12 Yenilikçi Araştırma Yöntemi ve Kanıtların Gösterdikleri

Yayınlanma tarihi: 10 Ağustos 2024 | Son güncelleme tarihi : 31 Ekim 2026

Yenilikçi Araştırma Yöntemleri Nelerdir?

Yenilikçi araştırma yöntemleri, bir alandaki standart uygulamalardan daha yeni olan teknikler veya tasarımlardır. Bazıları kanıt bulma yöntemini, bazıları nedensellik sorularının yargılama yapılmadan nasıl yanıtlandığını, bazıları ise verilerin nasıl toplandığını değiştirir. Tablo, aşağıda yer alan on iki yöntemin her birini, alıntı yapılan kaynaktan alınan ve önce yapılması gereken bir kontrolle eşleştirir.

Tüm sütunları görmek için yana doğru kaydırın.

12 Yenilikçi Araştırma Yöntemi ve Her Birine İlişkin Kanıtlar

Her madde, yöntemin ne olduğunu ve yayınlanmış bir kaynağın bu konuda ne bildirdiğini belirtir. Her maddenin altında, "Ne zaman uygundur" ve "Nasıl başlanır" başlıkları, alıntı yapılan kaynağın bildirdiği veya önerdiği bilgileri yeniden ifade eder; bir adım kendi önerimiz ise, "Öneriyoruz" ifadesi yer alır. Maddelerin çoğu, alıntı yapılan makalenin tam metnine değil, özetine dayanmaktadır.

1. Yapay Zeka Destekli Literatür Taraması

Büyük dil modelleri, bir incelemenin uygunluk kriterlerini başlık ve özetlere uygulamak üzere yönlendirilebilir. Canlı bir sistematik inceleme için oluşturulan bir GPT-4o komut seti, tam metin taramasından sonra nihai olarak dahil edilen çalışmalar için %100 duyarlılığa ulaştı. İnsanların başlık ve özet aşamasında dahil ettiği kayıtlar için duyarlılık, güncellemeler arasında %58 ile %100 arasında değişti ve yazarlar %65 ila %85 arasında iş yükü azaltımı simüle ettiler. ² Aşağıdaki örnek, diğer iki modelin farklı bir incelemede neler yaptığını göstermektedir. ¹

Uygun olduğu durumlar: Çok sayıda kayıt ve insan tarama kararı içeren kanıt sentezi projeleri; çalışma, referans standardı olarak canlı bir incelemeden elde edilen kararları kullandı. ² Nasıl başlanır: Kayıtlarınızı bir geliştirme seti ve bir test seti olarak ayırın, ilk setteki soruları iyileştirin ve çalışmanın yaptığı gibi ikinci setteki insan kararlarına karşı duyarlılığı raporlayın. ²

2. Yaşayan Sistematik İncelemeler

Canlı sistematik inceleme, ilgili yeni kanıtlar ortaya çıktıkça bunları da içerecek şekilde sürekli olarak güncellenir. Yazarları bunu, sistematik incelemelerin güncel tutulmasının zor olduğu ve bunun yapılmamasının geçerliliğini, doğruluğunu ve faydasını azalttığı sorununa bir yanıt olarak sunmaktadır. ³

Uygun olduğu durumlar: Araştırma kanıtlarının hızla ortaya çıktığı, mevcut kanıtların belirsiz olduğu ve yeni araştırmaların politika veya uygulama kararlarını değiştirebileceği durumlar. ³ Nasıl başlanır: Yeni kanıtların nasıl belirleneceği ve kullanılabilir hale geldikçe nasıl ekleneceği tanımlanmalıdır, çünkü tanım sürekli güncellemeyi gerektirir. ³

