論文檢索策略的建立方法
Daniel Ha · 首尔大学 博士生為什麼需要論文檢索策略？
沒有檢索策略就去找論文，會遺漏重要文獻，或在數千筆結果中低效地逐一瀏覽。有了系統性策略，就能快速找到所需論文，並留下確實沒有遺漏的依據。
在Google Scholar輸入關鍵字就能找到論文，但光靠這樣是不夠的。
| 問題 | 範例 |
|---|---|
| 遺漏同義詞 | 只搜尋「遠距教學」就會錯過「線上學習」、「e-learning」的論文 |
| 結果過多 | 逐一瀏覽3,000筆結果浪費時間 |
| 不知道關鍵字就卡住 | 領域初學者不知道正確的學術用語 |
| 無法重現 | 沒有檢索紀錄就無法向審查委員說明 |
系統性檢索策略能解決這些問題，並向審查委員證明文獻回顧的嚴謹性。
系統性的論文檢索方法是什麼？
以PICO將研究問題結構化，設計關鍵字與檢索式，同時運用AI語意檢索和關鍵字檢索，再透過引用追蹤擴展，最後以PRISMA標準篩選的五步驟流程。
第1步：將研究問題結構化為可檢索的形式
檢索的起點不是關鍵字，而是研究問題。利用PICO框架將問題拆解為各組成要素，檢索關鍵字和自然語言問題就會自然地導出。
以「AI輔導對大學生學業成績是否有效？」這個研究問題為例，用PICO拆解如下。
| 要素 | 問題 | 本研究中 |
|---|---|---|
| P (Population) | 對象是誰？ | 大學生 |
| I (Intervention/Exposure) | 施加什麼？ | AI輔導 |
| C (Comparison) | 與什麼比較？ | 傳統教學 |
| O (Outcome) | 測量什麼？ | 學業成績 |
這樣拆解後，在第2步提取關鍵字就會容易許多。從P可得「大學生, undergraduate, higher education」，從I可得「AI tutoring, intelligent tutoring, adaptive learning」，依此類推為每個要素擴展同義詞即可。
第2步：導出關鍵字並撰寫檢索式
將第1步拆解的PICO要素轉換為關鍵字，再用Boolean運算子建立檢索式。以上述範例繼續說明。
關鍵字擴展
首先為每個PICO要素的核心關鍵字擴展同義詞。同一概念在不同論文中使用不同術語，若遺漏同義詞就會錯過相關論文。
| PICO要素 | 核心關鍵字 | 同義詞擴展 |
|---|---|---|
| P | 大學生 | undergraduate, college student, higher education |
| I | AI輔導 | intelligent tutoring, adaptive learning, AI tutor |
| C | 傳統教學 | traditional instruction, face-to-face, lecture |
| O | 學業成績 | academic performance, learning outcome, GPA |
Boolean檢索式撰寫
將擴展的關鍵字用Boolean運算子組合成檢索式。
| 運算子 | 作用 | 使用方式 |
|---|---|---|
| OR | 將同一PICO要素的同義詞合併 | "AI tutoring" OR "intelligent tutoring" |
| AND | 結合不同PICO要素 | (P) AND (I) AND (O) |
| NOT | 排除研究範圍外的結果 | NOT "K-12" |
上述範例完成的檢索式如下。
("AI tutoring" OR "intelligent tutoring" OR "adaptive learning") AND ("academic performance" OR "learning outcome") AND ("higher education" OR "university" OR "undergraduate")
第3步：執行檢索
同時運用關鍵字檢索式和AI語意檢索，就能兼顧精確性與全面性。
關鍵字檢索
將第2步建立的Boolean檢索式輸入學術資料庫。請根據領域選擇合適的資料庫。
| 領域 | 主要資料庫 |
|---|---|
| 通用 | Google Scholar, Scopus, Web of Science |
| 醫學/公衛 | PubMed, MEDLINE, Cochrane Library |
| 教育 | ERIC, Education Source |
| 心理學 | PsycINFO, PsycArticles |
| 管理/經濟 | SSRN, EconLit, Business Source Complete |
| 工程/資訊 | IEEE Xplore, ACM Digital Library |
AI語意檢索
