论文检索策略的创建方法
Daniel Ha · 首尔大学 博士生为什么需要论文检索策略？
没有检索策略就去找论文，会遗漏重要文献，或在数千笔结果中低效地逐一浏览。有了系统性策略，就能快速找到所需论文，并留下确实没有遗漏的依据。
在Google Scholar输入关键字就能找到论文，但光靠这样是不够的。
| 问题 | 范例 |
|---|---|
| 遗漏同义词 | 只搜索「远距教学」就会错过「在线学习」、「e-learning」的论文 |
| 结果过多 | 逐一浏览3,000笔结果浪费时间 |
| 不知道关键字就卡住 | 领域初学者不知道正确的学术用语 |
| 无法重现 | 没有检索纪录就无法向审查委员说明 |
系统性检索策略能解决这些问题，并向审查委员证明文献回顾的严谨性。
系统性的论文检索方法是什么？
以PICO将研究问题结构化，设计关键字与检索式，同时运用AI语义检索和关键字检索，再通过引用追踪扩展，最后以PRISMA标准筛选的五步骤流程。
第1步：将研究问题结构化为可检索的形式
检索的起点不是关键字，而是研究问题。利用PICO框架将问题拆解为各组成要素，检索关键字和自然语言问题就会自然地导出。
以「AI辅导对大学生学业成绩是否有效？」这个研究问题为例，用PICO拆解如下。
| 要素 | 问题 | 本研究中 |
|---|---|---|
| P (Population) | 对象是谁？ | 大学生 |
| I (Intervention/Exposure) | 施加什么？ | AI辅导 |
| C (Comparison) | 与什么比较？ | 传统教学 |
| O (Outcome) | 测量什么？ | 学业成绩 |
这样拆解后，在第2步提取关键字就会容易许多。从P可得「大学生, undergraduate, higher education」，从I可得「AI tutoring, intelligent tutoring, adaptive learning」，依此类推为每个要素扩展同义词即可。
第2步：导出关键字并撰写检索式
将第1步拆解的PICO要素转换为关键字，再用Boolean操作符创建检索式。以上述范例继续说明。
关键字扩展
首先为每个PICO要素的核心关键字扩展同义词。同一概念在不同论文中使用不同术语，若遗漏同义词就会错过相关论文。
| PICO要素 | 核心关键字 | 同义词扩展 |
|---|---|---|
| P | 大学生 | undergraduate, college student, higher education |
| I | AI辅导 | intelligent tutoring, adaptive learning, AI tutor |
| C | 传统教学 | traditional instruction, face-to-face, lecture |
| O | 学业成绩 | academic performance, learning outcome, GPA |
Boolean检索式撰写
将扩展的关键字用Boolean操作符组合成检索式。
| 操作符 | 作用 | 使用方式 |
|---|---|---|
| OR | 将同一PICO要素的同义词合并 | "AI tutoring" OR "intelligent tutoring" |
| AND | 结合不同PICO要素 | (P) AND (I) AND (O) |
| NOT | 排除研究范围外的结果 | NOT "K-12" |
上述范例完成的检索式如下。
("AI tutoring" OR "intelligent tutoring" OR "adaptive learning") AND ("academic performance" OR "learning outcome") AND ("higher education" OR "university" OR "undergraduate")
第3步：运行检索
同时运用关键字检索式和AI语义检索，就能兼顾精确性与全面性。
关键字检索
将第2步创建的Boolean检索式输入学术数据库。请根据领域选择合适的数据库。
| 领域 | 主要数据库 |
|---|---|
| 通用 | Google Scholar, Scopus, Web of Science |
| 医学/公卫 | PubMed, MEDLINE, Cochrane Library |
| 教育 | ERIC, Education Source |
| 心理学 | PsycINFO, PsycArticles |
| 管理/经济 | SSRN, EconLit, Business Source Complete |
| 工程/信息 | IEEE Xplore, ACM Digital Library |
AI语义检索
