Gewinne:
- Möglichkeit, den Scanumfang mit Unterstützung künstlicher Intelligenz zu planen, indem Schlüsselwörter, Synonyme und boolesche Suchzeichenfolgen aus der Forschungsfrage generiert werden
- Positionierung künstlicher Intelligenz als Tool zur Strategiegenerierung, nicht als Tool zur Quellensuche, und die Möglichkeit, jede in echten Datenbanken gefundene Quelle zu überprüfen (Google Scholar, Scopus, Web of Science, PubMed).
- Fähigkeit, das Risiko der Bereitstellung künstlicher Quellen und gefälschter Statistiken durch künstliche Intelligenz zu verstehen und den Reflex zu erwerben, jedes Zitat zu überprüfen, wenn eine Lücke in der Literatur festgestellt wird.
Jede Recherche beginnt mit einer Literaturrecherche: Sie können keinen originellen Beitrag leisten, ohne zu sehen, was bereits zu Ihrem Thema getan wurde, welche Fragen beantwortet wurden und wo es Lücken gibt. Aber die Literatur ist riesig; Jährlich werden Millionen von Artikeln veröffentlicht. Hier ist KI ein großer Beschleuniger – allerdings mit einer sehr klaren Grenzlinie. Der wichtigste Satz dieser Einheit lautet: KI wird in der Literaturrecherche als Suchstratege eingesetzt, nicht als Quellendatenbank. Weil KI keine echten Artikel für Sie findet; Es erzeugt möglicherweise aussehende Artikel-Bylines, von denen einige erfunden sind.
In dieser Einheit lernen wir, wie Sie aus Ihrer Forschungsfrage einen systematischen Suchplan ableiten, diesen Plan mithilfe von KI anreichern und jede gefundene Quelle anhand realer Datenbanken validieren.
Grundgerüst der Literaturrecherche
Ein guter Scan besteht aus drei Phasen. Zuerst zerlegen Sie die Konzepte: Sie zerlegen Ihre Forschungsfrage in ihre Hauptbestandteile. Beispielsweise gibt es in der Frage „Die Wirkung von Feedback auf die Motivation der Studierenden im Fernunterricht“ drei Konzepte: Fernunterricht, Feedback, Motivation. Anschließend erstellen Sie für jedes Konzept einen Begriffspool: Synonyme, Fachjargon, englische Äquivalente (Fernunterricht → Fernunterricht, Online-Lernen, E-Learning, Fernunterricht). Abschließend kombinieren Sie diese Begriffe mit booleschen Operatoren.
Boolesche Operatoren sind logische Konjunktionen, die Suchmaschinen mitteilen, wie sie Begriffe kombinieren sollen. Es gibt drei grundlegende Operatoren: AND (führt zum Vorkommen beider Begriffe – schränkt den Geltungsbereich ein), OR (beliebiger Begriff – erweitert den Geltungsbereich, sammelt Synonyme) und NOT (schließt einen Begriff aus). Auch Anführungszeichen „…“ suchen nach vollständigen Phrasen, Sternchen * ist die Wurzelzusammenziehung (motivat* → Motivation, motivierend). Eine Suchzeichenfolge sieht normalerweise so aus:
(„Fernunterricht“ ODER „Online-Lernen“ ODER E-Learning) UND (Feedback ODER „formative Beurteilung“) UND (Motivation ODER Engagement ODER „Selbstwirksamkeit“)
KI ist hervorragend darin, diese Zeichenfolgen zu generieren, Synonyme zu vervollständigen und sie an die Syntax verschiedener Datenbanken anzupassen (Scopus, PubMed, Web of Science erfordern unterschiedliche Schreibweisen). Aber die KI ist nicht der Ort, an dem Sie den String ausführen; Echte Datenbanken: Google Scholar (groß, kostenlos), Scopus und Web of Science (kuratiert, zitierindexiert), PubMed (Medizin/Biowissenschaften), Fachdatenbanken (ERIC Education, PsycINFO-Psychologie, IEEE Xplore Engineering).
Achtung: Wenn Sie ein KI-Chat-Tool auffordern, „20 Artikel zu diesem Thema aufzulisten“, werden Titel zurückgegeben, die echt aussehen, aber teilweise erfunden sind. Das ist keine Abschirmung, sondern eine Gefahr. Verwenden Sie KI, um eine Zeichenfolge zu generieren und den Artikel in der Datenbank zu finden.
Umfang, Inklusion und Lückenanalyse
Kennt gute Scangrenzen. Einschluss-/Ausschlusskriterien bestimmen den Umfang Ihrer Suche: welcher Jahresbereich, welche Sprachen, welche Studientypen (experimentell, Rezension), welcher Kontext. KI kann diese Kriterien in Entwurfsform vorschlagen und Sie können sie je nach Fachgebiet schärfen. Wenn Sie eine systematische Überprüfung durchführen, können Sie den PRISMA-Ablauf (Berichtsstandard für systematische Überprüfungen) an die KI erinnern und diese eine Crawl-Protokollvorlage erstellen lassen.
