人工智能方向论文怎么找参考文献?以“大模型在教育中的应用”为例
写人工智能相关论文时,很多同学会发现一个问题:AI 方向更新很快,中文资料有时不够新,英文论文又太多,不知道从哪里筛选。
这篇文章以“大模型在教育中的应用”为例,整理一套比较实用的参考文献查找方法,适合写开题报告、文献综述、课程论文或毕业论文时备用。
参考文献检索入口:
文献检索
这个入口适合前期查找论文题名、DOI、摘要、来源链接等线索。正式引用前,建议再回到 Web of Science、ScienceDirect、IEEE Xplore、ACM Digital Library、Springer、出版社官网或学校图书馆数据库确认。
一、先把选题拆成英文关键词
比如选题是:
大模型在教育中的应用研究
不要只搜索完整中文题目,可以先拆成几个核心概念:
large language models
LLM
education
AI in education
personalized learning
intelligent tutoring system
如果想聚焦具体场景,可以继续细化:
large language models writing feedback
ChatGPT programming education
LLM personalized learning
AI tutor student engagement
这样比直接搜“大模型 教育 应用”更容易找到近两年的英文论文。
二、先找综述类论文
人工智能方向变化很快,刚开始不要急着看单篇实验论文。可以先找 review 或 survey,快速了解研究热点和主要问题。
可以搜索:
large language models education review
AI in education systematic review
ChatGPT education literature review
LLM learning analytics survey
综述文章通常会帮你整理:
主要应用场景
常用研究方法
数据来源
评价指标
研究不足
未来方向
看完 2 到 3 篇综述,再去找具体论文,会更容易搭建文献综述框架。
三、按应用场景继续细分
“大模型 + 教育”这个题目还是比较宽,可以按场景继续拆:
LLM writing feedback
LLM programming education
ChatGPT language learning
AI tutor mathematics education
large language models assessment
如果关注学生学习效果,可以加入:
student engagement
learning performance
learning outcomes
self-regulated learning
组合后可以这样搜:
ChatGPT student engagement education
LLM programming education learning outcomes
AI tutor self-regulated learning
四、筛选时重点看这些信息
前期筛选文献时,不需要每篇都下载全文。可以先看:
题名是否和研究场景一致
摘要是否提到大模型或 ChatGPT
年份是否较新
DOI 是否完整
期刊或会议来源是否清楚
是否有开放获取链接
被引量是否有参考价值
AI 方向新论文很多,被引量不能作为唯一标准。近一两年的论文即使引用不高,也可能很有参考价值。
五、参考文献找原文的小技巧
如果你已经有一条参考文献,想找原文,建议按这个顺序:
1. 先搜 DOI
2. 没有 DOI 就搜英文题名
3. 题名太长就保留核心短语
4. 再加作者姓氏和年份辅助确认
5. 最后到出版社官网或数据库核对
不建议一开始复制整条参考文献,因为作者、期刊、卷期、页码等信息太多,有时反而影响检索准确度。
六、一个简单流程
以“大模型在教育中的应用”为例,可以这样操作:
1. 搜 large language models education review
2. 记录综述中反复出现的关键词
3. 按场景搜索 LLM writing feedback、ChatGPT programming education
4. 筛选近两年论文、综述论文和来源清楚的论文
5. 记录题名、作者、年份、DOI、摘要和链接
6. 正式引用前回到数据库或出版社官网确认
参考文献检索入口备用:
备用入口
总结一下,人工智能方向找参考文献,最好不要只搜中文题目。先拆英文关键词,再按“技术 + 场景 + 评价指标”组合检索,优先看综述和近两年论文,最后再核对 DOI、来源和引用格式。

1978

被折叠的 条评论
为什么被折叠?