3. Hedef Deneme Simülasyonu

Hedef deneme simülasyonu, gerçek bir denemenin mevcut olmadığı veya mümkün olmadığı durumlarda, varsayımsal pragmatik randomize bir denemeyi açıkça taklit ederek müdahalelerin etkileri hakkındaki nedensel soruları yanıtlamak için gözlemsel verileri kullanır. 2025 TARGET bildirisi, altı bölümden oluşan 21 maddelik bir kontrol listesi sunmaktadır. Yazarlardan hedef deneme protokolünü (nedensel tahmin edici, tanımlayıcı varsayımlar ve veri analiz planı) belirtmelerini, bunun gözlemsel verilere nasıl eşleştirildiğini göstermelerini ve duyarlılık analizlerini raporlamalarını istemektedir. ⁴

Uygun olduğu durumlar: Soru, bir müdahalenin karşılaştırmalı etkisi olduğunda ve randomize bir çalışma mevcut olmadığında veya mümkün olmadığında. TARGET, temel karıştırıcı faktörler için ayarlama yapılmış paralel gruplu, bireysel olarak randomize edilmiş hedef çalışmanın taklitlerini kapsar, bu nedenle tasarımınızın bu kapsamda olup olmadığını kontrol edin. ⁴ Nasıl başlanır: Verileri analiz etmeden önce hedef çalışma protokolünü yazın, her bir öğenin elinizdeki verilere nasıl eşlendiğini belirtin ve kontrol listesinin sizden raporlamanızı istediği duyarlılık analizlerini planlayın. ⁴

4. Platform ve Ana Protokol Denemeleri

Hassas tıpta deneme tasarımına ilişkin bir inceleme, sepet ve şemsiye denemeleri, ana platform denemeleri ve N-of-1 çalışmalarını, standart faz I, II ve III protokollerinin yerini almaya başlayan ve tedavilerin daha hızlı değerlendirilmesine olanak sağlayan tasarımlar olarak tanımlamaktadır. ⁵

Uygun olduğu durumlar: Tedavilerin moleküler özelliklere göre eşleştirildiği hassas onkoloji; inceleme bu bağlamda yazılmış olup, yeni araştırmaların bazılarının (ancak hepsinin değil) eşleştirilmiş tedavinin eşleştirilmemiş tedaviye göre daha iyi sonuçlarla ilişkili olduğunu gösterdiğini bildirmektedir. ⁵ Nasıl başlanır: Birini seçmeden önce, her tasarımın avantajlarını, sınırlamalarını ve zorluklarını anlatan inceleme metnini okuyun ve tasarımın alanınıza ve düzenleyici kurumunuza uygun olduğunu doğrulayın. ⁵

5. Vatandaş Bilimi

2025 yılında yapılan bir habitat izleme incelemesi, 458 gönüllü biyoçeşitlilik kaydedicisinin katıldığı bir anketi özetledi. Mevcut kaydediciler habitat kaydı yapmayı düşünmeye istekliydi, ancak birçoğu özgüven eksikliği yaşıyordu ve bazılarının da motivasyonu yoktu. Yazarlar, gönüllü motivasyonu ve özgüveni ile veri doğruluğu arasındaki etkileşimi ele alan altı soruluk bir tasarım çerçevesi oluşturdu. Bu çerçeve, amacın netliği, gönüllüler için maliyet, protokol karmaşıklığı ve örnekleme ölçeğini kapsar ve bu da gönüllülerin ihtiyaç duyduğu eğitim ve desteği etkiler. ⁶

Uygun olduğu zamanlar: Profesyonel araştırmaların tek başına ulaşamadığı bir aralık ve ölçekte gözlem veya yaşam alanı verilerine ihtiyaç duyduğunuzda; inceleme, vatandaş bilimini profesyonel araştırmalara ve yer gözlemine bir tamamlayıcı olarak ele almaktadır. ⁶ Nasıl başlanır: Katılımcı bulmadan önce kendi projeniz için altı çerçeve sorusunu yanıtlayın ve protokolünüzde doğruluk kanıtlarını arayın, çünkü özet doğruluk rakamlarını bildirmemektedir. ⁶

