核心结论

文献综述不是把论文摘要按顺序接起来，而是围绕一个判断组织证据。研究之间在哪些条件下得到相似结果，冲突可能来自测量、设计还是情境，现有材料又支持多强的表述，这些关系才构成综述的主线。

AI 适合从已经核验的证据矩阵中提出候选观察、寻找反例和检查措辞。主题、证据权重与当前研究的位置仍由研究者决定。没有矩阵行和原文位置支撑的句子，不会因为写得顺就进入正文。

十八项研究，第一次被写成“优点、缺点、趋势”

下面是一项教学综述。研究者收集了 18 项远程办公数字监控研究，证据矩阵已经区分设计、样本、监控方式、行为指标、工作质量与员工体验。

她第一次让 AI 写综述，模型分成“数字监控的优点”“潜在缺点”和“未来趋势”。优点段把任务完成速度、管理者满意度和员工自报效率放在一起；缺点段把压力、信任和离职意愿都写成监控导致的结果；趋势段还加入原论文没有研究的生成式 AI 预测。

AI 第一版主线
数字监控提高效率，但也会带来压力和信任问题，
未来应使用更智能的 AI 监控实现平衡。

矩阵实际显示
活动数量与工作质量不是同一结局；
压力与信任证据多为横断面或访谈；
“更智能的 AI 监控”没有直接研究支持。

问题不是句子不够谨慎，而是“优缺点”这个容器没有要求证据之间发生关系。研究者回到矩阵，改问三件事：监控与短期可观察行为有什么关系；员工怎样理解监控目的和程序；这种理解是否改变心理和行为结果。

论证地图先决定每一段要判断什么

研究者把当前主线写进同一张论证地图。表里的研究数量是教学案例的组织信息，不替代对每项研究设计与证据的判断。

本段要判断什么矩阵中的主要证据冲突或限制当前能够说到哪里
监控是否改变短期任务活动4 项现场或准实验研究报告活动数量、响应时间或完成量指标主要测可见活动，少数同时测工作质量可以描述被记录行为变化，不能概括为整体绩效提高
监控与压力、信任是什么关系多项横断面调查与访谈出现相近方向时间先后不清，共同方法偏差和选择问题存在可以说观察到较一致关联，因果仍不确定
员工对目的和程序的理解是否改变结果2 项实验及若干定性材料提供线索操作方式、组织情境和结局不同作为值得检验的边界条件，不写成已确定机制
当前研究的位置同一设计中很少同时区分活动、质量与程序解释现有材料不足以支持长期因果分开测量活动与质量，预先检验程序解释，不声称解决全部长期影响

地图没有单设“未来趋势”。当前研究为何需要做，直接从前三项判断的断点形成：可见活动改变不等于质量提高；压力和信任的关联缺少时间顺序；程序解释可能重要，却尚未成为稳定机制结论。

如果实际研究仍是一份横断面问卷，就不能在地图中承诺补上长期因果证据。研究位置必须与后续设计一致，否则综述越有气势，论文内部矛盾越明显。

一段正文从矩阵里长出来

围绕短期任务活动，AI 最初写道：“大量研究证明数字监控能够显著提高员工绩效。”研究者把这句话拆回矩阵，发现四项较直接研究测的是活动频次、响应时间或完成量，只有少数包含质量指标。

修正后的段落不再按论文排队：

现有现场与准实验研究较一致地观察到，数字监控会改变系统能够记录的短期活动，例如响应时间或任务完成量。不过，这些指标主要反映活动可见度，不能自动代表工作质量。少数同时测量质量的研究并未提供同样一致的结果，因此当前证据更适合支持“被观察行为发生变化”，而不是“整体绩效提高”。

这个段落先作判断，再交代证据共同点和缺口，最后收窄结论。具体论文和估计仍需在正式写作中按矩阵插入引用与必要数值。若删除四项直接研究，第一句就失去依据；若删除质量研究，后半段对边界的判断也要改变。

AI 可以帮助把段落拆成主张清单，并为每条主张匹配研究编号。研究者检查引用是否支持紧邻句子，而不是只与“数字监控”这个主题有关。一篇论文报告完成量，不能放在“自主感下降”的句末；两种结局要由不同证据承担。

数量词也从矩阵中来。“多数”“较一致”“少数”都要说明按独立研究、样本还是某类设计判断。同一数据集发表的两篇论文不能算成两票；十项使用同一自报量表的横断面研究，也不会因为数量多就自动解决共同方法偏差。研究者可以写证据分布，但不把篇数当成质量权重。

结果冲突时，不急着编一个解释

压力与信任研究的方向大体相近，但不是所有研究都一致。AI 很容易补一句“差异可能来自文化背景、样本规模或测量工具”，这些原因听起来合理，却未必在矩阵中有证据。

研究者先比较对象、监控定义、结局量表、时间、对照、模型调整和缺失处理。她发现有的研究讨论持续记录键盘活动，有的只研究定期绩效面板；“信任”又分别指对管理者、组织或系统准确性的信任。词语相同，不代表测的是同一关系。

