使用AI工具撰写文献综述时，如何增强其全面性？

为了增强使用AI工具生成的文献综述的全面性，必须采用关注系统搜索策略和迭代优化的严格方法。这涉及到与AI的战略性合作，以减轻自动系统固有的遗漏风险。 至关重要的是，全面性依赖于使用精确、多样的关键词和反映综述范围的布尔运算符精心设计的搜索查询。将AI识别的来源与建立的学术数据库进行验证，确保覆盖范围超出其初始数据集。使用多种AI工具或平台，这些工具或平台具有不同的基础数据集，可以多样化结果。用户必须通过定义纳入/排除标准并根据初步输出不断优化提示，积极指导AI，批判性地分析生成的内容，以识别需要手动搜索补充的潜在空白。 首先，通过头脑风暴和构建全面的关键词分类法来实现这一点。将这些结构化的查询输入到AI中，然后将建议的来源与主要数据库（例如Scopus、Web of Science）和特定学科的存储库进行交叉引用。分析输出中的主题或方法论空白；迭代优化查询或探索替代的AI工具以解决这些问题。请记住，尽管AI加速了发现过程，但最终的全面性需要研究者的主动监督、对AI建议的批判性评估，以及与权威来源的验证。