博士生如何進行文獻閱讀和文獻整理?

點擊上方“3D視覺工坊”,選擇“星標”

乾貨第一時間送達

https://www.zhihu.com/question/50973300/answer/630770714

本文僅作爲學術分享,如果有侵權,會刪文處理

作者:查爾斯沃思論文潤色
https://www.zhihu.com/question/50973300/answer/737010046

篇幅有限,單就如何閱讀文獻談一談,從“過來人”身上汲取經驗!先寄出滑鐵盧大學教授S. Keshav經典的閱讀論文“三步法”值得收藏!

來自滑鐵盧大學教授S. Keshav的論文《How to Read a Paper》中提出的閱讀學術論文的三步法是人們比較認可的閱讀技巧。圖爲該論文信息

雖然這篇文章在2007年便發表了,有些作者也許還閱讀過,不過,正如S. Keshav在該文開篇所說的那樣,無論是審稿人還是研究生、博士生在面對每年需花費幾百個小時去閱讀論文的現實情況,學習有效閱讀論文的技巧非常重要。因篇幅有限,小編將歸納出S. Keshav三步法閱讀論文的精華部分,會在文末放上英文原版論文下載鏈接,供作者深入閱讀。

S. Keshav看起來比較低調在其主頁上只有自畫像

三步法也可說是三個階段, 拿到一篇文章,我們該如何入手呢?S. Keshav告訴我們只需三步閱讀全文,每一步都有其目標。大抵是,第一步要弄清論文的大概思路;第二步要抓住論文的主要內容;第三步從細節上深入瞭解論文。

第一步:需5-10分鐘

快速瀏覽整篇論文,對其有個大概的瞭解。你也可以自己決定是否需要進一步閱讀。該階段分下面的幾個步驟組成:

1.仔細閱讀題目、摘要和引言;

2.閱讀標題和小節標題,標題下的內容不必看。

3.閱讀結論

4.看看參考文獻,也許有你讀過的論文。

在第一步完成後,你應該可以回答以下五個問題:

1.類別:這篇論文是什麼類型?測試類?對現有系統進行分析的?對原型系統進行描述的?

2.內容:在你讀過的論文中與其相關的有哪些?使用哪些理論基礎來分析文章?

3.正確性:結論是否有效?

4.創新:該論文的主要創新是什麼?

5.清晰度:該論文是否條理清晰?

回答出以上問題,你便清楚是否有必要繼續閱讀該論文,這也許與你的興趣或研究領域有關,也可能是作者的結論不正確使之沒必要再繼續閱讀。這也再次提醒你,在你寫論文的時候,希望有人看你的論文,那麼簡明扼要的標題及摘要是非常重要的,無論是讀者還是審稿人在用五分鐘過一遍你的論文後,看不到文章的亮點也就對你的論文失去讀下去的興趣了。

第二步:需1小時左右

第二步要仔細閱讀論文,但忽略掉諸如證明之類的細節。閱讀過程中做好筆記記錄重點,或在論文空白處標註出來,

1.仔細閱讀論文中的數字、圖表和其他插圖。尤其要注意圖表:軸標籤是否正確?標示的結果是否有誤差線?這些常見的錯誤能區分出該論文是粗製濫造的還是經過盡心做研究後的結果。

2.爲了瞭解更多關於該論文的背景,記得要標記未讀過的參考文獻供進一步閱讀。通過第二步的閱讀,你應該能夠掌握論文的主要內容。你也應該可以把論文的主旨及論據總結給別人。對於你感興趣的論文,讀到這個程度就可以了,但是對於那些在你研究領域內的論文來時,還遠遠不夠。

有些情況你在讀到第二步結束時仍然難以理解論文,可能的原因是主旨對你來說是全新的,還有不熟悉的術語和縮略詞。也可能論文作者使用您不明白的論據或實驗技術,導致大部分論文內容無法理解。除此之外,有些論文可能寫得很差,也導致你無法理解該篇論文。亦或者可能是深夜,你很累了。如果是這樣,你可以選擇:(1)把論文放到一邊,期望着在你走向事業成功的路上不需要理解它,(b)在瞭解了相關背景知識後,過段時間再回頭讀,或者(c)堅持不懈繼續閱讀。

第三步:數小時

要充分了解一篇論文,尤其你是審稿人時,需要進行第三步。第三步的關鍵是:在腦中勾勒出整篇論文,作出與作者相同的假設,重新創作。通過將這種重新創作與實際文章進行比較,您可以輕鬆地驗證出論文的創新之處,也可以輕鬆找出一些不易察覺的缺陷和假設。

