مستندسازی جست‌وجو، استفاده از هوش مصنوعی و ارزیابی نهایی

در دو بخش قبلی، از سؤال پژوهش به search string رسیدیم، پایگاه‌ها و مسیرهای جست‌وجو را انتخاب کردیم، با citation searching شبکه منابع را گسترش دادیم و منابع مناسب را غربال کردیم. بخش سوم بر چیزی تمرکز دارد که اغلب نادیده گرفته می‌شود: چگونه این فرایند را ثبت، مدیریت و ارزیابی کنیم تا مرور ادبیات قابل‌دفاع و قابل‌پیگیری باشد؟

---

۱۱. مسیر جست‌وجو را ثبت کنید؛ حافظه جای Search Log را نمی‌گیرد

چند هفته پس از شروع مرور ادبیات ممکن است دیگر به یاد نداشته باشیم یک مقاله را در کدام پایگاه پیدا کرده‌ایم، چه عبارتی را جست‌وجو کرده‌ایم، کدام ترکیب واژگان نتیجه نامناسب داده یا چرا یک مقاله را کنار گذاشته‌ایم.

راه‌حل ساده است: از همان ابتدا یک Search Log یا دفتر ثبت جست‌وجو داشته باشید.

شفاف‌بودن نحوه جست‌وجو و انتخاب منابع یکی از عناصر مهم یک مرور قابل‌دفاع است. حتی وقتی هدف انجام systematic review نیست، ثبت تصمیم‌های اصلی به پژوهشگر کمک می‌کند منطق جست‌وجوی خود را بازسازی و در صورت نیاز به‌روزرسانی کند (Snyder, 2019). در راهنماهای رسمی مرور نظام‌مند نیز مستندسازی منابع جست‌وجوشده، search terms، تاریخ‌ها و مسیرهای مکمل مانند citation searching توصیه می‌شود (Hirt et al., 2024; Lefebvre et al., 2025).

حداقل چه چیزهایی را ثبت کنیم؟

یک فایل Excel، Google Sheets یا حتی جدول ساده می‌تواند کافی باشد.

اعداد بالا فقط برای نشان‌دادن شکل ثبت جست‌وجو هستند و داده واقعی مثال ما محسوب نمی‌شوند.

علاوه بر Search Log، یک جدول منابع هم داشته باشید

Search Log می‌گوید چگونه جست‌وجو کرده‌ایم؛ اما برای خود منابع به جدول دیگری نیاز داریم که بگوید از هر منبع چه می‌دانیم.

این جدول بعدها پایه خوبی برای Literature Matrix خواهد بود؛ همان ابزاری که هنگام نوشتن مرور ادبیات کمک می‌کند مطالعات را بر اساس مفهوم، روش و یافته با یکدیگر مقایسه کنیم، نه اینکه مقاله‌ها را یکی‌یکی خلاصه کنیم.

تغییرات Search String را نیز ثبت کنید

اگر search string را اصلاح کردیم، بهتر است نسخه قبلی را پاک نکنیم. کنار هر نسخه یادداشت کنیم چرا آن را تغییر دادیم: اصطلاح تازه از کدام مقاله پیدا شد؟ آیا نتایج بیش از حد گسترده بودند؟ آیا مقاله شناخته‌شده‌ای بازیابی نمی‌شد؟

مسیر Citation Searching را نیز ثبت کنید

Seed Article A
→ Backward citation search
→ Articles B, C

Seed Article A
→ Forward citation search
→ Articles D, E

Article D
→ Forward citation search
→ Article F

در مرورهای نظام‌مند، جهت citation search، Seed References، تاریخ، ابزار یا citation index و تعداد تکرارها باید با دقت بیشتری ثبت شوند (Hirt et al., 2024). برای پایان‌نامه می‌توانیم نسخه ساده‌تری از همین منطق را اجرا کنیم.