在不知道精确关键字的初期阶段，AI语义检索特别有效。直接用自然语言输入研究问题，就能依据语义找到相关论文。
| 检索方式 | 输入范例 | 特点 |
|---|---|---|
| 关键字检索 | ("AI tutoring" OR "intelligent tutoring") AND "higher education" | 需要精确术语，可重现 |
| AI语义检索 | 「AI个人化学习对大学生成绩的影响」 | 自然语言输入，自动匹配同义词 |
Nubint AI的AI论文检索涵盖2.8亿篇学术论文，提供语义检索。即使未包含「AI辅导」这个关键字，也能找到「智能学习系统」、「适应性教育技术」等相似概念的论文。
先确保5~10篇核心论文
不要试图一次找齐所有论文。首要目标是先确保该领域的5~10篇核心论文。
| 优先级 | 论文类型 | 原因 |
|---|---|---|
| 1 | 回顾论文 | 系统性文献回顾、统合分析是该领域的地图 |
| 2 | 近3~5年高被引 | 呈现该领域的当前方向 |
| 3 | PICO要素重叠的论文 | 与研究问题直接相关的核心文献 |
在文献调查Agent输入研究主题，AI会分析相关论文，整理核心研究脉络、主要发现以及研究缺口。
第4步：通过引用追踪扩展
确保了5~10篇核心论文后，比起更换关键字反复检索，引用追踪要高效得多。
| 方法 | 方向 | 说明 |
|---|---|---|
| 后向引用 | 往过去 | 沿着核心论文引用的参考文献追溯的方法 |
| 前向引用 | 往未来 | 找出引用了核心论文的后续研究的方法 |
| 滚雪球检索 | 双向 | 反复进行后向与前向引用追踪来扩展相关论文的方法。参考Wohlin(2014) |
第5步：筛选与整理
将检索搜集的论文依照PRISMA指引逐步筛选。去除重复后，先以标题和摘要进行初筛，再对留下的论文阅读全文决定最终纳入与否。
| 阶段 | 工作内容 | 范例 |
|---|---|---|
| 识别 | 全部检索结果合计 | 1,240笔 |
| 去除重复 | 数据库间去重 | → 890笔 |
| 标题/摘要筛选 | 依相关性初步筛选 | → 120笔 |
| 全文审查 | 套用纳入/排除标准 | → 45笔 |
| 最终纳入 | 用于分析的论文 | → 32笔 |
筛选后的论文请立即整理，拖延会遗失出处。将论文存入Zotero、Mendeley等文献管理工具，同时为每篇论文注记纳入/排除理由、核心发现和方法论备忘，日后撰写文献回顾时会轻松许多。存入Nubint AI的论文数据库后，可在聊天上下文中以整个数据库、特定集合或个别论文为单位附加，供 Agent 分析使用。
有哪些论文检索网站？
Google Scholar和PubMed可免费使用，Scopus和Web of Science可通过大学图书馆访问，Nubint AI则支持AI语义检索。
| 网站 | 特点 | 是否免费 |
|---|---|---|
| Google Scholar | 最通用的学术搜索引擎，提供引用追踪和全文链接 | 免费 |
| PubMed | 医学、生命科学领域最大数据库，由美国国家医学图书馆营运 | 免费 |
| Scopus | 国际学术期刊论文检索、引用分析，Elsevier营运 | 订阅 |
| Web of Science | SCI/SSCI收录论文检索、引用分析 | 订阅 |
| Nubint AI | 2.8亿篇AI语义检索，自然语言输入，不限领域 | 订阅 |
如果具有大学身份，可通过图书馆入口免费访问Scopus、Web of Science等付费数据库。依检索目的组合使用多个网站，若以AI语义检索起步，即使在不知道关键字的初期阶段也能快速找到核心论文。
AI论文检索与关键字检索有何不同？
AI语义检索可用自然语言快速开始，关键字检索则擅长可重现的系统性检索，两者并行最为有效。
| 比较项目 | AI语义检索 | 关键字(Boolean)检索 |
|---|---|---|
| 输入方式 | 自然语言问题 | Boolean操作符 + 精确术语 |
| 优势 | 自动匹配同义词，适合初期探索 | 可重现，系统性文献回顾必备 |
| 劣势 | 检索式难以重现 | 需知道精确关键字才能开始 |
| 适合阶段 | 研究初期，核心论文探索 | 检索策略确定后的全面检索 |
**先以AI检索起步，再用关键字检索补充。**研究初期往往不知道精确术语。先用AI语义检索确保核心论文，就能从中掌握该领域的精确关键字，再据此创建Boolean检索式进行系统性扩展。
Nubint的AI论文检索涵盖2.8亿篇学术论文，提供语义检索。无需分别搜索多个数据库，一个自然语言问题即可跨领域找到相关论文。
总结
论文检索的核心不是要输入什么关键字，而是需要回答什么问题的论文。以AI语义检索快速确保核心论文，通过引用追踪扩展网络，再用关键字检索进行补充。记录检索过程就能证明文献回顾的系统性。