這一步需要讀者精讀論文,完成這一步讀者便可驗證論文中每一個假設是否成立,並且同時思考如果自己是本文作者的話會如何去體現自己的idea ,這種假設自己是作者的方法可以加深你對該論文論據及表述技巧上的理解,並且能從中學到這些技巧。在完成第三步的過程中,你應該時刻留意對於未來研究工作的新想法。

第三步是最耗費時間的,對於初學者來說可能要數小時,即便是有經驗的學者也至少要一兩個小時。當完成這一步後,你應該可以在腦海中重現構造論文的整個架構,同時能確定論文中哪些是好的,哪些是一般的論點。特別地,你也應該能明確指出論文中不清晰的假設、漏掉引用的相關工作以及論文中試驗和分析的手段潛在的缺點。

作者:釀造現場Z-BO
https://www.zhihu.com/question/50973300/answer/680667537

序言

文獻閱讀和文獻整理,我認爲整理甚至比閱讀重要,因爲很多時候不是我在做實驗的時候讀不進去文章,而是我不知道我之前看過了哪些,有哪些遺漏。

之前師兄有句話,文獻是讀不完的與其陷入到無邊無涯的文獻海洋裏,還不如找準方向,知道哪些要讀,哪些可以忽略。

*文獻整理我用的是Endnote, 因爲真的很好用。不過裏面PDF的編輯功能我要實名吐槽,還有就是文中搜索功能,讓我蛋疼不已,然鵝麼有辦法,大部分的功能還是很給力的。

所有的經驗真的很有幫助,如果我能做任何的補充的話,我會補充一點:

怎麼樣找到最新的相關文章?怎樣知道前沿是什麼?

很多PI能夠通過各種會議中的networking瞭解到領域裏的前沿,可是我們學生們似乎沒有這個luxury。

做理工類的科研的一大夢魘就是,在某雜誌上已經發表了我快要收尾的項目的結果,而我後知後覺,完全矇在鼓裏。想想都覺得心塞啊...不知道多少人因爲這個不得不臨時修改方向。

然而很多時候每天早上打開電腦輸入各種網址看最新的abstract又不是很現實

一個領域裏至少有10個journal是你要follow的,再加上Nature,Nature子刊,Science亂七八糟,說不定哪天就忘記了。

後來我發現了一個工具,叫做“Feedly”,這是一款綜合各種雜誌的RSS feed到他們這裏,並且能夠顯示abstract和TOC的軟件和網站。

Logo是長醬嬸兒的:

主頁面是這樣的:

主頁面

這個網站使用起來非常簡單,你只需要搜索你想關注的雜誌,或者把想關注的雜誌的RSS鏈接加入到你的賬號裏就可以了。

然後就會出現你想要看的雜誌的所有最新內容的題目和摘要。

我本身是做高分子化學的,所以我會關注Nature, Science和ACS關於材料和材料化學的雜誌,歐洲的就會去看Royal Chemical Society和Wiley的一些雜誌。

這樣我每天只需要打開一個網站,就能看到有那些雜誌有新的文章發表了。

系統會自動標記你看過的文章,如果你有沒有看過的,系統會提示你有幾篇新發表的文章你還沒有看過。

這個網站的更新還是很迅速的,基本上是實時更新,不會出現lag。

點開一篇文章的界面是這樣的


同時對於你覺得有用的文章,你可以先收藏或者留着之後再看,或者下載到你的很多其他客戶端上看。

我覺得這個軟件真的在我讀書的時候幫了我很多忙,省了我很多時間,我養成了基本每週至少瀏覽一次的習慣。

希望這個對衆多在奮鬥的學友們能起到一些幫助,如果有任何問題請隨時來問。^_^

作者:阿昆
https://www.zhihu.com/question/50973300/answer/612021949

博士在古代指專精某種技藝的人,而“博”字又有淵博、豐富的意思。

同樣,我們不僅要關心學習的深度,還要注重學習的廣度。

深度——精,與廣度——通,是相輔相成的。

一件事情做到了“精”,找到了事物的一般發展規律,那其他事情也很容易“通”,反之亦然。

所以在文獻閱讀方法上,結合Stephen D. Krashen博士關於第二語言習得的理論,通過無限制輸入來解決廣度的問題,然後通過限制輸入與實踐(剔除無限制輸入中的噪聲,迭代優化理論)來解決深度的問題。而貫穿始終的是下文會講的i+1理論(文獻選擇)。

---------------------

以下是方法。

一、關於文獻整理

我自己是把一篇文獻的信息分爲13類,記錄在excel表格中(按自己習慣調整)。

這13類爲:

1)序號:當前文獻的編號。在原文件頭上也加上相應序號,以方便查找。

大概是這樣

2)RM:閱讀方式,包括粗讀,精讀(實現算法)和挑讀

3)挑讀內容:如果閱讀方式是挑讀,則記錄挑讀的內容

4)題目

5)期刊

6)作者

7)時間

8)關鍵詞

9)基本流程及評估方法:記錄論文用到的算法以及對該算法的評估方式

10)信息:記錄論文中自己不知道或對自己有用的信息

11)分類:總結、分類該領域的所有方法,提供一個廣闊的視野。這一信息在博士、碩士畢業論文中比較常見,也可以自己總結,以後寫國內外研究現狀時應該會有用。

12)問題:記錄自己看論文時的一些想法

13)句子:以後寫論文時可能會用到的句子

二、關於文獻閱讀方法

1 .無限制輸入

廣泛地閱讀文獻,可以是與專業相關的,也可以是與專業無關的,具體視自己情況而定(當然與專業相關的更重要,所以可參考二八定律)。

我們知道放射性思考是人類大腦的自然思考方式,每一種進入大腦的資料都可以成爲一個思考中心,並由此中心向外發散出成千上萬的關節點,每一個關節點代表與中心主題的一個連結,而每一個連結又可以成爲另一箇中心主題,再向外發散出成千上萬的關節點,呈現出放射性立體結構(思維導圖,知乎)。

現在專業劃分的越來越細,學科門下設一級學科,一級學科下設二級學科……

但反過來看,各個專業就像思維導圖中那成千上萬的關節點,這些關節點都匯聚到一箇中心主題(以下稱思維導圖原理)

換句話說,各個專業之間都可以通過一箇中心主題建立聯繫。

所以,看似與專業無關的內容,其實是有一定借鑑價值的。

這也是爲什麼說“通”與“精”是相輔相成的。

無限制輸入的優勢

結合最優化問題的思想,無限制輸入可以避免局部最優

一般的啓發式算法、貪婪算法或局部算法都很容易產生局部最優,或者說根本無法查證產生的最優解是否是全局的,或者只是局部的。這是因爲對於大型系統或複雜的問題,一般的算法都着眼於從局部展開求解,以減少計算量和算法複雜度(局部最優,百度百科)。

若想避免局部最優,一般有兩種方法:

a. 隨機搜索,對機理不明的問題,解的搜索越隨機陷入局部最優的可能性就越小——無限制輸入。

b. 深入研究問題的機理,對問題的機理研究的越透徹,就能更準確的找到全局最優,或劃定全局最優可能的區域——見限制輸入與實踐。

2 i+1

說是要無限制輸入,但其實還是有限制的。

我們看到的,基本都是早已知道的,而對於不熟悉的、沒有認知的東西,大腦是會直接忽略掉的。比如,朋友讓你幫忙找東西,在他把這個東西的位置、具體形態特徵描述給你之前,你基本“看不到”它;比如,在我開始用牙線棒以後,才經常在生活中(舍友的桌子上、路上、垃圾堆旁)看到它,而在這之前它從未出現在我的視野中,儘管就在身邊。

如果大腦把看到的、聽到的、聞到的、觸到的所有信息都處理一遍,那很快就會因爲信息量過大而死機。

融合語言學家Stephen D. Krashen博士第二語言習得的i+1假說。

i指學習者現有的水平,+1指在現有水平基礎上增加一點點難度。

具體來說,就是選擇的文獻等級要略高於你目前的水平,這就是我在開頭說的,沒什麼深度的“垃圾”文獻。

如果一篇論文的等級是i或i-1,那你大致瀏覽一遍,就清楚它講的是什麼,知道怎麼實現。

如果一篇論文的等級是i+10,可能文中的每個字都認識,但就是不知道他在說什麼,看過一遍後再回頭想,什麼也沒記住。其實主要是因爲信息量過大,這也是爲什麼一本書看完很快變成過往雲煙。

如果想要讀懂一篇i+10的文章,需要查閱大量的等級爲i+1的參考文獻,一點點突破。

那不如直接從i+1入手。

值得一提的是,i是一個變量,你的水平是在慢慢提高的,而你選擇的論文也要在你目前水平的基礎上,再高一個等級。

3.限制輸入與實踐

通過無限制輸入,看了各種各樣的文章,但是怎麼判斷一篇文章是否有價值,是否灌了水,是否是噪聲?

