跳到正文
AIupick

研究人员指南 · 6 项任务

研究用 AI：找论文、读得更快、核对每个说法

AI 现在几分钟就能完成文献的检索、筛选和总结。难的部分和以前一样：弄清证据实际说了什么、有多强，以及你能否向审稿人为每一步辩护。下面每项任务都会留下一份你可以核查的记录。

  2. 02

    以经得起推敲的方式筛选数千篇摘要

    手动筛选几千篇摘要需要好几周，而完全由 AI 筛选又很难向审稿人交代。先写好标准，让 AI 按标准筛选，抽样检查它的判断，并报告你是如何检查的。

    示例

    2,300 篇关于运动与抑郁的摘要。AI 筛选后剩下 140 篇需要阅读全文。在随机抽取、你也亲自筛选过的 100 篇中，你们的判断大多一致；每一处分歧都是“不确定”，而这些你全都读了。

    怎么做

    1. 1检索之前写好纳入和排除标准，并记下日期。
    2. 2在 Elicit 中选择“Systematic Review”，在“Setup”页面输入你的问题，然后收集并筛选文献。
    3. 3随机抽取 50 到 100 篇摘要亲自筛选，把你的判断和 AI 的判断进行比较。
    4. 4在方法部分报告筛选标准、所用工具、样本量，以及你们判断一致的频率。

    内置功能

    可复制的提示词

    按以下标准筛选下面的摘要。
纳入：[人群、干预措施、研究设计、年份]。排除：[标准]。
对每篇摘要给出：纳入、排除或不确定；起决定作用的标准；以及判断所依据的摘要原句。摘要中没有说明的，回答不确定。

    容易出错的地方

    • 看到结果之后才写的标准，会向你的发现倾斜。先把标准定下来。
    • “不确定”是一个有效的答案。每一篇标为不确定的摘要，都要亲自阅读。
  3. 03

    问一堆 PDF：它们在哪些地方存在分歧

    跨多篇论文时，有用的问题都关乎差异：它们在哪里有分歧、哪些方法不同、什么是没人测量过的。就问这些问题，每个说法都要附上引文和页码，并问一问这些来源回答不了什么。

    示例

    十二篇关于青少年屏幕使用时间与睡眠的论文。它们之所以有分歧，是因为有些测量的是全部屏幕时间，另一些只测量晚上 9 点以后的屏幕时间。这一差异，加上双方各一段引文，正是你的综述所缺少的那一段。

    怎么做

    1. 1把这些 PDF 添加到 Gemini Notebook 的一个笔记本中，或者用 SciSpace 的 Chat with PDF 一次处理一篇论文。
    2. 2用本页的提示词提出对比问题。
    3. 3对于你要用的每个说法，都打开它所引用的段落。
    4. 4生成一个 Mind Map，查看整组文献涉及的主题，并发现缺失的部分。

    内置功能

    可复制的提示词

    综合这些来源：它们在哪些地方存在分歧，原因是什么（人群、方法、测量指标或年份不同）？
每一点都引用原文段落，并给出来源和页码。
然后列出这些来源没有回答的问题。

    容易出错的地方

    • 把两篇论文混在一起的回答，可能把一篇论文的结果安到另一篇头上。引文能让你分清哪个是哪个。
    • “来源中没有”是一个有用的答案。如果它从来不这么说，就要当心了。
  4. 04

    转录访谈，把 AI 当作第二编码员

    AI 转录和建议编码都很快，但它自己编出来的编码本会与数据贴合得过于整齐。先自己给一部分样本编码，再让 AI 套用你的编码本，然后看你们在哪里有分歧。

    示例

    二十次关于夜班的护士访谈。你手动给其中三次编码，形成一个包含八个编码的编码本；AI 把它套用到其余 17 次访谈上。在你们都编码过的那一次访谈中，你们在六个段落上有分歧，这说明有两个编码存在重叠，需要更清晰的定义。

    怎么做

    1. 1确认你的伦理审批和知情同意书允许使用这个工具，并在上传之前删掉姓名。
    2. 2先转录，然后对照录音，校正你要引用的每一个段落。
    3. 3自己给两三次访谈编码，并写出编码本。
    4. 4用本页的提示词让 AI 把你的编码本套用到其余访谈上，并在一次访谈上把它的编码和你的对比。

    可复制的提示词

    把这个编码本套用到下面的访谈上：[编码及其定义]。
每个段落写出：编码、一行理由，以及行号。
不符合任何编码的段落和同时符合两个编码的段落，分别单独列出。不要创建新的编码。

    容易出错的地方

    • 文字稿会漏掉犹豫停顿，还会听错人名和专业术语。核对你发表的每一段引文。
    • 编码定义模糊时，一致率看起来会很高。去读那些分歧，而不是看百分比。
  5. 05

    做一次可以重跑的初步分析

    无法重跑的分析只是一个故事。要代码，而不是要答案；在看到结果之前写下计划好的分析，这样 AI 就不会一直检验下去，直到碰出一个显著结果。

    示例

    事先计划好的分析：用 t 检验比较两种教学方法下的考试成绩。代码报告共有 412 行，其中九行缺少成绩，然后给出检验结果及其效应量和区间。当 AI 提出“再按性别检查一下”时，你把它记录为一个单独的探索性问题。

    怎么做

    1. 1打开数据之前，写下你的问题和计划好的分析。
    2. 2用本页的提示词，要求它写出恰好做这件事的代码，然后自己运行。
    3. 3每一步之后都检查行数。
    4. 4要求它列出每项检验的前提假设，在报告结果之前逐一检查。

    可复制的提示词

    编写 [R 或 Python] 代码：加载 [文件]，报告行数、列、缺失值和异常值，然后针对 [问题] 运行 [计划好的分析]。
为每一步写注释。不要运行任何其他检验。报告效应量及其置信区间，而不只是 p 值。

    容易出错的地方

    • 问它“有没有什么是显著的？”，它总能找出点什么。坚持按计划来。
    • 能运行的代码不等于正确的代码。手算一个结果，或用一个已知的例子来核对。
  6. 06

    不用重新检索，也能跟上新论文

    你在写作时，文献也在不断更新。与其每个月重复一遍检索，不如设置一个每周例行任务，替你检索，并只报告新的内容。

    示例

    一个关于“临床文档中的语言模型，随机或对照研究”的例行任务。大多数星期它会报告几篇新论文；你把其中重要的那篇加进阅读清单，并用一行写明原因。

    怎么做

    1. 1在 Elicit 中打开“Routines”，用你纳入标准里的措辞描述要关注的内容。
    2. 2选择每周一次的频率。
    3. 3每周浏览一遍报告，把相关的论文加进阅读清单，并用一行写明原因。
    4. 4每隔几个月，自己把主要检索再跑一遍；例行任务可能漏掉使用新术语的论文。

    内置功能

    可复制的提示词

    每周检索关于 [主题]、且 [标准] 的新论文。只报告上次运行之后发表的论文：引文、一句话总结的发现、研究设计和样本量。

    容易出错的地方

    • 例行任务会重复你的盲点。时不时换换措辞。
    • 没人读的每周清单只是噪音。让它短到五分钟就能读完。

研究人员使用守则

  • 上传参与者数据之前，确认你的伦理审批和数据协议允许使用这个工具。
  • 如果对话默认会被用于训练，在上传未发表的成果之前，先把这项设置关掉。
  • 引用你读过的论文，绝不引用 AI 对它们的总结。
  • 如果期刊或资助方有要求，就报告你是如何使用 AI 的。

深入了解

Esc
↑ ↓ 移动Enter 打开