核心结论

文献证据矩阵不是把多篇论文的摘要排在一张表里，而是用同一组可比较字段，记录每项研究的对象、设计、测量、结果、偏倚和适用范围。只有字段含义统一、每个判断能回到原文、缺失信息不被补写，AI 才能帮助跨研究比较。

矩阵的目的不是制造“研究很多”的视觉效果，而是暴露差异：哪些研究实际上回答了不同问题，哪些结果因为测量和时间不同不能合并，哪些冲突可能来自样本、设计或分析。后续综述的主题和争议应该从这些比较中形成。

为什么摘要表不能承担证据比较

如果表格只有“作者—年份—主要结论”，AI 很容易把每篇论文压缩成一句肯定句，丢掉样本、对照、测量和不确定性。两篇都写“干预有效”，可能一篇报告短期自评变化，另一篇报告长期客观结局；它们不能只因为方向相同就合并为一致证据。

证据矩阵首先要确定“比较单位”。系统综述通常以研究为单位，而不是以论文报告为单位；一项研究可能有注册、会议摘要、主要结果和长期随访多份报告。Cochrane Handbook明确提醒要区分研究与报告。普通文献综述也应避免把同一样本的多篇论文当作多项独立证据。

从研究问题反推矩阵字段

字段不是越多越专业。应从当前问题反推哪些差异会改变解释。例如比较课堂反馈干预时，学习阶段、反馈来源、持续时间和结局测量可能关键；比较材料性能时，样品制备、环境、时间点和测试标准可能关键。

字段通常分五组：

  1. **身份与关联：**研究编号、报告编号、来源和是否属于同一项目；
  2. **问题与设计：**研究目的、设计、时间结构和比较；
  3. **对象与实施：**样本、情境、干预或暴露如何定义；
  4. **结果与证据：**结局定义、数值、区间、证据位置；
  5. **解释边界：**偏倚、限制、适用性和与当前问题的关系。

每个字段还要定义允许值和缺失值规则。“未报告”“不适用”“全文未获取”和“AI 无法可靠解析”是不同状态，不能都留成空白。

教学案例：八项课堂反馈研究怎样比较

**教学模拟案例：**教育学研究者唐微想了解 AI 生成反馈是否改善大学生的论证写作。她纳入八项教学模拟研究，其中有随机课堂试验、准实验和一次性使用体验调查。

AI 最初按摘要生成了一张表，六篇被写成“有效”，两篇“效果有限”。唐微检查后发现：体验满意度、修改次数、量表评分和延迟测验被当成同一种“效果”；两篇论文来自同一个课程样本。

她重新定义矩阵核心字段：

字段定义允许值或记录方式
研究编号独立样本和研究方案S01、S02……；同一研究多报告共享编号
设计分配与时间结构随机／准实验／单组前后／横断面体验
对照实际比较条件教师反馈／同伴反馈／无反馈／基线
AI反馈工具、输入和教师介入按原文记录，不以“AI反馈”一词概括
主要结局研究预先或明确指定的核心结果论证评分、延迟迁移等
测量时点反馈后多久即时／课程末／延迟；保留实际时间
结果组间或时间比较数值、区间、模型和证据位置
风险提示会改变解释的问题选择、失访、测量、分析、报告
当前用途对唐微的问题能支持什么直接／间接／仅背景

重填以后，“六篇有效”消失了。两项随机研究对即时论文评分提供较直接证据；三项研究只报告学生接受度；两项单组研究无法排除练习和课程进度；另一项延迟测验没有观察到优势。矩阵没有自动给出总答案，却让证据结构变得真实。

一条记录怎样从原文进入矩阵

以 S03 为例，处理过程应可重建：

  1. 确认该报告是否与已有研究共享样本；
  2. 从方法定位参与者、分配、反馈流程和主要结局；
  3. 从结果表定位组别、样本数、统计量和区间；
  4. 分开记录主要结果、次要结果和作者解释；
  5. 根据预先字段写风险提示，不临时发明总分；
  6. 保存页码、表号和人工核验状态。

填写完成的记录示例：

字段S03记录
设计与样本两个自然班的准实验，合计82人；班级非随机分配
比较AI建议后学生自行修改 vs 教师书面反馈后修改
主要结局课程量表的论证结构评分，评分者是否盲法未确认
时间一次反馈后提交修订稿，无延迟测验
结果记录原文组间估计、区间和表2位置；不只写p值
风险提示班级与教师条件可能混杂；评分盲法不清
可支持两种反馈流程在该课程即时修订中的比较
不可支持长期写作能力、所有学科、AI替代教师