Eine Literaturlücke ist eine Frage oder ein Kontext, der/die noch nicht ausreichend erforscht wurde; Ihr ursprünglicher Beitrag füllt oft eine Lücke. KI hilft Ihnen dabei, mögliche Lücken auf der Grundlage der von Ihnen gelesenen Zusammenfassungen zu benennen – betrachten Sie dies jedoch als eine zu überprüfende Behauptung, nicht als Hypothese. Die KI könnte sagen: „X wurde in diesem Bereich nicht untersucht“; Möglicherweise wurde es jedoch untersucht, die KI weiß es nur nicht. Sie bestätigen die Lücke lediglich mit Ihrem tatsächlichen Scan.
Schneeballmethode und graue Literatur
Die Suche nach Schlüsselwörtern allein reicht nicht aus. Ein guter Scan wird durch Schneeballeffekte vertieft. Im Rückblick liegt der Schlüssel darin, die Bibliographie eines Artikels zu durchsuchen und die Artikel davor zu finden; Beim Vorwärtsschreiten geht es darum, zu verfolgen, wer diesen Artikel zitiert hat (Link „Zitiert von“ in Google Scholar) und zu nachfolgenden Studien zu gelangen. Mit dieser Methode können Sie Studien finden, die für das Fachgebiet von zentraler Bedeutung sind, die Sie jedoch mit Ihren Schlüsselwörtern nicht erfassen können. Wenn Sie eine Bibliographie eines Artikels bereitstellen, kann KI Ihnen dabei helfen, Prioritäten zu setzen, welche Referenzen Ihrer Frage am nächsten kommen. Aber auch hier liegt es an Ihnen, den Artikel zu finden und zu lesen.
Darüber hinaus decken wissenschaftliche Datenbanken nicht alles ab. Graue Literatur – Dissertationen, institutionelle Berichte, Konferenzberichte, Vorabdrucke – ist in einigen Bereichen von entscheidender Bedeutung und gleicht den Publikationsbias (die Tendenz, nur positive Ergebnisse zu veröffentlichen) aus. KI kann vorschlagen, welche grauen Literaturquellen (ProQuest-Dissertationen, institutionelle Repositorien, Preprint-Server wie arXiv/SSRN) Sie durchsuchen sollten; Bei systematischen Rezensionen ist es oft unerlässlich, den Umfang nicht nur auf Zeitschriftenartikel zu beschränken.
drei Mini-Koffer
Fall 1 – String-Erweiterung. Als eine Bildungsforscherin auf Scopus nach „Flipped Classroom“ suchte, erhielt sie 300 Ergebnisse, hatte aber das Gefühl, dass ihr Synonyme fehlten. Er ließ die KI einen Begriffspool erstellen; Er fügte Äquivalente wie „Inverted Classroom“ und „Flipped Learning“ hinzu. Mit der neuen Saite stieg das Ergebnis von 300 auf 470; Bei der ersten Suche wurden 40 relevante Artikel übersehen. Die KI hat die Artikel nicht gefunden, sondern die Zeichenfolge konstruiert, die sie auffindbar machte.
Fall 2 – Rückkehr von einer erstellten Liste. Ein Doktorand fragte AI direkt nach den „15 besten Quellen“ zum Scannen und fügte die Liste in seine Abschlussarbeit ein. Unter der Kontrolle des Beraters konnten 4 Zitate im Web of Science nicht gefunden werden und 2 DOIs waren falsch. Der Student fing von vorne an: Diesmal folgte er der Linie der KI, fand 60 echte Ergebnisse in Scopus, sichtete die Titelzusammenfassung und wählte 18 aus. Diese 18 waren alle real.
Fall 3 – Klärung des Anwendungsbereichs. Ein Gesundheitsforscher stellte fest, dass seine Suche so umfassend war, dass er von 2.000 Ergebnissen überwältigt wurde. Es wurden Entwürfe für KI-Einschluss-/Ausschlusskriterien erstellt: letzte 10 Jahre, Englisch, Erwachsenenstichprobe, randomisierte kontrollierte Studien. Er fügte den Filter „Nur Krankenhausumgebung“ mit seinen eigenen Informationen hinzu. Das Ergebnis sank von 2.000 auf 180; Es entstand ein scanbarer Cluster.
Kopierbare Vorlagen
1) Begriffstrennung und Begriffspool:
Ihre Rolle: ein Informationsspezialist (Forschungsbibliothekar). Meine Forschungsfrage lautet: „[Frage schreiben]“. Zerlegen Sie diese Frage in ihre Hauptkonzepte. Generieren Sie für jedes Konzept einen Begriffspool mit englischen Synonymen, Fachjargon und alternativen Schreibweisen. Tragen Sie es in eine Tabelle ein. Der Artikel ist FAKE.
