AI 研伴
← AI 科研案例集 / 文献综述

文献综述 · OpenScience 真实对话 · GPT-5.6-sol

范围综述:生成式 AI 如何影响科研工作

从一个中文研究问题开始,真实生成 PCC、双语检索式、筛选台账、证据提取表、PRISMA-ScR 清单和中文导读。

1 轮原生对话9 项项目文件不虚构检索结果

适合人群

科研工作者、教师和研究生,以及希望把通用科研任务整理为可复现工作流的用户

开始前准备

准备研究问题、已有材料和希望交付的成果格式;涉及文献时同时提供检索范围与纳排标准。

你将获得

  • 1 轮原生对话
  • 9 项项目文件
  • 不虚构检索结果
  • 9 项可查看的项目文件

方法与边界

案例用于展示工作流和交付形式,事实、文献与结论仍需研究者核验。

原生会话与文件

直接查看真实使用场景

保留原始用户提问和 Agent 完整回复;公开版本仅移除内部路径、连接信息、凭据、隐藏推理与计费数据。

真实对话|从问题到可复现范围综述方案

AI 研伴(OpenScience) · gpt-5.6-sol

真实运行记录
用户

请围绕“生成式 AI 工具如何影响科研人员的工作效率与成果质量”,设计一项高质量中文范围综述。 请明确 PCC、研究问题、纳入与排除标准,生成可复用的中英文数据库检索式、筛选台账、证据提取表和 PRISMA-ScR 检查清单,并制作一份可独立阅读的中文 HTML 导读。不要假装已经完成数据库检索,也不要虚构文献或研究结果。 请实际创建并检查所有文件,最后说明交付内容、使用方法和仍需人工判断的环节。

AI 研伴(OpenScience) · gpt-5.6-sol

已围绕“生成式 AI 工具如何影响科研人员的工作效率与成果质量”设计并实际创建、检查了一套中文范围综述工具包。

交付内容

文件已保存在项目交付目录中:

  1. README_范围综述交付说明.md

    • 文件索引
    • 推荐执行流程
    • 使用方法
    • 尚需人工判断的事项
    • 明确声明尚未执行数据库检索
  2. 01_范围综述方案.md
    包含:

    • 综述题目与研究目的
    • 范围综述适切性说明
    • PCC:
      • Population:科研人员与科研团队成员
      • Concept:生成式 AI 工具的使用及其效率/质量影响
      • Context:学术、政府、医疗研究、产业研发和跨机构科研场景
    • 5 个主要研究问题
    • 详细纳入标准与排除标准
    • 效率与成果质量的操作性编码框架
    • 检索、筛选、提取、评价和综合计划
    • 潜在偏倚与方案变更记录要求
    • PRISMA-ScR 与 JBI 方法学依据
  3. 02_中英文数据库检索式.md
    包含:

    • 英文生成式 AI 概念词块
    • 英文科研人员/科研工作流词块
    • 英文效率与质量结果词块
    • 中文生成式 AI、科研人员和科研任务词块
    • Scopus/WoS 起始检索式
    • PubMed/MEDLINE 候选式
    • CNKI、万方、SinoMed 起始式
    • 工具品牌补充检索式
    • 前向/后向引文追踪建议
    • 逐数据库检索日志模板

    已特别注明:这些是检索前候选式,尚未实际运行;正式检索时需根据数据库语法进行翻译、试检和保存最终式。

  4. 03_筛选台账.csv
    可用于 Excel、Google Sheets、Rayyan 或 Covidence。包含:

    • 数据库来源
    • 原始导入文件
    • 题名、作者、DOI/URL
    • 去重组与去重决策
    • 双人标题/摘要筛选
    • 全文可得性
    • 双人全文筛选
    • 冲突记录
    • 最终纳入/排除决定
    • 主要排除理由
    • 备注和日期
  5. 04_证据提取表.csv
    包含 43 个字段,覆盖:

    • 文献元数据
    • 来源类型和同行评议状态
    • 国家/地区、学科和研究场景
    • 科研人员角色与样本量
    • 研究设计
    • 工具名称、版本、模态和访问日期
    • 科研阶段与具体任务
    • 使用方式和比较组
    • 效率定义、测量和原始结果
    • 成果质量定义、测量和原始结果
    • 不良影响或风险信号
    • 调节因素
    • 人工核查或验证机制
    • 统计不确定性
    • 局限、资助、利益冲突
    • 可选批判性评价
    • 提取者、核对者和不确定性记录
  6. 05_PRISMA_ScR检查清单.csv
    包含:

