您应该何时选择范围综述？

JBI 指南 支持范围综述，其目的包括确定可用证据、澄清概念、检查研究如何进行、确定知识空白以及告知系统综述是否有用。当您的真正问题需要明确的效应估计或正式比较（而重点系统综述应该回答这些问题）时，请勿选择其中之一。

范围综述与系统综述

两者都应该是系统性和透明的。范围综述通常使用更广泛的问题，可能包括不同的证据类型以及绘制该领域的图表特征。系统综述通常回答一个范围较小的问题，并经常评估支持特定结论的证据。范围综述中的质量评价取决于目的；不要自动忽略它或暗示映射证据证明有效性。

PRISMA-ScR 指导范围界定审核的报告。 JBI 提供行为指南。这些角色相关但不可互换。

步骤 1：定义目标和 PCC 问题

PCC——总体、概念、背景——对于范围界定问题通常很有用。

说明性输入：高校学生；生成式-AI 扫盲计划；高等教育设置。

问题：“研究人员在高校学生中研究了哪些类型的生成 AI 扫盲计划、在哪些环境中以及测量了哪些结果？”

输出： 一个需要映射而不是伪装的有效性主张的问题。

完成标准： 每个计划的图表字段都有助于回答目标。

第 2 步：制定协议

指定理由、目标、问题、资格标准、信息来源、搜索、选择过程、图表字段、分析、演示和咨询计划。协议和日志修订的日期。确认您所在学科的当前注册或出版选项，而不是假设每个注册机构都接受范围综述。

步骤 3：设定纳入与排除标准

定义人群、概念、背景、证据类型、语言、日期和出版状态。范围并不意味着无限。当边界遵循目标并报告其影响时，它就是合法的。

步骤 4：广泛且可重复地搜索

构建概念块，通过数据库翻译语法，并记录完整的搜索、日期、平台、过滤器和结果。当与地图相关时，考虑灰色文献和引文搜索。广度必须保持可审计。

示例逻辑：

（“生成式 AI”或“大语言模型*”）
和
（扫盲或培训或课程）
和
（大学或学院或本科生*）

步骤 5：透明地筛选来源

试点资格规则，保留重复数据删除来源，并记录全文排除的原因。当您的方法需要时，使用第二个审阅者或记录的冲突解决流程。使用适当的流程图报告选择。

步骤 6：开展结构化数据提取

“图表”意味着结构化提取，而不仅仅是绘制图表。试行该表格并透明地对其进行修改。

这一行只是说明性的，并不是真正的研究。

数据提取表的设计逻辑

每个领域都应该支持计划好的地图或决策。如果输出按结果类别比较程序类型，请使用受控标签绘制图表。如果输出映射术语，请保留作者的原始术语并在单独的字段中添加标准化概念。不要默默地覆盖源语言。

在具有不同设计的来源上试用该表单。记录某个字段“未报告”、“不适用”或“不清楚”的情况；这些状态不可互换。

步骤 7：汇总并呈现证据分布

仅当定义一致时才汇总计数。绘制研究设计、概念、人群、设置和结果类别。使用表格、矩阵或证据地图来揭示浓度和缺失情况。在检查搜索、术语、访问或资格标准是否创建空单元格之前，请勿将空单元格标记为已确认的研究空白。

工作示例的证据地图输出

这些单元格是说明性的。 “未找到符合条件的证据”描述了定义的搜索和纳入与排除流程的结果；它并不能证明任何地方都不存在任何证据。

步骤 8：适当时进行咨询

利益相关方咨询可以完善解释，识别缺失的术语或来源，并提高实用性。它不能替代文献检索，其作用应描述清楚。

完整示例：从研究问题到证据地图

1. 目标：

   绘制大学 AI 扫盲计划的设计和评估方式。

2. PCC：

   高校学生； AI-扫盲计划；高等教育。

3. 资格：

   经验报告和项目评估报告；明确的教育干预；相关设置。

4. 搜索记录：

   完整查询、数据库/平台、日期、过滤器、结果计数。

5. 图表字段：

   计划组成部分、持续时间、交付模式、结果定义、设计、设置、限制。

6. 地图输出：

   一个矩阵，显示哪些项目组件已被研究，哪些结果和设计。

7. 允许的结论：

   “证据集中在短期、单一机构的项目中。”

8. 不允许的结论：

   “AI 扫盲计划是有效的”，除非所包含的证据和方法支持该推论。

Acade 工作流程：从数据提取表生成证据地图

Acade 可以支持研究问题开发、文献检索和合规获取、来源组织、证据注释、用户选择的研究之间的比较、思维导图、大纲和起草。对于此页面的任务，请提供 PCC 问题、受控图表字段和审阅者批准的行。要求 Acade 按人口、概念、背景、设计或结果对这些行进行分组，然后在创建地图之前根据矩阵检查每个组。

使用Acade整理映射证据，未经专家评审不得做出最终纳入、评估或差距主张。

范围综述清单

• [ ] 目标需要映射，而不是明确的效应估计。

• [ ] PCC 元素与资格标准一致。

• [ ] 存在协议和修订日志。

• [ ] 搜索完全按运行时保存。

• [ ] 筛选决策是可追踪的。

• [ ] 图表形式已试行。

• [ ] 地图不会夸大有效性或确定性。

• [ ] 适当使用 JBI 行为指南和 PRISMA-ScR 报告指南。

常见问题解答

范围综述比系统综述更容易吗？

不是天生的。它的问题和综合有所不同，但透明的搜索、筛选、图表和报告仍然需要大量工作。

范围综述是否评估研究质量？

这取决于目标和选择的方法。解释是否进行了评估，并避免在没有评估时得出需要评估的结论。

范围综述可以包括灰色文献吗？

是的，当与目标和资格标准相关时。解释它是如何定位和评估的。

PRISMA-ScR 是一种方法吗？

这是一个报告指南。使用适当的行为指南（例如 JBI 手册）来做出方法决策。

AI 可以为我筛选研究吗？

AI 可以协助确定优先级或组织，但审核者仍然对资格决策、冲突解决和可审核性负责。

结论

当研究任务是描绘存在的内容、研究方式以及存在不确定性的地方时，范围综述就很有价值。围绕明确的目标、PCC 通知的边界、可复现的搜索、透明的选择以及直接支持地图的图表形式构建它。 使用Acade搜索和整理证据，然后让负责的研究团队验证每个来源和结论。