مدیریت منابع را از یادداشت‌برداری جدا نکنید

نرم‌افزارهای مدیریت منابع مانند Zotero، EndNote یا Mendeley می‌توانند برای نگهداری citationها، DOIها، فایل‌ها، برچسب‌ها و ایجاد کتابنامه مفید باشند.

بااین‌حال، نرم‌افزار مدیریت منابع جای Literature Matrix را نمی‌گیرد. یکی می‌گوید این منبع چیست و چگونه به آن استناد کنم؛ دیگری کمک می‌کند بفهمیم این منبع چه چیزی به استدلال پژوهش اضافه می‌کند.

خروجی این مرحله

در پایان، پژوهشگر باید سه چیز داشته باشد:

۱. Search Log: کجا و چگونه جست‌وجو کردم؟

۲. Reference Library: چه منابعی را ذخیره کرده‌ام و اطلاعات کتابشناختی آنها چیست؟

۳. Literature Matrix: هر منبع چه روش، زمینه، یافته و نقشی در مرور من دارد؟

---

۱۲. هوش مصنوعی چگونه می‌تواند در جست‌وجوی ادبیات کمک کند؟

ابزارهای هوش مصنوعی مولد می‌توانند بعضی مراحل جست‌وجوی ادبیات را سریع‌تر کنند، اما استفاده مفید از آنها زمانی اتفاق می‌افتد که نقش آنها را درست تعریف کنیم.

هوش مصنوعی می‌تواند دستیار جست‌وجو باشد؛ اما نباید جای پایگاه علمی، مقاله اصلی یا قضاوت پژوهشگر را بگیرد.

حتی راهنمای فعلی کاکرین در طراحی search strategy پیشنهاد می‌کند که پژوهشگران می‌توانند از chatbotهای هوش مصنوعی برای پیشنهاد شیوه‌های ساختاربندی جست‌وجو استفاده کنند، مشروط بر اینکه سؤال جست‌وجو با جزئیات کافی در prompt توضیح داده شود (Lefebvre et al., 2025).

۱. کمک به ساخت خانواده واژگان

می‌توانیم از AI بخواهیم برای یک مفهوم فارسی اصطلاحات علمی انگلیسی احتمالی پیشنهاد کند و میان مترادف‌های نزدیک و مفاهیم مرتبط ولی متمایز فرق بگذارد.

مثلاً برای «حمایت ادراک‌شده از سوی استاد راهنما» ممکن است گزینه‌هایی مانند این پیشنهاد شوند:

supervisor support
supervisory support
supervisory relationship
doctoral supervision
advisor support
mentoring support
supervisory alliance

این خروجی فهرست نهایی search terms نیست. هر اصطلاح باید در مقالات واقعی، thesaurus پایگاه یا نتایج جست‌وجوی آزمایشی بررسی شود.

۲. کمک به ترجمه مفهوم، نه ترجمه تحت‌اللفظی کلمه

برای پژوهشگر فارسی‌زبان، AI می‌تواند در تبدیل مفهوم فارسی به زبان جست‌وجوی علمی انگلیسی کمک کند. اما هدف ما پیدا کردن زبان واقعی ادبیات است، نه صرفاً ترجمه کلمه.

۳. کمک به ساخت و عیب‌یابی Boolean Search

AI می‌تواند خانواده واژگان را با OR و AND سازمان دهد و خطاهای ساده پرانتزگذاری را پیدا کند.

اما نسخه نهایی باید با syntax پایگاه مقصد تطبیق داده شود. search string مناسب Scopus الزاماً بدون تغییر در PsycINFO، ERIC، Web of Science یا Google Scholar کار نمی‌کند (Gusenbauer & Haddaway, 2020).

۴. کمک به توضیح اصطلاحات تازه

اگر با اصطلاحی مانند supervisory alliance روبه‌رو شدیم، AI می‌تواند توضیح اولیه بدهد. اما برای تصمیم اینکه آیا این سازه با supervisor support یکی است یا نه باید به تعریف نویسندگان، مقاله اصلی و ادبیات نظری مراجعه کنیم.

