为了在撰写文献综述 (Literature Review) 时有效地处理调查结果，您应当系统地提取关键数据点（如样本量、研究方法和主要发现），并对多项研究中的这些指标进行综合分析，从而识别出更广泛的研究趋势。
当遇到高度依赖问卷或调查数据的论文时，读者很容易迷失在原始统计数据和人口统计学分类 (Demographic breakdowns) 中。与其被动地阅读结果部分，不如采用有针对性的方法，提取与您自身研究问题最相关的信息。
1. 理解研究方法与样本 (Methodology and Sample)
在深入研究具体数据之前，首先要评估调查的实施方式。关注目标人群、样本量 (N) 以及问卷发放方法。一项针对50名本科生的调查结果，与一项涵盖5000名成年人的全国代表性民意调查相比，其权重截然不同。结合背景分析样本，有助于您准确衡量证据的可靠性。
2. 区分数据类型 (Data Types)
调查结果通常混合呈现定量数据 (Quantitative data)（如李克特量表百分比、p值和统计显著性）与定性数据 (Qualitative data)（如开放式问题的按主题分类）。在进行定量综合时，应重点关注具有统计学意义的相关性；同时，利用定性研究结果来提供背景信息，或解释这些统计趋势背后的深层原因。
3. 提取核心发现 (Core Findings)
略过常规的人口统计学报告，将注意力集中在直接回应研究主要假设的数据点上。如果您在解析密集的统计表格或复杂的结果部分时感到吃力，可以使用 WisPaper 的 Scholar QA 功能，直接针对论文的调查数据提问。您将获得可追溯至具体页码和段落的答案，方便轻松验证。这能确保您准确提取所需的研究结果，而不会被冗余信息所淹没。
4. 识别潜在偏差与局限性 (Biases and Limitations)
任何调查都存在局限性，无论是自我报告偏差 (Self-reporting bias)、低回复率，还是样本人口统计学特征的倾斜。作者通常会在讨论 (Discussion) 部分的末尾说明这些限制条件。记录这些缺陷是撰写高质量文献综述的关键环节，因为指出过往调查的不足之处，有助于证明您开展自身研究的必要性。
5. 构建综合矩阵 (Synthesis Matrix)
不要孤立地看待每一项调查。建议使用电子表格创建一个文献综述矩阵，将各项调查结果并排记录下来。矩阵中应包含作者、年份、样本量、所使用的特定调查工具以及主要结果等列。这种可视化的组织方式能让您更轻松地发现相互冲突的结果、寻找研究人员之间的共识，并识别现有文献中的明显空白。