมันจึงใกล้เคียง secondary source ที่มักตามกลับไปหาต้นทางไม่ได้ง่ายๆ ยิ่งเป็นความรู้ที่ฝังมากับการ training (ที่เรียกว่า parametric-knowledge) ยิ่งไม่มีลิงก์อ้างอิงให้ตรวจ และอาจเกิด hallucination ที่หน้าตาน่าเชื่อถือมากได้ หลักปฏิบัติที่ดีจึงเหมือนนักวิจัย: ใช้ secondary source (บทสรุป บทความ คำตอบของ AI) เพื่อเข้าใจภาพรวมอย่างเร็ว แต่เมื่อจะตัดสินใจเรื่องสำคัญ ให้ไล่กลับไปเช็ค primary source เสมอ เช่น เอกสารทางการ ตัวเลขต้นทาง หรือ official documentation ของเครื่องมือที่ใช้ ระบบแบบ rag ที่แนบลิงก์แหล่งอ้างอิงมากับคำตอบ ก็คือความพยายามทำให้เราตามกลับไปหาต้นทางได้นั่นเอง

ตัวอย่างจากบทสนทนาจริง

ฝ่ายการตลาด: "หนูให้ AI สรุปเทรนด์ผู้บริโภคปีนี้ มันเขียนมาละเอียดมาก มีตัวเลขครบ เอาขึ้นสไลด์ผู้บริหารพรุ่งนี้เลยได้ไหมคะ"

หัวหน้าทีม: "อย่าเพิ่งครับ สรุปของ AI นับเป็น secondary source อย่างดีที่สุด คือมันเรียบเรียงจากที่อื่นมาอีกที ตัวเลขไหนจะขึ้นสไลด์ ให้ตามกลับไปเปิดรายงานต้นทางที่เป็น primary source ก่อน ถ้าหาต้นทางไม่เจอ ตัดตัวเลขนั้นทิ้งครับ"

ระวังสับสนกับ

• primary-source : หลักฐานชั้นต้นจากผู้อยู่ในเหตุการณ์หรือเอกสารต้นทางโดยตรง ส่วน secondary source คือชั้นการตีความที่สร้างทับบนหลักฐานเหล่านั้นอีกที และเอกสารชิ้นเดียวกันเป็นได้ทั้งสองอย่างแล้วแต่คำถามที่ใช้มันตอบ
• parametric-knowledge : ความรู้ที่ฝังในตัว model จากการ training ซึ่งห่างจากต้นทางไปอีกหลายทอดและไม่มีรายการอ้างอิงให้ตามกลับ ต่างจาก secondary source ทั่วไปอย่างหนังสือหรือบทความวิชาการ ที่อย่างน้อยยังมีเชิงอรรถให้ไล่เช็คได้