本文介绍了Web of Science研究助手(Research Assistant)的功能和使用指南,包括其主要用途、使用方法和撰写优质查询的指南。此外,还提到了计量经济圈的相关信息,如社群特征和提供的数据、计量系列等内容。
Web of Science研究助手是由科睿唯安推出的文献检索和分析AI工具,基于生成式人工智能技术和Web of Science核心合集文献数据库,以自然语言对话的形式进行交互,提供丰富的文献检索和分析功能,帮助研究人员更快地找到关键论文,减少繁杂工作。
用户可以通过自然语言的形式向研究助手提问,涉及领域包括探索研究领域、文献综述、文献总结和分析、寻找合适的投稿期刊、检索关键文献、寻找相关领域的重要专家、数据结果可视化等。研究助手还提供引文信息、奠基性论文、可视化功能、引导任务和工作流程等功能。
为了充分利用Web of Science Research Assistant,用户需要撰写结构清晰的查询。建议明确具体目标、提供详细信息、明确主题或领域,并利用筛选条件来提高响应的相关性。
计量经济圈组织了一个计量社群,提供数据、计量系列、科研软件等资源。社群特征包括热情互助、前沿趋势、社科资料和科研牛人最多等。建议积极进取和有强烈研习激情的中青年学者到社群交流探讨。
邮箱:econometrics666@sina.cn所有计量经济圈方法论丛的code程序, 宏微观数据库和各种软件都放在社群里.欢迎到计量经济圈社群交流访问.随着人工智能(Artificial Intelligence,AI)技术的迅猛发展,AI在提高人们的生产力上展现出强大能力。近日,Web of Science研究助手在我校开通试用,这份指南将帮助广大师生快速掌握使用方法。
Web of Science研究助手
Web of Science研究助手(Research Assistant)是由科睿唯安(Clarivate)推出的文献检索和分析AI工具。该研究助手基于生成式人工智能技术和Web of Science核心合集(Core Collection)文献数据库,以自然语言对话的形式进行交互,进而提供丰富的文献检索和分析功能,帮助研究人员更快地找到关键论文,减少繁杂工作上的时间投入,更高效地开展科研工作。Web of Science研究助手主要功能
Web of Science研究助手以问答的形式提供各种学术上的帮助,并在结果中给出对应的引文信息。用户可以通过自然语言的形式向研究助手提问,包括但不限于以下方面:Web of Science研究助手使用指南
Web of Science研究助手用户界面的功能如图所示。输入对应的问题后即可与研究助手开始对话。下面以人工智能领域的研究为背景,对Web of Science研究助手主要功能的使用进行介绍。当需要快速了解研究中遇到的某一具体概念时,可以直接在输入框内输入问题,或者在下方选择“Understand a topic”任务后提问。例如,当需要了解“自然语言处理”(Natural Language Processing,NLP)这一概念时,可以输入:“Tell me some information about Natural Language Processing (NLP).”等类似的问题:研究助手会在回答中简要介绍这一概念,例如,自然语言处理通过计算来表示和分析人类语言,在机器翻译、垃圾邮件检测、信息提取、摘要、医疗和问答等领域都有应用。同时,研究助手会列出至多8篇参考文献,用于深入了解相关的内容。点击“View 8 referenced documents”即可查看:其中第一篇文献《Natural language processing: state of the art, current trends and challenges》是自然语言处理领域的一篇高引用量的综述文献,点击该文献的标题以查看文献的简要信息:此页面展示了该文献题目、作者、期刊、DOI、摘要、引用量等信息,用户可以根据DOI查找文献的原文。点击“View full record”可以跳转到详细信息页面,或点击“Save”保存到标记列表或EndNote软件。研究助手可以通过文章的标题或DOI进行检索,对文献进行总结。例如,对于之前提到的《Natural language processing: state of the art, current trends and challenges》这篇文章,可以输入“Summarize this article ‘Natural language processing: state of the art, current trends and challenges’”,或者“Summarize DOI10.1007/s11042-022-13428-4”:研究助手对该文献进行了总结,例如,文章研究了自然语言处理的最新进展,包括目前的应用、趋势和挑战,同时讨论了自然语言处理中的数据集、模型和评价指标等。在此基础上,还可以继续向研究助手提问文章的其他内容,例如文章的重要发现,对其他现有文献的贡献,对实际应用的指导意见等研究助手可以用于寻找某一领域的关键文献。例如,在了解自然语言处理这一概念后,若想继续了解自然语言处理研究中的关键文献,可输入“I want to know about seminal papers on Natural Language Processing”等类似的内容:研究助手会给出至多8篇文献,并在回答中简要概括。例如,《Attention Is All You Need》这篇文章提出了机器翻译领域中十分重要的Transformer模型,《Long short-term memory》这篇文章提出了著名的长短时记忆(LSTM)模型。当需要进行文献综述相关的工作时,可以点击主页上的“Literature review”任务,然后开始向研究助手提问。例如,当需要对自然语言处理这一话题开展文献综述时,可输入“I want to do a literature review about Natural Language Processing (NLP).”等类似的问题:研究助手会将相关主题和对应的关系以图(topic map)的形式展示,并提供至多8篇相关文献以供参考,例如语义分析(semantic analysis)、词嵌入(word embedding)、自然语言生成(natural language generation)、语言模型(language model)等。点击图中的结点即可查看对应主题的关键文献。点击“View data table”可以查看各个主题下的文献数量,再次点击“View topic map”可以切换到topic map页面。在此基础上,可以继续询问其他问题,例如,输入“Documents over time graph for natural language processing”可以查看每年自然语言处理文献数量及对应的变化趋势:研究助手可以寻找某一领域的著名专家。例如,对于自然语言处理这一主题,可以输入“Top authors on the topic of natural language processing”等类似的问题:研究助手会列出6位自然语言处理相关的著名专家,并给出简要信息。点击“View author profile”可以查看对应专家的详细信息。当需要为论文寻找合适的投稿期刊时,可以点击主页上的“Find a journal”任务,然后向研究助手提供文章的题目和摘要。例如,由OpenAI于2018年发表的文章《Improving Language Understanding by Generative Pre-Training》,该文章提出了生成预训练这一重要技术,为著名的生成式AI模型GPT(Generative Pre-trained Transformers)提供了基础:按照研究助手的指示,依次输入文章的标题和100字左右的摘要后,研究助手会提供5个适合投稿的期刊,按照匹配程度由高到低排序。
Web of Science Research Assistant
Web of Science Research Assistant 是为研究人员量身定制的一款工具,它致力于帮助我们更深入地挖掘 Web of Science 核心合集的潜力(这是全球最权威的多学科引文数据库之一)。
这款研究助手依托于先进的生成式人工智能技术,提供以下功能,以优化你的研究过程:
- 自然语言和多语言搜索,让你的研究查询更加直观便捷。
它能够根据研究问题和上下文提示生成精准响应,引导你探索研究的新方向。此外,它还支持多种研究需求,包括但不限于:文档搜索与问答查询的响应生成方式
为了帮助你更好地理解 Research Assistant 如何生成对问题或请求的响应,我们将查询分为两类:“概述查询”和“文档搜索查询”。这两类查询的响应生成方式有所不同。查询分类
- 概述查询(Summary Queries):需要书面回答的问题,例如解释某个概念或提供某一主题的信息(例如,“线粒体融合在癌症进展中的作用是什么?”)。
- 文档搜索查询(Document Search Queries):明确要求查找某一主题或特定来源的研究文献,例如,“2015年斯坦福大学发表的经济学相关研究有哪些?”
响应生成流程
无论你提出哪种类型的查询,响应生成都遵循以下步骤:- 文献检索:首先,会检索与你查询语义相似度最高的文献,并辅以关键词搜索,以补充最相关的文档。Research Assistant 通常会将用户的查询转化为结构化的文档搜索请求。
- 文献排序:检索到的文献将根据与查询的相似度得分进行排序,从高到低。通过专有排名算法,进一步优化列表顶部文献的相关性,确保检索结果的精准性。
- 响应生成:Research Assistant 会利用检索到的前8篇文献的摘要内容来构建响应。虽然生成的答案可能不会涵盖所有8篇文献,但会根据需求筛选出最相关的信息,以确保回答的质量和适用性。
响应类型
- 概述查询(Summary Queries):如果查询属于“概述查询”类别,系统会将其传递给总结工具。该工具基于生成式大语言模型(LLM),利用 Web of Science 的可信内容生成响应。生成的概述不仅可靠且信息更新,并附带参考文献以便核实。
- 概述这篇文章《Oral stimulation for promoting oral feeding in preterm infants》。
- 概述 DOI: 10.1016/j.biosystemseng.2022.06.013。
- 文档搜索查询(Document Search Queries):对于“文档搜索查询”,系统会返回与查询最相关的8篇文献,方便用户获取与查询高度相关的研究论文或出版物。
如何生成文献、机构和研究人员的趋势与分析响应?
趋势与分析响应的生成是通过执行搜索并对结果集进行“结果分析”来完成的。- 文献:当你在输入框中输入查询时,研究助手会根据最近“X”个月内引用次数最多的论文,为你提供特定研究主题的响应。示例查询:
- 最近6个月内,机器翻译领域引用次数最多的论文有哪些?
- 最近12个月内,遗传学领域引用次数最多的论文是哪些?
- 机构:当你在搜索栏中输入查询时,研究助手会告诉你哪些机构在特定主题或研究领域发表了最多的成果。示例查询:
- 过去12个月内,关于气候变化发表成果最多的机构有哪些?
- 研究人员:当你在搜索栏中输入查询时,研究助手会根据发表数量和/或在每个主题中的引用次数,为你提供顶尖研究人员的响应。示例查询:
奠基性论文
每个研究主题的奠基性论文是那些具有基础性和深远影响的文献,它们有助于理解该主题的起源和演变。在输入框中输入查询后,研究助手将提供奠基性、基础性、影响力重大的、开创性或历史性的重要论文。可视化功能
- 引文网络可视化:当你在搜索栏中输入查询后,研究助手会返回8条相关参考文献。点击文献中的“查看更多”按钮,并选择“查看相关文献”,研究助手将展示引文关系的可视化图表,帮助你识别紧密或共同引用的论文集群,或发现与查询主题关联较远的论文。
- 主题图:针对查询中确定的主题,研究助手将展示主题图,揭示该主题与子主题或相关主题之间的联系。
- 按时间发布图表:对于查询中确定的主题,研究助手将以柱状图的形式展示该主题(研究文献)随年份的发表数量变化。
- 丰富的引文参考:当在搜索栏中输入查询时,研究助手会返回8条相关参考文献。对于具有丰富引文的文献,用户可以查看支持、提供差异化讨论或背景信息的其他论文,这有助于构建对研究问题或文献综述更全面的视角。
- 顶尖研究人员/研究人员档案展示:用户点击建议按钮或提示,可以轻松访问包括5位顶尖研究人员、主题图、相关搜索/后续问题、引文网络图和按时间发表图表在内的相关研究信息。
引导任务和工作流程
引导式工作流程为特定场景提供提示,帮助用户扩展或缩小研究范围,并完成定义的任务。在研究助手的主页上,可以根据自己的研究任务选择相应的引导任务。- 理解主题:点击“理解主题”工作流程,与研究助手展开对话。助手将首先询问你的研究主题或问题。一旦你输入主题(例如气候变化),助手将提供与该主题相关的奠基性或基础性论文。你可以查看更多文献,探索每篇返回文章的共引图、主题图、发表时间线或与主题相关的顶尖作者。
- 寻找期刊(文章匹配):点击“寻找期刊”工作流程,与研究助手展开对话。助手将首先询问你的文献标题和摘要。一旦你提供这些信息,助手将生成与你的标题和摘要匹配度最高的5个期刊。随后,你可以进一步探索其他主题,查看每篇返回文章的共引图、主题图、发表时间线或与主题相关的顶尖作者。
- 文献综述:点击“文献综述”工作流程,与研究助手展开对话。助手将首先询问你的研究问题。一旦提供该信息,助手将显示一个主题图。通过点击主题气泡,助手将检索相关的奠基性论文以及已识别的8篇相关论文。接下来,可以进一步探索其他主题,查看每篇返回文章的共引图、主题图、发表时间线或与主题相关的顶尖作者。
撰写优质查询的指南
为了充分利用 Web of Science Research Assistant,有效地寻找答案并评估研究资源,撰写结构清晰的查询至关重要。本指南将帮助你根据工具的功能撰写出高质量的查询。1. 查找文献或文献集
如果你的目标是发现研究论文或文献集,请参考以下建议:- 明确具体:你的查询越具体,得到的结果就越精准。请清楚地定义你的需求。
- 提供详细信息:包括机构、地区、国家以及时间范围(例如具体年份或近期文献)来缩小搜索范围。
- 明确主题或领域:提到你感兴趣的主题或研究领域,以确保结果的相关性,并使用适当的关键词。
- 利用筛选条件:思考如何在 Web of Science 中精炼或筛选你的搜索,并提供相关信息,以提高响应的相关性。
- 2020至2023年间,加州大学发表的关于生物技术的论文。
2. 回答学术或科学问题
如果你需要有可靠参考的精准答案,请按以下方法创建适合的查询:- 提出具体问题:围绕学术或科学主题,清晰简洁地提出问题。
- 寻求深入信息:此工具基于可信来源,你可以提出需要深入、引用充分的问题。
结论
通过遵循以上指南,可以最大限度地提高 Web of Science Research Assistant 的使用效果。撰写精准且结构合理的查询,将帮助你获得最准确、最可靠的信息,支持你的研究和学术活动。WOSRA可以解答的问题类型
进入WOS研究助手:https://www.webofscience.com/wos/research-assistant/
*群友可直接在社群下载下面提到的各种科研软件。
下面这些短链接文章属于合集,可以收藏起来阅读,不然以后都找不到了。
7年,计量经济圈近2000篇不重类计量文章,
可直接在公众号菜单栏搜索任何计量相关问题,
Econometrics Circle
计量经济圈组织了一个计量社群,有如下特征:热情互助最多、前沿趋势最多、社科资料最多、社科数据最多、科研牛人最多、海外名校最多。因此,建议积极进取和有强烈研习激情的中青年学者到社群交流探讨,始终坚信优秀是通过感染优秀而互相成就彼此的。