Глава 6
Картирование научных исследований о цифровой дипломатии с помощью инструментов искусственного интеллекта
Дарья Моисеева
Автор
Не все исследователи любят делать обзоры литературы — в командной работе место ответственного за обзоры часто остается вакантным. В настоящей главе рассмотрим основные преграды, способные снизить радость от такой работы, и способы их преодолеть. Покажем, как с современными ИИ-помощниками проводить обзоры быстро, качественно, с любопытством и здоровым азартом. Разберем ключевые дорожные карты (workflow) и проследуем предложенными маршрутами, не пропуская ни одного шага.
Шаг первый: поиск ключей
Первый барьер начинающих исследователей ожидает уже в самом начале пути. Чтобы открыть двери в обзор литературы, нужно знать ключи. Роль ключей играют ключевые слова — термины, по которым отбираются источники информации. Если исследователь только в начале пути, как же их определить? 
Ранее, прежде чем начать обзор, ученые могли обратиться к сервису Google Академия (Google Scholar), и методом проб и ошибок подобрать предполагаемые слова, помня, что поиск должен производиться только среди свежих обзорных статей — предпочтительнее за последние 3−5 лет.
Первый поиск начинался с ознакомления с исследовательским полем (research domain). В этот момент важно обратить внимание на:
  • ключевые термины и их определения,
  • авторы, кто ввел соответствующие концепции;
  • исследователи, кто предложил шкалы для их измерения;
  • теории и рамки, которые стали наиболее популярными в этом поле;
  • кого чаще цитируют в списке литературы;
  • какие журналы чаще встречаются в этом самом списке.
Далее, после обнаружения ключевых авторов, происходил поиск их самых первых статей по исследуемой теме, которые стали «семенами» для формирования целого древа новых исследований.
В Google Академии можно:
По итогам знакомства с опубликованными обзорами удавалось узнать краткий пересказ академических дискуссий — в чем учёные единогласны, а где ещё остались спорные вопросы и слепые пятна. Это помогает понять, какие аспекты наиболее актуальны, чтобы в дальнейшем обосновать важность своего исследования.
По итогам знакомства с опубликованными обзорами удавалось узнать краткий пересказ академических дискуссий — в чем учёные единогласны, а где ещё остались спорные вопросы и слепые пятна. Это помогает понять, какие аспекты наиболее актуальны, чтобы в дальнейшем обосновать важность своего исследования.
Схожим функционалом с Google Академией обладает библиотека eLibrary. Например, она также включает в себя возможности интеллектуального поиска статей (функция «найти близкие по тематике публикации»). В последние годы популярность набирают также библиотеки OpenAlex, INVENTORUS, arXiv.
Для организации результатов активно использовались специальные программы для создания интеллект-карт, такие как Miro, Sboard и Holst, а также специализированные приложения, включая XMind, MindMeister, Draw. io, Lucidchart, Ayoa, MyMap.AI, EdrawMind, во многие из которых включены ИИ-технологии. Эти инструменты позволяли визуализировать структуру древа знаний. Словесное описание этих карт-деревьев, выросших из «семенных» статей, и есть основная часть обзора литературы.
Так, например, в области цифровой дипломатии можно ориентироваться на следующий перечень ключевых авторов:
  • зарубежные: Bjola C., Manor I., Melissen J., Kurbalija J., Segev E.., etc.
  • российские: Цветкова Н.А., Сытник А.Н., Базлуцкая М.М., Великая А.А., Зиновьева Е.С. и т.д.
Пример дополнительных ключевых слов для данного исследовательского поля:
  • зарубежные: domestic digital diplomacy, hybrid diplomacy, public engagement, digital international relations;
  • российские: дипломатия данных, «информационный беспорядок», публичная дипломатия.
Scite.AI
Ассистент Scite.AI составляет уникальный обзор литературы по нашему запросу, предлагая ссылки на источники, из которых он брал ключевые выводы и заключения. Чтобы пользователю удобно было перепроверить каждую фразу, он выделяет точное место в цитируемом документе. У этого ресурса больше вариантов в области синтаксиса, например, можно использовать фигурные скобки, плюс, минус и др.
