對(duì)于學(xué)生或者科研人員來(lái)說(shuō)，閱讀文獻(xiàn)的重要性不言而喻。本文分享了自己從2013-2023年間從本科到博士期間常用的文獻(xiàn)檢索以及追蹤網(wǎng)站。希望能對(duì)各個(gè)層次的朋友都有所幫助。

（此文為2017年版的更新版。前一版本只在實(shí)驗(yàn)室范圍小規(guī)模流傳。這一版在之前的基礎(chǔ)上增添了一些新的工具網(wǎng)站，以及自己的使用心得，發(fā)布在公共平臺(tái)上，希望能給更多的人提供幫助。）

總結(jié)：

l? 文獻(xiàn)界的Chat AI：Perplexity https://www.perplexity.ai/

l? 知識(shí)地圖：Open knowledge maps https://openknowledgemaps.org/index

l? 論文數(shù)據(jù)庫(kù)：Web of Science https://www.webofscience.com/wos/woscc/basic-search
??????????????????????? PubMed https://pubmed.ncbi.nlm.nih.gov/

l? 關(guān)聯(lián)文獻(xiàn)檢索：Connected Papers https://www.connectedpapers.com/

l? 文獻(xiàn)追蹤：stork文獻(xiàn)鳥 www.storkapp.me

l? 研究者社區(qū)：ResearchGate https://www.researchgate.net/

l? 優(yōu)秀論文推薦：F1000 https://facultyopinions.com/

l? 圖片檢索文章：Open i https://openi.nlm.nih.gov/

l? 文獻(xiàn)互助平臺(tái)：科研通 https://www.ablesci.com/

*紅色標(biāo)注的兩個(gè)網(wǎng)站需要付費(fèi)訂閱，其他目前皆為免費(fèi)/公益平臺(tái)

1. 文獻(xiàn)界的Chat AI：Perplexity

2015年，當(dāng)我剛進(jìn)入實(shí)驗(yàn)室的時(shí)候，我從師兄的電腦里繼承了一個(gè) “實(shí)驗(yàn)室新生必讀綜述“的文件夾。老實(shí)說(shuō)，現(xiàn)在已經(jīng)畢業(yè)了，這里邊的老文獻(xiàn)我可能也就看了一半。誠(chéng)然，在5-10年前，要了解一個(gè)領(lǐng)域最好的方法可能就是啃上個(gè)十來(lái)篇領(lǐng)域牛人的綜述。然而，如果你現(xiàn)在問我如何進(jìn)入一個(gè)新的領(lǐng)域，我的回答可能是：“不如先去和AI聊聊？”

Perplexity是一個(gè)整合了ChatGPT并可以給出信息來(lái)源的搜索引擎。這無(wú)疑對(duì)科研人員來(lái)說(shuō)是一個(gè)絕妙的工具。回想一下，你為了在論文中插入引用文獻(xiàn)花了多少時(shí)間？當(dāng)然，這只是其中一個(gè)小用途?！癤XX是什么”、“XXX和什么疾病有關(guān)”、“XXX敲除會(huì)有什么表型”這些問題Perplexity都可以為你解答，并給出相應(yīng)的參考文獻(xiàn)。作為一個(gè)成熟的研究人員，Perplexity也可以成為你頭腦風(fēng)暴，思考課題方向和可行性的伙伴。

（參考出處可能是文獻(xiàn)，也可能是個(gè)網(wǎng)站文章，要確定內(nèi)容的準(zhǔn)確性，還是點(diǎn)進(jìn)參考看一眼的好。）

2. 知識(shí)地圖：Open knowledge maps

對(duì)于一個(gè)領(lǐng)域新人來(lái)說(shuō)，你可能并不知道這個(gè)領(lǐng)域的人們都在研究些什么。如果要去檢索的話，什么才是你的關(guān)鍵詞。這時(shí)候，知識(shí)地圖就派上用場(chǎng)了。