1)去噪思想

噪聲一般是無規則的,出現頻率比較低。所以數據越多,持續時間越長,越容易判斷噪聲

通過無限制廣泛地閱讀,由於思維導圖原理,你會發現某種方法出現的頻率很高,這些方法通常都是一些經典算法。

對於一種全新的算法,很難驗證其準確性,即使它是由權威團隊研究的。

對於一種經典的算法,它的流傳時間久,引用次數多,說明它的準確性比較高;而引用次數的增加也會提高作者的權威性;一種方法存在的時間越久,那它將繼續存在的可能性也越大(《反脆弱》,納西姆·尼古拉斯·塔勒布)。

2)信息價值判斷

如果把科研論文當做一種經驗總結,或者一種信息,結合信息價值判斷的思想,對於獲取的信息,可以從準確性、權威性、時效性、適應性等方面,綜合判斷論文的價值。

a.準確性

指內容是不是真實有效的,通常可以從信息是否符合事物發展的一般規律,是否具有內在邏輯性,是否與其他信息矛盾或衝突等角度來考慮信息的準確性。

b.權威性

指內容是否具有令人信服的力量和威望,信息提供者的專業背景、資質、工作經驗等均可作爲衡量信息權威性的參考指標。

c.時效性

指信息在某段時間或某一時期是否有效,一般通過考察信息內容的發佈是否及時、是否最新、是否客觀和準確來加以判斷。

d.適應性

指信息對於問題的解決是否有用以及作用大小,一般可以從信息是否能達到使用者對信息的要求和信息對於解決問題的作用大小這兩方面來進行判斷。

3)實踐

作爲一個馬克思主義者,我們都知道,實踐是認識的來源,是認識發展的根本動力,是檢驗認識正確與否的唯一標準。

通過上面兩步,可以剔除掉很多沒有實踐價值或無法判斷其實現價值的文獻。

但爲了避免眼高手低,忽視一些細節,還是需要對算法進行實現與驗證,可以是經典算法,也可以是自己感興趣的算法。

實踐過程中,一定會遇到問題,爲了解決問題,也一定會有新想法,這就需要限制輸入,只選擇與算法或新想法相關的文章

這樣不斷地迭代限制輸入與實現,直到達到自己想要的結果。以上。

作者:莫姐
https://www.zhihu.com/question/50973300/answer/815093563

一、讀

即:讀哪些論文(對象),讀論文的目的是什麼(目標),怎麼讀(方法

1.讀什麼論文。

讀論文,需要讀經典的專業基礎論文、survey(概述)論文,及5-10篇左右讀新的高質量的專業論文。

好的論文怎麼找?首先找專業領域中好的會議、期刊;其次,經常訪問專業領域有名的實驗室、研究員的主頁,關注其發表的論文方向及內容;50-100篇,半年;就可以開始動手寫論文了。

2.讀論文的目的。

 讀論文的目的有兩個主要目的:

一是瞭解世界上本專業領域的內容和發展情況;

二是在瞭解過程中,產生自己的idea,進入這個領域。

三是學習論文寫作方法,熟悉論文製作流程,瞭解常用詞彙、句子和篇章文體。

什麼是idea?怎麼樣產生?idea一般是在讀論文的過程中產生的,給出三種比較簡單產生idea的方法。

(1)第一種彌補缺陷法。即去發現別人論文中的weakness(缺陷)。你在讀很多個論文時候,就會逐漸發現,每一篇論文都不是完美的,解決的都是某一方面的問題。很多論文,尤其是經典論,都有很多論文跟着去提高和改善原來論文的效率、方法什麼的。因此,你可以根據這個特點,去找你感興趣的論文的weakness,你提出相應的彌補缺陷的解決方案;用審稿人的眼光看他。他有那些可取之處,哪些不好。我們也不能極其推崇一個觀點,要思考一下爲什麼有人支持另外的觀點。

(2)第二種新型方案法。就是提出與論文不同的解決方案,你覺得你在性能、方法、效益等方面有新的方法,那就產生了新的idea,不斷地磨合,修正,完善你的idea,就慢慢成爲一篇比較好的論文;

(3)第三種減少約束法。即減少論文中的assumption(假設),一般來說,所有的假設都是約束條件,去除約束條件就是形成新的方法的過程。

這三種方法是比較簡單的、操作性比較強的方法,比較有針對性的產生idea,避免看論文中的茫然狀態。值得注意的是,在產生idea過程中,不要想着憋大的idea,不要試圖完全推翻或者建立自己的體系。在目前階段,對大多數人來說,這是不可能的。好高騖遠,往往會半途而廢。你有一點點的貢獻就好。沒有一篇論文是完美的,而任何人的工作都必須在其他人工作基礎上進行的。

3.怎麼讀論文。

讀題目,根據題目讀出解決的問題與基本思路,在已知問題和基本思路的前提下構建自己的方案,

讀摘要,摘要中會明確要解決的問題和基本思路,讀摘要可以判斷自己的思路與本文思路的融合程度,其次在已知問題和解決思路的基礎上,進行問題分解,即該問題在如此一條解決思路下可能會面臨的小問題,同時要給出每個小問題的基本思路。

讀介紹,明確解決了什麼問題?解決這個問題有什麼意義?該問題在該領域中處於什麼樣的位置?其他位置是什麼樣的問題?該問題可以提升爲什麼問題?該問題可以分解爲什麼問題?

