從辛勤到思考：系統性文獻回顧中策略探索與負責任AI設計
arXiv - Human-Computer InteractionRunlong Ye, Naaz Sibia, Angela Zavaleta Bernuy, Tingting Zhu, Carolina Nobre, Viktoria Pammer-Schindler, Michael Liut
本研究探討系統性文獻回顧中工具生態的限制，並設計ARC系統，旨在透過整合、透明化和AI輔助，提升研究者策略探索與知識合成的效率。
AI 幫你先抓重點
AI 重點 1
系統性文獻回顧工具生態支離破碎，造成研究者認知負載過重，阻礙迭代探索。
滑鼠懸停看 AI 判斷理由
此一發現點出研究的核心問題，並直接影響讀者判斷此研究的必要性。若讀者本身為系統性文獻回顧的實務工作者，或關注研究方法，則應優先理解此痛點，才能評估ARC系統的解決方案是否適用於自身情境。了解問題的嚴重性，才能更準確評估研究的價值。
AI 重點 2
ARC系統透過整合多資料庫、透明AI輔助，協助研究者從事務性工作轉向策略探索。
滑鼠懸停看 AI 判斷理由
此重點揭示了研究提出的解決方案，以及其核心價值。它不僅展示了技術層面的創新（整合、透明AI），更強調了對研究者工作流程的影響——從管理瑣事到專注策略。這對於教育科技設計者而言至關重要，能提供具體方向，設計能提升研究效率的工具，並平衡自動化與學術能動性。
核心研究發現
- 1
系統性文獻回顧的工具生態支離破碎，導致研究者認知負載過重，阻礙了迭代探索。
- 2
現代學術文獻的規模和速度快速增長，對研究者管理和篩選文獻造成了巨大的挑戰。
- 3
研究者在自動化工具與自身學術能動性之間存在緊張關係，需要平衡效率與控制。
- 4
整合多個資料庫、透明化迭代搜尋和可驗證的AI輔助篩選，有助於研究者從管理事務性工作轉向策略探索。
- 5
透過外部呈現方式輔助策略探索，並提供透明的AI推理過程，可以支持可驗證的判斷，強化專家貢獻。
對教育工作者的啟發
此研究提示教育科技設計者，應關注系統性文獻回顧流程中的認知負載問題，並開發整合性工具，支援研究者進行迭代探索。透過透明的AI輔助功能，可以提升研究效率，同時確保研究者對知識合成的控制權。此外，外部呈現方式有助於研究者更好地理解和評估文獻，促進更深入的知識建構。在課程設計上，可以鼓勵學生使用類似的工具，提升其進行系統性研究的能力。
原始文獻資訊
- 英文標題：
- From Toil to Thought: Designing for Strategic Exploration and Responsible AI in Systematic Literature Reviews
- 作者：
- Runlong Ye, Naaz Sibia, Angela Zavaleta Bernuy, Tingting Zhu, Carolina Nobre, Viktoria Pammer-Schindler, Michael Liut
- 來源：
- arXiv - Human-Computer Interaction
- AI 摘要模型：
- ISTA-DASLab/gemma-3-27b-it-GPTQ-4b-128g
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。