在不知道精確關鍵字的初期階段，AI語意檢索特別有效。直接用自然語言輸入研究問題，就能依據語意找到相關論文。
| 檢索方式 | 輸入範例 | 特點 |
|---|---|---|
| 關鍵字檢索 | ("AI tutoring" OR "intelligent tutoring") AND "higher education" | 需要精確術語，可重現 |
| AI語意檢索 | 「AI個人化學習對大學生成績的影響」 | 自然語言輸入，自動匹配同義詞 |
Nubint AI的AI論文檢索涵蓋2.8億篇學術論文，提供語意檢索。即使未包含「AI輔導」這個關鍵字，也能找到「智慧學習系統」、「適應性教育技術」等相似概念的論文。
先確保5~10篇核心論文
不要試圖一次找齊所有論文。首要目標是先確保該領域的5~10篇核心論文。
| 優先順序 | 論文類型 | 原因 |
|---|---|---|
| 1 | 回顧論文 | 系統性文獻回顧、統合分析是該領域的地圖 |
| 2 | 近3~5年高被引 | 呈現該領域的當前方向 |
| 3 | PICO要素重疊的論文 | 與研究問題直接相關的核心文獻 |
在文獻調查Agent輸入研究主題，AI會分析相關論文，整理核心研究脈絡、主要發現以及研究缺口。
第4步：透過引用追蹤擴展
確保了5~10篇核心論文後，比起更換關鍵字反覆檢索，引用追蹤要高效得多。
| 方法 | 方向 | 說明 |
|---|---|---|
| 後向引用 | 往過去 | 沿著核心論文引用的參考文獻追溯的方法 |
| 前向引用 | 往未來 | 找出引用了核心論文的後續研究的方法 |
| 滾雪球檢索 | 雙向 | 反覆進行後向與前向引用追蹤來擴展相關論文的方法。參考Wohlin(2014) |
第5步：篩選與整理
將檢索蒐集的論文依照PRISMA指引逐步篩選。去除重複後，先以標題和摘要進行初篩，再對留下的論文閱讀全文決定最終納入與否。
| 階段 | 工作內容 | 範例 |
|---|---|---|
| 識別 | 全部檢索結果合計 | 1,240筆 |
| 去除重複 | 資料庫間去重 | → 890筆 |
| 標題/摘要篩選 | 依相關性初步篩選 | → 120筆 |
| 全文審查 | 套用納入/排除標準 | → 45筆 |
| 最終納入 | 用於分析的論文 | → 32筆 |
篩選後的論文請立即整理，拖延會遺失出處。將論文存入Zotero、Mendeley等文獻管理工具，同時為每篇論文註記納入/排除理由、核心發現和方法論備忘，日後撰寫文獻回顧時會輕鬆許多。存入Nubint AI的論文資料庫後，可在聊天上下文中以整個資料庫、特定集合或個別論文為單位附加，供 Agent 分析使用。
有哪些論文檢索網站？
Google Scholar和PubMed可免費使用，Scopus和Web of Science可透過大學圖書館存取，Nubint AI則支援AI語意檢索。
| 網站 | 特點 | 是否免費 |
|---|---|---|
| Google Scholar | 最通用的學術搜尋引擎，提供引用追蹤和全文連結 | 免費 |
| PubMed | 醫學、生命科學領域最大資料庫，由美國國家醫學圖書館營運 | 免費 |
| Scopus | 國際學術期刊論文檢索、引用分析，Elsevier營運 | 訂閱 |
| Web of Science | SCI/SSCI收錄論文檢索、引用分析 | 訂閱 |
| Nubint AI | 2.8億篇AI語意檢索，自然語言輸入，不限領域 | 訂閱 |
如果具有大學身份，可透過圖書館入口免費存取Scopus、Web of Science等付費資料庫。依檢索目的組合使用多個網站，若以AI語意檢索起步，即使在不知道關鍵字的初期階段也能快速找到核心論文。
AI論文檢索與關鍵字檢索有何不同？
AI語意檢索可用自然語言快速開始，關鍵字檢索則擅長可重現的系統性檢索，兩者並行最為有效。
| 比較項目 | AI語意檢索 | 關鍵字(Boolean)檢索 |
|---|---|---|
| 輸入方式 | 自然語言問題 | Boolean運算子 + 精確術語 |
| 優勢 | 自動匹配同義詞，適合初期探索 | 可重現，系統性文獻回顧必備 |
| 劣勢 | 檢索式難以重現 | 需知道精確關鍵字才能開始 |
| 適合階段 | 研究初期，核心論文探索 | 檢索策略確定後的全面檢索 |
**先以AI檢索起步，再用關鍵字檢索補充。**研究初期往往不知道精確術語。先用AI語意檢索確保核心論文，就能從中掌握該領域的精確關鍵字，再據此建立Boolean檢索式進行系統性擴展。
Nubint的AI論文檢索涵蓋2.8億篇學術論文，提供語意檢索。無需分別搜尋多個資料庫，一個自然語言問題即可跨領域找到相關論文。
總結
論文檢索的核心不是要輸入什麼關鍵字，而是需要回答什麼問題的論文。以AI語意檢索快速確保核心論文，透過引用追蹤擴展網絡，再用關鍵字檢索進行補充。記錄檢索過程就能證明文獻回顧的系統性。