Uitgebreid literatuuronderzoek

Literatuuronderzoek op onderzoeksniveau met vergelijking van denkscholen, gecategoriseerde hiaten en PICO-aanbevelingen — versterkt door anti-harmonisatie-analyse en ‘So What?’-impactvalidatie.

literature reviewsystematic reviewresearch gapsPICOschools of thoughtanti-harmonizationcontradiction analysisso-what testevidence-first
Gebruikershandleiding
  1. Vul je onderzoeksonderwerp, zoekbereik en jaarrange in.
  2. Klik op AI Run. Het systeem genereert direct in de chat een gestructureerde literatuuranalyse.
  3. De resultaten verschijnen in de chatinterface; stel daarna gerichte vervolgvragen of vraag om een onderdeel verder uit te werken.
Medisch Onderzoeksassistent
Vul variabelen in en voer direct uit met AI
Wiki

Een uitgebreid literatuuronderzoek is meer dan een samenvatting van wat er gepubliceerd is — het is een kritische synthese die in kaart brengt hoe een vakgebied zich heeft ontwikkeld, waar grote denkscholen het oneens zijn en welke kennislacunes nog steeds onopgelost blijven. Dit type analyse is vereist in de inleiding van subsidieaanvragen, proefschriften en protocollen voor systematische reviews, waar beoordelaars niet alleen breedte maar ook intellectuele diepgang verwachten.

Dit instrument produceert een analyse op onderzoeksniveau van ongeveer 3.000 woorden (instelbaar). Het gaat ver voorbij oppervlakkige samenvatting dankzij drie geavanceerde analysetechnieken. Ten eerste de vergelijking van denkscholen: in plaats van tegenstrijdige bevindingen te middelen tot een vals consensus, brengt het systeem de verschillende paradigma's of methodologische tradities in kaart die tot uiteenlopende resultaten leiden. Ten tweede de anti-harmonisatieanalyse: de AI heeft een expliciete instructie om geen diplomatische niet-conclusies te produceren zoals «beide standpunten hebben hun verdiensten»; in plaats daarvan worden de epidemiologische en methodologische wortels van elk meningsverschil nagetrokken om een helder beeld te geven van onopgeloste debatten. Ten derde de «So What?»-impacttest: elke geïdentificeerde onderzoekslacune moet een relevantiefilter doorstaan — de AI moet uitleggen waarom het aanpakken van de lacune klinisch of wetenschappelijk van belang zou zijn, waarbij triviale observaties als «verder onderzoek is nodig» worden gefilterd.

De uitvoer bevat ook in PICO-formaat gestructureerde onderzoeksaanbevelingen, die lezers concrete en uitvoerbare voorstellen bieden voor originele studies die het vakgebied kunnen vooruithelpen. Elke aanbeveling is gekoppeld aan de lacune die eraan ten grondslag ligt, zodat de logische keten van observatie naar hypothese bewaard blijft.

Betrouwbaarheidswaarborgen zijn ingebouwd in de promptstructuur. De Evidence-First-redenering verplicht de AI om werkelijke bevindingen aan te halen voordat conclusies worden getrokken, waardoor het risico op black-box-extrapolaties wordt verminderd. Onzekere citaten worden gemarkeerd met [vereist verificatie], zodat gebruikers weten welke referenties ze bij het kruisverifiëren in PubMed moeten prioriteren.

Dit instrument is het meest geschikt voor het opstellen van formele onderzoeksvoorstellen, het schrijven van de inleidende sectie van tijdschriftartikelen of het uitvoeren van gestructureerde scoping reviews. De instelbare variabele TARGET_LENGTH stelt gebruikers in staat een gefocuste sectie van 2.000 woorden of een uitgebreid hoofdstuk van 5.000 woorden te produceren, afhankelijk van hun doel.

Zoals bij alle door AI gegenereerde inhoud moeten alle citaten en feitelijke beweringen onafhankelijk worden geverifieerd voordat ze worden ingediend. Behandel de uitvoer als een hoogwaardig eerste concept dat uw vakkundige oordeel en PubMed-bevestiging vereist — niet als een voor directe indiening gereed eindproduct.

FAQ