Open Knowledge Maps是一個(gè)根據(jù)關(guān)鍵詞匯總文獻(xiàn)關(guān)聯(lián)性的一個(gè)網(wǎng)站。當(dāng)你丟進(jìn)一個(gè)研究方向，網(wǎng)站會(huì)根據(jù)其找到100篇相關(guān)文獻(xiàn)，并根據(jù)關(guān)鍵詞進(jìn)行分類。這樣，你就可以大概知道這個(gè)領(lǐng)域多數(shù)文章都在研究什么方向了。

3. 論文數(shù)據(jù)庫(kù)

人工智能再厲害也無(wú)法取代你的思考。如果真的可以的話，那可能也不需要我們了。工具可以幫助我們更快地了解這個(gè)領(lǐng)域，有效地找到有價(jià)值的文章，省下的時(shí)間和經(jīng)歷就要回歸原始論文和一手實(shí)驗(yàn)數(shù)據(jù)了。

下邊的數(shù)據(jù)庫(kù)可能大多數(shù)人都了解了，分享一點(diǎn)點(diǎn)使用心得。

????a) Web of Science?

Web of Science是我最為常用的數(shù)據(jù)庫(kù)了。與PubMed相比，它最大的優(yōu)勢(shì)是可以根據(jù)引用量排序。通常來(lái)說(shuō)，我喜歡用WoS搜索最新或者引用最多的文章。如果你不知道這個(gè)領(lǐng)域該讀些什么文獻(xiàn)的話，不如從5年內(nèi)引用最多的文獻(xiàn)讀起。此外，WoS的檢索和篩選也更為簡(jiǎn)單一些，這也是我喜歡用它的一個(gè)原因。

不過，WoS最頭疼的地方在于它是收費(fèi)的。所以，對(duì)于沒有數(shù)據(jù)庫(kù)資源的人或者地方來(lái)說(shuō)，WoS是用不了的。另一方面，WoS收錄會(huì)比PubMed慢一些。如果你想找更多文獻(xiàn)，記得把核心合集改成所有數(shù)據(jù)庫(kù)。

????b) PubMed

PubMed在科研人中的地位不用贅述。它的公益性和免費(fèi)使得我們可以在任何有網(wǎng)絡(luò)的地方檢索文獻(xiàn)。此外，PubMed也應(yīng)該是常用數(shù)據(jù)庫(kù)中收錄最全的數(shù)據(jù)庫(kù)了。如果你想追溯一個(gè)概念是怎么被提出的，或是一個(gè)蛋白是怎么被發(fā)現(xiàn)的，PubMed應(yīng)該是最好的選擇了。

4. 關(guān)聯(lián)文獻(xiàn)檢索：Connected Papers

當(dāng)你找到了一篇領(lǐng)域內(nèi)十分重要的文獻(xiàn)，接下來(lái)該讀些什么呢？如果在以前，我可能會(huì)在WoS上找找誰(shuí)引用了它，它又引用了誰(shuí)，挑幾篇引用量高的文獻(xiàn)接著看。

有了Connected Papers就省了事了。輸入一篇文章，它會(huì)根據(jù)文章的關(guān)聯(lián)度和發(fā)表時(shí)間生成一張網(wǎng)絡(luò)圖。它將幫助你更快的找到下一篇重要的文獻(xiàn)。

5. 文獻(xiàn)追蹤：

????a) stork文獻(xiàn)鳥?

如何追蹤你感興趣的領(lǐng)域和人發(fā)了哪些新研究呢？RSS的時(shí)代可能已經(jīng)過去，社交媒體的新聞刷起來(lái)太累。

試試文獻(xiàn)鳥Stork吧，輸入郵箱和關(guān)鍵詞/人名，一旦有了新論文，就會(huì)推送到你的郵箱。文獻(xiàn)鳥就像一個(gè)鬧鈴，有時(shí)候確實(shí)有點(diǎn)煩人。最近我已經(jīng)把推送頻率改成一周一次了。

b) 研究者社區(qū)：ResearchGate

都是混科研的，誰(shuí)還沒幾個(gè)偶像/競(jìng)爭(zhēng)對(duì)手呢？那就在ResearchGate關(guān)注他們吧，看看他們H指數(shù)，看看他們又公布了什么預(yù)印本。你也可以在RG上聯(lián)系作者要論文全文，如果實(shí)驗(yàn)做不出來(lái)也可以發(fā)帖請(qǐng)教，總會(huì)有好心人分享建議的。

