谨慎使用参考文献管理工具可以帮助科学家控制待读论文的堆积。来源：Impact Photography/Shutterstock 在过去的13年里，我将10,000篇论文添加到我在读博士时首次使用的参考文献管理工具中。这些论文涵盖了阿尔茨海默病、遗传学、生物统计学、流行病学、科学哲学等多个主题。其中一些作品让我更好地理解了自己所研究的领域；而另一些则让我远离了这个领域，丰富了我对其他科学领域、替代方法和解决问题的新视角的理解。这种多样性反映了我作为科学家阅读文献的学习过程。 在我攻读博士学位的早期，研究导致认知衰退的遗传和环境因素时，我认为我需要仔细且批判性地阅读每一篇论文，尤其是如果我打算引用它。这个信念使我的参考文献管理工具变成了一个不断扩大的待读列表。我很快意识到，在撰写我的论文提案时，我无法逐篇仔细阅读每一篇论文。作为科学家的成长过程的一部分，就是学习选择性阅读，以满足当前任务的深度需求。然而，即使是选择性阅读，也无法完全缓解与不断增长的科学文献保持同步的压力。基于大型语言模型（LLM）的人工智能工具承诺提供新的方法来搜索、总结和分类文献。当我第一次使用ChatGPT时，我对它能够很好地总结科学主题感到印象深刻。但我很快就了解到，它也可能伪造引用，虚构的参考文献已成为手稿中不加批判使用AI的明显标志。虽然最近的LLM与内置搜索一起提供真实论文并更可靠地总结文献，但它们无法消除不加批判引用的风险。这是一个现代版的老问题，科学家引用未读、误解或从其他参考列表继承的论文。今天作为科学家发展的一个关键部分是学习如何使用AI工具进行文献管理，而不让它们取代科学判断。这也是我向我的学生和实习生介绍这些工具的方式。 阅读文献的工作流程 在我自己的工作中，以及在进行培训时，我将阅读视为关于目的、相关性和深度的一系列决策。人工智能可以协助这些决策，但无法消除它们。这些决策通常可以划分为四个广泛的类别。发现。 我阅读的许多论文在我主动寻找之前就已经到达我这里。这是被动发现。每天早上，我会查看一个提取自35个期刊的RSS订阅，包括阿尔茨海默病与痴呆等专业出版物及《自然》和《科学》等多学科期刊。这让我定期了解我主要关注领域中的最新出版内容。通讯、引用警报和同事的推荐也起到类似的作用，而社交媒体也可以揭示哪些论文在科学社区中引起关注。 与之相对的是主动发现，它使用搜索策略来满足特定的研究需求，例如识别有助于我想要发展的特定想法的论文。在过去，这意味着在PubMed或Google Scholar等书目数据库中使用关键词或搜索词，并跟踪相关文章的引用。如今，人工智能工具增添了另一条途径。当我不知道合适的搜索词时，我越来越多地使用聊天机器人进行初步筛选，要求它们识别数据库及网络中潜在相关的论文。例如，针对关于阿尔茨海默病生物老化的拨款申请，ChatGPT在几次搜索中识别出了52篇潜在相关的论文；我将其中大约一半添加到我的参考管理工具中，并最终在申请中引用了九篇。 分流。 发现阶段标记了比我能读的论文多得多。仅我的RSS订阅每天就涌现出数十篇论文，而广泛的PubMed搜索可能返回数百篇。查看标题和摘要使我能够确定哪些论文可以忽略。那些目前未立即有用的有趣论文被放入我的参考管理工具中，按主题标记，以便我稍后能够找到它们。对于与正在进行的项目相关的论文，我将其引用详细信息复制到我的项目笔记、拨款手稿或演示文稿中。人工智能工具在分流方面的帮助也越来越大，尤其是在网络或PubMed搜索返回的论文数量超过我可以合理检查的数量时。我使用LLM从导出的搜索结果中查看标题和摘要，将它们与我正在尝试回答的问题进行比较，并标记那些似乎值得更深入阅读的论文。 略读。 一旦论文通过分流，我会略读它，以建立快速的高层次理解。目标是识别研究问题、主要假设和关键发现。我使用论文的结构来指导我的阅读，关注小节标题、主题句、引言和结论。我的