FightingCV

V1

2022/09/02阅读:9主题:默认主题

写综述前应如何快速、高效地阅读相关文献?

【写在前面】

综述一般会引用大量的相关文献,然而这些文献量大、内容多,应如何快速、高效地把相关文献浏览完毕,完美地完成一篇综述?

来源:https://www.zhihu.com/question/35671551[1]


作者:酸菜

坚持每天泛读文献!

科研圈有句玩笑话:日看论文300篇,不会科研也会编!

当一个领域读多了,基本都是那个实验方法,基本都是那几个原理和逻辑,所以一扫就过了……一篇文章半小时,so easy!这个修炼也是要一步一步来的,我争取先到第一层:两小时内看懂一篇!慢慢的我也会成为“快、准、狠”的角色,想想就开心!

文献阅读的正确姿势

初看文献的三个步骤:

1.先通读各个小标题,也就是results[2]部分,弄清楚文章的思路和内在联系。

  1. 看每个小标题对应的结果图和图注,了解文章通过什么手段来验证科学假设,不明白的地方进行标记。

  2. 最后再把全文通读,根据做好的标记到文中找具体的解答,做好阅读摘要,注意作者在discussion部分的写作方式和经典句式。

通读文章前需要准备的问题:

1.文献解决了什么问题?

  1. 这个问题重要么?为何重要?这点在introduction[3]里面作者会提出交代,即文章研究的背景和意义。

  2. 作者提出了什么假设来解决上述问题?理论依据是什么?

  3. 作者通过哪些方法来验证他们的假设?你还知道其他什么方法?要注意你的实验室/你手头上可以实现其中哪些方法,以后遇到此类的问题就可以采用啦。

  4. 这些方法是否符合论证假设的需要? 是否不够全面还可以有其他的补充?

  5. 作者为什么这样设计实验?有什么创新?实验证据是如何一步步得出的?

  6. 所有的实验结果图都可以看懂吗?

  7. 文章是如何描述结果、如何解析图表趋势,论据如何组合,如何表达自己的观点?

  8. 写作上的亮点有哪些?

  9. 文献的总思路图?(问题、设计、方法和讨论的逻辑关系是什么)

看完思考文献还没有解决的问题?即文献的减分项,机制是不是做的不透,创新性是否不足。要是自己接着此方向继续做,哪些是在我所在工作条件下可以做的,哪些必须要做,哪些别人肯定比我做得更好更快?

有人说过一篇文献最重要的部分依次是:图表,讨论,文字结果,方法,这也是不无道理的。对一个领域熟悉之后,能做到仅通过阅读图表及其说明文字即能把握文章的方法、结果,在最短的时间内把握最必要的信息的要求。或者发展到定期查新得到的文章只须看摘要、图表即可,个别涉及新方法或突破性结果,再看讨论,文字结果和方法。

如果时间充裕,discussion部分还是要重点研读一下,特别是遇到CNS级别的paper的时候。这部分会把文章的精髓,idea的创新性,作者的实验设计逻辑再阐述一遍,图表的趋势解析,论据的组合,写作的亮点都是可以学习的地方。

文献精读的三种思维

文献精读是科研人必不可少的功课。精读的主要目的是要把文章的内容真正消化掉,要转化为你自己可以运用的东西。精读的方式分为三种,它们包括“验证型阅读”、“挑刺型阅读”和“总结归纳型阅读”。

1.验证型阅读——模仿者

这时候,你的角色是一个模仿者[4]。就是拿到一篇好文章,暂不看文字内容,先把图和表挑出来,根据图和表的内容想想你来写这篇文章,你会怎么写,包括大的结构框架、组织逻辑,以及如何引入问题,如何进行结果陈述,如何引申出结论等,然后再看作者是怎么做的,反复体会你想的和你看的有哪些不同。当你的想法和作者的雷同程度越来越高,你的水平也在不知不觉之中越来越高。

这种“图表——思索——验证”的阅读对提升思维非常有效。当你做实验后得到的就是几个表、几个图,如果有意识地经过了“验证型阅读”的训练,你就会知道该怎么从更高、更好的角度来写你的文章。同样的数据,有的人可以发10.0的文章,有的人可能只能发5.0的文章,为什么有这种差别?这种差别其实就是在平时阅读文献的过程中慢慢积累出来的。