讀結論,對文章所解決的問題到了什麼程度,是否提到了自己設計的小問題,裏面的小問題是否得到了解決。

讀相關工作,整理歷史的過程,從別人的角度去理解不同的文章解決問題的不同思路,可能存在相同的文章不同的作者認爲解決思路並不相同的問題。讀相關工作是幫助建立文獻分析的步驟,根據相關工作,構建出文獻的基本分類。

讀解決思路,進一步理解核心思想,找出和自己所設計的具體思路不同的地方,比較這些不同,並找出理由。分析解決思路可能存在的問題與優勢。

讀討論,同自己對解決思路所提出的問題進行對比,進一步從討論中挖掘解決思路的利弊。

做文獻跟蹤與回溯需要

對文章中提到的在該領域重要的文章進行回溯,同時對正在讀的文章進行引用情況跟蹤,進一步明確該文章在整個研究領域的位置。

閱讀過程是一個讀的過程還是一個思考與猜測的過程?

文獻總結要總結哪些東西?

總結問題,

總結解決方法,比較各種解決方法的優劣

這些東西怎麼總結?總結的過程是什麼樣的?

總結的過程是一個從下向上和從上向下的反覆過程。首先針對領域內具體的文獻,給出解決的具體問題與解決思路,分別根據解決的問題與解決思路進行歸類,並抽象問題與思路;其次對解決思路進行類內與類間的比較,從不同的層次分析解決思路的優劣。同時從時間上進行對某一問題進行跟蹤,一方面是跟蹤對問題本身的認識,隨着時間的發展對問題認識的提高,進一步抽象問題;另一方面是跟蹤問題的解決方法,分析技術的發展脈絡,預測新的技術發展。

總結後的結果應該怎樣進行分析?

分析的目標應該有兩個,一個是提出新的問題,一個是提出新的解決思路。分析的過程應該是自上而下的,首先從問題的最頂端實現問題的進一步抽象化,其次通過不同的角度考察問題,發現是否仍然存在沒有被注意到的角度,然後對問題從不同的角度進行分解,分解爲更小的問題,然後再次進行問題的多角度分析與分解。

我自己閱讀文獻分這麼幾步:

1、閱讀題目和摘要,文章摘要一般會對全文的實驗data有一個總結,對照摘要中列出的data,我就會琢磨,作者用這幾個結果能得題目中的結論嗎,如果自己覺得沒有,那麼留下疑問,在討論裏面再琢磨作者有沒有說明和拓展;如果想挑戰一下,理解文章標題之後,就可以先不看摘要自己試着去想需要多少個data來支持這個標題,這樣對訓練科研思路很有幫助,不過比較難堅持。

2、閱讀introduction,這部分得到的主要的課題的背景和由來。我會思考一個問題,作者做這個課題的主要目的是什麼,也就是說作者是如何想到這個課題的。

3、實驗結果部分就像陳列館,作者把Data一個一個亮出來,作者一般不會按照做實驗的時間順序組合Data,而是會根據自己講故事的邏輯將Data依次遞給我們。在這裏我也會琢磨一些問題,如作者會給每個Data一個小標題,那麼,作者會用什麼實驗方法來證實這個這個小標題,還有其他什麼實驗能滿足這個標題?這個是我學習實驗方法的主要方式,證明一個結論需要用什麼實驗,最經典最直接的實驗是什麼。這些Data的安排是不是符合邏輯,完成這篇文章需要最少的Data,哪些Data是作者對文章的引申或者錦上添花,等等。之後,我也會試着裝一裝藝術家,大BOSS,對Data的漂亮程度,實驗工作的難易程度,實驗思路的奇特程度做一番評論,呵呵,也確實有些文章讀了之後會讓你有一種看驚悚片般的感覺,“誒呀,原來是這樣,作者到底是腫麼想到的”發出這樣情不自禁的感嘆。

4、最後是Discussion了,這部分內容最能體現作者對文章的理解與寫作功底。一般會涉及到文章結論的擴展和引申,追蹤作者提供的參考文獻,可以惡補相關知識,如果Data中有詭異的現象出現或者文章邏輯上有解釋不通的地方,作者還會進一步做預測和假設,還有就是文章發現的重大意義啦,等等。記得曾經有一位大牛說過,沒有哪一篇文獻是完美的,哪怕是CNS的文章,不管作者關注點有多小,文章邏輯有多麼的嚴密,故事情節這個圈畫的有多麼的圓潤,總有地方是可以加工開口的,這就給我一個提示,讀懂文章內容,看清作者思路後,就可以站在作者的肩膀上開拓我的故事了