۵. کمک به سازمان‌دهی یادداشت‌ها

اگر پژوهشگر اطلاعاتی را که خودش از مقالات استخراج کرده است در اختیار ابزار قرار دهد، AI می‌تواند در کارهایی مانند این کمک کند:

• مرتب‌کردن مطالعات بر اساس موضوع؛
• پیشنهاد دسته‌بندی برای Literature Matrix؛
• مقایسه مطالعات بر اساس متغیر، جامعه یا روش؛
• شناسایی موارد ناقص در جدول؛
• یا تبدیل یادداشت‌های پراکنده به یک ساختار اولیه برای سنتز.

اما اگر متن مقاله در اختیار ابزار نیست، نباید اجازه دهیم جزئیات روش، نمونه، یافته یا نتیجه آن را حدس بزند.

بزرگ‌ترین خطر: منبعی که وجود ندارد

یکی از جدی‌ترین خطاها در استفاده از AI برای مرور ادبیات این است که از آن بخواهیم چند مقاله معتبر معرفی کند و سپس همان خروجی را بدون بررسی وارد پایان‌نامه کنیم.

یک مدل زبانی ممکن است عنوان، نویسنده، سال یا DOI ظاهراً معتبری تولید کند که دقیق نباشد.

قاعده ساده:

هیچ منبعی را فقط به این دلیل که یک ابزار هوش مصنوعی آن را معرفی کرده است وارد پایان‌نامه نکنید.

برای هر منبع باید رکورد پایگاه، DOI، صفحه ناشر یا خود مقاله بررسی شود.

همین قاعده درباره نقل‌قول، حجم نمونه، ضریب آماری و نتیجه مقاله نیز صادق است.

هوش مصنوعی را کجای فرایند قرار دهیم؟

بهترین استفاده از AI این نیست که از آن بخواهیم به جای ما منابع را بداند؛ بلکه این است که کمک کند بهتر سؤال بپرسیم، بهتر جست‌وجو کنیم و اطلاعات اعتبارسنجی‌شده را بهتر سازمان دهیم.

---

۱۳. چک‌لیست نهایی: آیا جست‌وجوی مرور ادبیات من قابل‌دفاع است؟

اگر پاسخ بیشتر این پرسش‌ها روشن باشد، احتمالاً جست‌وجوی شما از یک فرایند تصادفی «پیدا کردن مقاله» فاصله گرفته و به یک راهبرد پژوهشی قابل‌توضیح تبدیل شده است.

مسیر کامل مثال مقاله

سؤال پژوهش

چه رابطه‌ای میان حمایت ادراک‌شده از سوی استاد راهنما و فرسودگی تحصیلی دانشجویان دکتری وجود دارد؟

↓

استخراج مفاهیم

حمایت/رابطه استاد راهنما
فرسودگی
دانشجویان دکتری

↓

ساخت خانواده واژگان

supervisor support
supervisory relationship
doctoral supervision

academic burnout
student burnout

doctoral student
PhD student
doctoral candidate

↓

ساخت Search String

("supervisor support" OR "supervisory relationship" OR "doctoral supervision")
AND
("academic burnout" OR "student burnout" OR burnout)

و در صورت نیاز:

AND
("doctoral student" OR "PhD student" OR "doctoral candidate")

↓

جست‌وجوی چندمسیره

پایگاه چندرشته‌ای
+ پایگاه تخصصی روان‌شناسی
+ پایگاه تخصصی آموزش
+ Google Scholar برای discovery
+ پایگاه‌های فارسی برای زمینه ایران

