KI-Wiki
Reiter
Recherche
Elicit dient als Forschungsassistent und als wissenschaftliche Suchmaschine, die anhand der Forschungsfrage Semantic Scholar[1] durchsucht. Basierend auf den relevantesten Beiträgen formuliert der Chatbot eine Antwort. Die gefundene Literatur wird unterhalb der Antwort aufgelistet und Elicit bietet viele Möglichkeiten, die Suche zu verfeinern, und fasst beispielsweise auch Studienerkenntnisse oder das Forschungsdesign zusammen.
Elicit öffnen
- Elicit Basic ist kostenlos (Suchanfragen, Zusammenfassungen und Chat with Papers). Via Chat-Funktion kann man z.B. ausgewählte Papers vergleichen. Ideal, um einen ersten Überblick über ein Thema zu gewinnen. Elicit funktioniert aktuell gut auf Englisch, etwas weniger gut auf Deutsch.
- Die Papers-Suche lässt sich nach Qualität von Journals filtern. Bei der erweiterten Suche sind zahlreiche verschiedene Filtermöglichkeiten vorhanden.
- Wenn man auf ein Suchresultat klickt, wird in einem neuen Fenster angezeigt, welche Zitate eine Aussage belegen. Der Modus der hohen Genauigkeit erleichtert den Überblick, welches ausführlichere Zitat welcher Aussage zugeordnet ist, und zeigt zudem eine Erklärung an, weshalb die hervorgehobenen Zitate ausgewählt wurden.
- Es können auch eigene PDF-Dokumente hochgeladen werden (Urheberrecht beachten – die Dokumente werden auf US-Server hochgeladen).
- Ein Zotero-Import ist möglich.
- Elicit Notebooks: mehrere Suchanfragen machen, Papers zu beiden Meinungsseiten einholen; Chat kann Papers zusammenfassen oder anderweitig erläutern; am Ende sieht man im Log den Weg, den man gegangen ist.
- Elicit Reports: Nach dem Abschicken einer Forschungsfrage, bei deren Verfeinerung/Präzisierung die KI ebenfalls Unterstützung liefert, sucht Elicit eigenständig nach Daten (bis zu 50 Papers werden in kostenloser Version durchsucht) und erstellt anhand von diesen einen Bericht inklusive Abstract. Benutzende können mit dem Bericht chatten und ausserdem einsehen, welche Papers hierfür hinzugezogen wurden, welche Informationen zusammengefasst oder zitiert wurden. Eine Bibliografie wird am Ende des Reports eingefügt; diese kann heruntergeladen werden. Ebenso lassen sich Reports nach Word und Excel exportieren.
Diese Webanwendung dient ähnlich wie Research Rabbit der Visualisierung. Sie soll Wissenschaftler:innen bei ihrer Literaturrecherche unterstützen, indem sie Metadaten verschiedener Datenbanken zusammenführt und bibliografische Verbindungen darstellt. Das Grundprinzip: Wissenschaftliche Arbeiten zitieren einander und schaffen so ein Zitationsnetzwerk (= Graph).
Local Citation Network öffnen
- Kein Login nötig, kostenlos nutzbar. Fokus auf Datenschutz.
- Grosse Datenbasis, daher Auffindbarkeit von zum Beispiel Monografien etwas besser als bei ähnlichen Tools: Die Titelsuche funktioniert via OpenAlex, Semantic Scholar, OpenCitations, Crossref. Man kann manuell zwischen Datenbanken wechseln.
- Dokumente aus Zotero lassen sich automatisiert nach DOIs durchsuchen und einpflegen.
- Sortierung der Anzeige nach Anzahl der zitierten oder der zitierenden Publikationen.
- Weniger geeignet für die Suche nach Literatur, die keinen DOI oder wenig Metadaten hat respektive nicht in genannten Datenbanken aufgeführt ist.
- Verlinkungen zu Volltexten (Open Access oder via Verlagsplattform).
- Funktioniert gut bei englischsprachiger Forschungsliteratur, auf Deutsch ist die Qualität abhängig vom Thema.
Die Wissenslandkarten von Open Knowledge Maps zeigen die wichtigsten Bereiche eines Fachgebiets auf einen Blick (Kreise) sowie die zu den einzelnen Bereichen gehörenden Arbeiten (Icons in den Kreisen). Bereiche, die sich ähnlicher sind, liegen näher beieinander als solche, die sich thematisch unterscheiden.
Open Knowledge Maps öffnen
- Wissenslandkarten auf Basis der 100 relevantesten Dokumente im Hinblick auf die jeweilige Suchanfrage.