2) Generierung einer booleschen Suchzeichenfolge:
Erstellen Sie eine boolesche Suchzeichenfolge für Scopus unter Verwendung des folgenden Begriffspools: ODER-Begriffe innerhalb von Konzepten, UND zwischen Konzepten, Phrasen in Anführungszeichen setzen, ggf. * verwenden. Passen Sie dieselbe Zeichenfolge an die Web of Science- und PubMed-Syntax an. Pool: [einfügen]
3) Entwurf der Einschluss-/Ausschlusskriterien:
Ich mache eine Literaturrecherche zum Thema „[Thema]“. Schlagen Sie mir einen Entwurf von Einschluss-/Ausschlusskriterien vor: unter den Überschriften Jahresbereich, Sprache, Studientyp, Stichprobe, Kontext. Dies sind Vorschläge; Ich werde sie entsprechend meinem Fachgebiet ändern. Schreiben Sie die Gründe kurz auf.
4) Abfrage von Stellenkandidaten (zu überprüfen):
Nachfolgend finden Sie Zusammenfassungen der 10 Artikel, die ich gescannt habe. Zeichnen Sie ihre gemeinsamen Themen auf und schlagen Sie Lückenkandidaten vor, WELCHE FRAGEN WENIGER Adressiert werden. Präsentieren Sie diese als Hypothesen, die ich überprüfen werde, nicht als absolute Wahrheit. Zusammenfassungen: [einfügen]
Schwache Eingabeaufforderung / Starke Eingabeaufforderung
Schwache Eingabeaufforderung:
Geben Sie mir eine Liste mit Ressourcen zu künstlicher Intelligenz und Bildung.
KI erstellt gefälschte Ausweise; Das Thema ist auch zu weit gefasst.
Kraftvolle Aufforderung:
Ihre Rolle: Informationsspezialist. Thema: „Der Effekt von Gamification auf Mathematikangst in der Grundschule“. GEBEN SIE MIR KEINE QUELLENLISTE. Stattdessen: (1) die drei Konzepte analysieren, (2) ein Repository mit englischen Synonymen für jedes Konzept erstellen, (3) eine boolesche Zeichenfolge für Scopus erstellen, (4) anwendbare Einschluss-/Ausschlusskriterien entwerfen. Der Titel des Artikels ist gefälscht.
Zweck
KI nutzen
Verifizierungsort
Erweiterung des Termpools
Ja, stark
Rezension mit Domänenkenntnissen
Boolesche Stringkonstruktion
Ja, stark
Test in der Datenbank
Übersicht über Umfang/Kriterien
Ja
Nach Bereich schärfen
Finden Sie einen Artikel
Nein
Scholar/Scopus/WoS/PubMed
Freigabeverpflichtung
teilweise
Echtes Scannen ist ein Muss
Häufige Fehler
- KI mit einer Datenbank verwechseln. Das Anfordern eines Artikelzitats führt zu falschen Zitaten; Dies ist der häufigste und gefährlichste Fehler.
- Synonyme überspringen. Bei der Suche nach einem einzigen Begriff wird ein Großteil der Literatur übersehen.
- Der Umfang bleibt unklar. Ohne Jahres-, Sprach- und Genrefilter werden Sie mit Tausenden von Ergebnissen überhäuft.
- Leerheit behaupten, ohne sie zu überprüfen. Zu sagen, „niemand hat studiert“, ohne ein tatsächliches Screening durchzuführen, ist riskant.
- Verlassen Sie sich auf eine einzige Datenbank. Verschiedene Indizes decken unterschiedlich ab; mehrere zusammen verwenden.
Tipp: Um Ihre Suche reproduzierbar zu machen, notieren Sie die verwendete Zeichenfolge, die Datenbank, das Datum und die Anzahl der Ergebnisse in einer Tabelle. Diese Zeitschrift ist bei der systematischen Überprüfung obligatorisch; Es ist eine gute Angewohnheit bei jeder Forschung.
Zusammenfassend
Die Literaturrecherche ist eine systematische Aufgabe: Konzeptdestillation, Begriffspool, boolesche Zeichenfolge, Abdeckungskriterium. KI ist bei diesen strategischen Schritten ein leistungsstarker Assistent; erzeugt Synonyme, konstruiert Strings, umreißt Kriterien. Aber Sie finden Artikel aus echten Datenbanken, nicht aus KI, und überprüfen jede Zeile. Kurze Faustregel: Strategie von der KI, Quelle aus der Datenbank, Validierung von Ihnen.
Anwendungsaufgabe
Holen Sie sich Ihre eigene Forschungsfrage. Analysieren Sie Konzepte mit KI und erstellen Sie einen Begriffspool und eine boolesche Zeichenfolge. Führen Sie diese Zeichenfolge mit einer echten Datenbank aus (Scholar oder ein Index, auf den Sie Zugriff haben). Notieren Sie sich die Top-10-Ergebnisse und vergleichen Sie sie mit den Bylines (falls vorhanden), die die KI zuvor auf direkte Anfrage vorgeschlagen hat; Markieren Sie, wie viele tatsächlich existieren.
Checkliste
- [ ] Habe ich meine Forschungsfrage in Konzepte zerlegt?
- [ ] Habe ich für jedes Konzept einen Synonym-/englischen Begriffspool erstellt?
- [ ] Habe ich den booleschen String in der realen Datenbank getestet?
- [ ] Habe ich meine Einschluss-/Ausschlusskriterien geklärt?
- [ ] Habe ich überprüft, dass jede Ressource, die ich gefunden habe, tatsächlich existiert?