如何用 AI 寻找研究空白

研究空白并不只是“还没人做过这个”。有时没人做某项研究，是因为问题本身薄弱、不可行、已经用不同说法回答过，或没有实际价值。好的空白不是单纯的空位，而是证据中有意义的缺失。

AI 可以通过比较论文、映射局限、聚类主题和浮现相邻搜索词，帮助寻找候选空白。但它不能证明空白真实存在。证明来自搜索、筛选、阅读，以及在围绕某个空白建立项目前努力反证它。

这篇指南提供一个使用 AI 识别和验证研究空白的实用工作流。如果你还在建立来源集合，可以从 Google Scholar 之外的 AI 学术搜索开始，避免搜索只依赖你已经知道的词。

有用的研究空白有三个特征。

它没有被现有研究回答。它对某个领域、方法、人群、场景、决策或理论重要。它可以用可获得的方法、数据、访问条件或设计来研究。

如果缺少其中一个特征，这个空白可能只是一个好奇点。“没有研究比较过这两个冷门东西”还不够。这个比较还需要重要。

强研究空白通常采取以下形式之一：

• 人群空白：某个群体研究不足。
• 语境空白：证据来自一个场景，但另一个场景缺乏证据。
• 方法空白：研究依赖一种方法，很少比较替代方法。
• 结局空白：重要结局缺失，或测量不一致。
• 理论空白：机制被提出，但没有被检验。
• 证据质量空白：研究存在，但设计或报告薄弱。
• 综合空白：论文存在，但发现尚未被清楚组织。

重点是精确。避免说“没有研究”。要说清楚哪类证据有限、在哪里有限，以及为什么重要。

当来源集合是随机的，AI 找空白效果很差。当你已经有一个映射过的论文集合时，它效果更好。

使用包含这些字段的表格：

• 主题或概念。
• 人群或场景。
• 方法。
• 数据集或材料。
• 结局。
• 理论或框架。
• 局限。
• 未来工作。
• 与你的问题的相关性。

这类似于 evidence map。Campbell Collaboration 将 evidence and gap maps 描述为系统展示某一主题可用证据的视觉工具，用来显示已有研究区域并识别供决策使用的空白。Campbell 指南也将 evidence and gap maps 描述为以系统方式展示与特定研究问题相关的可用证据的产品。

你不需要为每个论文篇章都建立正式 evidence and gap map。但这种思路有帮助：先映射证据存在的位置，再宣布哪里缺失。

如果你的表格还很乱，可以用从研究论文中提取数据来决定哪些字段属于空白分析。

引用网络可以揭示聚类、桥梁、主导方法和孤立子领域。它们有用，是因为只有把领域看成网络，而不是列表时，空白才常常显现。

ResearchRabbit 的价格页列出，其搜索覆盖 310+ million articles，免费计划最多支持 50 篇种子文章。其学习材料说明，ResearchRabbit 会从 3.1 亿篇文章的数据库中检索相关论文，并用种子论文作为进入引用网络的入口。

使用引用映射来问：

• 哪些论文锚定了这个主题？
• 哪些聚类很少相互引用？
• 哪些方法主导了网络？
• 哪些人群或场景出现在边缘？
• 哪些近期论文挑战了较早假设？
• 哪些作者或发表渠道连接了分开的聚类？