6. Makine Öğrenimi Destekli Vatandaş Bilimi

Paleontoloji ve arkeoloji projelerine ilişkin bir inceleme, makine öğrenimini gönüllü katkılarla birleştirmek için dört aşamalı bir iş akışı önermektedir: hazırlık, yürütme, uygulama ve yineleme. Fosiller ve eserler gibi nesneler hakkında veri toplamanın, biyoçeşitlilik izlemesinde gözlem toplamaktan farklı gereksinimlere sahip olduğunu belirtmektedir. ⁷

Uygun olduğu durumlar: Vatandaş bilimi ve makine öğreniminin karşılıklı olarak faydalı olabileceği inceleme raporunda belirtilen büyük fosil veya eser koleksiyonları. ⁷ Nasıl başlanır: Dört aşamayı bir proje planı olarak kullanın ve görevleri vatandaş bilimi görevleri, makine öğrenimi geliştirme, araştırma, paydaş katılımı ve uygulama veya altyapı geliştirme alanlarındaki rollere dağıtın. ⁷

7. Saha Verileri İçin Drone'lar

Bir ön inceleme, 2010 yılından bu yana yayınlanan ve vahşi hayvanların ekofizyolojisini incelemek için dron kullanan 136 çalışmayı belirlemiştir; odak türü özellikle deniz memelileri, bilhassa balinalar olmuştur. ⁸ Zararlı alg patlamalarının dron tabanlı izlenmesine ilişkin 2025 tarihli bir inceleme, sürekli zorluklar arasında doğrulama, düzenleyici boşluklar ve sağlık riski çerçeveleriyle entegrasyonu listelemektedir. ⁹

Uygun olduğu durumlar: Vücut kondisyonu ve standart renk sensörlerinden ^elde edilen morfometrik verilerin baskın olduğu vahşi hayvanların invaziv olmayan örneklemesi⁸ ^ve uydu ve yerinde yöntemlere ek olarak alg patlaması izleme⁹. Nasıl başlanır: Alg patlaması incelemesinin dikkate aldığı hususlar arasında listelediği geçerli uçuş düzenlemelerini kontrol edin ve sensör verilerini nasıl doğrulayacağınızı planlayın, çünkü doğrulama, belirtilen sürekli zorluklar arasında yer ^{almaktadır.⁹}

8. Sanal Gerçeklik Deneyleri

Epizodik bellek araştırmalarında sanal gerçekliğe ilişkin bir inceleme, literatürün çeşitli disiplinlere yayıldığını ve farklı araçlar kullandığını, bu nedenle çalışmalar arasındaki farklılıkların gerçek teoriyi mi yoksa metodolojik varyasyonu mu yansıttığını belirlemenin zor olduğunu belirtmektedir. ¹⁰

Uygun olduğu zaman: Sürükleyici ortamlarda öğrenme ve epizodik belleği incelemek, sürükleyiciliğin belleği nasıl etkilediğini ve etkilerin sanal gerçeklikten gerçek dünyaya aktarılıp aktarılmadığını araştırmak. ¹⁰ Nasıl başlanır: Donanım ve yazılımı kaydedin, çünkü inceleme, cihazların çalışmalar arasında farklılık gösterdiğini ortaya koyuyor. Gerçek dünya karşılaştırma koşulu eklemenizi öneriyoruz, çünkü inceleme, sanal gerçeklikte öğrenmenin gerçek hayattaki öğrenmeyle nasıl karşılaştırıldığı hakkında çok az şey bilindiğini belirtiyor. ¹⁰

9. Tüketici Giyilebilir Cihazları

INTERLIVE'ın tüketici giyilebilir cihazları ve akıllı telefonlardaki adım sayımlarına ilişkin uzman bildirisinde, birçok tüketici cihazının geçerliliğinin titiz ve şeffaf bir şekilde değerlendirilmediği belirtiliyor ve doğrulama çalışmaları için bir kontrol listesi sunuluyor. ¹¹

Uygun olduğu durumlar: Tüketiciye yönelik giyilebilir cihazlar veya akıllı telefonlarla adım sayımı yoluyla fiziksel aktivitenin ölçülmesi. ¹¹ Nasıl başlanır: Doğrulama çalışması tasarlamak ve raporlamak için bildirinin altı alanını (hedef popülasyon, kriter ölçüsü, indeks ölçüsü, doğrulama koşulları, veri işleme ve istatistiksel analiz) kullanın; adım sayacı için temel ve gelişmiş bir protokol sunmaktadır. ¹¹ Buna güvenmeden önce, kullandığınız cihaz ve sonuç için doğrulama kanıtlarını kontrol etmenizi öneririz.