У инструмента есть также плагин для браузера, чтобы в Google Scholar отслеживать качество публикаций и их характер — поддерживающие, нейтральные или опровергающие. Плагин позволяет выделять любую фразу или вопрос в тексте при его просмотре в браузере и спрашивать у ассистента Scite. AI, какой на него есть ответ в доступных исследованиях.
Однако важно осознанно подходить к работе с такими сервисами, не копируя текст предложенного обзора, а только выбирая ключи. Не забываем о проблеме черного ящика в отношении ИИ.
У подобных платформ есть преимущество — в отличие от Google Scholar они предлагают возможность сохранять результаты поиска в табличном виде. Далее все комментарии к ним можно вести уже в сохраненной таблице. Если есть трудности с открытием файлов с раcширением .csv, можно воспользоваться ИИ-помощником tinywow.
Сущестсвует похожая на Scite. AI платформа, которая задает вам вопросы, чтобы помочь подготовить правильную формулировку для поиска — Undermind. Ниже на схеме представлен пример подбора ключевых слов. В лиловой рамке — финальный запрос, под ним — фрагмент диалога, который помогал уточнить, все ли нюансы учтены при такой формулировке. Схожим образом можно обсудить с ИИ-помощником собранные результаты и выводы, полученные в ответ на такой запрос. Таким образом удается одновременно получить и ключи, и подборку статей.
Список других похожих ИИ-помощников:
Вместо интеллект-карты собранную подборку можно перенести в ИИ-помощники для картографирования, как Litmaps, Research Rabbit, Connected Papers, Inciteful,СitationGecko, Microsoft Academic. Cделать выводы на основании полученного списка литературы, который включает аннотации, поможет в том числе ИИ-помощник Powerdrill или любой другой GPT, который принимает документы. Желательно, чтобы у него также был выход в Интернет, как у Яндекс Нейро, DeepSeek или Perplexity.
Качество публикаций
При поиске ключей важно сразу ориентироваться на качество источников. Чаще всего мы выбираем статьи только из рецензируемых высокорейтинговых журналов. Более точную разметку качества, нежели Scite. AI представляет плагин для браузера Rapid Journal Quality Check. В нем можно настроить те рейтинги, которые в вашем поле исследований имеют наибольшее значение.
Распространенный рейтинг — Scientific Journal Ranking (SJR), scimagojr.com. Можно каждый журнал проверять вручную на сайте SJR, или скачать актуальный список журналов и попросить ИИ, Python/R указать уровень публикаций в подборке.
На этапе поиска ключей, когда подборки еще нет, данный плагин уже может расставить метки в поиске Google Scholar, чтобы изначально ориентироваться только на те издания, которые опубликованы в высокорейтинговых рецензируемых журналах. В данном примере рейтинг измеряется в рамках Q1-Q4, где Q1 — самый высокий уровень.
Установленные плагины для браузера могут замедлять работу, поэтому лучше пользоваться отдельным аккаунтом Google для исследований в браузере Google Chrome, или Яндекс в браузере «Яндекс с нейросетями» — чтобы выйти из аккаунта после окончания активной работы, выключив тем самым работу всех плагинов. Эти же аккаунты часто подходят на роль ключей ко входу во многие ИИ-помощники, исключая необходимость создавать пароль для каждого сервиса.
2. Шаг второй – выбор подходящего метода
Существует немало методов обзора литературы. В этой главе мы рассмотрим, как искусственный интеллект может повысить эффективность работы с четырьмя из них: нарративным и систематическим обзором, библиометрическим анализом и обзором предметного поля.
Для выбора метода обзора важно учитывать следующие параметры:
  • Цели и задачи исследования;
  • Новизна исследуемого поля: насколько легко прочитать и осмыслить весь перечень опубликованных статей;
  • Предпочтения академического сообщества в выбранном направлении.
Чтобы облегчить процесс выбора метода, можно использовать нейросети.
Нарративный обзор позволяет аргументировано представить выбранную канву исследования. Он предполагает, что сначала будут объяснены ключевые термины, далее представлена теоретическая рамка — какая теория наилучшим образом объясняет изучаемые концепции и взаимоотношения между ними.
Эта рамка позволяет сформулировать гипотезы или теоретические предположения, которые будут проверяться в рамках эмпирической апробации, и подобрать примеры предшествующих исследований, усиливающих актуальность подобных предварительных утверждений.