2.挑刺型阅读——评论者

这时候,你的角色相当于一个评论者了。是一种更高层次的精读方式,需要有评论的一些基础。挑刺就是找不足,能挑刺说明你不仅消化了文章的内容,而且还能比作者看得更深、更远。很多高档次杂志经常会刊出针对新文章的评论性短文,这实际上就是一种挑刺型阅读。“挑刺型阅读”可以提供新的研究思路,如果你立志于从事科学研究,撰写课题申请书是必须的能力之一。课题申请最重要的就是有新的idea,“挑刺型阅读”可以为你今后从事科学研究的选题提供良好的训练。

3.归纳总结型阅读——专家型

这时候,你的角色则是一个高屋建瓴的专家了,是一种宏观视野下阅读,是对多个“单”研究的归纳性思考,是对本领域的研究现状和发展趋势的总结和把握。每个人都可以总结,但要真正总结到位并对发展趋势进行合理、准确的预测却需要很强的能力,一般初涉研究的硕士很难达到这一水平,“大牛”才能很好地做到这一点,不是大牛,不是专家也没关系啦,因为大牛不是天生的,也是从研究生开始慢慢修炼出来的,你可以尝试性按照这种思维去做,量变到质变,说不定哪一天你成大牛了。

这三种精读的思维模式,也反映了我们文献阅读的三种境界,某一天,你对归纳总结型阅读已经游刃有余了,那么恭喜你,你成为“大牛”了。


作者:知乎用户6Dnz5D

很多人不会阅读文献,在阅读的时候为了读明白某篇文献,不得不先去看看参考文献,为了看懂参考文献不得不去看参考文献的参考文献,如此循环。为了打破这种状态,能高效的阅读文献,理解文献内容,小编查阅了大牛写的一些关于阅读文献的经验资料,并做了总结整理,分享给大家。

关于读:

一、读什么:

1、综述;

2、专利;

做一个课题首先是要看专利的,通过研读专利正文,可以体会申请人的研发思路;研读专利权要求,可以少走弯路,还可以找出未覆盖的漏洞,进一步提出自己的专利;有的专利还有参考文献,可以了解这个专利的来龙去脉。

3、摘要;

4、顶级的东西(TOP期刊的):

注意文章的参考价值(读TOP期刊的东西):刊物的影响因子[5]、文章的被引次数能反映文章的参考价值。但要注意引用这篇文章的其它文章是如何评价这篇文章的:支持还是反对,补充还是纠错。

二、怎么读:

1、多数文章看摘要,少数文章看全文:

掌握了一点查全文的技巧,往往会以搞到全文为乐,以至于没有时间看文章的内容,更不屑于看摘要。真正有用的全文并不多,过分追求全文是浪费,不可走极端。当然只看摘要也是不对的。

2、集中时间看文献:

看过总会遗忘。看文献的时间越分散,浪费时间越多。集中时间看更容易联系起来,形成整体印象。

3、比较着读:

观点相反的论文可以参照来读,品味一下双方的观点。还有就是与原著同时发表的其他专家的述评、原著发表后的读者质疑,都应当和原著一起读。比较一下,就可以看到自己的差距了。

读论文的时候最有意思的事情是发现“一稿两投”。我的意思是不少作者把同一科研数据写成相似主题的不同论文,或是在前面的基础上又有了新的发展变化。这时,如果你的课题与此类似,你的好运也就来了。因为能通过深入比较这几篇文章的异同,发现作者(或科研小组)对同一组数据的不同看法、思路的演变,或者发现作者本想隐藏的“真正”方法。

做技术的要善于比较和发现,一些技术含量高文献,不可能把要点都报道出来,中文如此,英文也是如此。比如一篇专利中有很多的Sample,而每个的条件或配方都不同,这时要多比较几个同类文献,看其共同点在那里。”

关于查:

一、为什么查:

查阅大量外文文献,然后从文献的文献再去查找,如此往复循环,你的idea不知不觉中就被启发开来。一定得知道自己所作的方向现在世界上是个怎样的研究现状——做到了何种程度,还有那些关键问题急待解决。这一点对于自己找题目的战友觉得尤为重要!

