工作分析文献综述_学术知识| 如何撰写文献综述

如何撰写文献综述

0c7cc1b660035cf0cd2e70d5b6d17161.png

作为研究生学位论文的重要组成部分,文献综述具有揭示研究现状、阐明选题设计的依据、研究的目的和意义、提出选题的创新之处等作用。今天,我们就来介绍一下如何撰写文献综述~

a4231aa0eeebd106aed40c2f86534f5a.png

文献综述的基础知识

文献综述一般简称为综述,与一般的学术论文有所区别,论文是研究某一个具体的课题,而文献综述则是对研究某一个课题的文献进行总结和归纳。

这种总结和归纳是基于对某一学科、专业或专题的大量文献进行整理和筛选、分析和提炼而成的。综述可以分为综合性综述(以一个学科或专业作为对象)和专题性综述(以一个论题作为对象)两种,而学生所涉及到的毕业论文则一般都以专题性综述为主。

实际上,上述的说法可以总结为文献综述的五个特点,分别是:他人性、归纳性、全面性、先进性和评述性

如何撰写文献综述?

0

1

确定撰写综述的主题(方向)

一般来说选题会有两个目标:

a)第一个自然是为论文写作而铺垫。这时我们所选的题目会与自己要做的课题方向一致,这种写作一般开始只确定一个初步的题目,再大量查阅资料之后才会进一步确定最后的题目。

b)第二个则是为了展现当前专业领域的最新进展。这种一般都是专家学者为了让其他研究者及时了解最新进展从而收集最新的文献来研究归纳并撰写文献综述。

另外,一定注意文献综述所选的题目不要过于庞大和空泛

0

2

收集文献

选题确定之后,就需要大量检索自己需要总结的文献资料了。检索的方法有很多,文献可以从专业出版物比如学术期刊、图书或者是理论版的报纸中寻找。不过作为互联网时代的今天,显然网络检索更为方便快速。其中大学和各种研究院的图书馆都会提供非常丰富的数字文献资源

此外,国内外的学术期刊数据库也是很好的检索方式,常见的中文数据库有:

维普网

中国知网

万方数据库

中国期刊论文网

外文数据库有:

ScienceDirect

Web of knowledge

Cambridge Journals

SpringerLink Journals

Proquest学位论文全文库

0

3

阅读文献综述的技巧

整理完文献资料之后,自然就到了阅读的部分了,阅读时需要我们提炼出文献中关键的部分,比如研究的思路、解决问题的办法和所得的结论等等。这里建议大家在阅读的过程中要带着辩证的思维,边读边思考。此外阅读时做笔记也是非常重要的一环,大量文献资料使得我们的记忆压力很大,如果不做笔记的话,随着阅读数量的逐渐增加,可能前脚刚读过,后脚就忘记了。

0

4

拟写题纲

拟定一个写作题纲,将整篇文章的主题与涉及到的材料加以安排和组织,促使整篇文章的结构更加完整,论证的层次也更为清晰。

0

5

确定文献综述的结构

一般来说,常见的文本结构会有以下三种:

a) 年代序列式结构

顾名思义,这类结构就是将某个研究方向按年代的顺序由旧到新逐渐推演叙述。作者在这种结构的叙述当中一般都会总结不同历史时期研究思路的特征,并将其与所在的时代相结合分析具体的情况。

b) 学派发展式结构

这类文本叙述结构多是将研究成果按某些学派为代表的学者观点来分开叙述,叙述可能采用并列式或分叉式的论述结构。

c) 货架问题式结构

将本领域中的所要撰写的研究成果归纳总结为某几个问题或者是议题,然后详细叙述即可。在这类结构中,几个问题之间也存在着一定的逻辑相关性,但是联系却不会很大。

0

6

写作时需要注意的问题

a) 确定综述的格式

文献综述的格式一般来说包括:引言——正文——结论——附录(参考文献)。

b) 注意写作时文字的连贯性

无论是论文还是综述,文章整体的连贯性非常影响读者的阅读体验。写作时最好的状态就是一气呵成,最好不要断断续续,影响文章连贯性。

c) 尽量文字简洁,勿大量引用原文

文献综述的目的是分析你所研究的领域内某一课题的过去与现在的研究成果,表明当前的研究状况和预测未来将要发展的方向。所以,我们在做综述的时候尽管免不了要使用到文献的原文,但是一定要避免大量引用原文,如果可以的话,最好用自己的话把作者的观点表述清楚,在此基础上提出一些自己的观点。

d) 紧紧围绕课题研究的问题

在写作的过程中一定要确保文章所描述的各种研究成果与你所研究的课题直接相关,是与研究问题紧紧围绕在一起的,能够反映出研究问题的历史情况、发展现状和未来趋势,从而将综述价值最大化。

e) 勿将自己的研究作为综述主体

不少同学在写综述的时候带入了太多自己的观点和研究状况,反而将本应是重点的相关学科领域的研究现状和动态放到一边,所以在这里也要和大家强调,千万不要把自己的研究作为综述的主体。

34467951afd354a92a1932124c56f1fb.png

亲爱的同学们,

以上就是文献综述的详细介绍,

祝愿大家都能写出自己满意的文献综述!

~END~

e7616fcc7b1ae6c0a794fd7408a731ce.png往期推荐学术工具|数据分析工具晚安学术人|英文文献翻译工具学术工具 | 文献管理软件(点击链接即可跳转)

文字|李怡霖

编辑|刘昕洋

审核|张德瑛 王青

6e7c83396e1138a3a74200cc49a13088.png
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值