叙述性综述与系统性综述：AI如何改变工作流程

叙述性综述和系统性综述使用文献的方式不同。叙述性综述围绕一个主题构建解释性论证。系统性综述遵循明确的方法来回答一个聚焦的证据问题。

AI工具可以辅助两者，但改变风险的方式不同。在叙述性综述中，AI可能使写作听起来有条理，但论证本身可能并不扎实。在系统性综述中，AI可以加速工作流程步骤，但这些步骤仍需记录和人工审查。

本指南解释了AI如何改变叙述性和系统性综述工作流程，以及如何选择合适的方法。

叙述性综述是一种文献综述，它解释、诠释和综合一个主题，而不一定遵循系统性综述的严格检索和筛选程序。

叙述性综述适用于：

• 介绍一个领域。
• 解释理论。
• 比较观点。
• 构建论证。
• 识别争论。
• 支持论文或手稿背景。
• 连接多个文献体系。

叙述性综述的优势在于灵活性。风险在于来源选择和综合可能变得不清晰。

系统性综述使用明确的方法来识别、筛选、提取和综合证据，以回答一个聚焦的问题。该方法旨在使决策透明并减少选择偏倚。

系统性综述适用于：

• 聚焦的证据问题。
• 干预或效果问题。
• 方法比较。
• 政策或实践决策。
• 证据综合。
• 具有明确纳入标准的综述问题。

优势在于透明性。风险在于方法可能过于僵化，不适合广泛或探索性主题。

关于综述类型选择，请参阅范围综述与系统性综述。

主要区别在于控制。叙述性综述由论证和学术判断控制。系统性综述由方案和预定义标准控制。

叙述性综述提出：

• 文献表明了什么？
• 思想是如何发展的？
• 哪些观点、理论或争论重要？
• 综述应构建什么论证？

系统性综述提出：

• 什么证据回答了这个问题？
• 哪些研究符合标准？
• 来源是如何找到和排除的？
• 纳入的证据显示了什么？

两者都可以严谨，但展现严谨的方式不同。

AI可以通过支持发现、笔记组织、主题发展和提纲起草来帮助叙述性综述。

有用的AI任务包括：

• 生成检索词。
• 总结候选论文。
• 按概念分组笔记。
• 识别可能的张力。
• 起草章节问题。
• 将笔记转化为提纲。
• 建议过渡。

主要危险是精致的模糊性。AI可以生成流畅的段落，但没有引用足够的证据，或者没有解释来源之间的关系。

关于提纲工作，请参阅如何将论文笔记转化为论证提纲。

AI可以通过支持有界的工作流程任务来帮助系统性综述。价值不仅在于写作速度，还在于协助重复性的来源处理。

AI可以支持：

• 检索词头脑风暴。
• 筛选优先级排序。
• 摘要总结。
• 全文检查。
• 提取建议。
• 引文验证。
• 检索日志格式化。
• 证据表准备。

每一步都需要记录。系统性综述应能够解释AI是如何使用的，以及人类在哪里做出决策。

关于工作流程记录，请参阅AI辅助研究的文献综述方案模板。

AI可能使叙述性综述过于泛泛。由于叙述性综述依赖于论证质量，这是一个严重的风险。

注意：

• 没有来源支持的宽泛主张。
• 听起来合理但没有依据的主题。
• 缺少反方论点。
• 过度使用摘要。
• 薄弱的过渡。
• 引用附在宽泛陈述上。
• 研究空白陈述过于强烈。

解决方案是从主张和证据出发写作，而不仅仅是从主题标题出发。

关于冲突处理，请参阅如何在文献综述中找到冲突证据。

如果团队不记录工作流程，AI可能使系统性综述难以审计。问题不仅在于准确性，还在于可追溯性。

注意：

• 未报告的AI检索。
• AI优先筛选而没有停止规则。
• 不一致的纳入决策。
• 没有来源位置的提取。
• 引文错误。
• 全文排除原因被建议但未检查。
• 方法文本隐藏AI使用。

解决方案是在综述开始前定义AI的角色。

关于治理，请参阅研究团队的AI文献综述政策模板。

根据你的问题选择。如果问题是广泛的、解释性的或理论构建的，叙述性综述可能合适。如果问题是聚焦的和基于证据的，系统性综述可能合适。

选择叙述性综述当：

• 你需要概念性解释。
• 主题跨越多个领域。
• 目标是论证或背景。
• 检索边界灵活。
• 文献过于多样，不适合严格综合。

选择系统性综述当：

• 问题可以精确定义。
• 纳入标准可以一致应用。
• 证据质量影响结论。
• 读者需要透明的来源选择过程。

AI不会改变根本选择。它改变的是工作流程必须被管理的仔细程度。

对于叙述性综述，当AI影响检索、来源选择、摘要或写作时，记录AI使用。对于系统性综述，更正式地记录AI使用，因为工作流程透明性至关重要。

叙述性综述记录可能包括：

• 使用的工具。
• 检索辅助。
• 摘要辅助。
• 人工来源检查。

系统性综述记录可能包括：

• 使用的工具。
• 检索日期。
• 筛选角色。
• 停止规则。
• 提取检查。
• 人工审查。
• 引文验证。

AI影响决策越多，记录就越重要。

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。在综述规划中，问题很少是缺少某个工具。问题通常是检索、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。
• 定义你正在使用的来源集。
• 决定什么算作下一步的足够证据。
• 对每一步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主张保留来源位置。
• 在每次主要检索、筛选或写作会话后审查工作流程。

这个例程保持工作进展，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来源集发生了变化。

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主张的路径。

对于这个主题，最有用的记录通常包括范围、标准、工具使用、综述类型、人工检查和报告注释。添加日期、使用的工具或来源、审查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主张。摘要可能帮助筛选来源，但原始来源应支持文献综述中出现的任何陈述。

在写作前，检查工作流程是否产生了可用的证据，还是仅仅是有用的笔记。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主张？
• 主张是否比证据更窄？
• 方法、样本、结果或概念细节是否已检查？
• 局限性是否可见？
• 冲突论文是否被处理而不是忽略？
• 引文是否真实、最新和相关？
• 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，而不是移入草稿。这是防止AI辅助研究变成精致但薄弱的写作的小停顿。

WisPaper可以通过帮助研究人员查找、筛选、组织和质疑论文来支持叙述性和系统性综述的准备。Deep Search、Scholar Agent和Inspiration Discovery支持自然语言学术搜索。

对于叙述性综述，论文卡片和Library QA可以帮助研究人员从广泛阅读转向主题和论证发展。对于系统性综述，My Library中保存或上传的论文可以帮助在筛选、提取和报告之前保持候选来源集。

WisPaper支持研究工作流程步骤，但研究人员仍然决定综述类型、范围、方法和最终主张。

试用WisPaper