Наличие разногласий при этом не скрывается, так как оно тоже усиливает актуальность исследования: зачем иначе проверять то, что уже было доказано? Хотя даже в этом случае исследование может сохранять актуальность, если:
Большинство современных ИИ-помощников нацелены помочь именно с этим методом обзора. Структура такого обзора следует классическому подходу к статье IMRaD:
Эту структуру полезно запомнить и для быстрого чтения статей (предварительного скрининга): сначала ищем ответы на эти же четыре вопроса — какая цель (I), какие методы (М), результаты (R), о чем дискуссия (D). Если статья оказывается подходящей, откладываем в папку для дальнейшей работы, делая отметку о ней в своих записях, если нет, переходим к следующей. Чаще всего ответы на эти четыре вопроса будут найдены уже в аннотации, если нет — можно быстро пролистать полную версию до соответствующего раздела.
Этот запрос также поможет найти статьи с подробным описанием шагов каждого метода.
3. Работа с информацией. Как понимать научные статьи
Одно из серьезных разочарований начинающих исследователей после получения ключей заключается в том, что ничего не понятно. Может показаться, что опытные исследователи специально прячут смысл за сложными конструкциями, чтобы не допустить новых конкурентов в свое поле исследований. Это конечно не так, к научному стилю изложения важно привыкнуть.
Есть большой набор помощников, которые облегчают не только поиск, но и понимание того, что нашли:
Можно также добавить себе плагин для Google Академии — Google Scholar PDF Reader. Если в поиске Google Академии найти pdf-версию файла и перейти к ней, плагин поможет составить краткий конспект статьи с помощью ИИ, сформировать цитату (в том числе согласно ГОСТ) и предложить ряд других удобных функций.
Пока данный плагин работает лучше с англоязычными статьями, но, если пользоваться браузером «Яндекс с нейросетями» или другими переводчиками, например, ИИ-помощником Monica, можно быстро получить подстрочный перевод на русский. Браузер «Яндекс с нейросетями» предлагает работать с читаемым текстом в редакторе.
Хранение и обработка собранной информации
Еще один вызов: как управлять извлекаемыми знаниями, как не потерять все важные статьи, как в них ориентироваться? Чаще всего исследователи выбирают облачные варианты, нежели локальные носители, из-за их большей надежности и возможности доступа с любого устройства. В них также часто сохраняются прошлые версии текста, к которым можно легко вернуться. При работе в команде к ним часто есть доступ сразу у нескольких участников.
В таких сервисах тоже начинают появляться ИИ-помощники, которые помогают вычитывать тексты на предмет ошибок, переводить, встраивать автоматические списки литературы. Конечно, можно писать и в более привычных сервисах, хранить статьи в папке на компьютере, используя отдельные ИИ-помощники только для проверки, как GLVRD, Яндекс Редактор, text.ru для текста на русском, или QuillBot, Grammarly, Hemingway, Wordtune, Writefull, Trinka. AI — на английском.
Редакторские правки можно провести также с помощью GPT, используя, например, такие варианты промптов, или можно попросить саму нейросеть сгенерировать промпт под задачу. У опытных исследователей часто собирается словарь подходящих фраз для обзорных статей. Такие же заготовки фраз существуют и в готовом виде, например здесь: https://www.phrasebank.manchester.ac.uk/.
Zotero, благодаря открытому коду, может объединить все эти функции бесплатно. Для этого сервиса есть большой спектр плагинов, включая возможность добавления GPT по API в Zotero или организацию доступа к собранным статьям по API Zotero из специальной среды для программирования на Python/R, куда подключается GPT. В том числе существуют плагины для лучших записей, сохранения понравившихся статей сразу из Google Академии, включения списка литературы в статью, для синхронизации с другими приложениями: Research Rabbit, Notion, Obsidian, Google Docs и т. д. Например, плагин zotero-better-notes предлагает более совершенный способ вести записи, а также открывает возможность сообществу пользователей делиться заготовками блокнотов, включая шаблоны для обзора литературы (пример шаблона). Отдельно подобраны плагины для формирования правильного списка литературы по ГОСТ.
