Pisanie przeglądu literatury od końca: najpierw teza, potem źródła

Sześćdziesiąt zapisanych plików PDF i brak pojęcia, co z nich wynika, to najczęstszy tryb niepowodzenia w przeglądzie literatury, a bierze się on z wykonywania kroków w niewłaściwej kolejności. Zwykła rada, szukać szeroko, zapisać wszystko, co istotne, a potem znaleźć wspólny wątek, traktuje wyszukiwanie źródeł najpierw jako gromadzenie danych, a dopiero potem jako budowanie argumentu. Odwróć kolejność, a wyszukiwanie staje się bardziej precyzyjne: najpierw sformułuj tezę, a potem szukaj wyłącznie tego, co mogłoby ją potwierdzić albo podważyć.

Jak znaleźć źródła do przeglądu literatury, zwykle uczy się jako problem przeglądania: wybrać dobre bazy danych, wybrać dobre słowa kluczowe, zapisać to, co wygląda na istotne. Lepiej działa to jako problem ukierunkowania. Gdy teza już istnieje, źródło zasługuje na miejsce w przeglądzie tylko wtedy, gdy wykonuje jedno z dwóch zadań: wspiera tę tezę albo ją komplikuje. Wszystko, co nie robi żadnej z tych rzeczy, nie jest dowodem dla argumentu. Jest artykułem, który po prostu dotyczy tego samego tematu.

Zakłada to, że teza już istnieje w zarysie, jako robocza teza albo druga połowa pary hipotez, z wcześniejszego etapu procesu. Jeśli ta decyzja nadal jest otwarta, wróć do pełniejszego przewodnika po tym, jak zaplanować pracę badawczą przed uruchomieniem któregokolwiek z poniższych wyszukiwań.

Jak znaleźć źródła do przeglądu literatury, od końca

Zacznij od tezy, którą rzeczywiście trzeba wesprzeć albo skomplikować, tej, którą uzyskałeś z hipotezy lub tezy. „Większe codzienne korzystanie z mediów społecznościowych wiąże się z krótszym zakresem uwagi u studentów” da się wyszukiwać. „Media społecznościowe i uwaga” nie, ponieważ zwraca wszystko z tej dziedziny, a nie garść źródeł, które odnoszą się bezpośrednio do tej konkretnej tezy.

W przypadku takiej tezy trzy rodzaje źródeł wykonują rzeczywistą pracę, a wyszukiwanie zaczynające się od tezy kieruje dokładnie na nie, zamiast zwracać wszystko, co opublikowano na temat ogólny.

• Coś, co wykazało tę samą zależność, co bezpośrednio wspiera tezę
• Coś, co nie wykazało żadnej zależności albo wykazało zależność przeciwną, a do tego teza musi się odnieść, zamiast to ignorować
• Coś, co wyjaśnia wiarygodny mechanizm łączący te dwie zmienne, co przekształca korelację w kandydata na wyjaśnienie

Łączenie wstecz przez listę referencji źródła

Znajdź jedno mocne źródło, które już odnosi się do tezy, najlepiej niedawny artykuł albo artykuł przeglądowy, i otwórz jego listę referencji. Każde źródło, które cytuje i które także dotyczy tej samej zależności, korzystania z mediów społecznościowych i uwagi, jest kandydatem. Działa to dlatego, że dobrze cytowany niedawny artykuł wykonał już wersję tego wyszukiwania, a jego lista referencji jest zbiorem przefiltrowanym, a nie surowym zrzutem bazy danych.

Powtórz to jeszcze raz albo dwa razy, wychodząc od najsilniejszych nowych źródeł, które się pojawią, a ta sama garść fundamentalnych artykułów zwykle zaczyna pojawiać się w wielu listach referencji. To powtarzanie jest rzeczywistym sygnałem, źródło cytowane przez wszystkich, którzy już pracują nad tą tezą, to takie, którego będzie oczekiwał także Twój własny recenzent. Ograniczeniem jest wiek. Lista referencji wskazuje tylko wstecz w czasie, więc samo łączenie w ten sposób pominie wszystko, co opublikowano po Twoim źródłowym artykule.

Łączenie w przód przez artykuły cytujące

Łączenie w przód dokładnie uzupełnia to, czego brakuje w łączeniu wstecz. Rozważ ponownie ten fundamentalny artykuł, ale tym razem sprawdź wszystko, co go cytuje, korzystając z funkcji cytowane przez w bazie danych, Google Scholar, Scopus albo Web of Science oferują taką możliwość. Znajdziesz niektóre artykuły, które ponownie przetestowały tę samą zależność na innej populacji albo inną metodą, a właśnie tego rodzaju rzeczy ma za zadanie szukać wyszukiwanie oparte na tezie.