能够从矩阵确认的差异写入正文；仍无法解释的冲突如实标为不确定。研究者不需要为每个不一致结果制造故事。综述的价值包括指出现有证据为什么尚不能得出统一解释。

定性材料在这里也不是低一级的装饰。访谈可以帮助理解员工如何解释监控目的和程序，却不能替实验估计效应大小。不同证据承担不同问题，放进同一论证不等于把它们换算成同一种权重。

有一项访谈研究提示，员工把监控理解为安全要求时，与把它理解为不信任时的反应不同。论证地图把它作为程序解释的线索，而不是“机制已证实”。接下来的实验或纵向研究若没有测这种解释，也不能仅凭访谈材料给所有量化结果补上一条因果路径。

研究者曾让 AI 按摘要聚类，得到“信任”“绩效”“压力”“技术接受”等主题。它们只能说明词语分布，没有告诉读者这些概念怎样相互关联。两篇都出现“信任”，一篇可能测对管理者的信任，另一篇讨论对算法准确性的信任。

每个候选主题因此要改写成一句可以被矩阵支持或反驳的判断，并附上支持研究、相反研究、关键差异字段和不能推出的结论。只有主题名、没有证据关系的聚类，不进入正文。

例如“程序解释可能改变监控与心理结果的关系”能够连接实验和访谈，也能形成当前研究中的预先检验；“数字监控中的信任问题”则过于宽泛，放在任何一篇职场技术综述里都成立。

前三段论证完成后，研究者得到一个较窄位置：在同一设计中分别测量可观察活动和工作质量，并预先考察员工对监控目的与程序的理解。它没有宣称首次研究数字监控，也没有承诺解决所有长期后果。

这个位置还要接受反向检查。当前项目是否真的测量工作质量，而不只是更多活动指标？程序解释的题项是否在看到结果前确定？设计是否能支持“调节关系”这样的分析？任何一项没有落实，都要收窄综述结尾，而不是靠“填补重要空白”掩盖。

团队把这几项对应到研究方案：活动使用系统记录，质量由与活动量分开的任务评分表示，程序解释在主要分析前定义。若评分者无法保持对监控条件不知情，这一限制也会进入方法和综述边界，不能等结果出来以后再决定是否提及。

NIH 关于严谨性与可重复性的说明把设计、方法、分析、解释和报告放在同一条严谨性要求中。对本文案例，综述提出的缺口与当前研究实际产生的证据对齐，正是这条链在写作阶段的体现。

若项目设计后来改变，论证地图也要退回修改。团队若拿不到客观质量指标，只能测自报绩效，就不能继续让综述结尾承诺“区分活动与工作质量”；它可以改成检验员工如何理解活动指标，但必须承认没有直接测量质量。研究位置不是引言写定后永远不动的宣传语。

每一段完成后，做一次删源与反向核对

研究者从每段随机抽取一条判断，沿引用返回论证地图，再返回证据矩阵和原文。若矩阵只支持其中一部分，就拆小句子；若引用只是讨论同一主题，并未测量该结局，就更换来源或删除主张。

她也尝试删除来源。删去某篇后，段落的方向、范围或解释发生变化，说明这篇承担关键证据，应在文字中准确呈现；删掉全部引用后，段落仍像一段完整的通用评论，说明文字可能没有从证据出发。

确定性措辞单独检查。“相关”不能顺手变成“影响”，“未达到统计显著”不等于证明没有作用，“作者提出可能机制”也不能写成机制已揭示。AI 可以标出这些词，是否降级要看设计、估计和区间，而不是统一替换。

写作期间新增的理论定义和背景事实也不能因为 AI 配上了引用就直接进入。研究者先把新来源放回检索与证据核验流程，确认身份和原文支持，再决定它在论证地图中承担什么。否则正文会在矩阵之外长出一条无法追踪的证据支线。

全文还要让一位没有参加整理的人试读。他不需要记住论文名称，但应能说明每一段在判断什么、证据为何相同或不同、当前研究准备处理哪一处不确定。只能复述 A 发现什么、B 又发现什么，说明文章仍是摘要清单。

综述最终停在一个有证据的位置

这项教学综述最后没有得出“监控有利也有弊”的平衡句。它得到的是更具体的关系：监控较可能改变可记录的短期活动；活动变化不能自动代表质量；压力和信任的关联较常出现，但因果与时间顺序仍不清；程序解释是有线索、尚待直接检验的边界条件。

当前研究据此分开测量活动与质量，并预先说明怎样考察程序解释。至于长期因果和不同组织情境，它没有能力一次解决，就留在边界中。到这里，综述已经完成自己的任务：不是把 18 篇论文都说一遍，而是让读者看懂现有证据怎样导向这项研究。

交稿时，作者能够从每个中心判断返回地图中的一行，再返回对应矩阵和原文。读者不必接受一句笼统的“研究尚不一致”，而能看到不一致发生在哪种测量、设计和情境中。这条证据路线存在，文章才算从摘要拼接变成了综述。