如果 AI 无法准确读取表2，应把结果字段标为“解析失败，等待人工录入”，不能根据讨论中的“显著改善”自行补数。

AI适合辅助的环节

AI 可以把已经定义的字段应用到候选论文，标记缺失、定位可能相关的段落，并检查同一术语是否被不同研究用成不同含义。批量使用前应先完成人工金标准样本：选择一篇容易的、一篇报告复杂的和一篇不应纳入的论文，比较 AI 输出与人工记录。

对于关键字段，不能只看总体准确。样本数、主要结局、效应方向、分母、参照组和证据位置的错误成本更高，应单独验收。若 AI 在 3 个样本中持续把次要结局当主要结局，就应修改任务或改为人工提取，而不是依赖之后“总体复核”。

不要让AI自动填补异质性

矩阵的价值之一就是保留差异。以下做法会制造虚假可比性：

  • 把不同量表都转换成“高／中／低效果”，却没有转换依据；
  • 把即时结果和长期结果放在同一列直接排序；
  • 把作者未报告的平均数从图中粗略猜出，却不标记提取方法；
  • 把“未显著”写成“没有效果”；
  • 把无对照的前后变化与随机组间差异并列；
  • 用期刊影响力替代研究设计和偏倚判断。

无法比较本身就是重要结果。矩阵应允许“不能直接比较”，并记录造成不可比的字段。

风险评价与信息提取分开

信息提取回答“论文报告了什么”，风险评价回答“这个结果可能怎样偏”。二者可以在同一矩阵显示，但不能由一句印象替代。不同设计应采用合适的偏倚评价工具；系统综述中的数据提取和偏倚评价还需要独立复核。Cochrane 数据收集章节指出，重复提取可以减少错误和单人选择偏倚。

普通叙述综述未必需要两名独立提取者，但高影响结论至少应对关键字段进行第二次核对，并记录是谁、何时、依据什么作出修正。

从矩阵产生的四种可用观察

矩阵完成后，先不要让 AI 直接写综述。可以只要求它列出候选观察，并为每项观察指向支持行：

  • 哪些研究回答同一个问题，结果是否一致；
  • 冲突是否与设计、样本、测量或时间有关；
  • 哪些结论只由间接或高风险证据支持；
  • 哪些关键比较没有可靠研究。

唐微的矩阵形成了一个具体观察：“较积极的即时结果主要出现在短期修订任务，而包含延迟迁移测验的研究没有显示同等优势。”这项观察可以被逐行核对，也直接产生后续综述需要讨论的时间尺度问题。

矩阵也需要版本和变更规则

证据矩阵不是一次生成后不再变化的表格。新增全文、作者勘误、补充材料或团队口径改变，都可能更新记录。每一行至少保留来源标识、提取版本、提取人或工具、人工核验状态和最后修改日期；关键字段修改要说明旧值、依据和受影响的综合结论。

教学案例中，若一项课堂反馈研究后来找到补充材料，发现“课程完成率”只针对登录过平台的学生，而矩阵原来记录为全部注册学生，就要修正分母，同时检查所有依赖这项数据的比较。不能只改一个单元格而不追踪下游段落。对于数值密集的项目，最好把原始提取、清洗后的统一字段和解释标签分开，避免标准化操作覆盖原始报告。

多人或人机协作时，可以先双独立提取少量研究，比较差异类型。分歧若集中在定义不清的字段，应修改字段手册；若集中在 PDF 表格识别，应降低自动化范围；若涉及风险评价，则由具备方法学能力的人裁决。目标不是强行得到一致，而是让一致来自共同规则与可核验证据。

从矩阵到文字之前再做三项检查

第一，检查分母。所谓“多数研究”是按论文数、独立样本数还是参与者数计算？同一队列的多篇论文不能默认为多份独立证据。第二，检查可比性。相同列名下的对象、测量和时间是否足够接近？第三，检查缺失。空白代表未报告、无法获得、提取未完成，还是不适用？这些状态不能混用。

只有通过这三项检查，矩阵中的分组、差异和冲突才适合转成综述候选观察。AI 可以发现组合模式，却不能自行决定临床、教育或理论上的等价性。任何需要把不同指标换算、合并效应或评价偏倚的动作，都应进入相应方法流程，而不是藏在表格整理中。

可直接复用的证据矩阵结构

研究编号／报告编号／是否同一项目：
完整来源与全文版本：

研究问题与设计：
对象、样本来源、数量和情境：
干预、暴露、方法或核心现象：
对照或比较：
主要结局定义：
测量时间：
主要分析：

主要结果：数值、单位、区间、参照组、证据位置
阴性或不确定结果：
作者解释：
偏倚与报告缺口：

与当前问题的直接性：直接／间接／仅背景
可以支持：
不能支持：
人工核验状态、人员和日期：

矩阵的停止点是：真正相关的研究都能用同一口径比较，无法比较之处被明确保留，关键字段和证据位置已经人工核验。之后才能进入综述的主题、争议和研究位置组织。