如何使用AI撰写文献综述：负责任的循序渐进工作流

文献综述不仅仅是列举其他研究人员发现的内容。它围绕某个主题的当前知识状况构建一个论点，确定了你自己的研究将解决的空白，并评估了现有证据的相关性和质量。输出是一个综合体，而不是一个目录。

这些困难是可以预见的。研究人员经常低估在清晰的模式出现之前需要阅读多少来源——对于一项重要的综述，通常是50至100篇论文。他们很难识别真正的研究空白，而不仅仅是总结现有的内容。在跨越多个子主题和相互矛盾的研究发现的综述中保持一致的论证主线比听起来要困难得多。

AI工具已在该工作流的几个点上出现：总结单篇论文、生成大纲结构、识别概念类别和起草初稿。它们无法做到的是评估信息来源的方法学质量、确定研究发现是否可靠复制，或判断引文是否实际支持所做的具体声明。这些判断需要具有领域知识的研究人员，目前没有AI工具可以填补这个角色。

在将任何AI工具引入你的工作流之前，你需要清楚地回答三个问题：你要解决的确切研究问题是什么？哪些纳入和排除标准可以决定你将使用哪些信息来源？你的搜索的时间跨度或学科边界是什么？

AI工具能有效地处理你提供给它们的信息来源，但它们无法标记出你的搜索词范围太广或你错过了整个子领域。你的文献综述的质量取决于你的范围界定决策的质量。

PICO框架（人群、干预、对照、结果）或等效的范围界定结构为你提供了一套书面的标准，可以一致地应用。对于系统性综述，应该在开始搜索之前登记协议。对于叙述性综述，甚至是一份列出关键纳入标准的简短范围界定文档也能保护你免受在深入阅读后范围漂移的影响。

只有在你定义了范围后，才应该使用AI工具来帮助处理信息来源。使用AI来定义你的范围会冒着让工具的覆盖范围空白和训练偏差决定你的文献综述内容的风险，这是一个研究设计问题，而不仅仅是一个写作问题。

使用PubMed、Scopus、Web of Science、JSTOR或Google Scholar进行的数据库搜索不是当前AI工具能可靠处理的事情。AI工具无法访问订阅数据库，AI独立生成的任何参考文献表都应该被视为一个粗略的起点，而不是完整或经过验证的搜索结果。

AI增加真正价值的地方是在你进行了自己的数据库搜索后筛选和组织信息来源。一旦你拥有80篇或200篇摘要的参考文献列表，AI写作工具可以帮助你：

• 对摘要文本应用你的纳入标准，并为每个信息来源生成初步的包括或排除建议
• 确定哪些论文涉及你的研究问题中的哪些子主题
• 将信息来源分组为初稿类别，你可以根据自己的阅读进行审查、重新标记和调整

关键的检查是你审查每一个AI筛选决定，而不是自动接受它。AI工具有时会误读摘要、遗漏应该排除论文的方法学标记，或将两篇概念上不同的论文分组在一起，因为它们共享词汇。将AI筛选视为加快你的人工审查速度的第一步，而不是替代品。

在这个阶段使用AI协助撰写文献综述的工作流是：你进行数据库搜索、导出结果，并使用AI写作工具来帮助映射和组织你发现的内容，然后再进行全文阅读。

综合是撰写文献综述中最困难的部分，强有力的综述和平庸的综述之间的区别在这里最为明显。综合意味着跨信息来源构建论点，而不是按顺序描述每个信息来源。

一个常见的薄弱模式看起来像这样："Smith（2021）发现了X。Jones（2022）发现了Y。Brown（2023）发现了Z。"这是一个总结，而不是综合。综合的版本说明了："三项最近的试验聚集于X在不同人群中成立的发现，尽管效应大小在不同设置之间差异很大（Smith, 2021; Jones, 2022; Brown, 2023），可能是因为每项研究对干预的定义不同。"