Таким образом, можно читать статьи в поисковых системах, таких как Google Академия, e-library, Киберленинка, Scopus, Arxiv, TXYZ. ai, сохраняя напрямую или с помощью плагинов понравившиеся из них в соответствующую папку в Zotero. Всю остальную работу по анализу статей и составлению обзора удобно вести уже в Zotero. При наличии DOI у собранных статей, перенос всего списка источников происходит буквально «одним взмахом волшебной палочки», как и загрузка полных версий файлов. Таким же одним кликом все собранные статьи можно перенести в сервис для картографирования. На лиловой схеме ниже представлен финальный вариант дорожной карты для нарративного обзора.
Доступ к статьям
Иногда к полным версиям статей может не оказаться доступа даже у Zotero. Тогда статьи нужно искать самостоятельно через поисковые системы: Google Академия, Semantic Scholar, Scopus, Web of Science, Ebsco. Поиск легче проводить по специальному цифровому индикатору DOI. Для удобства можно воспользоваться сервисом «Simple Text Query Form», который автоматически проставит известные индикаторы для всего собранного списка источников. Этот же сервис позволит восстановить пропущенные DOI при первоначальном переносе данных в Zotero.
Если источник не доступен даже в проверяемых базах знаний, его все еще можно поискать в традиционном поисковике Google/Яндекс, например, используя следующий запрос: filetype: pdf «doi.org/10.17 759/pse.2 024 290 402». Статьи можно также запросить у авторов напрямую, например, в Research Gate — онлайн-сообществе исследователей. Российский аналог — Колаб.
Для этой же цели научной прозрачности и легкости поиска обеспечьте видимость своих статей, добавив их во все рассмотренные в данной главе библиотеки, включая Google Академию, Semantic Scholar, ResearchGate, на сайт своего университета с тем уровнем доступа, который позволяет издательство. Убедитесь также, что у вас оформлены все важные индикаторы, влияющие на видимость ваших работ: Google ID, ORCID (Open Researcher and Contributor ID), ResearcherID (Web of Science), SPIN РИНЦ и другие.
4. Инструменты для систематического обзора и обзора предметного поля
Систематический обзор и анализ предметного поля отличаются большей прозрачностью, воспроизводимостью. Для них созданы протоколы, например, PRISMA для систематического обзора и PRISM-ScR для обзора тематического поля, опубликованы статьи с пошаговым описанием их выполнения.
При традиционном подходе сначала формировалась выборка на платформе библиотеки, из которой можно легко экспортировать сразу весь список статей в табличном виде, например, из SCOPUS и Web of Science. Далее проводился отсев статей по аннотациям вручную в таблице.
К финальному списку источников вручную собирались все полные версии статей, которые анализировались и описывались также вручную: сначала в дополнительных столбцах в таблице, а далее уже в текстовом формате обобщались в статье. Что это за дополнительные столбцы?

Те же, что и для поиска ключей:
  • ключевые концепции, их обозначения;
  • ключевые теории и теоретические основания;
  • варианты антецедентов и результатов в моделях;
  • выявленные слепые пятна и так далее.
С появлением ИИ и ограничением доступа российских университетов к международным базам статей, стали более популярными другие библиотеки: Semantic Scholar, Lens.org и такие платформы для картографирования, как Litmaps, Research Rabbit, Connected Papers и другие.
Они позволяют экспортировать всю подборку в Zotero одним файлом, куда уже автоматически загружаются полные версии статей. После этого GPT или Python/R помогают заполнить дополнительные столбцы в таблице.
Возможное разочарование на данном этапе — слишком много статей для обработки. Если в случае с нарративным обзором можно было остановиться на любом количестве публикаций, которое можно было легко охватить вниманием, то в случае с систематическим подходом важно аргументировать, почему выбрано именно столько статей из более тысячи, по какому принципу их отсеивали.
Честный ответ, что в бесплатной версии Litmaps карта ограничена 20-ю публикациями, или что остальные недоступны для вашего аккаунта — некорректные аргументы. Ожидаемые критерии следующие:
Прежде чем принять решение, оставлять в выборке публикацию или нет, нужно ознакомиться с аннотациями. Это тоже бывает весьма скучным и трудоемким занятием, если нет навыка читать «по диагонали» — обращая внимание преимущественно на всё те же элементы IMRaD.
Прежде чем принять решение, оставлять в выборке публикацию или нет, нужно ознакомиться с аннотациями. Это тоже бывает весьма скучным и трудоемким занятием, если нет навыка читать «по диагонали» — обращая внимание преимущественно на всё те же элементы IMRaD.
