范围综述 vs 系统综述：你需要哪一种？

范围综述和系统综述都是结构化的文献综述方法，但它们回答的问题不同。范围综述描绘现有文献的概况，而系统综述则通过明确的方法来寻找、筛选和综合证据，以回答一个聚焦的问题。

选错综述类型会在后续造成问题。将一个宽泛的问题强行做成系统综述会变得难以管理。将一个聚焦的证据问题当作范围综述来处理，可能无法满足读者的需求。

本指南将解释如何在范围综述和系统综述之间做出选择。

范围综述描绘某一主题文献的规模、范围和性质。当领域广泛、新兴、零散或尚未准备好进行窄聚焦的证据综合时，范围综述非常有用。

范围综述通常会问：

• 存在哪些证据？
• 使用了哪些概念？
• 出现了哪些方法？
• 研究了哪些人群？
• 有哪些类型的来源？
• 覆盖范围有哪些空白？
• 该领域是如何发展的？

其主要产出是文献地图，而不是关于有效性或影响的单一答案。

系统综述通过明确的检索、筛选、数据提取、质量评价和综合过程来回答一个聚焦的研究问题。它旨在减少偏倚并使综述决策透明化。

系统综述通常会问：

• 某种干预措施是否有效？
• 某种暴露的影响是什么？
• 哪种方法表现更好？
• 有哪些证据支持特定结果？
• 某种方法的风险或益处是什么？

其问题通常比范围综述的问题更窄。方法也有更强的报告要求。

有关 AI 相关的综述规划，请参阅 系统综述中的 AI。

主要区别在于目的。范围综述描绘领域概况，系统综述回答聚焦的证据问题。

当您需要了解以下内容时，请使用范围综述：

• 已经研究了什么。
• 某个概念是如何定义的。
• 使用了哪些方法。
• 证据集中在哪些方面。
• 哪些空白可能值得未来研究。

当您需要确定以下内容时，请使用系统综述：

• 证据对特定问题显示了什么。
• 哪些研究符合严格的标准。
• 研究结果如何比较。
• 研究质量如何影响结论。

如果您的问题以“存在什么”开头，范围综述可能合适。如果以“什么有效”开头，系统综述可能合适。

当文献过于宽泛或混杂，无法进行聚焦的系统综述时，请选择范围综述。

范围综述适用于以下情况：

• 主题是新兴的。
• 定义各不相同。
• 方法多种多样。
• 目标是识别证据类型。
• 综述将描绘研究活动。
• 您想澄清后续系统综述是否可行。
• 您需要纳入多种来源类型。

范围综述在研究领域早期、论文项目或基金规划过程中特别有用。

有关领域描绘，请参阅 如何构建文献综述证据地图。

当问题足够窄，能够支持明确的检索、筛选、数据提取和综合时，请选择系统综述。

系统综述适用于以下情况：

• 人群或背景清晰。
• 干预、暴露、方法或概念已定义。
• 结果可以比较。
• 纳入标准可以一致地应用。
• 来源质量对结论很重要。
• 读者需要基于证据的答案。

如果综述无法定义什么算作相关，那么它可能还没有准备好进行系统综述设计。

范围综述的问题是宽泛的、以描绘为导向的。系统综述的问题是聚焦的、以回答为导向的。

范围综述示例：

• “研究 X 使用了哪些方法？”
• “X 在不同学科中是如何定义的？”
• “在 Y 情境下存在哪些关于 X 的证据？”

系统综述示例：

• “X 是否能改善 Z 人群的 Y？”
• “X 与 Y 相比效果如何？”
• “哪种方法检测 X 最准确？”

如果您的问题有太多变动部分，请从范围综述开始。如果您的问题可以转化为纳入标准，那么系统综述可能是可行的。

有关框架，请参阅 文献综述的 PICO、PECO 和 SPIDER 框架。

两种综述类型都需要标准，但严格程度不同。范围综述可能允许更广泛的来源类型和方法。系统综述通常需要更严格的资格规则。

范围综述的标准可能侧重于：

• 主题相关性。
• 概念覆盖。
• 来源类型。
• 日期范围。
• 语言。
• 情境。

系统综述的标准可能侧重于：

• 人群。
• 干预或暴露。
• 对照。
• 结果。
• 研究设计。
• 质量要求。

如果目的是描绘，宽松的标准在范围综述中不是弱点。如果宽松的标准妨碍了一致的决策，那么在系统综述中就是一个问题。

AI 可以帮助两种综述类型，但不应替您决定综述类型。决定取决于研究目的。

AI 可以通过以下方式支持范围综述：

• 查找候选论文。
• 对主题进行分组。
• 总结定义。
• 描绘方法。
• 识别来源类型。

AI 可以通过以下方式支持系统综述：

• 建议检索词。
• 优先筛选。
• 帮助检查全文。
• 建议数据提取字段。
• 检查引文。

有关 AI 的边界，请参阅 研究团队负责任 AI 自动化清单。

避免因为听起来更令人印象深刻而选择综述类型。应根据问题来选择。

常见错误：

• 将宽泛的描绘项目称为系统综述。
• 将聚焦的证据问题称为范围综述。
• 跳过方案规划。
• 在没有来源标准的情况下使用 AI 搜索。
• 当结论取决于研究质量时忽略研究质量。
• 将所有来源类型一视同仁。
• 在没有描绘证据的情况下声称存在空白。

综述类型是一个方法决策。它会影响后续的每一步。

通过定义您需要做出的决策、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。在综述规划中，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。

使用一个简短的操作流程：

• 命名综述问题或子问题。
• 定义您正在使用的来源集。
• 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，而不是强行给出干净的答案。
• 保留可能进入最终综述的声明的来源位置。
• 在每次重要的搜索、筛选或写作会话后审查工作流程。

这个流程使工作持续进行，而不会使综述变得草率。它还让导师、合作者和未来的您能够理解来源集为何发生变化。

记录那些以后难以重建的部分。您不需要记录每一次点击的日记，但您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范围、标准、工具使用、综述类型、人工检查和报告说明。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，请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声明。摘要可能帮助对来源进行初步分类，但原始来源应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，还是仅仅是有用的笔记。笔记帮助您思考。证据支持一个句子。

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？
• 引文是否真实、最新且相关？
• 其他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，请将该观点保留在笔记中，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 可以帮助研究人员在选择或完善综述类型之前探索文献。Deep Search、Scholar Agent 和 Inspiration Discovery 支持自然语言学术搜索，这可以帮助用户了解一个主题是宽泛、狭窄、成熟还是零散的。

论文卡片显示来源标签、摘要、作者、出版详情和预览图像。这有助于早期分类和来源检查。论文可以保存或上传到 My Library，Library QA 可以根据用户自己的论文集回答问题。

该工作流程可以支持综述规划，但研究人员仍然决定项目应该是范围综述、系统综述、叙述性综述还是其他综述类型。

试用 WisPaper