AI可以在你从笔记或带注解的参考书目条目中工作并需要看到分组声明的第一次尝试时，帮助你起草综合段落。使用它来生成一个主题部分的粗略草稿，然后仔细修改：确认草稿中的每个引文都映射到该信息来源实际发现的内容，删除AI推断的任何没有直接支持的声明，并确保论证逻辑是你的。

AI无法提供的学术判断包括知道特定期刊不是同行评审的、认识到研究发现在后续研究中没有复制，或知道较旧论文中的方法学选择后来被质疑。这些背景判断影响你在综合中权衡证据的方式，它们来自一个已经阅读过该领域的研究人员，而不是来自语言模型。

当AI是你的文献综述工作流的一部分时，引文验证是不可协商的。AI语言模型有时会生成看起来合理但不存在的引文，这种失败模式被称为幻觉。即使引文在表面上看起来是正确的，具体细节也可能是错误的：不同的卷号、错误的页码范围、不正确的年份，或在实际论文中不出现的引用段落。

验证工作流很简单。对于AI生成或帮助你起草的每个参考文献：

• 确认论文存在于经过验证的数据库（如PubMed、Scopus、CrossRef或Google Scholar）中
• 检查DOI或直接链接是否指向实际的论文
• 根据完整的PDF而不仅仅是摘要来验证特定的声明或引用文本
• 在包括引文之前交叉检查作者名字、期刊、年份和卷详细信息

一个文献综述如果有一个经伪造的引文，如果被同行评审人或论文委员会发现，就会损害整个文档的可信度。AI工具在你的文献综述中最安全的使用方式是为起草散文、组织想法和改进清晰度，而不是为了自主生成参考文献表。

Zotero或Mendeley等参考文献管理工具与AI写作工具一起使用，通过将你的经过验证的信息来源数据库与AI生成的内容分开，来降低错误归类的风险。这种组合为你提供了比单独依赖任何一种工具更可靠的工作流。

了解AI的不足之处与了解它的帮助一样重要。具体而言，对于文献综述撰写，当前的限制值得明确说明。

AI工具无法访问付费数据库。它们独立检索的信息来源仅限于公开可用的内容，这排除了大多数同行评审的期刊文章。任何AI生成的阅读列表都应该被视为你自己数据库搜索的起点，而不是一套完整或经过验证的来源。

AI工具无法评估方法学质量。知道随机对照试验是否使用了适当的分配隐蔽，或定性研究是否应用了严格的主题分析，需要领域知识和批判性阅读。AI工具通常会以相同的方式描述弱研究和强研究。

AI工具可能会反映其训练数据中的偏差。用英文出版的、在高影响力期刊上发表的以及来自资金充足的研究机构的研究是过度代表的。如果你的文献综述需要灰色文献、非英文来源或来自资源不足的研究背景的学术成果，你需要在搜索策略中明确进行补偿。

AI生成的散文不构成你的学术分析。AI起草的文本需要被检查、大幅修改，并真正融入你的论点。未经有意义的修改和引文验证而提交AI生成的综合作为你自己的学术工作会引发可能产生严重后果的学术诚信问题。

在上述限制范围内，AI写作工具在瓶颈是写作和组织而不是数据库访问或领域专业知识的阶段增加真正价值。

Daily AI Writer的AI写作助手帮助你将详细的笔记和带注解的参考书目条目转换为连贯的草稿段落。当接近主题部分时，与其从空白页开始，你可以提供你的有组织的笔记并逐句修改所得的草稿与你的实际信息来源。

AI改写助手对于技术上准确但散文密集的段落很有用。在不断增加的资格和积累证据的压力下，文献综述的撰写往往会变得不易处理。改写工具可以在保留你的引文和论证结构的同时恢复一个沉重段落的清晰度。

AI写作教练提供关于部分论点是否清晰陈述、主题组之间的过渡是否逻辑清晰，以及你的结论是否恰当地识别了你自己的工作将解决的研究空白的反馈。这不能替代主管反馈或同行评审，但它可以在你分享草稿之前发现结构问题。

使用AI撰写文献综述的最有效方法是在AI真正有帮助的地方使用这些工具：起草、组织和澄清。学术判断、信息来源的批判性阅读和引文验证始终保持你的。