    • PRISMA-ScR 的 20 项必报条目
    • 2 项可选条目
    • 中文要求说明
    • 计划报告位置
    • 完成状态
    • 备注栏

    目前按“检索前方案”状态标注,检索和正式综述完成后需要补填真实页码、流程图、数量和结果。

  7. 06_中文HTML导读.html

    • 可独立打开阅读
    • 不依赖外部 CSS、JavaScript 或其他文件
    • 包含 PCC、研究问题、纳入/排除边界、执行流程、效率与质量解读原则、文件索引和待决策事项
    • 明确提示:尚未执行数据库检索,没有实际命中数、纳入文献或研究结果

文件检查结果

已实际完成以下检查:

  • 确认 7 个预期文件均已创建
  • 确认 Markdown、CSV 和 HTML 文件均非空
  • 确认 3 个 CSV 文件表格结构完整、每行列数一致
  • 确认筛选台账和证据提取表均包含表头,可直接开始录入
  • 确认 PRISMA-ScR 清单包含 22 个条目,其中 20 个必报、2 个可选
  • 使用 Python HTML 解析器检查 HTML,结构解析通过
  • 检查 HTML 中包含 PCC、PRISMA-ScR 及“尚未执行数据库检索”的明确声明
  • 未执行主题数据库检索,因此没有虚构命中数、文献、效应量、主题分布或结论

使用方法

建议按以下顺序执行:

  1. 由至少两名研究者审阅并冻结 01_范围综述方案.md。
  2. 在 02_中英文数据库检索式.md 中逐库调整字段、邻近算符和日期限制。
  3. 先进行小规模试检,检查噪声和漏检情况。
  4. 正式检索后保存每个数据库的原始导出文件和完整检索式。
  5. 对记录去重,并在 03_筛选台账.csv 中记录去重关系。
  6. 双人独立进行标题/摘要筛选和全文筛选。
  7. 对全文排除记录填写唯一的主要排除理由。
  8. 使用 04_证据提取表.csv 进行试提取,完成 5–10 条后再冻结字段。
  9. 记录工具具体版本、访问日期、任务类型、比较条件、原始指标和人工核查机制。
  10. 以频数、交叉表、证据地图、时间线和主题归纳为主要综合方式。
  11. 完成后回填 05_PRISMA_ScR检查清单.csv,并制作真实的 PRISMA 流程图。

仍需人工判断的关键环节

尤其需要在正式检索前确定:

  • 是否纳入博士生、临床研究者、产业研发人员和科研技术支持人员
  • 是否纳入图像、视频、语音、分子生成和代码补全工具
  • 预印本、会议摘要、学位论文和机构报告的证据层级
  • 只报告态度、接受度或伦理观点的研究是否建立独立背景证据层
  • 不同学科的“成果质量”指标是否可以直接比较
  • 同一研究团队、同一数据集或同一工具不同版本产生的重复报告如何处理
  • 如何区分因果证据、相关性证据、前后比较和模拟任务证据
  • 是否进行批判性评价,以及采用 JBI、CASP 或 MMAT 中的哪一套工具
  • 正式检索的数据库组合、时间范围和更新检索窗口

这套文件目前是一个可执行、可复用、检索前透明的范围综述方案与工作台账包,而不是已经完成的文献综述。

工具执行细节已脱敏;交付文件保留在右侧。
1 轮原生对话
9 项项目文件
不虚构检索结果

继续探索

相关科研案例

浏览全部案例 →

先理解方法,再迁移到自己的研究

常见问题

使用这个案例前,你可能想了解

“范围综述:生成式 AI 如何影响科研工作”适合哪些用户?

科研工作者、教师和研究生,以及希望把通用科研任务整理为可复现工作流的用户

复制案例前需要准备什么?

准备研究问题、已有材料和希望交付的成果格式;涉及文献时同时提供检索范围与纳排标准。

可以把案例结果直接用于论文或决策吗?

不建议直接照搬。案例用于展示工作流和交付形式,事实、文献与结论仍需研究者核验。复制案例后,应使用自己的数据重新运行并逐项核验。

这个案例会占用很多计算资源吗?

不会。公开案例按网页版轻量分析设计;大型原始数据、深度学习、单细胞、空间组学或医学影像任务,建议通过远程计算功能连接自己的服务器。