Есть и другие подходы, например, в медицинских исследованиях используют PICO, который можно адаптировать и для других наук.
Также появился удобный ИИ-инструмент для смартфона Rayyan. Он по принципу сервиса для онлайн-знакомств организовывает работу с аннотациями в удобном интерактивном формате. Вы делите все аннотации на подходящие, неподходящие и сомнительные. При необходимости сервис может дополнить поиск дополнительными рекомендациями, основываясь на предыдущих выборах.
В приложении Rayyan сначала важно создать папку и далее включить в нее все найденные статьи, например, через RIS (формат для переноса между менеджерами, который разработали в компании Research Information Systems). Для этого можно воспользоваться конвертером DOI в RIS.
Количество новых ИИ-инструментов растет с каждым днем. Подобрать помощник под свой запрос можно в библиотеке инструментов, например, здесь: https://theresanaiforthat.com/. При этом для работы с выбранным инструментом не обязательно уходить из этой библиотеки — можно работать сразу в ней.
5. Инструменты для библиометрического обзора
Данный вид обзора подходит для больших выборок и не предполагает глубокой вычитки каждого текста. Традиционно для анализа применяют такие цифровые инструменты как VOSviewer, однако современные ИИ-помощники тоже могут помочь справиться с анализом продуктивности исследовательского поля.
Такие результаты могут быть включены в том числе в обзоры, которые основаны на других методах, хотя они и содержат меньшее количество публикаций. В частности, нелишним будет визуализировать выборку по годам, наиболее популярным источникам, авторам, ключевым словам.
6. Что дальше?
Подобрать журнал для публикации
Финальной задачей обычно выступает подбор подходящего журнала. Хорошо бы на эту задачу обратить внимание с самого начала — выбрать стандарт, принятый в журнале, подобрать образцы публикаций из него, проверить в архиве публикации по своей теме, и может быть даже получить стилевой файл в пользование, который можно тоже учитывать при формулировании промптов.
Помощники для поиска журнала и написания статей:
Подвести итоги
По завершении обзора полезно провести анализ сделанной работы и зафиксировать наработки в формате следующих артефактов: оптимальной дорожной карты (workflow), заготовки шаблона для текста и таблицы для него, блокнотов с кодом. Возможно, возникнет желание поделиться ими с академическим сообществом. Для этого можно создать аккаунт на GitHub или GitFlic. Далее можно удалить лишние плагины, ИИ-инструменты, записи в облачном хранилище, чтобы освободить память для эмпирической части.
Также при командной работе важно обсудить эффективность распределения ресурсов в команде — возможно удастся обнаружить новые аспекты для автоматизации, скорректировать дорожные карты и алгоритмы. Рекомендуем также вести дневник рефлексии о новом опыте, например, в Weeek.
7. Цифровые инструменты для работы с литературой
Работа с десятками источников — нетривиальная задача, но существуют цифровые инструменты, которые облегчают ее на всех этапах: от систематизации библиографии до анализа содержания и визуализации связей. Расскажем о нескольких категориях таких инструментов и конкретных примерах.
Zotero, Mendeley, EndNote
Первое, что стоит освоить любому исследователю, — это менеджер библиографии (reference manager). Он поможет организовать список литературы, легко вставить цитаты в текст и автоматически оформить библиографию по нужному стандарту.
Независимо от выбора инструмента, есть главная выгода: все источники находятся в одном месте. Вы не потеряете PDF в папках, не забудете данные для цитирования, не запутаетесь в форматировании ссылок. Вдобавок есть возможность поиска по вашей библиотеке. Например, хотите вспомнить, где был термин «virtual embassy» — благодаря поиску внутри Zotero быстро найдете, в какой статье это упоминалось.
Используя менеджер, при чтении литературы делайте краткие заметки в карточке источника: о чем статья, ключевые выводы, метод. Тогда при написании обзора вы легко восстановите содержание даже по прошествию времени.
VOSviewer
VOSviewer — программа для визуализации связеймежду публикациями: сети цитирования, соавторства, ключевых слов и прочего. Она незаменима, если вы хотите выявить макроструктуру поля исследований.