文献追踪的重要性:在现在这个信息时代,往往你的idea别人也会有不谋而和的时候,所以要特别关注这个领域的最新动向。在抓紧使自己出成果的同时,随时根据有可能出现的“撞车”进行调整,做到心中有数。(有点功利!)和自己课题相关的文章一定要勤跟踪,现在国外的科研做得又快又漂亮,我们在做到心中有数的情况下,可以扬长避短,作出新东西来。了解与自己研究方向有关的机构,密切关注在该研究领域和方向的顶尖group(研究团体以及牛人)所发表的论文。对于数据库的定题、定词地定期搜索,这样才能保证你不丢下每一篇重要的文献。文献总要紧密结合自己的方向为方向服务。

二、查什么:

特别要注意中文综[6]述文章后的英文参考文献,可以用回顾性[7]的方法查找该问题的最初起源及奠基性文章。看文献,最重要,最有权威,也最有深度的是什么,就是你查找的文献的文献。

三、怎么查:

由杂到精。有了一定的知识基础以后,对于繁杂的文献,要有个人的判断。追踪某个专题、某个专家的研究进展,比较对于同一专题的论点的发展,掌握其新的方法或新结论,或注意作者观点的改变,探究其原因。培养个人的学术修养。对于高质量高水平的期刊,定期浏览,从面上了解学术进展和热点,根据个人的兴趣和工作进展,逐篇仔细阅读新作。

关于记:

好记性不如烂笔头:无论是工作中的点滴发现,思想火花,都应该写下来。到写作文章时,都是现成的材料。现在有了电脑,但是写文献综述是一个完善知识结构的好方法。随时记下论点,个人心得,(关键是要很好保存、整理和运用)会有事半功倍的成绩。无论写在纸上,还是记载在电脑内,都应该有一个记事簿[8],并且经常整理。

一、记什么:

1、摘抄

2、心得

3、自己的评注

看文章时作笔记阅读笔记本可按不同的内容进行分类摘录,如进展,研究方法,实验方法,研究结果等,并可加上自己的批注。另外,有的时候想到的思路,闪过的想法,作笔记记下来,随时查一查,可能时间久了自然就有新的看法。

二、怎么记:

1、分类的记

“对于下载的文献,要以其内容建立以专题杂志按时间先后的专门分类。哪些需要仔细阅读并保存,哪些用处不大,待删除,哪些需要阅读却尚未阅读。以后想到时,还能及时找到。”

2、定期总结

总结过去已经做过什么--做到心中有数;现在进展到什么程度--做到知己知彼[9];从中发现别人的优点和不足。预测将来的热点和发展方向,才能准确出击,找到自己的方向和目标。我们要着眼于将自己的成果往好的期刊上发,所以对一些经典的陈述,要有选择性的标记并记下来。

MIT人工智能(AI)实验室的教授和学生总结的如何读论文,还不错,拿来分享一下:

阅读论文是需要练习的技能。不可能完整地阅读所有的论文。

读论文可分为三个阶段:

第一阶段是看论文中是否有感兴趣的东西。AI论文含有摘要,其中可能有内容的介绍,但是也有可能没有或者总结得不好,因此需要你跳读,这看一点那看一点,了解作者究竟做了些什么。内容目录(the table of contents[10])、结论部分(conclusion)和简介(introduction)是三个重点。如果这些方法都不行,就只好顺序快速浏览了。一旦搞清楚了论文的大概和创新点,就可以决定是否需要进行第二阶段了。

第二阶段,要找出论文真正具有内容的部分。很多15页的论文可以重写为一页左右的篇幅;因此需要你寻找那些真正激动人心的地方,这经常隐藏于某个地方。(Key)论文作者从其工作中所发现的感兴趣的地方,未必是你感兴趣的,反之亦然。

最后,如果觉得该论文确实有价值,返回去通篇精读。读论文时要牢记几个问题:“我应该如何利用该论文?”“真的像作者宣称的那样么?”“如果……会发生什么?”。理解论文得到了什么结论并不等同于理解了该论文。理解论文,就要了解论文的目的,作者所作的选择(很多都是隐含的),假设和形式化[11]是否可行,论文指出了怎样的方向,论文所涉及领域都有哪些问题,作者的研究中持续出现的难点模式是什么,论文所表达的策略观点是什么,诸如此类。


作者:投必得论文编译

提高效率不仅是要读得快,更需要有选择的去读。

第一阶段:泛读——由厚变薄

文献阅读的重要目的之一就是确立研究目标。这一阶段我们要广泛阅读大量文献从而掌握研究动态,那么在这一阶段我们应当怎么做呢?