5、我自己讀完一篇文獻後,要寫一個小總結.把該篇文章的主要內容、難點、創新點等用簡短的話描述出來,然後把文章中採用的實驗方法、手段以及最後的得到的結果也分析一下,用自己的話總結,最後把自己的想法,以及值得自己借鑑地方,存在的問題總結出來,那麼這篇文章纔算真正意義上的讀懂了。做這些工作有很大的好處,一是提升自己的總結概括和寫作能力,在經過一段時間的鍛鍊後,你就會不知不覺得到提高,另外一個好處是積累,有了這些文字性積累,以後你自

然後做一下筆記,寫好心得!不要相信自己的記性,好記性不如爛筆頭。如果一篇文獻你不做標記,不寫點自己的心得,那麼用不了多久,你再打開該文獻,因爲該文獻上也是很乾淨的,因爲你沒有留下任何標記,你可能會忘得很乾淨,到時候不得不重新再從頭閱讀,浪費了大量的時間。如果你再第一次閱讀的時候,稍微花點時間,把重點句子標記起來,把文章的大致內容和自己的想法寫出來,那麼下次再看到這篇文章,只需重點的看一下自己標記的句子和寫得心得體會,馬上就會了解文章的大致內容,節省了時間,提高了效率!

文獻閱讀我覺得還可以從兩個層面來做,第一縱向層面,什麼意思,解決相同性質的問題從不同領域的應用來查閱,比如數據稀疏性,用在數字圖像處理,通信信道估計,接收機信號處理等。通過閱讀文獻找出應用的相同和異同之處,找出爲什麼可以應用的根源,如此思考,纔會有所斬獲,有所啓發。

另一個層面,橫向層面,針對同一問題的解決方案或者算法來查閱大量文獻,大多數時候我們都是這樣從這個角度來做。就拿弱信號的衛星導航系統的信號捕獲來說,解決的方法就是各種各樣,從目的,方法,結果來思考似乎麼有錯,但最重要的是看到所有解決的目的都是能量累積的過程,提高信噪比。回過頭來,再想想在縱向問題中是否有類似思路,或許突然之間會有驚喜。

文獻浩如雲煙,不可窮盡,一方面我們需要追最新的研究理論成果和應用,另一方面需要思考你需要解決的問題是什麼,有沒有聯繫,關聯性在哪裏!還要明白讀文獻的發散和收斂,要扎的進去,也要出的出來,沉醉與文獻閱讀的同時一定要懂得探出頭來,思考你需要什麼!否則會迷失在文獻的海洋。

閱讀文獻的目的:

1、找到創新點(最重要一點)

2、自己的方法別人有沒有做過

3、接手新課題時,對相關文獻、背景、研究進展的檢索與閱讀。 

4、學習論文寫作方法,熟悉SCI論文製作流程,瞭解常用詞彙、句子和篇章文體。

5、借鑑方法:通過查閱文獻,瞭解他人採用了什麼方法,從什麼角度對該問題進行研究。 

6、對你的實驗是否有靈感和啓發。

7、通過閱讀文獻了解世界上本專業領域的內容和發展情況;併產生自己的idea,進入這個領域。這是我們在寫作SCI之前大量閱讀文獻的主要目的。

作者:人生的枷鎖L
https://www.zhihu.com/question/50973300/answer/638819107

作爲一個博士,任何人告訴你的現成的答案,都應該抱有存疑的態度批判的看。作爲一個博士,你首先應該擯棄學術以外的途徑去獲取與學術相關的知識。我並不認爲這個答案下的任何一個高贊能夠比得上一篇高引論文。

推薦你檢索Systematic Literature Review (SLR) guideline。SLR是一種研究方法,它被廣泛應用於醫藥學領域,2004年被Kitchenham引入到軟工之後,截止目前已經有超過1000篇採用該方法發表的論文了。這種方法產出的成果和大部分研究者所熟知的文獻綜述很相似,但並不相同。

如果你想知道如何閱讀文獻並整理成果,你需要知道的絕大部分內容都在guideline中詳細介紹了。即使你的目的可能並不是做一個SLR,作爲一個方法論,它依然適用於你的目的。另外,最好的整理結果本就應該是一篇綜述性質的論文,最不濟也應該是你下一篇論文的background和related work。

最後補充,正如我開頭說的,每一篇論文都應該批判的看。從審稿人的角度去閱讀文獻,訓練自己也是必要的。

時間有限,先答這麼多。如果覺得有幫助,我將非常榮幸,如果閱讀了我提到的guideline有困惑,我回盡力解答。

第一次補充:

檢索綜述: 直接搜索你目標主題的綜述可能是最快了解這個主題的方法。如果你在的領域有slr,或者mapping study等研究那是極好的,直接主題+這些關鍵詞,如果沒有,就加review,survey等關鍵詞,但需要注意辨別,比如survey也可能是一個問卷調查的研究。也有可能需要搜索state of the art之類的,如果你發現都沒有,恭喜你,你可能發現了一個新題目(如果你們學科沒有綜述類論文,本條不適用)。

注意發表在哪(venue): 其他學科不瞭解,軟工不建議檢索或完整的看中文文獻,因爲大部分時候都是在浪費時間,一定要看,就以學科命名的那個學報能看。對於英文文獻,你應該知道它是會議還是期刊,它是什麼級別,軟工計算機參見ccf列表。這很重要!