10. Büyük Metin Kaynaklarından Metin Madenciliği

Yakın partner şiddeti araştırmalarında hesaplamalı metin analizine ilişkin sistematik bir inceleme, sekiz veritabanında 22 çalışma bulmuştur. Metin madenciliği, araştırmacılara örneğin sosyal medyadan veya kuruluşlardan elde edilen ve manuel olarak analiz edilemeyecek kadar büyük olan veri kümelerine erişim sağlayabilir. ¹²

Uygun olduğu durumlar: Sosyal medyadan veya manuel olarak analiz edilemeyecek kadar büyük kuruluşlardan elde edilen veri kümeleri; inceleme tek bir alanı kapsıyor, bu nedenle kanıtlarının sizin alanınıza da aktarılabildiğinden emin olun. ¹² Nasıl başlanır: Denetimli veya denetimsiz bir yaklaşım seçin (dahil edilen çalışmalar kural tabanlı sınıflandırma, makine öğrenimi, derin öğrenme ve konu modellemesi kullandı) ve bunu, dahil edilen çalışmaların çoğunun yaptığı gibi, ayrılmış etiketli bir test kümesi üzerinde veya k-katlı çapraz doğrulama ile değerlendirin, doğruluk ve F1 puanlarını raporlayın. ¹²

11. Yapay Zeka Destekli Nitel Analiz

2026 yılında 75 çalışmayı kapsayan bir inceleme, nitel araştırmalarda büyük dil modellerinin en sık kodlama yardımı (43 çalışma) ve tema belirleme (41) için kullanıldığını, tematik analizin ise baskın yöntem olduğunu (38) ortaya koymuştur. Modeller ve insan kodlayıcılar arasındaki uyum %36 ile %99 arasında değişmiştir. ¹³ 2026 yılında 42 sağlık araştırması çalışmasını kapsayan hızlı bir inceleme, tanımlayıcı temalar için uyumun genellikle %80'in üzerinde olduğunu, ancak kültürel olarak nüanslı temalar için yaklaşık %30 olduğunu ve uydurma alıntılar da dahil olmak üzere ara sıra yanlışlıklar olduğunu bildirmiştir. ¹⁴

Uygun olduğu durumlar: Metnin erken aşamalarında, örneğin aşinalık kazanma, kodlama ve tema geliştirme gibi çalışmalarda, performansın en güçlü olduğu alanlar tümevarımsal tematik ve içerik analizleridir; yansıtıcı ve teori odaklı analizlerde ise performans düşmüştür. ¹⁴ Nasıl başlanır: Yorumlamadan sorumlu bir insan bulundurun ve her alıntıyı kaynak metne göre kontrol edin. Modeli, nasıl uygulandığını (API, web arayüzü veya yerel), sıcaklığı, bağlam uzunluğunu ve istemleri bildirin: Kapsamlı incelemede 75 çalışmanın yalnızca 13'ü sıcaklığı bildirmiş ve %75'i hiçbir parametre ayarı bildirmemiştir. ¹³

12. Sosyal Medya Analizi

Sosyal medyada e-sigara içeriğine ilişkin 136 çalışmanın 2026 yılında yapılan kapsamlı bir incelemesi, manuel kodlamanın baskın olduğunu, hesaplamalı veya hibrit yaklaşımların ise daha küçük bir paya sahip olduğunu ortaya koymuştur. Hesaplamalı yaklaşımlar genellikle daha büyük veri kümelerine uygulanmış ve daha tutarlı bir şekilde doğrulama raporlanmıştır; yapay zeka uygulamaları ise konu keşfi ve duygu değerlendirmesine yoğunlaşmıştır. ¹⁵ Sekiz platformda HPV aşısı içeriğine ilişkin 50 çalışmanın 2026 yılında yapılan kapsamlı bir incelemesi (en sık incelenen platform X olmuştur), içerik analizi, duygu analizi, konu modelleme ve ağ analizinin kullanıldığını ve söylemin yalnızca duygu kutupluluğu yoluyla yeterince anlaşılamayacağı sonucuna varmıştır. ¹⁶