在这一阶段,我们应当先找一些高质量的综述来阅读,这样就可以快速掌握这个领域的研究现状和热点,然后再以综述中出现的文章和作者为线索,顺藤摸瓜去查找其他相关的文献。

在阅读时要掌握方法——一看摘要二看结论三看引言,判断文章对我们是否有价值一般看这三个部分就够了。

在这个阶段我们一定要做好分类汇总,将那些对我们有用的文献整理在一起并进行简单的标注。

第二阶段:精读——由薄变厚

经过了第一阶段,小伙伴们应该已经确立了自己的研究目标,下一部分就是围绕着我们想要论证的观点去文献中找到可以佐证自己观点的论据了。

在这一阶段我们不仅要细读,而且要带着目标去读,边读边思考边做笔记,做好分类总结。这个阶段不仅要读摘要和结论了,很多时候要去读结果和讨论部分。

这时不仅仅要看文献中作者得出来的结论,还要挖掘他的实验结果,是否对我们的研究有价值,有很多时候我们用不到文献最后得出的结论,但是他们的实验结果却能从另一个角度解读和佐证我们的观点。

这个阶段要做大量的笔记和文献整理,下面我介绍两个非常高效的文献整理技巧

1、列表法

用表格的方法将有用的文献整理出来,我们的观点需要哪些证据支持,我们在哪些文献里找到了这些证据,用表格列出来,一目了然。

2、画圈法

通过这种画图的方法,我们不仅能将哪篇文献支持哪个论点一目了然的展示出来,还能将文章的论证逻辑结构也展示出来,这也是一种非常好的总结方法。

相信有了上面的介绍,大家在写综述的时候会快很多了~

【技术交流】

已建立深度学习公众号——FightingCV,关注于最新论文解读、基础知识巩固、学术科研交流,欢迎大家关注!!!

请关注_FightingCV_公众号,并后台回复ECCV2022即可获得ECCV中稿论文汇总列表。

推荐加入FightingCV交流群,每日会发送论文解析、算法和代码的干货分享,进行学术交流,加群请添加小助手wx:FightngCV666,备注:地区-学校(公司)-名称

面向小白的顶会论文核心代码库:https://github.com/xmu-xiaoma666/External-Attention-pytorch[12]

面向小白的YOLO目标检测库:https://github.com/iscyy/yoloair[13]

【赠书活动】

为感谢各位老粉和新粉的支持,FightingCV公众号将在9月10日包邮送出4本《深度学习与目标检测:工具、原理与算法》来帮助大家学习,赠书对象为当日阅读榜和分享榜前两名。想要参与赠书活动的朋友,请添加小助手微信FightngCV666(备注“城市-方向-ID”),方便联系获得邮寄地址。

参考资料

[1]

https://www.zhihu.com/question/35671551: https://www.zhihu.com/question/35671551

[2]

results: https://www.zhihu.com/search?q=results&search_source=Entity&hybrid_search_source=Entity&hybrid_search_extra={"sourceType":"answer","sourceId":1677430801}

[3]

introduction: https://www.zhihu.com/search?q=introduction&search_source=Entity&hybrid_search_source=Entity&hybrid_search_extra={"sourceType":"answer","sourceId":1677430801}

[4]

模仿者: https://www.zhihu.com/search?q=模仿者&search_source=Entity&hybrid_search_source=Entity&hybrid_search_extra={"sourceType":"answer","sourceId":1677430801}

[5]

影响因子: https://www.zhihu.com/search?q=影响因子&search_source=Entity&hybrid_search_source=Entity&hybrid_search_extra={"sourceType":"answer","sourceId":70011775}

[6]

文综: https://www.zhihu.com/search?q=文综&search_source=Entity&hybrid_search_source=Entity&hybrid_search_extra={"sourceType":"answer","sourceId":70011775}

[7]

回顾性: https://www.zhihu.com/search?q=回顾性&search_source=Entity&hybrid_search_source=Entity&hybrid_search_extra={"sourceType":"answer","sourceId":70011775}

[8]

记事簿: https://www.zhihu.com/search?q=记事簿&search_source=Entity&hybrid_search_source=Entity&hybrid_search_extra={"sourceType":"answer","sourceId":70011775}

[9]

知己知彼: https://www.zhihu.com/search?q=知己知彼&search_source=Entity&hybrid_search_source=Entity&hybrid_search_extra={"sourceType":"answer","sourceId":70011775}

[10]

the table of contents: https://www.zhihu.com/search?q=the+table+of+contents&search_source=Entity&hybrid_search_source=Entity&hybrid_search_extra={"sourceType":"answer","sourceId":70011775}

[11]

形式化: https://www.zhihu.com/search?q=形式化&search_source=Entity&hybrid_search_source=Entity&hybrid_search_extra={"sourceType":"answer","sourceId":70011775}

[12]

https://github.com/xmu-xiaoma666/External-Attention-pytorch: https://github.com/xmu-xiaoma666/External-Attention-pytorch

[13]

https://github.com/iscyy/yoloair: https://github.com/iscyy/yoloair

分类:

人工智能

标签:

人工智能

作者介绍

FightingCV
V1

公众号 FightingCV