Il prossimoProssima guida
Come scrivere un'autovalutazione o una revisione delle prestazioni con l'intelligenza artificiale
Applicazioni
GUIDA alle applicazioni
Writing a literature review with AI means using AI tools to help find relevant papers, extract their findings into a comparison matrix and group studies into themes, while you read the key sources, verify every citation and write the synthesis.
Ascolta questa guidaNarrato dall'IA · ~3 min
It matters because literature reviews take a lot of time, and general chatbots can produce references that look real but do not exist.
A reliable workflow has five stages. First, define a focused question and inclusion criteria, such as years, populations and study types. Health researchers often use the PICO frame (population, intervention, comparison, outcome). Second, search: combine standard databases (Google Scholar, PubMed, Scopus, Web of Science or your field's database) with AI research tools such as Elicit, Consensus or Semantic Scholar, which search indexes of real papers, and use citation chaining to follow references backward and forward. Third, screen titles and abstracts against your criteria, and record why you excluded papers. Fourth, extract: build a matrix with one row per study and columns such as authors and year, question, method, sample, key findings and limitations. AI can draft entries from full text you provide, but check each cell against the paper. Fifth, synthesize. A literature review is not a list of summaries; it groups studies by theme, agreement, method or gap, and explains what the field knows and does not know. AI can suggest groupings from your matrix; deciding which ones are meaningful is your job. The critical step is citation checking. General chatbots without search can invent references with realistic authors, titles and journals. The risk is real outside academia too: in the 2023 US case Mata v. Avianca, lawyers were sanctioned for filing a brief with court cases ChatGPT had invented. For each reference, confirm the DOI resolves, the title, authors, year and journal match, and the paper actually says what you claim. A common misconception is that tools built on real databases cannot be wrong. They avoid invented papers but can still misstate findings. Also check publisher terms before uploading PDFs, follow reporting standards such as PRISMA for systematic reviews, and disclose AI use wherever your journal or institution requires it.
Uno studente di un master in sanità pubblica cerca in PubMed e Semantic Scholar studi sui promemoria delle vaccinazioni tramite messaggi di testo, quindi riempie una matrice con colonne per progettazione, dimensione del campione, impostazione, misura dell'esito e risultato principale.
Uno studente di dottorato in psicologia incolla 30 abstract in un chatbot e gli chiede di proporre etichette tematiche, quindi rilegge gli articoli e unisce due temi che l'intelligenza artificiale ha diviso solo sulla base delle parole.
Una studentessa di ingegneria controlla ciascuno dei 15 riferimenti suggeriti da un chatbot su doi.org e in Google Scholar e scopre che per alcuni non esiste alcuna corrispondenza, quindi li rimuove.
Uno studente universitario inizia da una recensione molto citata e utilizza strumenti di mappatura delle citazioni come Connected Papers o ResearchRabbit per trovare studi precedenti e successivi che si sarebbe persa con parole chiave.
Gli assistenti di ricerca sull’intelligenza artificiale stanno migliorando nella ricerca e nel riassunto della letteratura reale, e alcuni ora possono leggere testi completi laddove l’accesso lo consente. La precisione dei dettagli estratti rimane disomogenea e l’accesso ai documenti protetti da paywall limita ciò che gli strumenti possono vedere. Riviste, università e linee guida per la rendicontazione stanno sviluppando regole per divulgare l'assistenza dell'intelligenza artificiale e queste differiscono a seconda dei campi, quindi controlla le linee guida attuali per la tua sede. Le abitudini di verifica, come la conferma dei DOI e il controllo delle affermazioni rispetto alla fonte, probabilmente rimarranno necessarie per quanto validi diventino gli strumenti, perché l'autore, non lo strumento, è responsabile di ogni citazione.
Newsletter gratuita
Tre storie verificate sull'IA ogni mattina nei giorni feriali, scritte in un inglese semplice. Gratuito per sempre, senza pubblicità.
Un'email ogni giorno feriale. Disiscriviti con un clic. Non vendiamo né condividiamo mai il tuo indirizzo.
Mettiti alla prova
Feedback immediato su ogni risposta e un certificato condivisibile con un ID verificabile una volta superato un corso.
Sostieni l'istruzione gratuita sull'IA. AI Understanding è un'organizzazione non profit 501(c)(3) — nessun annuncio, nessun paywall, mai. Fai una donazione
Writing a literature review with AI means using AI tools to help find relevant papers, extract their findings into a comparison matrix and group studies into themes, while you read the key sources, verify every citation and write the synthesis. It matters because literature reviews take a lot of time, and general chatbots can produce references that look real but do not exist.
Le citazioni sono modelli prevedibili di nomi, titoli, riviste e anni. Senza recupero, un modello può fondere i frammenti in un riferimento plausibile ma inesistente.
La sintesi collega gli studi tra loro e identifica modelli e lacune, anziché descrivere ciascun articolo separatamente.
Fornire al modello un'opzione esplicita per le informazioni mancanti riduce i valori inventati nella matrice.
Verifica significa confermare che il record esiste e corrisponde, e quindi che il documento supporti effettivamente la tua richiesta.
Gli avvocati hanno depositato una memoria contenente citazioni di casi inventati prodotti da ChatGPT, mostrando le reali conseguenze dei riferimenti non controllati.
Continua a imparare
Altre guide selezionate per questo argomento
Il prossimoProssima guida
Come scrivere un'autovalutazione o una revisione delle prestazioni con l'intelligenza artificiale
Applicazioni