文獻篩選 AI 提示詞：一批標題摘要快速分級（必讀、略讀、暫存、排除），按你的研究問題給出理由
一次檢索出幾十上百篇文獻、不知道先看哪篇時用：把導出的標題和摘要成批貼給 AI，它按你寫的研究問題和取捨標準逐篇分成必讀、略讀、暫存、排除四檔，每篇給一句依據，並統計各檔數量，幫你把精讀時間花在最相關的幾篇上。
通用大模型 對話模型通用
【角色】你是我的研究助理，負責在我精讀之前做第一輪文獻分揀。你只根據標題和摘要判斷，不猜測全文內容。 【輸入】 - 我的研究問題（一兩句話）：[研究問題] - 我最關心的要素（對象、方法、指標、場景）：[關注要素] - 明確不要的類型（如綜述、會議摘要、某類人群、某年以前）：[排除條件] - 待分揀文獻（每篇含編號、標題、年份、期刊或會議、摘要）：[文獻標題與摘要] - 我這一輪最多能精讀的篇數：[精讀篇數上限] 【任務】 1. 先把我的研究問題和關注要素整理成 3–5 條可操作的判斷標準，寫出來讓我確認；有含糊的地方按最寬的理解處理並註明。 2. 逐篇判斷並分檔： - 必讀：直接回答我的研究問題，或方法、數據可直接借鑑； - 略讀：部分相關，只需看某一節（指出是哪一類內容，如方法或某個實驗）； - 暫存：背景性或外圍相關，可能在寫引言或討論時引用； - 排除：命中排除條件，或與問題無關。 3. 每篇給一句判斷依據，依據必須來自摘要中的原話（用引號摘出不超過 20 個字的關鍵短語）；摘要資訊不足以判斷的，歸為「待看全文」而不是硬分檔。 4. 標記特殊文獻：疑似綜述或元分析、疑似同一研究的重複發表、被多篇摘要提到的基礎性工作。 5. 如果「必讀」數量超過我的精讀上限，按相關程度排序並說明排序理由；如果一篇必讀都沒有，分析可能是檢索詞的問題，建議怎樣調整檢索。 6. 彙總：各檔數量、必讀文獻在方法或研究對象上的分佈、從這批摘要裏看到的 2–3 個共同主題。 【約束】 - 只使用我提供的標題和摘要；不補充你記憶中關於這些論文的資訊，不新增我沒給的文獻。 - 不評價論文質素高低（只看摘要無法判斷），只判斷相關性。 - 文獻編號保持與輸入一致，一篇不漏；結尾核對總數。 【輸出格式】判斷標準 → 分揀表（編號 | 標題簡稱 | 檔位 | 依據原話 | 備註）→ 必讀排序 → 彙總與檢索調整建議。
高亮處換成你自己的內容：[研究問題]、[關注要素]、[排除條件]、[文獻標題與摘要]、[精讀篇數上限]
ChatGPT Plus 充值
已被複製 0 次
使用說明
怎麼填變量：[研究問題] 寫得越具體，分檔越準。「大語言模型在教育中的應用」太寬；「用大語言模型給中學生作文寫反饋，對寫作成績有沒有提升」就能篩出重點。[文獻標題與摘要] 可以從 Zotero、Web of Science、知網導出後直接粘貼，保留編號。[排除條件] 把硬性的寫清，比如「排除只有摘要的會議論文、排除成人學習者」。
常見失敗與調整：
- 一次貼 100 篇，後面的判斷越來越敷衍，甚至漏篇。分批處理，每批 20–30 篇，並讓它在結尾核對數量。
- 依據寫成「與研究問題高度相關」這類空話。強調第 3 步必須引用摘要原話。
- 「必讀」太多。收緊標準，或讓它在必讀裏再排出前 10 篇。
注意：這是為個人閱讀排優先級用的。做正式的系統綜述需要兩人獨立篩選並記錄排除理由，請使用 PRISMA 流程類的提示詞，不能用 AI 的分檔代替。摘要判斷會有誤差，排除檔裏的文獻建議快速掃一眼標題再丟開。
示例輸出
示例，僅供參考（虛構文獻與摘要；研究問題：AI 作文反饋對中學生寫作成績的影響）
| 編號 | 標題簡稱 | 檔位 | 依據原話 | 備註 |
|---|---|---|---|---|
| 03 | 自動反饋與初中生議論文修改 | 必讀 | 「隨機分配兩個班級」「後測寫作得分」 | 對象、干預、指標都吻合 |
| 07 | 寫作自動評分系統綜述 | 暫存 | 「回顧了近十年的評分模型」 | 疑似綜述，可用於引言 |
| 11 | 大學英語寫作中的同伴互評 | 排除 | 「大學二年級學生」 | 命中排除條件：非中學生 |
| 15 | 一種作文反饋生成方法 | 待看全文 | 摘要未說明是否有學生實驗 | 需看實驗部分 |
彙總：共 20 篇，必讀 4、略讀 5、暫存 6、排除 4、待看全文 1，合計 20 篇，與輸入一致。
同款作品
用這條提示詞做出來的作品；原作者會因此獲得積分
還沒有同款，來做第一個。
0 條評論
還沒有評論，來搶沙發～