Uygun olduğunda: Bir konu hakkındaki kamuoyu tartışmasının platformlar genelinde haritalandırılması; her iki inceleme de sağlık iletişimi alanından geliyor, bu nedenle kanıtların sizin alanınıza da uygulanabilir olup olmadığını kontrol edin. ¹⁶ Nasıl başlanır: Öncelikle platformları ve örneklemeyi tanımlayın, manuel, hesaplamalı veya hibrit kodlamanın veri setinizin boyutuna uygun olup olmadığına karar verin ve herhangi bir hesaplamalı çıktının nasıl doğrulandığını raporlayın; e-sigara incelemesi bu eksikliği vurguluyor. ¹⁵ Temaları veya içeriği ve duygu kutupluluğunu kodlayın. ¹⁶

Gerçek Bir Örnek: 984 Özet Üzerinde Yapay Zeka Taramasının Test Edilmesi

İspanyol liderliğindeki bir ekip, iki dil modelinin biyomedikal sistematik bir inceleme için başlıkları ve özetleri tarayıp tarayamayacağını test etti. Makale CC BY 4.0 lisansı altında açık erişimde olduğundan, sayımlarını yeniden çizdik ve R'de türetilen sayıları yeniden hesapladık. ¹ Ekim 2022'de Medline, Embase ve Scopus'ta yapılan arama, mükerrer kayıtlar çıkarıldıktan sonra 1,081 kayıt bıraktı. Anlaşmazlıkları çözmek için üçüncü bir kişiyle birlikte çalışan insan gözlemciler referans standart olarak kullanıldı. 97 kayıt için özetler eksikti, bu nedenle modeller 984 kaydı değerlendirdi; bunlardan 80'i insanlar tarafından dahil edilmiş ve 904'ü hariç tutulmuştu.

Llama 3 70B ve GPT-4o mini cihazları, yalnızca sıcaklık (0, 0.5 ve 1) bakımından farklılık gösteren üç konfigürasyonda, aynı komutlarla çalıştırıldı. En iyi Llama 3 konfigürasyonu olan LLA_2, %77.5 duyarlılık, %91.4 özgüllük ve %90.2 doğruluk oranına sahipti. En iyi GPT-4o mini konfigürasyonu olan GPT_2 (makale metninde CHAT_2 olarak adlandırılmıştır), %56.2 duyarlılık, %95.1 özgüllük ve %92.0 doğruluk oranına sahipti. ¹

Doğruluk sorunu gizliyor. 984 kaydın 904'ü alakasız olduğu için, bir yapılandırma 80 alakalı kaydın 35'ini atlayarak yaklaşık %92 doğruluk oranına ulaşabilir; bu da her GPT-4o mini yapılandırmasının yaptığı şeydir. Llama 3 yapılandırmaları 18 ila 20 kaydı atlamıştır.

Tüm sütunları görmek için yana doğru kaydırın.

Bu, şunu gösteriyor: Bir incelemede, iki genel amaçlı model, on özetten yaklaşık dokuzunda insan taramasıyla aynı fikirdeydi, Llama 3 çalıştırmalarında en alakalı kayıtları buldu ve özetlerin yaklaşık %9 ila %14'ünü insan okumasına bıraktı. Göstermediği şey ise: diğer konular veya daha yeni modeller için sonuçlar, ne kadar zaman tasarrufu sağlandığı veya insan kontrolü olmayan bir işlem hattının güvenli olduğudur. Yazarlar, yanlış pozitif ve negatifleri ele almak için manuel doğrulamanın gerekli olduğunu belirtiyor. ¹

Yenilikçi Bir Araştırma Yöntemi Nasıl Seçilir?