空白不是地图上的空区域。空白是在你理解地图为什么长成这样之后，仍然有意义的缺失。

一旦你有论文和笔记，AI 可以帮助检查它们之间的模式。最好的问题是具体的，并且基于你的来源集合。

有用提示词包括：

根据这些论文笔记，哪些人群出现频繁，哪些人群很少出现？

按方法对这些论文分组，并识别哪些方法很少被直接比较。

列出这些研究中反复出现的局限。不要编造笔记中不存在的局限。

这个论文集合中，哪些结局的测量不一致？

多篇论文中出现了哪些假设，但很少被检验？

输出是一组假设列表，而不是最终空白。对每个候选空白，都要回到论文中验证模式是否真实。

这正是把论文组织成主题有帮助的地方。主题揭示模式。空白分析则询问哪些模式不完整、脆弱或检验不足。

局限和未来工作部分很有用，但它们并不自动可信。作者可能指出真实空白，也可能重复通用表述、保护自己的研究设计，或提出方便但不重要的延伸。

用 AI 聚类局限表述：

• 哪些局限在多篇论文中反复出现？
• 哪些局限只出现在较早论文中？
• 哪些建议的未来方向已经被处理？
• 哪些局限涉及数据、方法、人群、理论或测量？
• 哪些局限一旦解决，会改变领域？

然后验证这些聚类。搜索更新论文是否已经处理该局限。检查这个局限是否与你的问题有关。反复出现的局限是候选空白，不是空白证明。

对快速变化的主题，把这一步连接到如何跟上研究文献。来自旧论文的空白可能已经被关闭。

空白矩阵把模糊想法变成可测试对象。

使用适合你领域的行和列。例如：

空单元格并不自动等于空白。它们是提示。问问为什么这个格子是空的。它可能无关、不可行、已经在另一套语言下被覆盖，或确实研究不足。

这个矩阵对写作也有用。它让你能精确描述空白：

现有研究主要使用回顾性数据集评估筛选工具，而较少研究这些工具如何影响真实筛选过程中的评审者决策。

这句话比“需要更多研究”更强。

在称某件事为空白前，先试着反证它。像要找到那篇毁掉你论断的论文一样去搜索。

使用：

• 同义词和相邻术语。
• 相关领域术语。
• 从种子论文追踪引用。
• 综述文章和元分析。
• 数据库搜索，而不只是 AI 搜索。
• 作者和实验室搜索。
• 向后和向前引用路径。

如果找到证据，就修改空白。也许空白不是“没有研究存在”，而是“研究只存在于某一个场景”“证据尚未综合”或“结局测量不一致”。

这个习惯能保护你避免过度声称。研究空白应谨慎描述。“证据有限”往往比“没有证据”更准确。

候选空白还不是研究问题。它需要范围、可行性和贡献。

用这些问题测试它：

• 缺失的确切证据是什么？
• 如果这个空白被处理，谁会关心？
• 能否用可获得的数据或方法研究它？
• 什么样的答案算有用？
• 在反证搜索后，这个空白是否仍然存在？
• 这个空白对当前项目来说是否足够窄？

然后写出研究问题：

AI 辅助筛选工具如何影响真实标题和摘要筛选中的评审者分歧？

这比下面这句更好：

AI 筛选存在一个空白。

第一句指向一项研究。第二句指向一团云。

如果下一步是起草，可以使用更快写完文献综述，把空白转成干净的最终章节。

AI 擅长生成可能性。它不擅长证明不存在。这是找空白时的核心限制。

适合用 AI 做：

• 从你的笔记中建议候选空白。
• 聚类局限。
• 比较论文之间的方法。
• 识别研究不足的人群或结局。
• 生成用于测试空白的搜索词。
• 起草谨慎的空白表述供复核。

不要用 AI 做：

• 宣称没有研究存在。
• 编造支持空白的引用。
• 忽略与空白矛盾的论文。
• 在没有语境的情况下，把视觉上空的矩阵单元格当作有意义。
• 把每个局限都转成研究议程。

研究者必须做反证搜索。空白正是在那里变得可信。

WisPaper 帮助研究者使用 AI 搜索和筛选学术论文。它的搜索工作区支持 Deep Search、Scholar Agent 和 Inspiration Discovery，论文卡片会显示来源标签、摘要和预览图，方便用户在决定阅读前先快速判断结果。

WisPaper 也允许用户建立论文库，并基于该库提问。论文可以上传，也可以从搜索结果中加入，然后用于针对个人文献库的问答。

试用 WisPaper