Przeprowadzenie tego dla twierdzenia dotyczącego mediów społecznościowych i uwagi oraz łańcuchowanie w przód często prowadzi do ujawnienia się właśnie komplikujących dowodów. Wyobraźmy sobie replikację z 2024 roku, która nie wykazała istotnego efektu, gdy czas spędzany przed ekranem mierzono obiektywnie, a nie na podstawie samoopisu: łańcuchowanie wstecz od fundamentalnej pracy sprzed pięciu lat nigdy by jej nie ujawniło, ponieważ nowsza praca po prostu jeszcze nie istniała, gdy sporządzano własną listę referencji starszej pracy.

Budowanie ciągu wyszukiwania ukierunkowanego na twierdzenie

Ciąg wyszukiwania oparty najpierw na twierdzeniu wynika bezpośrednio z jego własnych elementów, czyli zmiennych oraz słów, których badacze w danej dziedzinie rzeczywiście używają na ich określenie. W przypadku twierdzenia dotyczącego mediów społecznościowych i uwagi oznacza to wyodrębnienie 'social media use', 'attention' oraz 'university students' lub 'undergraduates', a następnie połączenie ich za pomocą AND i rozszerzenie każdego z nich za pomocą OR, aby uchwycić sposób, w jaki różni autorzy formułują tę samą zmienną. Sprawdź listę słów kluczowych w dwóch lub trzech źródłach, którym już ufasz w odniesieniu do tego twierdzenia, badacze w danej dziedzinie zdążyli już ustalić terminy indeksowane przez bazę danych, co jest bardziej wiarygodne niż samodzielne zgadywanie synonimów.

Zmienna	Terminy wyszukiwania (OR)
Ekspozycja	"social media" OR "social networking site*"
Wynik	attention OR "attention span" OR "sustained attention"
Populacja	"university student*" OR undergraduate*

Następnym krokiem jest połączenie tych trzech wierszy za pomocą operatora logicznego AND, i otrzymujemy pełne zdanie, które wygląda tak: ("social media" OR "social networking site*") AND (attention OR "attention span" OR "sustained attention") AND ("university student*" OR undergraduate*). Gwiazdka na końcu słowa skraca je, co oznacza, że nasze wyszukiwanie obejmie różne zakończenia tego słowa (student, students i studentship naraz). W większości akademickich baz danych ta składnia wyszukiwania Boolean jest obsługiwana bezpośrednio przez samą bazę danych. Jednak ogólna wyszukiwarka internetowa zazwyczaj tego nie robi. To jeszcze jeden powód, dla którego wyszukiwanie w wyspecjalizowanej bazie danych jest lepsze niż szerokie przeszukiwanie sieci w tym konkretnym zadaniu.

Darmowy wyszukiwacz cytowań wykonuje to samo ukierunkowane wyszukiwanie automatycznie, biorąc pod uwagę samo twierdzenie zamiast wymagania ręcznie zbudowanego ciągu Boolean, i zwraca rzeczywiste, możliwe do sprawdzenia źródła, a nie wygenerowaną listę lektur.

Kiedy przestać szukać

Przestań, gdy nowe wyszukiwania głównie zwracają źródła już znalezione. To nie jest trik produktywnościowy. Gdy wyszukiwanie wsteczne, wyszukiwanie w przód oraz poprawnie zbudowany ciąg wyszukiwania nadal ujawniają ten sam podstawowy zestaw od dziesięciu do dwudziestu źródeł, masz już zmapowaną bazę dowodową twierdzenia. Każde dalsze wyszukiwanie dodaje głównie szum, a nie nowy sygnał.

Drugi sygnał ma większe znaczenie niż sama liczba: każde główne stanowisko wobec twierdzenia, poparcie, brak efektu i wiarygodne alternatywne wyjaśnienie, ma za sobą przynajmniej jedno źródło. Przegląd, który cytuje dwanaście źródeł, ale obejmuje wszystkie trzy stanowiska, jest mocniejszy niż taki, który cytuje czterdzieści i obejmuje tylko stanowisko, w które autor już wcześniej wierzył. Warto o tym pamiętać, gdy recenzent pyta, dlaczego lista literatury wygląda krócej niż u kolegi z grupy.

Gdy źródło spełni ten warunek, sformatuj je od razu, zamiast wracać później do stosu plików PDF. Generator cytowań przekształca zapis w poprawnie sformatowane odwołanie w dowolnym stylu wymaganym przez pracę, podczas gdy źródło i twierdzenie, które wspiera, są jeszcze przed tobą.

To, czego szukasz, jest wyznaczone przez samo pytanie, a pisanie pytania badawczego jest omówione osobno, wraz z rodzajami pytań badawczych, spośród których warto wybierać.

Przegląd literatury zbudowany w ten sposób przedstawia argument, zamiast streszczać wszystko, co mógłby znaleźć na dany temat, a to jest rzeczywista różnica między listą źródeł a przeglądem. Gdy źródła zostaną zebrane, a przegląd sporządzony, humanizer AI stworzony do pisania akademickiego warto znać w odniesieniu do zdań, które wymagają drugiego przejścia.