Systematic & Scoping Literature Reviews — Method Guide
本技能提供透明、可复现综述所需的协议、报告规范与模板。AEC 领域的综述作者正日益被要求达到 PRISMA 级别的透明度，应当采用该标准。
一、选择合适的综述类型
- 系统综述（SLR）：面向聚焦、可回答的问题；进行正式的质量/偏倚风险评估；输出为综合后的证据答案。
- 范围综述（Scoping）：面向宽泛的“存在什么/范围多大”的问题；通常不做评价（或仅轻度评价）；输出为领域图谱，使用 PRISMA-ScR。
- 快速综述（Rapid）：面向受时间约束的决策；流程简化；输出为务实综合（需说明所采取的捷径）。
- 伞形综述（Umbrella）：对综述的综述；评价纳入的综述（使用 AMSTAR-2）；输出为更高阶的综合。
- 文献计量/科学计量综述：关注领域结构与趋势；不适用评价；输出为定量领域图谱（见 bibliometric-analysis）。
- 叙述性/批判性综述：用于论证与理论构建；选择性纳入；输出为概念性贡献。
在 AEC 领域，“系统综述 + 文献计量”的混合综述常见且受欢迎：文献计量用于宏观结构，定性综合用于深度。
二、先写协议（检索之前完成）
事先定义并记录（最好注册——健康邻近领域用 PROSPERO，工程领域用 OSF/Open Science Framework）：
- 目标与研究问题（使用 PICO/PICOC、SPIDER，范围综述用 PCC，见 research-methods）。
- 纳排标准——人群/情境、干预/技术、对照、结局、研究类型、语言、时间窗、出版类型（仅限同行评审？是否纳入会议论文？——在 AEC 中，ISARC/CIB W78 会议论文常被合理纳入，需给出理由）。
- 信息来源——数据库（至少 2 个索引库，如 Scopus + Web of Science），必要时辅以滚雪球法和灰色文献。
- 检索策略——每个数据库的完整布尔检索式（逐字报告）、检索字段（标题/摘要/关键词）、过滤器，以及确切运行日期。
- 筛选流程——筛选人数、独立双人筛选、冲突解决方式、所用工具（Covidence/Rayyan/电子表格）、评分者间一致性（Cohen's κ）。
- 数据条目——提取字段。
- 综合方法——叙述性/主题式/元分析/票数统计（说明选择及原因）。
- 偏倚风险/质量评价——所选用的工具。
三、检索式设计（面向 AEC）
用 AND 连接概念块；块内同义词用 OR 连接。 使用截词（construct* → construction/constructing）与短语引号（"digital twin"）。 应对 AEC 术语碎片化——可从 aec-domains 技能中收集同义词（如 BIM = "building information model*" OR "openBIM" OR "IFC"）。 示例骨架（按各数据库语法调整）： ( "digital twin*" ) AND ( construction OR "built environment" OR building* OR infrastructure ) AND ( safety OR hazard* OR "risk monitoring" ) 运行当日记录每个来源的命中数；没有该记录，检索日后无法复现。
四、筛选工作流
- 跨来源去重（报告移除的重复数量）。
- 依据纳排标准进行标题/摘要筛选（双人筛选；记录排除数）。
- 全文筛选（记录排除原因——PRISMA 要求按原因计数）。
- 滚雪球法——对纳入集合进行后向（参考文献）与前向（引用文献，经 Scopus/Google Scholar）追踪；对新增文献重新筛选。
- 为 PRISMA 流程图记录每一个数字。
五、PRISMA 2020 流程图（需捕获的计数）
识别阶段 识别到的记录：数据库 n = __（逐来源列出），注册库 n = __ 筛选前移除的记录：重复 ，不合格（自动化），其他 __ 筛选阶段 已筛选记录（标题/摘要）n = __ → 排除 n = __ 寻求获取的报告 n = __ → 未获取 n = __ 评估合格性的报告 n = __ → 排除 n = __（按原因：r1 __，r2 __，……） [其他方法] 来自网站/引文检索/滚雪球的记录 n = __ → 评估 __ → 排除 __ 纳入阶段 综述纳入的研究 n = __（报告 n = __）
可用 Mermaid 渲染（见 /aec-scholar:prisma），或使用官方 PRISMA2020 R 包 / 流程图生成器。
六、PRISMA 2020 清单（27 项，简写）
标题（1）标明为系统综述 · 摘要（2）结构化 · 引言：理由（3）、目标（4） · 方法：纳排标准（5）、信息来源（6）、检索策略（7）、筛选流程（8）、数据收集流程（9）、数据条目（10）、偏倚风险（11）、效应指标（12）、综合方法（13）、报告偏倚评估（14）、证据确定性评估（15） · 结果：研究筛选与流程图（16）、研究特征（17）、偏倚风险（18）、单个研究结果（19）、综合结果（20）、报告偏倚（21）、确定性（22） · 讨论（23） · 其他：注册/协议（24）、资助/支持（25）、利益冲突（26）、数据/代码可用性（27）。 PRISMA-ScR（范围综述）以制图/映射条目替换评价与效应综合条目。
七、质量/偏倚风险评价（按研究类型选择）
- 定量/实证工程研究：自定义标准或 MMAT（混合方法评价工具）。
- 调查/横断面研究：AXIS 工具。
- 定性研究：CASP 定性清单。
- 综述（用于伞形综述）：AMSTAR-2。
- 建模/仿真研究（AEC 薄弱环节）：评价——是否与实测数据验证？不确定性是否量化？假设是否说明？输入是否可复现？是否有基线/基准？可推广性如何？ 透明报告评价结果；不要悄悄丢弃低质量研究——应展示并讨论。
八、数据提取模板（可调整）
ID | 作者 | 年份 | 发表场所 | 国家/地区 | 目的/研究问题 | AEC 子领域 | 方法 | 数据/案例 | 样本/规模 | 技术/工具 | 主要发现 | 报告的局限 | 验证类型 | 质量评级 | 备注
九、综合
- 主题综合（AEC 中最常见）：对发现编码 → 归入主题 → 按主题叙述。
- 框架综合：将发现映射到先验框架（如成熟度模型）。
- 元分析：仅当结局可通约且有定量报告时（AEC 中罕见；需检查异质性，报告 I² 与森林图）。不要强行使用。 始终包含：时间趋势、地理分布、方法分布、已识别空白与研究议程——这些是 AEC 审稿人看重的。
十、需要指出的常见陷阱
- 仅用单一数据库；不做滚雪球 → 召回率过低。
- 检索式未逐字报告或无运行日期 → 不可复现。
- 未统计排除原因 → 不符合 PRISMA 第 16 项。
- 未评价建模/仿真严谨性 → 过度信任未验证的技术论文。
- “主题”仅是话题标签，而非分析性综合。
- 做着叙述性综述却声称“系统综述”——应如实命名所用方法。