作者:「已註銷」
https://www.zhihu.com/question/50973300/answer/721776751

首先是要有合適的工具吧。

比如文獻管理工具,Mendeley就很不錯,除了內置的pdf閱讀器不支持修改背景色之外,其它都很好,不過右鍵菜單中可以選擇外部文獻閱讀器,並且Mendeley可以把文獻分享給指定的人的帳號,很方便。友情提示:文獻管理工具儘量不要選擇國產的,某國產文獻管理器不能支持開放的期刊引文格式庫,而其自帶的缺不少期刊,還有些提供的格式和期刊現在的已經不同了,自己改還是很費事的,曾經就吃過這樣的虧。

再比如pdf閱讀器,以前一直用金山的pdf閱讀器,可以改背景,可以做批註,可以把邊框縮得很小,還有內置的翻譯,體量也比foxit和adobe小很多。但是後來金山將它整合進WPS套件了,廣告滿天飛,默認上傳文檔到金山的雲......於是放棄了。後來用chocolatey安裝了okular,非常強大,除了不能翻譯外,似乎其它都滿足需求,不過翻譯功能可以用copytranslator這個軟件來替代,反而比金山方案更好。但是,自從某次升級後,不知道是新版okular的問題,還是win10的問題,每次啓動時它都沒在屏幕中間,而是處於屏幕右下角,沒找到解決辦法,最終放棄。現在採用的是Emacs+pdf-tools,pdf-tools需要自己編譯一下,要msys2+mingw64環境,和okular一樣,也是基於poppler的方案,所以特點也相近,不過它修改背景色的filter只有一個去色的,使用這個方案後,pdf中所有的彩色圖都會變成單色的,有時會造成麻煩,而okular有兩個,另一個不會影響彩色圖,但是對於圖片掃描的pdf無法更改背景色。還有,pdf-tools對於沒有內嵌字體的中文文檔支持不好,打開的時候基本上是滿篇白、沒有字,某些使用方正xxx_GBK字體、卻又沒有內嵌進pdf的期刊在這個軟件下完全無法閱讀,好在自己很少讀這類文章。

然後就是文獻閱讀的辦法了。

我習慣於在elsevier和web of science上定期搜索特定的關鍵字組合,大概每月一次的樣子,然後按時間排序,把最新的和最舊的各取10篇,然後花一週來閱讀,在這一週內記下它們引用的文章中我感興趣的、或必須要看過才能讀懂的,再進行搜索,搜索引用文獻的深度最多到3層就停止,但會記下認爲重要的文章。這一個月剩下的時間則用來幹活兒,下個月根據前一個月的情況調整關鍵字再這麼操作,其中,最新、最舊的文章肯定都有重複的,就跳過它們,分別按時間新舊往中間數,保持相同的篇數即可。這麼做的好處是讀的時間長了,對領域的發展脈絡會清楚一些。

文獻整理也比較頭痛,目前感覺比較適合我的做法是設置類似於標籤之類的東西。

首先是根據領域發展來組織,中間某一類重要見解或學派相關的賦予相同的標籤,這些標籤根據代表作的發表時間編號。

然後是根據實驗、理論、計算來粗分,每一類中又根據用的方法、設備、算法設置標籤。這些標籤用數字表示,形如1021235這樣的,第一位是粗分,1表示實驗,2表示理論,3表示計算,4表示1-2結合,5表示2-3結合,6表示1-3結合,7表示1-2-3結合。緊接着兩位表示用到的方法,方法也有一個自己的列表,其它的以此類推。如果樓主相關領域用到的東西更多,也可以把數字的位數增加,涉及到的更少,也可以減少位數。

再往後是根據課題組或發表人來設置標籤。

最後是文獻的同步問題,之前用國產的文獻管理器,還攢了一堆文獻,沒有去特意清理,租了個vps來存放它們,用nextcloud同步到手機、筆記本、臺式機中,後來讀的文獻,都用mendeley進行同步,省心一些。

最後,建議文獻能打印出來看還是打印出來,這樣看文獻效率會高很多,但是打印出來的文獻不便於保存和後期搜索,所以電子版本也不要丟掉。

作者:禕禕媽媽
https://www.zhihu.com/question/50973300/answer/797999392

目前博士在讀,我並不是什麼大牛,只是一個科研小白一個。僅說一下個人之談。

閱讀文獻

一開始,我也是拿到一篇論文從頭到尾的讀,感覺如果漏下某一部分,感覺心裏特別不舒服,總感覺哪裏不對勁,感覺有什麼地方自己沒有理解到,儘管遺漏的這一部分是無關緊要的,儘管就算一點都不漏,也照樣不理解。

