如何用AI文献搜索细化研究问题

宽泛的主题不是研究问题。“教育中的AI”、“远程工作”或“气候政策”可能只是初始兴趣，但文献综述需要一个能够指导搜索、筛选、阅读和综合的问题。

AI文献搜索可以帮助细化宽泛的主题，因为它能呈现术语、论文、方法、争论和空白。但研究者仍需决定范围并核实文献。

本指南解释如何利用AI文献搜索来细化研究问题。

可搜索的研究问题包含足够的细节来指导搜索词和纳入标准。它应该告诉你什么内容属于综述范围。

可搜索的问题通常定义：

• 人群或背景。
• 概念或干预。
• 方法或证据类型。
• 结果或现象。
• 时间范围。
• 来源类型。
• 比较（如果相关）。

问题不需要包含所有这些要素，但需要足够的结构来支持决策。

宽泛的主题难以搜索，因为它们会返回太多不相关的论文。它们还使得决定排除什么变得困难。

宽泛主题的问题包括：

• 搜索结果过多。
• 关键词不明确。
• 学科重叠。
• 没有明显的纳入标准。
• 空白声明薄弱。
• 阅读笔记分散。
• 难以撰写聚焦的综述。

AI搜索可以帮助识别可能的方向，但也可能进一步扩展主题。用它来缩小范围，而不仅仅是发现。

关于控制信息过载，请参阅如何避免文献综述中的来源过载。

AI搜索可以通过展示研究者如何讨论该主题来提供帮助。它可以揭示词汇、方法、人群、结果和争论。

使用AI搜索来查找：

• 关键术语。
• 同义词。
• 相关概念。
• 常用方法。
• 主要综述论文。
• 近期研究。
• 竞争理论。
• 研究不足的背景。
• 可能的种子论文。

然后将这些发现转化为更窄的问题选项。

关于搜索词的工作，请参阅AI文献综述搜索字符串。

从映射提示开始。目标是看到主题的可能维度，而不是立即得到最终问题。

使用：

“将这个主题映射到可能的研究问题方向。对于每个方向，确定可能的关键词、来源类型、方法和需要验证的示例论文。”

然后检查哪个方向有足够的文献和可管理的范围。

不要接受AI建议的第一个问题。将其视为可能性的菜单。

人群或背景通常是使问题可搜索的最快方法。它告诉你综述适用于哪里。

示例：

• 高等教育中的学生。
• 早期职业研究者。
• 农村卫生诊所。
• 小企业。
• 开源软件团队。
• 临床试验参与者。
• 政府机构。

询问文献是否支持该边界。如果所选背景的文献太少，稍微扩大范围。如果太多，进一步缩小。

方法可以将宽泛的主题转变为聚焦的综述。与其问文献对某个主题说了什么，不如问它是如何被研究的。

以方法为中心的问题包括：

• 使用哪些方法来测量X？
• 定性研究如何解释Y？
• 计算模型如何评估Z？
• 用于X的数据集有哪些？
• 实验研究和观察性研究有何不同？

当你准备论文或决定研究设计时，这很有用。

关于方法比较，请参阅如何比较研究论文中的方法。

结果或概念的边界有助于防止综述变成一般的背景部分。

询问：

• 什么结果重要？
• 如何测量它？
• 哪个概念是核心？
• 哪些相关概念不在范围内？
• 你将使用哪些定义？
• 哪些论文支持这些定义？

如果结果不可测量或概念太模糊，问题可能需要再次修改。

关于概念性工作，请参阅如何从文献构建概念框架。

用小规模搜索测试问题。一个好的问题应该返回相关但不过多的论文。

检查：

• 搜索结果是否与问题匹配？
• 是否找到了关键论文？
• 是否有足够的来源？
• 是否有太多不相关的来源？
• 能否写出纳入标准？
• 问题能否用现有证据回答？
• 问题是否支持文献综述的结构？

如果测试搜索失败，在深入阅读之前修改问题。

通过检查空白是否基于真实的来源集来避免虚假空白。AI可能会因为听起来合理而建议一个空白，而不是因为文献支持它。

在使用空白之前，询问：

• 哪些论文显示了这种模式？
• 哪些论文与之矛盾？
• 测试了哪些搜索词？
• 另一个领域是否使用不同的术语？
• 空白是关于没有证据、证据有限还是证据薄弱？
• 空白对你的项目是否可行？

关于空白验证，请参阅如何用AI找到研究空白。

通过定义你需要做出的决策、该决策所需的证据以及将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。在文献发现中，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。
• 定义你正在使用的来源集。
• 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。
• 保留可能进入最终综述的声明的来源位置。
• 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进展，而不会使综述变得草率。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声明的路径。

对于这个主题，最有用的记录通常包括查询、来源路径、种子论文、结果数量和后续搜索。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类检查了什么。

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声明。摘要可能帮助筛选来源，但原始来源应该支持文献综述中出现的任何陈述。

在撰写之前，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。

询问：

• 这个来源将支持哪个声明？
• 声明是否比证据更窄？
• 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得到处理而不是被忽略？
• 引用是否真实、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辅助研究变成精致但薄弱的写作的小停顿。

WisPaper可以帮助研究者从宽泛的主题想法转向候选论文集。Deep Search、Scholar Agent和Inspiration Discovery支持自然语言学术搜索，可以揭示围绕问题的术语、方法和相关论文。

论文卡片显示来源标签、摘要、作者、出版详情和预览图像，帮助研究者判断某个方向是否有足够的相关文献。保存或上传的论文可以保存在My Library中，Library QA可以根据用户自己的论文集回答问题。

这使得WisPaper对于测试研究问题是否可搜索和有证据支持很有用。研究者仍然决定最终问题、范围和方法。

试用WisPaper