AI工具无法修复的文献综述错误

AI工具可以帮助研究人员搜索、总结、组织和检查论文。它们可以减少文献综述工作流程中部分环节的阻力。但它们无法修复薄弱的研究问题、不明确的范围、糟糕的文献选择或缺乏支持的综述。

这个区别很重要。许多文献综述问题看起来像是生产力问题，但实际上它们是方法问题。如果综述问错了问题，更快的总结也无济于事。

本指南解释了AI工具无法修复的文献综述错误，以及应该怎么做。

AI可以帮助完善模糊的研究问题，但它无法替你决定综述的学术目的。薄弱的问题会导致薄弱的搜索、薄弱的筛选和薄弱的综述。

模糊的问题通常听起来像：

• “关于教育中AI的文献有哪些？”
• “技术如何影响医疗保健？”
• “关于气候政策的论文说了什么？”
• “远程工作的趋势是什么？”

这些是主题，不是综述问题。更好的问题会定义人群、概念、方法、结果、时间段或争论。

关于问题设计，请参阅如何利用AI文献搜索完善研究问题。

如果研究人员不断改变什么算作相关，AI就无法修复范围。范围控制哪些论文属于综述，哪些不属于。

不明确的范围表现为：

• 每篇相关论文都感觉相关。
• 排除原因经常变化。
• 灰色文献在没有标准的情况下被添加。
• 预印本有时被包含，但不一致。
• 综述不断扩展到相邻领域。
• 最终草稿无法解释为什么选择了这些来源。

AI可能会找到更多论文，但更多论文可能会使不明确的范围变得更糟。

关于纳入规则，请参阅文献综述的纳入和排除标准。

AI可以建议搜索词，但它无法使未经测试的搜索策略变得可靠。遗漏已知关键论文的搜索需要修改。

糟糕的搜索策略通常具有：

• 一个狭窄的关键词短语。
• 没有同义词。
• 没有针对数据库的调整。
• 没有种子论文检查。
• 没有引文追踪。
• 没有搜索日志。
• 没有召回率审计。

使用AI生成候选词，然后测试它们。一个好的搜索策略应该能找到你已经知道相关的论文，并发现你不知道的论文。

关于搜索词设计，请参阅AI文献综述搜索字符串。

AI无法在事后修复糟糕的文献选择。如果文献集很薄弱，无论写作多么精炼，综述都会很薄弱。

糟糕的文献选择包括：

• 因为容易找到而引用论文。
• 使用综述问题之外的来源。
• 忽略更强或更新的研究。
• 将观点文章视为证据。
• 混合来源类型而不加标注。
• 遗漏更正或撤稿状态。
• 包含不支持论点的论文。

文献选择是文献综述质量的起点。

关于来源状态检查，请参阅如何检查论文是否已被更正或撤稿。

AI可以总结一篇论文，但它无法取代阅读重要部分所带来的判断力。肤浅的阅读会导致浅薄的综述。

肤浅的阅读表现为：

• 只依赖摘要。
• 遗漏局限性。
• 将讨论中的主张视为结果。
• 忽略方法。
• 不检查表格或图表。
• 遗漏相互矛盾的发现。
• 使用未经来源验证的总结。

将总结用作阅读辅助工具。在引用某个主张之前，检查论文。

关于更安全的总结检查，请参阅在信任AI总结之前的论文总结提示。

AI可以帮助提取候选字段，但它无法使未经检查的提取变得可靠。研究人员仍然需要验证高风险字段。

薄弱的提取发生在：

• 字段过于宽泛。
• 缺少来源位置。
• 事实和推断混合。
• 数字被复制而没有单位或上下文。
• 局限性被省略。
• 缺失信息被猜测。
• 审阅者状态未被记录。

数据提取是阅读和综述之间的桥梁。如果它很薄弱，最终的论证就会动摇。

关于质量控制，请参阅AI文献综述的数据提取质量控制。

AI可以让清单式的综述听起来更流畅，但它无法自动创建强有力的论证。清单式的综述逐篇总结论文，而不解释它们之间的关系。

这种模式看起来像：

• “论文A发现……”
• “论文B认为……”
• “论文C表明……”
• “论文D也研究了……”