c) 優(yōu)秀論文推薦：F1000

另一個(gè)找到好文章的方法就是看看大牛們都推薦什么文章，這里就像是一個(gè)科研圈的大牛點(diǎn)評(píng)，各個(gè)領(lǐng)域內(nèi)的專家會(huì)對(duì)新的研究論文評(píng)星并且寫幾句簡(jiǎn)短的評(píng)語(yǔ)。根據(jù)這些評(píng)分，你也可以輕松找到近期發(fā)表的有趣的或者重要的文章。

不幸的是，這個(gè)網(wǎng)站也是收費(fèi)的，非會(huì)員只能在有限時(shí)間或者查看有限內(nèi)容。希望我們的圖書館也買了會(huì)員吧。

6. 圖片檢索文章：Open i

不知道你有沒有過，需要去搜搜自己的對(duì)照實(shí)驗(yàn)靠不靠譜，別人做出來(lái)的數(shù)值到底高了還是低了。這種時(shí)候再去一篇一篇根據(jù)關(guān)鍵詞搜文獻(xiàn)真是太累了。

直到我發(fā)現(xiàn)了不知道哪個(gè)神仙做出來(lái)的這個(gè)Open i網(wǎng)站，可以直接檢索文獻(xiàn)圖片。用用吧，用用你就知道多好用了。

7. 文獻(xiàn)互助平臺(tái)：科研通

不論你的數(shù)據(jù)庫(kù)有多全，總有你找不到的論文。來(lái)科研通發(fā)個(gè)帖吧，會(huì)有世界各地的網(wǎng)友來(lái)幫你。發(fā)布文獻(xiàn)/書籍求助需要平臺(tái)積分，積分可以通過簽到、幫助別人下載文獻(xiàn)或者電子書或者給平臺(tái)捐款獲得。感覺小木蟲又活了過來(lái)呵~

8. 中科院學(xué)位論文檢索系統(tǒng)：

最后一個(gè)是中科院圖書館的學(xué)位論文資源。研究論文的實(shí)驗(yàn)方法可能很簡(jiǎn)單，但是你總能在一篇好的博士論文中找到詳盡的實(shí)驗(yàn)方法、完善的背景介紹和深入的討論。字里行間都流露著這位師兄/姐數(shù)年的心血結(jié)晶。

這個(gè)數(shù)據(jù)庫(kù)的問題在于權(quán)限非常嚴(yán)苛。例如“學(xué)位論文文摘和目錄面向訂購(gòu)用戶開放；學(xué)位論文前16頁(yè)服務(wù)面向中科院各單位開放；學(xué)位論文全文服務(wù)面向論文所屬培養(yǎng)單位開放”。但是你總可以通過“文獻(xiàn)傳遞”，通過圖書館索要全文。

寫在后邊的一些想法：

近些年，我學(xué)到了一個(gè)新詞，叫做“信息繭房”。我想在科研閱讀上也會(huì)遇到同樣的問題。一方面，科研論文浩如煙海，一個(gè)人這輩子也不可能讀完所有論文；另一方面，如果我們只關(guān)注自己的一片小天地，不免視野日漸狹隘。我想創(chuàng)意的很大一部分來(lái)自于學(xué)科的互鑒以及知識(shí)的互通。而現(xiàn)在電子數(shù)據(jù)庫(kù)形成的這種“檢索-閱讀”的方式亦十分不利于視野的擴(kuò)寬。一種解決辦法是去翻一本實(shí)在的雜志，有封面，有目錄，有簡(jiǎn)訊，有長(zhǎng)文，你會(huì)瞥到其他領(lǐng)域也讓你感到有趣的研究。但是，現(xiàn)在每本雜志一期的體量總是讓人望而生畏，加之又有哪些圖書館會(huì)訂閱每期紙質(zhì)雜志供師生借閱呢。我目前還沒有更好的方法，如果大家有更好的方法也歡迎留言交流。

?

Francis He

2023.02.19