本分享「論文 Survey 方法論:高效文獻回顧指南」旨在提供一套系統化策略,並結合 AI 輔助工具,幫助研究者高效地進行文獻回顧(論文 Survey)。
課程目標
- 理解領域現狀:掌握研究主題的背景、發展脈絡與重要里程碑。
- 識別研究空白:找出尚未解決的問題、現有方法的局限性,為自身研究定位。
- 借鑒研究方法:學習前人採用的實驗設計、數據分析技術。
- 避免重複工作:確保研究的獨創性與價值。
- 支持論文論點:提供堅實的文獻依據,強化研究的說服力。
核心方法論
分享將介紹文獻回顧的三個核心步驟:
- 步驟一:關鍵字搜尋 (Keyword Search):定義核心研究問題與相關術語,初步探索相關文獻。
- 步驟二:錨點論文選擇 (Anchor Papers):找出領域中具代表性或奠基性的論文,作為深入探討的起點。
- 步驟三:引文及參考文獻延伸 (Citation & Reference Extension):透過追溯(檢視參考文獻)和追蹤(查詢引用論文)來擴展文獻範圍。
優化策略
- 強化搜尋與選擇:包括強化關鍵字搜尋(同義詞、布林運算符、資料庫篩選)和精選錨點論文(影響力評估、綜述性論文、近期高被引論文)。
- 深度閱讀與管理:包括優化延伸閱讀策略(作者追蹤、閱讀摘要與結論、主動式閱讀)和系統化文獻管理(使用文獻管理工具、記錄閱讀筆記、分類與標籤)。
AI 輔助工具應用
課程將重點介紹如何利用 AI 輔助工具,特別是 Google AI 推出的 NotebookLM,來提升文獻回顧的效率和品質,包括快速文獻綜述、多來源資訊整合、引文追蹤與驗證、以及探索研究方向。同時,也會提醒使用 AI 工具的注意事項。
尋找研究空白
課程將指導學員如何透過比較與對比、思考未被解決的問題、關注論文的「未來工作」部分,以及利用知識圖譜/概念圖來識別研究空白。
常用工具推薦
課程會推薦學術搜尋引擎(如 Google Scholar, IEEE Xplore, ACM Digital Library, Semantic Scholar)、文獻管理軟體(如 Zotero)和筆記工具(如 Obsidian),以及 AI 輔助工具 NotebookLM。
總結與建議
課程強調文獻回顧應是系統化、迭代性的過程,並鼓勵批判性思維、注重細節,以及善用工具來提升效率和管理品質。