综述提出一个不同的问题：跨论文出现了什么模式？

将笔记转化为论点，然后用论文作为这些论点的证据。

关于这种转变，请参阅如何将论文笔记转化为论证大纲。

AI可能会建议研究空白，但空白声明需要证据。“很少有研究考察过……”应该来自映射的文献集和搜索过程，而不是来自一个看似合理的句子。

薄弱的空白声明包括：

• “没有人研究过……”
• “没有关于……的研究”
• “文献缺乏……”
• “这是第一项研究……”

除非搜索真正支持更强的声明，否则使用谨慎的、基于来源的语言。

关于空白工作，请参阅如何利用AI寻找研究空白。

使用AI支持特定的工作流程步骤，然后保持方法决策由人类主导并进行来源检查。

更强的工作流程：

1. 定义综述问题。
2. 设定纳入和排除标准。
3. 构建并测试搜索字符串。
4. 使用种子论文和引文追踪。
5. 将候选论文保存到文献库中。
6. 带理由筛选来源。
7. 带来源位置提取证据。
8. 映射模式和冲突。
9. 根据证据撰写论点。
10. 在最终使用前验证引文。

AI可以在许多步骤中提供帮助，但它无法删除这些步骤。

通过定义你需要做出的决策、该决策所需的证据以及证明决策如何做出的记录，将建议转化为可重复的工作流程。在文献综述工作中，问题很少是缺少某个工具。问题通常是搜索、阅读、检查和写作发生在不同的地方，没有共享的规则。

使用简短的操作例程：

• 命名综述问题或子问题。
• 定义你正在使用的文献集。
• 决定什么算作下一步的足够证据。
• 对该步骤中的每篇论文应用相同的标准。
• 标记不确定的情况，而不是强迫一个干净的答案。
• 为可能进入最终综述的论点保留来源位置。
• 在每次主要搜索、筛选或写作会话后审查工作流程。

这个例程使工作保持前进，而不会使综述变得粗心。它还让导师、合作者和未来的你能够理解为什么文献集发生了变化。

记录那些以后难以重建的部分。你不需要记录每一次点击的日记，但你需要足够的细节来解释从问题到来源再到论点的路径。

对于这个主题，最有用的记录通常包括范围、来源、决策、验证和下一步行动。添加日期、使用的工具或来源、审阅者状态和下一步行动。如果AI协助了该步骤，写下它帮助了什么以及人工检查了什么。

记录应该区分发现和证据。工具可能帮助找到一篇论文，但论文本身必须支持论点。总结可能帮助筛选来源，但原始来源应该支持文献综述中出现的任何陈述。

在写作之前，检查工作流程是否产生了可用的证据或仅是有用的笔记。笔记帮助你思考。证据支持一个句子。

问：

• 这个来源将支持哪个论点？
• 论点是否比证据更窄？
• 方法、样本、结果或概念细节是否已检查？
• 局限性是否可见？
• 相互矛盾的论文是否被处理而不是被忽略？
• 引文是否真实、最新且相关？
• 另一个读者能否理解这个来源是如何进入综述的？

如果答案不清楚，将要点保留在笔记中，而不是将其移入草稿。这是防止AI辅助研究变成精炼但薄弱的写作的小停顿。

WisPaper可以支持工作流程中研究人员需要查找、筛选、组织和质疑论文的部分。Deep Search、Scholar Agent和Inspiration Discovery支持自然语言学术搜索，而论文卡片显示来源标签、摘要、作者信息、出版详情和预览图像。

My Library允许用户将论文保存或上传到工作集合中。Library QA可以根据该集合回答问题，帮助研究人员在阅读、映射或大纲规划期间比较选定的论文。

对于引文风险，由WisPaper提供支持的TrueCite根据真实学术数据库检查BibTeX文件，以标记虚构的参考文献。WisPaper帮助解决工作流程中的阻力，但研究人员仍然拥有范围、来源验证、综述和最终论点。

试用WisPaper