倒着写文献综述：先提出论点，再找来源

六十篇已保存的 PDF，却不知道它们最终能说明什么，这是文献综述中最常见的失败模式，其根源在于把步骤顺序做反了。通常的建议是，广泛检索，保存所有相关内容，然后再寻找主线，这种做法把找资料当作先进行数据收集、后进行论证建构的过程。把顺序倒过来，检索就会更精准, 先陈述论点，再只检索那些能够证实或推翻它的内容。

文献综述中如何查找来源，通常被教成一个浏览问题, 选择好的数据库，选择好的关键词，保存看起来相关的内容。把它当作一个定向问题会更有效。只要论点已经存在，一篇来源文献只有在完成两项任务中的一项时，才值得进入综述, 支持该论点，或使其变得更复杂。凡是两者都不做的内容，都不是该论证的证据。它只是恰好共享同一主题的一篇论文。

这假定论点在前面的过程中已经以粗略形式存在, 例如一个工作性论题，或一对假设中的替代假设那一半。如果这一决定仍未确定，请先回到更完整的如何规划研究论文指南，再运行下面的任何检索。

如何反向查找文献综述的来源

先从你实际上需要支持或使其复杂化的论点开始, 也就是你从假设或论题中得到的那个论点。'大学生每天更高强度使用社交媒体与更短的注意力持续时间相关'是可以检索的。'社交媒体和注意力'则不行，因为它返回的是该领域中的所有内容，而不是那些直接关系到这一特定论点的少数来源。

对于这一论点，三类来源真正发挥作用，而以论点为先的检索正是针对这三类来源，而不是返回关于一般主题的所有已发表内容。

• 发现相同关系的内容，这会直接支持该主张
• 发现没有关系，或相反关系的内容，这一主张必须回应，而不是忽略
• 解释连接这两个变量的合理机制的内容，这会把相关性转化为一种候选解释

沿着来源的参考文献列表向后追溯

先找到一个已经直接涉及该主张的强来源，最好是一篇近期论文或综述文章，然后打开它的参考文献列表。它引用的每一条同样涉及相同关系，社交媒体使用和注意力的来源，都是候选项。之所以可行，是因为一篇被广泛引用的近期论文已经做过一版检索，而它的参考文献列表是经过筛选的集合，而不是原始数据库导出结果。

再从出现的最强新来源出发重复这一过程一到两次，通常同样那几篇基础论文就会开始出现在多个参考文献列表中。这种重复是真实信号, 一条被所有已经在研究该主张的人引用的来源，也是你自己的审稿人会预期看到的。其局限在于时间。参考文献列表只能向后指向时间，因此仅靠这种链式追溯会遗漏在你起始论文之后发表的任何内容。

沿着引用该文的文章向前追溯

向前追溯正好补上向后追溯遗漏的部分。再考虑那篇基础论文，但这一次使用数据库的被引功能查看所有引用它的文献，Google Scholar、Scopus 或 Web of Science 都提供这一功能。你会找到一些用不同人群或方法重新检验相同关系的论文，而这正是以主张为先的检索旨在挖掘的内容。

在社交媒体和注意力这一主张上进行检索时，前向追踪往往最能发现真正构成复杂性的证据。设想一项 2024 年的重复研究发现，当屏幕使用时间改为客观测量而非自我报告后，并不存在显著效应，那么从一篇五年前的基础论文进行后向追踪就永远不会找到这项研究，因为在较早论文自己的参考文献表写成时，这篇更新的论文还不存在。

构建一个针对该主张的检索字符串

以主张为起点的检索字符串直接来自主张本身的组成部分, 即变量，以及该领域研究者实际用于这些变量的词语。对于社交媒体和注意力这一主张，这意味着提取出“social media use”、“attention”和“university students”或“undergraduates”，然后用 AND 将它们组合起来，并用 OR 扩展每一项，以捕捉不同作者对同一变量的不同表述。查看你已经信任的两到三个来源中与该主张相关的关键词列表, 该领域的研究者通常已经确定了数据库索引所使用的术语，这比你自己猜测同义词更可靠。

变量	检索词（OR）
暴露	"social media" OR "social networking site*"
结果	attention OR "attention span" OR "sustained attention"
人群	"university student*" OR undergraduate*

下一步是使用逻辑运算符 AND 将这三行合并起来，我们就得到一个完整的句子，形式如下: ("social media" OR "social networking site*") AND (attention OR "attention span" OR "sustained attention") AND ("university student*" OR undergraduate*). 单词末尾的星号表示截断，这意味着我们的检索会同时捕捉该词的不同词尾, 也就是 student、students 和 studentship。 在大多数学术数据库中，这种布尔检索语法由数据库本身直接支持。 但通用搜索引擎大多不支持。 这也是在这一特定任务中，专门的数据库检索优于广泛网页搜索的又一个原因。

一个免费的引文查找器会自动执行同样的定向检索，直接根据论断本身进行搜索，而不需要手工构建布尔字符串，并返回真实、可核查的来源，而不是生成的阅读清单。

何时停止检索

当新的检索大多返回已经找到的来源时，就应停止。 这不是一种提高效率的技巧。 一旦向后追溯、向前追溯，以及一个构建得当的检索字符串都不断呈现出同一组十到二十个核心来源，你就已经勾勒出了该论断的证据基础。 任何进一步的检索大多只会增加噪音，而不是增加新的信号。

第二个信号比数量更重要: 论断的每一种主要立场, 支持、无影响，以及一种合理的替代解释, 都至少有一条来源支撑。 一篇引用了十二条来源但覆盖了全部三种立场的综述，比一篇引用了四十条却只覆盖作者原本已经相信的立场的综述更强。 当审稿人问为什么参考文献表看起来比同学的更短时，这一点值得记住。

一旦某条来源通过了这道标准，就应立即为其排版，而不是稍后再回头处理一堆 PDF。 一个引文生成器会将记录转换为论文所需样式下格式正确的参考文献，而此时来源及其所支持的论断仍然就在你面前。

你所寻找的内容由问题本身设定，撰写研究问题会单独讨论，同时也会讨论值得在其中作出选择的研究问题类型。

以这种方式构建的文献综述是在论证某种观点，而不是总结它在该主题上能够找到的所有内容，这才是来源列表与综述之间的实际区别。来源收集完毕并且综述草稿完成后，一个专为学术写作打造的 AI humanizer值得了解，因为有些句子需要再检查一遍。