Listedeki her yöntem için aynı sırayı kullanın.

1. 1Sorudan başlayalım. Soruyu ve cevabın destekleyeceği kararı yazın. Ona hizmet etmeyen bir yöntem dikkat dağıtıcıdır.
2. 2Alanınızda doğrulama kanıtı bulun. Yöntemin, farklı bir disiplinde değil, sizin sorunuza benzer bir konuda test edildiği yayınlanmış bir çalışmayı arayın.
3. 3Güvenilir bir standarda göre pilot uygulama. Yöntemi, 984-abstract araştırmasında insan taramasıyla yapıldığı gibi, cevabı zaten bildiğiniz küçük bir örneklem üzerinde uygulayın.
4. 4Protokolü ve raporlama yönergelerini önceden belirleyin. Veri toplamaya veya analiz etmeye başlamadan önce tasarım, sonuç ve raporlama yönergelerini düzeltin.
5. 5Tekrarlanması gereken kadar çok rapor var. Modelin, cihazın veya platformun adını, ayarlarını ve komut istemlerini veya protokolünü belirtin. Tarama çalışması, başkalarının da yeniden kullanabilmesi için komut istemlerini ve yapılandırmalarını yayınladı.¹

Analizin çalıştırılması veya kontrol edilmesi mi gerekiyor? Editverse ile iletişime geçin.

Editverse'in konu uzmanları, kurumsal ve ülkeye özgü etik kurallara uyarak COPE, ICMJE ve GPP 2022 kılavuzlarına göre çalışmaktadır.

Evreni düzenle

Metodoloji Danışmanlığı

Hangi yöntemin sorunuza ve verilerinize uygun olduğundan emin değil misiniz?

Şunları gönderiyorsunuz: araştırma sorunuz, verileriniz ve planlanan tasarımınız.

Şunları elde edeceksiniz: Doktora derecesine sahip metodologlarla üç adet 45 dakikalık görüşme, öneriler içeren bir tasarım incelemesi ve yazılı bir metodoloji çerçeve belgesi.

Ne zaman: Teklif aşamasındaysanız veya metodolojiyle ilgili endişeleriniz varsa.

Metodoloji Danışmanlık Paketi · 400$

Yöntemimi incelettirin →

Evreni düzenle

Literatür İnceleme Desteği

İncelemeniz için arama stratejisine ve boşluk analizine mi ihtiyacınız var?

Siz şunları gönderiyorsunuz: konu ve ele alınması gereken veritabanları.

Şunları alacaksınız: bir arama stratejisi belgesi, Excel'de bir literatür matrisi, bir boşluk analizi raporu ve açıklamalı bir kaynakça. İncelemeyi bunlardan yola çıkarak yazacaksınız.

Ne zaman: Savunulabilir bir arama ve sentez temeline ihtiyacınız olduğunda.

Literatür Tarama Destek Paketi · 500$

Yorumumu destekleyin →

Evreni düzenle

İstatistiksel Analiz

Derginizin beklediği yazılımda analiz yapılmasını mı istiyorsunuz?

Siz şunları gönderiyorsunuz: verileriniz, araştırma sorularınız ve tercih ettiğiniz yazılım.

Şunları elde edersiniz: açıklamalı kod veya sözdizimi, eksiksiz çıktı dosyaları, çıktı yorumlama kılavuzu ve yayınlanmaya hazır tablolar.

Ne zaman: Verileriniz toplanıyor ve analiz işlemi beklemede.

SPSS/R/STATA İstatistiksel Analiz · 400$

Analizimi çalıştır →

Sıkça Sorulan Sorular

Yenilikçi araştırma yöntemleri nelerdir?

Bunlar, alanınızdaki standart uygulamalardan daha yeni yaklaşımlardır; örneğin, yapay zeka destekli literatür taraması, yapay zeka destekli nitel analiz, canlı sistematik incelemeler, hedef deneme simülasyonu, platform denemeleri, vatandaş bilimi, dronlar, sanal gerçeklik, tüketici giyilebilir cihazları, metin madenciliği ve sosyal medya analizi. Daha yeni olması, geçerli olduğu anlamına gelmez: Bir yöntemi uygulamaya koymadan önce, kendi alanınızdaki yayınlanmış kanıtları kontrol edin.

