Elicit를 사용하여 연구 논문이 실제로 동의하는지 확인하는 방법

인용과 합의 사이의 격차만큼 문헌 검토 속도를 늦추는 것은 없습니다. 주장을 뒷받침하는 것으로 인용된 10개의 논문에는 종종 3개의 합의, 5개의 부분적 동의, 거의 비교할 수 없는 방법을 사용하는 2개의 연구가 포함되어 있습니다. Elicit는 문장을 작성하기 전에 이를 알아내기 위해 사용하는 도구이고 추출 테이블은 메커니즘입니다.

주제가 아닌 실제 연구 질문으로 시작하십시오. Elicit는 검토자가 질문하는 방식으로 표현될 때 가장 잘 작동합니다. 원격 작업 생산성이 아닌 통제된 연구에서 측정된 생산성에 대한 원격 작업의 영향은 무엇입니까? 검색을 실행하고 Elicit의 관련성 열을 사용하여 제목과 초록별로 결과를 선별하고 무자비하게 행동하십시오. 결코 읽지 않을 40개의 관련 논문의 가치는 12개의 논문보다 가치가 낮습니다. 심사 열은 시간이 저장되는 곳입니다.

그런 다음 Elicit를 더 똑똑한 검색 엔진과 다르게 만드는 단계는 추출입니다. 연구가 동의하는지 여부, 표본 크기, 연구 설계, 결과 측정, 효과 방향 및 연구 대상 인구를 결정하는 항목에 대한 열을 추가합니다. 선별된 세트 전체에서 추출을 실행하면 각 논문이 실제로 무엇을 하고 발견했는지에 대한 정렬 가능한 표를 얻을 수 있습니다. 원격 작업 검토에서 표는 문헌의 불일치가 대부분 결과 측정, 자기 보고 및 기록된 출력의 불일치였으며 추상 읽기의 양이 표면화되지 않았음을 즉시 드러냈습니다.

요약을 믿기 전에 테이블을 정렬하고 조각화하십시오. 연구 설계별로 필터링하고 주장이 축소되거나 유지되는 것을 관찰하세요. 무작위 설계에서 살아남고 단면 조사에서 증발하는 효과가 해당 분야의 정직한 상태를 알려주기 때문입니다. 테이블을 내보내고 문서 검토자가 실제로 원하는 증거 매트릭스로 유지하고 Elicit가 동일한 추출 열을 사용하여 최신 작업을 찾으면 업데이트하십시오.

이것을 정직하게 유지하는 원칙은 추출을 즉석에서 확인하는 것입니다. 나는 직접 인용한 결과에 대해 각각 2분씩 실제 PDF를 가져오고 이 단계가 선택 사항이 아니라는 것을 알 수 있을 만큼 나와 모델의 잘못된 특성을 충분히 포착했습니다. Elicit는 당신보다 더 빨리 읽고 도표 작성에 결코 지루하지 않은 연구 조교입니다. 테이블이 의미하는 바를 결정하는 사람은 여전히 당신입니다.