如何确保在使用AI进行文献综述时分析的客观性？

通过精心的方法设计和关键的人类监督，可以实现AI辅助文献综述的客观性。这需要承诺识别和减轻嵌入在AI工具和文献数据本身中的偏见。 重要原则包括利用多样的数据来源以抵消覆盖偏见，仔细选择和提示AI工具以最小化解释偏见，并透明地记录所有涉及AI的阶段，包括搜索词、工具设置和预处理步骤。人类研究者必须积极监督AI的输出，批判性地评估生成的摘要、主题分类和相关性评估的准确性和潜在偏见。对结果进行严格的验证，需与原始来源进行比对，同时明确承认AI的局限性以及在过程中做出的具体方法选择。 实施需要迭代步骤：研究者首先必须严格筛查输入数据的质量；然后，设计强健的、记录好的AI使用协议；第三，使用预定的评估标准对AI输出进行批判性分析；第四，通过持续比较将AI输出与传统的手动分析相结合；最后，透明地报告整个AI驱动的工作流程，包括所有的局限性和监督机制，以便于审查和复制。