在学术研究中，若要筛选二次文献 (Secondary Sources)，您可以使用数据库内置的文章类型筛选器、应用特定的布尔搜索字符串 (Boolean Search Strings)，或使用人工智能驱动的搜索引擎，将综合性论文与原始实证研究 (Empirical Studies) 区分开来。
二次文献——如系统综述 (Systematic Reviews)、荟萃分析 (Meta-analyses) 和文献综述 (Literature Reviews)——旨在综合现有研究，而非提供新的实验数据。根据您当前所处的研究阶段，您可能希望通过筛选仅保留二次文献，以便快速了解一个新领域；或者将其完全排除，从而完全专注于一次研究 (Primary Research)。
以下是在文献检索过程中筛选二次文献的最有效方法。
1. 使用数据库内置筛选器
大多数主流学术数据库都配有原生工具，帮助您按文章类型进行分类。
- PubMed： 运行搜索后，查看左侧边栏“文章类型 (Article Type)”下方，勾选“综述 (Review)”或“系统综述 (Systematic Review)”复选框。
- Web of Science & Scopus： 在结果页面使用“文献类型 (Document Type)”筛选器，以包含或排除“综述 (Review)”文章。
- Google Scholar： 遗憾的是，Google Scholar 缺乏原生的“文章类型”筛选器，这意味着您需要依赖特定的关键词策略来在该平台上优化搜索结果。
2. 应用布尔搜索字符串
如果数据库缺乏强大的筛选选项，您可以在搜索查询中使用布尔运算符（AND、OR、NOT）手动筛选结果。
- 查找二次文献： 添加描述综合性论文的术语。
示例：neuroplasticity AND ("systematic review" OR "meta-analysis" OR "literature review") - 排除二次文献： 使用 NOT 运算符从结果中剔除综合性论文，仅保留原始实证研究。
示例：neuroplasticity NOT ("review" OR "meta-analysis")
3. 利用 AI 进行基于意图的搜索
传统的关键词搜索有时会令人沮丧，因为一篇一次研究论文可能会在其引言中使用“review（回顾/综述）”一词，从而成为您布尔筛选器下的漏网之鱼。与其在复杂的搜索字符串上耗费精力，不如使用 WisPaper 的学术搜索 (Scholar Search)，它能够理解您的实际研究意图，而不仅仅是匹配关键词，在您寻找特定类型的文献时，能有效过滤掉 90% 的噪音。
4. 核对方法学部分
即使使用最精确的筛选器，分类错误的论文也可能混入其中。在评估一篇论文时，请快速浏览摘要和方法学部分。一次文献会描述原始数据的收集过程（例如，“我们进行了一项随机对照试验”、“对参与者进行了问卷调查”）。相比之下，二次文献会明确说明他们是如何收集其他论文的（例如，“我们在 PubMed 和 Scopus 中检索了 2010 年至 2023 年间发表的文章”）。