- Die Titelsuche funktioniert via BASE[2] (und Pubmed).
- Mithilfe von KI wird der Zugang zu einem neuen Forschungsfeld erleichtert, indem relevante Fachbegriffe resp. Keywords und Konzepte gekennzeichnet sind. Man lernt gewissermassen die Sprache des jeweiligen Forschungsgebiets.
- KI-basiertes Clustering: Ähnliche Dokumente werden zu Clustern zusammengefasst, relevante und irrelevante Informationen lassen sich voneinander trennen – hilfreich, wenn nach einem mehrdeutigen Begriff gesucht wird oder man Inhalte einer einzelnen Disziplin innerhalb eines multidisziplinären Bereiches identifizieren möchte.
- Offen zugängliche Dokumente sind grafisch hervorgehoben und im Volltext verfügbar.
ORKG Ask findet relevante Informationen aus einem umfangreichen Korpus an Forschungsartikeln (Datenbasis ist das CORE Dataset[3]), extrahiert und ordnet sie und stellt sie schliesslich auf übersichtliche Weise dar. Darauf basierend generiert es zudem Antworten auf natürlichsprachige Forschungsanfragen.
ORKG Ask öffnen
- Keine Registrierung und kein Account erforderlich (ausser wenn Zusatzfunktionen genutzt werden sollen).
- Fokus auf Datenschutz, entwickelt von der Technischen Informationsbibliothek Hannover.
- Funktionsweise: Eingabe der Frage in ORKG Ask > Identifikation relevanter Artikel mittels einer semantischen Suche > LLM extrahiert die erforderlichen Informationen aus dem Textinhalt dieser Artikel (Abstract oder Volltext) > Gefilterte Ergebnisse.
- Die fünf als am relevantesten eingestuften Treffer werden zu einer Antwort zusammengefasst, wobei die Quellen angegeben werden, auf denen die Antwort basiert. ORKG Ask extrahiert ausserdem Informationen aus allen gefundenen Publikationen und fasst sie tabellarisch zusammen. Nutzende können auch neue Spalten anlegen, zu denen die gefundenen Publikationen automatisiert nach Informationen durchsucht werden. Der Volltext oder das Abstract der zugrunde liegenden Publikationen kann aufgerufen werden.
- Leider bleiben die Ergebnisse des Tools bisher hinter den Erwartungen zurück, insbesondere für den erziehungs- und bildungswissenschaftlichen Bereich in deutscher Sprache. Der Fokus liegt klar auf lebens- und naturwissenschaftliche Disziplinen. Die Extrahierung von Informationen aus Papers der Geistes- und Sozialwissenschaften funktioniert weniger gut. ORKG Ask beschränkt sich zudem weitgehend auf Artikel (Open Access) und enthält wenige Monografien und Sammelbände. Der zugrunde liegende Datensatz CORE enthält auch OA-Material, das keinem Peer Review unterzogen wurde, wie Masterarbeiten, Dissertationen, Preprints und Präsentationsfolien.
Research Rabbit ist eine Plattform, die Literatur mithilfe einer zitatbasierten Kartierung visualisiert. Es zielt darauf ab, die Zeit für die Suche nach relevanten wissenschaftlichen Artikeln und Publikationen zu minimieren und deren Organisation zu erleichtern. Research Rabbit bietet Funktionen wie personalisierte Zusammenfassungen, interaktive Visualisierungen und die Möglichkeit, gemeinsam an Forschungsprojekten zu arbeiten.
Research Rabbit öffnen
- Login nötig, kostenlos nutzbar.
- Die Titelsuche funktioniert via Semantic Scholar (siehe Elicit).
- Titel können via Zotero hochgeladen werden.
- Zeigt Beziehungen zwischen Papern und Verfassenden grafisch an (unter anderem Prinzip des Schneeballsystems/Zitationsnetzwerk).
- Nur Literatur, die auch im Semantic-Scholar-Datenset verzeichnet ist, kann dargestellt werden. Bei neu erschienener Literatur lässt sich häufig noch kein Netzwerk abbilden.
- Verlinkungen zu Volltexten (Open Access oder via Verlagsplattform).
- Funktioniert gut bei englischsprachiger Forschungsliteratur, auf Deutsch ist die Qualität abhängig vom Thema.
- Ideal, um ähnliche Beiträge zu einem Thema zu finden.
Nachfolgend einige weitere KI-Tools, die zur Literaturrecherche genutzt werden können.
Tool | Gedanken |
ChatGPT 4.0 |
|
| |
|
Zuletzt geändert: 2. Sep 2025, 17:19, [andreas.grossmann@phzh.ch]