到後來,我也慢慢的探索新的讀文獻的方法,目前大部分是着重讀abstract和intro,以及related work。主要去理解作者的動機和解決方案,至於具體怎麼做的,我並不關心,也就是model部分我讀的比較少,除非這篇論文寫的很順,讓我停不下來。其實,好的論文是經得起反覆閱讀的,只讀一遍是獲取不到你想要的所有的信息。所以很多論文在第一遍之後,常常會因爲想了解某個問題再去讀相應的部分去尋找答案。(值得注意的地方是,讀的時候記得做標記,註釋之類的,對以後重新梳理論文的idea很有幫助)。最後,我會把相似的論文進行一個歸納和總結,表述一下自己的看法(比如按照時間線,自己梳理一遍,思考一下,每次的改進之處或者創新之處在哪裏?解決了什麼問題,用的什麼方法!)。類似於自己寫一段綜述分析,我覺得最後這一步全是畫龍點睛之筆吧。

整理文獻

首先按照細分支的研究點建立文件夾,然後再在每個文件夾中建立已讀和未讀兩個文件夾,每個文件夾中的文件用統一的命名方式,比如,年份_發表期刊名或者會議名_題目.pdf。最好再根據論文內容和研究點的相關程度,標註一下,比如,1_年份_發表期刊名或者會議名_題目.pdf,前面的數字1代表最相關,數字越大越不相關(因爲1會使得當論文按名稱排序的時候排在最前面)。這樣會有助於你日後重讀重要的論文。

之我見

其實,每個人的閱讀方法都是不一樣的,類似於學習方法,每個人都有一套適應自己的方法。關鍵是在借鑑他人方法的基礎上加入自主的成份,最終形成一套自己的閱讀技巧,生搬硬套是不可取的。值得注意的地方是,在形成專屬自己的閱讀方法前,是需要是個過程的,這個過程可能有一點點不適應,但是貴在堅持,厚積薄發。這只是我個人經驗,僅供參考。

推薦閱讀

吐血整理|3D視覺系統化學習路線

那些精貴的3D視覺系統學習資源總結(附書籍、網址與視頻教程)

超全的3D視覺數據集彙總

大盤點|6D姿態估計算法彙總(上)

大盤點|6D姿態估計算法彙總(下)

機器人抓取彙總|涉及目標檢測、分割、姿態識別、抓取點檢測、路徑規劃

彙總|3D點雲目標檢測算法

彙總|3D人臉重建算法

那些年,我們一起刷過的計算機視覺比賽

總結|深度學習實現缺陷檢測

深度學習在3-D環境重建中的應用

彙總|醫學圖像分析領域論文

大盤點|OCR算法彙總

重磅!3DCVer-學術論文寫作投稿 交流羣已成立

掃碼添加小助手微信,可申請加入3D視覺工坊-學術論文寫作與投稿 微信交流羣,旨在交流頂會(ICRA/IROS/ROBIO/CVPR/ICCV/ECCV等)、頂刊(IJCV/TPAMI/TIP等)、SCI、EI等寫作與投稿事宜。

同時也可申請加入我們的細分方向交流羣,目前主要有3D視覺CV&深度學習SLAM三維重建點雲後處理自動駕駛、CV入門、三維測量、VR/AR、3D人臉識別、醫療影像、缺陷檢測、行人重識別、目標跟蹤、視覺產品落地、視覺競賽、車牌識別、硬件選型、學術交流、求職交流等微信羣,請掃描下面微信號加羣,備註:”研究方向+學校/公司+暱稱“,例如:”3D視覺 + 上海交大 + 靜靜“。請按照格式備註,否則不予通過。添加成功後會根據研究方向邀請進去相關微信羣。原創投稿也請聯繫。

▲長按加微信羣或投稿

▲長按關注公衆號

3D視覺從入門到精通知識星球:針對3D視覺領域的知識點彙總、入門進階學習路線、最新paper分享、疑問解答四個方面進行深耕,更有各類大廠的算法工程人員進行技術指導。與此同時,星球將聯合知名企業發佈3D視覺相關算法開發崗位以及項目對接信息,打造成集技術與就業爲一體的鐵桿粉絲聚集區,近1000+星球成員爲創造更好的AI世界共同進步,知識星球入口:

學習3D視覺核心技術,掃描查看介紹,3天內無條件退款

 圈裏有高質量教程資料、可答疑解惑、助你高效解決問題

發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章