Эти визуализации можно включить как рисунки в презентацию или в текст, если позволяет формат. Но и сам по себе анализ поможет убедиться, что вы правильно выделили основные направления и не пропустили, например, какой-то из «островков» на карте.
VOSviewer особенно полезен для систематических обзоров, где надо прозрачно показать, что вы охватили поле.
Аналогичные инструменты: Gephi (более общий для сетевого анализа) и CiteSpace (фокус на динамике цитирования). Однако VOSviewer, пожалуй, наиболее простой в освоении и использовании для данной задачи.
Connected Papers
Connected Papers — онлайн-сервис, который по одной заданной статье строит граф тематически близких работ. Он удобен, чтобы быстро погрузиться в окружение ключевой статьи:
Connected Papers особенно полезен, когда вы чувствуете, что нашли не все источники по теме. Он иногда подсвечивает «укромные уголки» литературы. Например, может показать зарубежную диссертацию или главу книги, которую сложно было найти иначе.
ChatGPT и другие ИИ-ассистенты
Расскажем, о главных возможностях AI-инструментов в работе с литературой на примере ChatGPT:
Не забывайте об ограничениях: модель не знает того, чего нет в ее обучающих данных. Она не «читала» статьи 2022−2023 (если это GPT-3.5/4 без специальных плагинов). Так что на очень свежие данные она ответит общими словами. Также ИИ-инструмент не имеет доступа к текущему интернету (по умолчанию), поэтому не может за вас загрузить PDF и выдать референс — для этого существуют расширения браузера или специализированные боты с интернет-доступом.
Другие вспомогательные инструменты
Иногда, делая систематический обзор, создают таблицу, где каждая строка — статья, а колонки — год, метод, выборка, основные выводы. Это помогает сравнивать и видеть тенденции (можно отсортировать по году или методам).
Для нашего примера цифровой дипломатии в таблице можно было бы увидеть, что до 2015 г. преобладали качественные описательные работы, а после 2015 появились количественные. Такие наблюдения легко извлечь из таблицы.
В тексте обзора можно привести сводные данные: «Из 50 изученных публикаций 30 основаны на кейс-стади отдельных стран, 15 — на анализе соцсетей статистическими методами, и лишь 5 — теоретические или концептуальные обзоры. При этом до 2015 г. почти не было количественных работ, они появились в последние годы».
Если у вас есть множество текстов (статей) и вы хотите, например, найти в них часто употребимые фразы или определенную тональность, можно использовать инструменты анализа текста вроде MaxQDA или NVivo. Это подойдет, скорее, для продвинутого анализа (мета-анализа содержания литературы). В рамках подготовки обзора этот инструмент редко используется, только если библиометрический анализ, например, не является частью исследования.
Организация работы — тоже часть успеха. Такие приложения, как BuildIn, Evernote, OneNote могут служить исследовательским дневником. Например, можно завести страницу, где вы пишете: «Основные темы, которые выявил — 1…, 2…, 3…; надо еще найти источники по теме 3». Это не прямая работа с литературой, но помогает не держать всю информацию в голове.
8. Использование ИИ при составлении обзора: советы и примеры промптов
Искусственный интеллект (ИИ) и, в частности, большие языковые модели, как ChatGPT, стали новыми инструментами исследователя. При правильном использовании ИИ может облегчить некоторые задачи подготовки литературного обзора: от генерации идей до резюмирования текстов. Но важно понимать границы: ИИ не заменит вас, как аналитика, и может допускать ошибки. Рассмотрим практические советы по применению ИИ и приведем примеры промптов (запросов), которые можно использовать.
Советы по использованию ChatGPT (и аналогов)
Искусственный интеллект (ИИ) и, в частности, большие языковые модели, как ChatGPT, стали новыми инструментами исследователя. При правильном использовании ИИ может облегчить некоторые задачи подготовки литературного обзора: от генерации идей до резюмирования текстов. Но важно понимать границы: ИИ не заменит вас, как аналитика, и может допускать ошибки. Рассмотрим практические советы по применению ИИ и приведем примеры промптов (запросов), которые можно использовать.
Примеры промптов и потенциальная польза
При правильном подходе AI — полезный ассистент. Думайте о нем как об энциклопедии, но не бесспорной: он может подсказать направление, но вы сами должны пройти по нему и найти доказательства.