Çalışmam için en uygun yenilikçi araştırma yöntemi hangisidir?

Sorunuzu savunabileceğiniz kanıtlarla yanıtlayan yöntem. Sorudan ve desteklediği karardan başlayın, ardından alanınızdaki yöntemin geçerlilik çalışmalarını arayın. Yukarıdaki özet tablo, her yöntemi, alıntı yapılan kaynaktan alınan, önce yapılması gereken bir kontrolle eşleştirir.

Özetlerin incelenmesinde yapay zeka insan değerlendiricilerin yerini alabilir mi?

İncelediğimiz kanıtlara göre durum böyle değil. 984 özetin incelendiği yayınlanmış bir testte, en iyi Llama 3 konfigürasyonu insan değerlendiricilere karşı %77.5 duyarlılık gösterirken, en iyi GPT-4o mini konfigürasyonu %56.2 duyarlılık göstermiştir. Yazarlar, önemli çalışmaların gözden kaçmaması için manuel doğrulamanın gerekli olduğu sonucuna varmışlardır.

Hedef deneme simülasyonu nedir?

Rastgeleleştirilmiş deneylerin mevcut olmadığı veya mümkün olmadığı durumlarda, varsayımsal pragmatik rastgeleleştirilmiş bir deneyi açıkça taklit ederek nedensel etkileri tahmin etmek için gözlemsel verilerin kullanılmasıdır. 2025 TARGET bildirisi, altı bölümden oluşan 21 maddelik bir raporlama kontrol listesi sunmaktadır.

Canlı sistematik inceleme nedir?

İlgili yeni kanıtlar ortaya çıktıkça bunları da içerecek şekilde sürekli olarak güncellenen sistematik bir inceleme. Savunucuları, kanıtların hızla ortaya çıktığı, belirsiz olduğu veya politika veya uygulamayı değiştirebileceği durumlarda özellikle önemli olabileceğini öne sürüyor.

Tüketiciye yönelik giyilebilir cihazlar araştırma amaçlı kullanılabilir mi?

Bu, kullanılan cihaza ve ölçüm yöntemine bağlıdır. INTERLIVE uzman açıklamasında, birçok tüketiciye yönelik giyilebilir cihaz ve akıllı telefonların adım sayımı için geçerliliğinin titiz ve şeffaf bir şekilde değerlendirilmediği belirtiliyor ve doğrulama çalışmaları için bir kontrol listesi sunuluyor. Kullanmayı planladığınız cihaz ve sonuç için doğrulama kanıtlarını kontrol edin.

Vatandaş biliminden elde edilen veriler yayınlanmış araştırmalarda kullanılabilir mi?

Kanıtlar proje tasarımına bağlıdır. 2025 yılında yapılan bir habitat kayıt incelemesi, gönüllü motivasyonu, güveni ve veri doğruluğunu birbirine bağlayan altı soruluk bir tasarım çerçevesi oluşturmaktadır; bu da gönüllülerin ihtiyaç duyduğu eğitim ve desteği etkiler. Gönüllü verilerine güvenmeden önce kendi protokolünüzün doğruluk kanıtlarını kontrol edin.

Yeni bir yöntem kullanan bir çalışmayı nasıl rapor edebilirim?

Tasarımınıza uygun raporlama kılavuzunu kullanın ve yöntemi tekrarlanabilir olacak kadar ayrıntılı bir şekilde açıklayın. Simüle edilmiş bir deneme için bu, TARGET kontrol listesidir. Yapay zeka taraması için, 984 özet çalışmasında olduğu gibi modeli, ayarlarını ve istemleri raporlayın. 2026 yılında yapılan, LLM destekli 75 nitel çalışmanın kapsamlı bir incelemesi, %75'inin hiçbir model parametre ayarı bildirmediğini ortaya koymuştur.

