Winst:
- Mogelijkheid om de scanscope te plannen met ondersteuning voor kunstmatige intelligentie door trefwoorden, synoniemen en Booleaanse zoekreeksen te genereren op basis van de onderzoeksvraag
- Het positioneren van kunstmatige intelligentie als een hulpmiddel voor het genereren van strategieën, niet als een hulpmiddel voor het vinden van bronnen, en het kunnen verifiëren van elke bron die in echte databases wordt gevonden (Google Scholar, Scopus, Web of Science, PubMed).
- Vermogen om het risico te begrijpen dat kunstmatige intelligentie verzonnen bronnen en valse statistieken oplevert en de reflex verwerft om elk citaat te verifiëren bij het vaststellen van een leemte in de literatuur.
Elk onderzoek begint met een literatuuronderzoek: je kunt geen originele bijdrage leveren zonder te zien wat er al eerder over jouw onderwerp is gedaan, welke vragen zijn beantwoord en waar er nog lacunes zijn. Maar de literatuur is enorm; Jaarlijks worden er miljoenen artikelen gepubliceerd. Dit is waar AI een grote versneller is, maar met een heel duidelijke scheidslijn. De belangrijkste zin van dit blok is deze: AI wordt bij literatuuronderzoek gebruikt als zoekstrateeg, niet als bronnendatabase. Omdat AI je geen echte artikelen vindt; Het produceert mogelijk ogende artikelregels, waarvan sommige verzonnen zijn.
In deze unit leren we hoe we uit uw onderzoeksvraag een systematisch zoekplan kunnen afleiden, AI kunnen gebruiken om dat plan te verrijken en elke gevonden bron kunnen valideren aan de hand van echte databases.
Skelet van het literatuuronderzoek
Een goede scan bestaat uit drie fasen. Eerst splits je de concepten op: je deelt je onderzoeksvraag op in de hoofdcomponenten. In de vraag "Het effect van feedback op de motivatie van studenten in afstandsonderwijs" zijn er bijvoorbeeld drie concepten: afstandsonderwijs, feedback, motivatie. Vervolgens maak je voor elk concept een termenpool: synoniemen, vakjargon, Engelse equivalenten (onderwijs op afstand → onderwijs op afstand, online leren, e-learning, leren op afstand). Ten slotte combineer je deze termen met Booleaanse operatoren.
Booleaanse operatoren zijn logische voegwoorden die zoekmachines vertellen hoe ze termen moeten combineren. Er zijn drie basisoperatoren: AND (resulteert in het voorkomen van beide termen – verkleint de reikwijdte), OR (een van de termen – breidt de reikwijdte uit, verzamelt synoniemen) en NOT (sluit een term uit). Ook aanhalingstekens "..." zoeken naar volledige zinnen, asterisk * is de wortelcontractie (motivat* → motivatie, motiverend). Een zoekreeks ziet er meestal als volgt uit:
("onderwijs op afstand" OF "online leren" OF e-learning) EN (feedback OF "formatieve beoordeling") EN (motivatie OF betrokkenheid OF "zelfeffectiviteit")
AI is uitstekend in het genereren van deze strings, het aanvullen van synoniemen en het aanpassen ervan aan de syntaxis van verschillende databases (Scopus, PubMed, Web of Science vereisen verschillende spellingen). Maar de AI is niet waar je de touwtjes in handen hebt; echte databases: Google Scholar (groot, gratis), Scopus en Web of Science (samengesteld, citatie-geïndexeerd), PubMed (medische/levenswetenschappen), velddatabases (ERIC onderwijs, PsycINFO psychologie, IEEE Xplore engineering).
Let op: als u een AI-chattool vraagt om "20 artikelen over dit onderwerp te vermelden", worden titels geretourneerd die er echt uitzien, maar sommige zijn verzonnen. Dit is geen screening maar gevaar. Gebruik AI om strings te genereren, zoek het artikel in de database.
Scope-, inclusie- en gap-analyse
Kent goede scanlimieten. In-/uitsluitingscriteria bepalen de reikwijdte van uw zoekopdracht: welk jaarbereik, welke talen, welke studietypes (experimenteel, review), welke context. AI kan deze criteria in conceptvorm voorstellen, en u kunt ze aanscherpen op basis van uw vakgebied. Als u een systematische review uitvoert, kunt u de PRISMA-stroom (rapportagestandaard voor systematische reviews) aan de AI herinneren en deze een crawllog-sjabloon laten maken.
Een literatuurlacune is een vraag of context die nog niet voldoende is onderzocht; Je originele bijdrage vult vaak een leemte op. AI helpt u mogelijke hiaten te identificeren op basis van de samenvattingen die u leest, maar beschouw dit als een bewering die moet worden geverifieerd, en niet als een hypothese. AI kan zeggen: "X is op dit gebied niet onderzocht"; Het kan echter zijn dat het onderzocht is, alleen weet de AI het niet. U bevestigt het verschil alleen met uw daadwerkelijke scan.
Sneeuwbalmethode en grijze literatuur
Zoeken op trefwoord alleen is niet voldoende; Een goede scan wordt dieper met sneeuwbaleffecten. Als je achteruit sneeuwt, is de sleutel die je vindt het scannen van de bibliografie van een artikel en het vinden van de voorgaande artikelen; We gaan vooruit met het bijhouden van wie dat artikel heeft geciteerd (“Geciteerd door” link in Google Scholar) en komen tot vervolgonderzoeken. Met deze methode kunt u onderzoeken vinden die centraal staan in het vakgebied, maar die u niet met uw trefwoorden kunt vastleggen. Wanneer u een bibliografie van een artikel verstrekt, kan AI u helpen bij het prioriteren van welke referenties het dichtst bij uw vraag liggen; Maar nogmaals, het is aan jou om het artikel te vinden en te lezen.
Bovendien dekken academische databases niet alles. Grijze literatuur – proefschriften, institutionele rapporten, congresverslagen, preprints – is op sommige gebieden van cruciaal belang en compenseert publicatiebias (de neiging om alleen positieve resultaten te publiceren). AI kan voorstellen in welke grijze literatuurbronnen (ProQuest-dissertaties, institutionele repositories, preprint-servers zoals arXiv/SSRN) u moet zoeken; Bij systematische reviews is het vaak absoluut noodzakelijk om je reikwijdte niet te beperken tot uitsluitend tijdschriftartikelen.
drie minikoffers
Geval 1 — Stringuitbreiding. Toen een onderwijsonderzoeker op Scopus naar 'flipped classroom' zocht, kreeg ze 300 resultaten, maar had ze het gevoel dat ze synoniemen miste. Hij liet AI een termpool maken; Hij voegde equivalenten toe als "omgekeerd klaslokaal" en "omgedraaid leren". Met de nieuwe string steeg het resultaat van 300 naar 470; Bij de eerste zoekopdracht zijn 40 relevante artikelen gemist. De AI vond de artikelen niet, maar construeerde de string waardoor ze vindbaar werden.
Geval 2 — Terugkeer van een opgestelde lijst. Een afgestudeerde student vroeg AI rechtstreeks naar de "top 15 bronnen" om te scannen en plakte de lijst in zijn proefschrift. Onder toezicht van de adviseur konden vier citaten niet worden gevonden in Web of Science en waren twee DOI's onjuist. De student begon opnieuw: deze keer nam hij de lijn van de AI over, vond 60 echte resultaten in Scopus, doorzocht de titelsamenvatting en selecteerde er 18. Deze 18 waren allemaal echt.
Geval 3 — Verduidelijking van de reikwijdte. Een gezondheidsonderzoeker besefte dat zijn zoektocht zo breed was dat hij overweldigd werd door 2.000 resultaten. Er waren concept-AI-insluitings-/uitsluitingscriteria opgesteld: afgelopen 10 jaar, Engels, steekproef voor volwassenen, gerandomiseerde gecontroleerde onderzoeken. Hij heeft het filter 'Alleen ziekenhuisomgeving' toegevoegd met zijn eigen informatie. Het resultaat daalde van 2.000 naar 180; Er werd een scanbaar cluster gevormd.
Kopieerbare sjablonen
1) Conceptscheiding en termpool:
Jouw rol: informatiespecialist (onderzoeksbibliothecaris). Mijn onderzoeksvraag is: "[schrijf de vraag]". Verdeel deze vraag in de belangrijkste concepten. Genereer voor elk concept een termpool van Engelse synoniemen, veldjargon en alternatieve spellingen. Geef het in een tabel. Het artikel is FAKE.
2) Genereren van Booleaanse zoekreeksen:
Construeer een Booleaanse zoekreeks voor Scopus met behulp van de volgende termpool: OR termen binnen concepten, AND tussen concepten, citeer zinsdelen, gebruik * waar van toepassing. Pas dezelfde string aan aan de syntaxis van Web of Science en PubMed. Zwembad: [plakken]
3) Ontwerp van opname-/uitsluitingscriteria:
Ik doe een literatuuronderzoek over "[onderwerp]". Stel mij een ontwerp van insluitings-/uitsluitingscriteria voor: onder de kopjes jaarbereik, taal, studietype, steekproef, context. Dit zijn suggesties; Ik zal ze veranderen afhankelijk van mijn vakgebied. Schrijf de redenen kort op.
4) Bevragen vacaturekandidaten (te verifiëren):
Hieronder staan samenvattingen van de 10 artikelen die ik heb gescand. Breng hun gemeenschappelijke thema's naar voren en stel KANDIDATEN voor met betrekking tot WELKE VRAGEN MINDER WORDEN BEANTWOORD. Presenteer deze als hypothesen die ik zal verifiëren, niet als absolute waarheid. Samenvattingen: [plakken]
Zwakke prompt/sterke prompt
Zwakke prompt:
Geef me een lijst met bronnen over kunstmatige intelligentie en onderwijs.
AI creëert valse ID’s; Het onderwerp is ook te breed.
Krachtige prompt:
Jouw rol: informatiespecialist. Onderwerp: "Het effect van gamification op wiskundeangst op de basisschool". GEEF ME GEEN LIJST MET BRONNEN. In plaats daarvan: (1) analyseer de 3 concepten, (2) genereer een opslagplaats van Engelse synoniemen voor elk concept, (3) Booleaanse string voor Scopus, (4) stel toepasselijke opname-/uitsluitingscriteria op. De titel van het artikel is nep.
Doel
gebruik AI
verificatie locatie
Uitbreiding van de termijnpool
Ja, sterk
Review met domeinkennis
Booleaanse stringconstructie
Ja, sterk
Testen in database
Overzicht van reikwijdte/criteria
Ja
Verscherp per gebied
Zoek een artikel
nee
Wetenschapper/Scopus/WoS/PubMed
Opruimingsverplichting
gedeeltelijk
Echt scannen is een must
Veel voorkomende fouten
- AI verwarren met een database. Het aanvragen van een artikelcitatie levert valse citaten op; Dit is de meest voorkomende en gevaarlijke fout.
- Synoniemen overslaan. Een zoekopdracht op één term mist een groot deel van de literatuur.
- Waardoor de reikwijdte onduidelijk blijft. Zonder jaar-, taal- en genrefilters wordt u overweldigd door duizenden resultaten.
- Leegte beweren zonder het te verifiëren. Zeggen "niemand heeft gestudeerd" zonder daadwerkelijke screening is riskant.
- Vertrouwend op één enkele database. Verschillende indexen dekken verschillend; meerdere samen gebruiken.
Tip: Om uw zoekopdracht reproduceerbaar te maken, legt u de gebruikte reeks, de database, de datum en het aantal resultaten in een tabel vast. Dit tijdschrift is verplicht bij systematische review; Het is een goede gewoonte bij elk onderzoek.
Samengevat
Literatuuronderzoek is een systematische taak: conceptdistillatie, termpool, Booleaanse string, dekkingscriterium. AI is een krachtige assistent bij deze strategische stappen; produceert synoniemen, construeert strings, schetst criteria. Maar u vindt artikelen uit echte databases, niet uit AI, en verifieert elke naamregel. Korte vuistregel: strategie van AI, bron uit database, validatie van jou.
Applicatie taak
Bedenk je eigen onderzoeksvraag. Parseer concepten met AI en produceer een termpool en een Booleaanse string. Voer deze tekenreeks uit tegen een echte database (Scholar of een index waartoe u toegang hebt). Noteer de top 10 resultaten en vergelijk deze met de naamregels (indien aanwezig) die de AI eerder heeft voorgesteld wanneer er rechtstreeks naar werd gevraagd; Markeer hoeveel er daadwerkelijk bestaan.
controlelijst
- [ ] Heb ik mijn onderzoeksvraag opgesplitst in concepten?
- [ ] Heb ik voor elk concept een synoniem/Engelse termpool aangemaakt?
- [ ] Heb ik de Booleaanse string getest op de echte database?
- [ ] Heb ik mijn opname-/uitsluitingscriteria verduidelijkt?
- [ ] Heb ik geverifieerd dat elke bron die ik heb gevonden ook daadwerkelijk bestaat?