↓

پیدا کردن Seed References

↓

Backward Citation Searching + Forward Citation Searching

↓

اصلاح واژگان و تکرار جست‌وجو

↓

غربال بر اساس ارتباط، کیفیت و نقش منبع

↓

ثبت در Search Log و Literature Matrix

↓

مجموعه نهایی منابع برای تحلیل و سنتز مرور ادبیات

---

جمع‌بندی

یافتن منابع برای مرور ادبیات به معنای واردکردن چند کلمه در Google Scholar و انتخاب اولین نتایج نیست. یک جست‌وجوی خوب از سؤال پژوهش آغاز می‌شود، سؤال را به مفاهیم قابل جست‌وجو تبدیل می‌کند، زبان‌های مختلف بیان هر مفهوم را پیدا می‌کند، پایگاه مناسب را انتخاب می‌کند و search string را با مشاهده نتایج به‌تدریج اصلاح می‌کند.

برای پژوهشگران فارسی‌زبان، زبان جست‌وجو بخشی از مرز دسترسی به دانش است. ادبیات انگلیسی امکان دسترسی به بخش بزرگی از گفت‌وگوی علمی بین‌المللی را فراهم می‌کند، در حالی که ادبیات فارسی برای شناخت مسائل، شواهد و زمینه ایران اهمیت دارد. بنابراین در بسیاری از پژوهش‌های علوم انسانی و اجتماعی، راهبرد دوزبانه منطقی‌تر است.

پس از جست‌وجوی اولیه نیز کار تمام نمی‌شود. یک مقاله مرتبط می‌تواند به Seed Reference تبدیل شود و ما را از طریق منابع پیشین و مقالات استنادکننده به شبکه گسترده‌تری از پژوهش‌ها برساند. سپس باید منابع را بر اساس ارتباط با سؤال، کیفیت شواهد، زمینه مطالعه و نقشی که هر منبع در استدلال مرور ادبیات دارد انتخاب کنیم.

در نهایت، هدف جمع‌کردن بیشترین تعداد مقاله نیست. هدف ساختن پیکره‌ای از شواهد مرتبط و قابل‌دفاع است که به ما اجازه دهد در مرحله بعد از پرسش‌های مهم‌تری عبور کنیم: مطالعات موجود در چه چیزهایی با هم توافق دارند؟ کجا با یکدیگر اختلاف دارند؟ چرا نتایج متفاوت شده‌اند؟ چه الگویی از کنار هم قرار دادن آنها دیده می‌شود؟ و دقیقاً چه چیزی هنوز نمی‌دانیم؟

از این نقطه به بعد، مسئله دیگر «یافتن منابع» نیست؛ مسئله خواندن انتقادی، مقایسه و سنتز منابع است.

منابع

Gusenbauer, M., & Haddaway, N. R. (2020). Which academic search systems are suitable for systematic reviews or meta-analyses? Evaluating retrieval qualities of Google Scholar, PubMed, and 26 other resources. Research Synthesis Methods, 11(2), 181–217. https://doi.org/10.1002/jrsm.1378

Hirt, J., Nordhausen, T., Fuerst, T., Ewald, H., & Appenzeller-Herzog, C. (2024). Guidance on terminology, application, and reporting of citation searching: The TARCiS statement. BMJ, 385, e078384. https://doi.org/10.1136/bmj-2023-078384

Lefebvre, C., Glanville, J., Briscoe, S., Featherstone, R., Littlewood, A., Metzendorf, M.-I., Noel-Storr, A., Paynter, R., Rader, T., Thomas, J., & Wieland, L. S. (2025). Chapter 4: Searching for and selecting studies. In J. P. T. Higgins, J. Thomas, J. Chandler, J. Cumpston, T. Li, M. J. Page, & V. A. Welch (Eds.), Cochrane handbook for systematic reviews of interventions (Version 6.5.1). Cochrane. https://www.cochrane.org/authors/handbooks-and-manuals/handbook/current/chapter-04

Snyder, H. (2019). Literature review as a research methodology: An overview and guidelines. Journal of Business Research, 104, 333–339. https://doi.org/10.1016/j.jbusres.2019.07.039