Referanslar

1. López-Pineda A, Nouni-García R, Carbonell-Soliva Á, Gil-Guillén VF, Carratalá-Munuera C, Borrás F. Biyomedikal sistematik incelemelerde başlık ve özet taraması için büyük dil modellerinin (Llama 3 ve ChatGPT-4o mini) doğrulanması. Res Sentez Yöntemleri. 2025;16(4):620-630. Açık erişim, CC BY 4.0; aralık, doğruluk ve okuma yükü rakamları R'deki Editverse tarafından yeniden hesaplandı. doi.org/10.1017/rsm.2025.15
2. Homiar A, Thomas J, Ostinelli EG ve diğerleri. Canlı bir sistematik incelemede başlıkları ve özetleri taramak için büyük bir dil modeli için istemlerin geliştirilmesi ve değerlendirilmesi. BMJ Ruh Sağlığı. 2025;28(1). doi:10.1136/bmjment-2025-301762. pubmed.ncbi.nlm.nih.gov/40701625/
3. Elliott JH, Synnot A, Turner T ve diğerleri. Yaşayan sistematik inceleme: 1. Giriş: neden, ne, ne zaman ve nasıl. J Clin Epidemiol. 2017; 91: 23-30. doi.org/10.1016/j.jclinepi.2017.08.010
4. Cashin AG, Hansford HJ, Hernán MA ve diğerleri. Hedef denemeyi taklit eden gözlemsel çalışmaların şeffaf raporlanması: TARGET bildirisi. BMJ. 2025;390:e087179. doi:10.1136/bmj-2025-087179. pubmed.ncbi.nlm.nih.gov/40903028/
5. Fountzilas E, Tsimberidou AM, Vo HH, Kurzrock R. Hassas tıp çağında klinik çalışma tasarımı. Genom Med. 2022; 14 (1): 101. doi.org/10.1186/s13073-022-01102-1
6. Barnes AE, Pocock MJO, Harris MM, Newton N, Robinson RA. Sadece tür kaydı değil: Vatandaş biliminin habitat izleme potansiyeli. Peyzaj Ekolojisi 2025; 40 (9): 181. doi.org/10.1007/s10980-025-02155-4
7. Eijkelboom I, Schulp AS, Amkreutz L ve diğerleri. Fosilleri ve eserleri anlamlandırmak: Makine öğrenimi destekli vatandaş bilimi projeleri için başarılı bir iş akışı tasarımına yönelik en iyi uygulamaların gözden geçirilmesi. PeerJ. 2025;13:e18927. doi:10.7717/peerj.18927. pubmed.ncbi.nlm.nih.gov/39959835/
8. Yaney-Keller A, McIntosh RR, Clarke RH, Reina RD. Hava boşluğunu kapatmak: Yaban hayatı ekofizyolojisini incelemek için dronların kullanımı. Biyolojik İncelemeler Cambridge Felsefe Derneği 2025;100(3):1206-1228. doi:10.1111/brv.13181. pubmed.ncbi.nlm.nih.gov/39822117/
9. Byrd K, Wu J, Lee J. İnsansız hava araçlarıyla zararlı alg patlaması izleme: araçlar, zorluklar ve halk sağlığı etkileri. Toksinler (Basel). 2025;17(10). doi:10.3390/toxins17100475. pubmed.ncbi.nlm.nih.gov/41150176/
10. Smith SA. Epizodik bellek araştırmalarında sanal gerçeklik: bir inceleme. Psychon Bull Rev. 2019;26(4):1213-1237. doi.org/10.3758/s13423-019-01605-w
11. Johnston W, Judice PB, Molina García P ve diğerleri. Tüketici giyilebilir cihazları ve akıllı telefonlarla yapılan adım sayımının geçerliliğinin belirlenmesine yönelik öneriler: INTERLIVE ağının uzman görüşü ve kontrol listesi. Br J Spor Med. 2021;55(14):780-793. doi:10.1136/bjsports-2020-103147. pubmed.ncbi.nlm.nih.gov/33361276/
12. Neubauer L, