Какие академические поисковые системы подходят для систематических обзоров или метаанализов? Оценка качества поиска в Google Scholar, PubMed и 26 других ресурсах
Which academic search systems are suitable for systematic reviews or meta‐analyses? Evaluating retrieval qualities of Google Scholar, PubMed, and 26 other resources
2019-10-15
SCID: 54.1/ux6knc89
Discuss with AI
академические поисковые системысинтез доказательствметаанализыточность, полнота и воспроизводимостьсистематические обзоры
Figures from the paper
Abstract (AI)
Строгая идентификация доказательств имеет ключевое значение для систематических обзоров и метаанализов (синтеза доказательств), поскольку отбор выборки релевантных исследований определяет результаты обзора, его валидность и объяснительную силу. Однако поисковые системы, обеспечивающие доступ к этим доказательствам, характеризуются различными уровнями точности, полноты и воспроизводимости, а также требуют неодинаковых затрат усилий. До настоящего времени остается неясным, какие поисковые системы наиболее подходят для синтеза доказательств и почему. Рекомендации по выбору поисковых сервисов и библиографических баз данных для систематического поиска ограниченны и не подкреплены систематической эмпирической оценкой эффективности. В настоящем исследовании изучаются и сопоставляются характеристики систематического поиска в 28 широко используемых академических поисковых системах, включая Google Scholar, PubMed и Web of Science. С помощью нового метода на основе поисковых запросов оценивается, насколько хорошо пользователи могут взаимодействовать с каждой системой и извлекать записи. Это первое исследование, демонстрирующее, в какой степени поисковые системы способны эффективно и результативно выполнять булевы поисковые запросы с точки зрения точности, полноты и воспроизводимости. Мы выявили существенные различия в эффективности поисковых систем, что означает неодинаковую пригодность этих систем для систематического поиска. Фактически лишь половину проанализированных поисковых систем и только несколько баз данных открытого доступа можно рекомендовать для синтеза доказательств без существенных оговорок. В частности, наши результаты показывают, почему Google Scholar не подходит в качестве основной поисковой системы. Мы призываем владельцев баз данных учитывать требования синтеза доказательств, а академические журналы — пересмотреть требования к качеству систематических обзоров. Наши результаты призваны помочь исследователям проводить более качественный поиск для получения более надежного синтеза доказательств.
Key Findings
1
Новый метод на основе запросов оценивает, насколько эффективно и результативно каждая система поддерживает булев поиск по показателям точности, полноты и воспроизводимости.
2
Google Scholar непригодна в качестве основной поисковой системы для систематических обзоров или метаанализов.
3
Только около половины исследованных систем, включая немногие базы данных открытого доступа, можно рекомендовать для синтеза доказательств без существенных оговорок.
4
Производительность поисковых систем существенно различается, что приводит к значительным различиям в их пригодности для систематического поиска.
5
Исследование систематически сравнивает качество поиска в 28 академических поисковых системах, включая Google Scholar, PubMed и Web of Science.
Research Object
28 широко используемых академических поисковых систем, включая Google Scholar, PubMed и Web of Science
Research Subject
Качество и эффективность их систематического поиска, включая точность, полноту, воспроизводимость, удобство использования и затраты усилий на поиск
Publication Details
Publication Date
2019-10-15
Journal
Publisher
ISSN
Cited by
2936
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest
Источники этой статьи в scid.ai4
Предпочтительные элементы отчетности для систематических обзоров и метаанализов: заявление PRISMA2009
Рекомендуемые элементы отчётности для систематических обзоров и метаанализов: заявление PRISMA2009
Comparative Efficacy and Acceptability of 21 Antidepressant Drugs for the Acute Treatment of Adults With Major Depressive Disorder: A Systematic Review and Network Meta-Analysis2018
Достижение строгости в обзорах литературы: выводы из качественного анализа данных и поддержки инструментария2015
Работы, цитирующие эту статью9
Искусственный интеллект в маркетинге, исследовании потребителей и психологии: систематический обзор литературы и исследовательская повестка2021
Экстренное дистанционное обучение в высшем образовании: картирование первого глобального онлайн-семестра2021
Систематический обзор глобальных причинно-следственных и корреляционных данных о цифровых медиа и демократии2022
Исследование искусственного интеллекта в МСП: систематический обзор состояния отрасли и основных проблем внедрения2024
Прозрачность в убеждающих технологиях, иммерсивных технологиях и онлайн-маркетинге: содействие осознанному принятию решений пользователями и практические последствия2022
Оценка преимуществ и рисков социальных сетей для охраны дикой природы2022
Социальные роботы в образовании: текущие тенденции и перспективы2025
Дебайасинг алгоритмов в образовании2024
Инновационные стратегии формулирования для биосимиляров: тенденции, фокусированные на системах без буфера, безопасности, регуляторной согласованности и проблемах интеллектуальной собственности2025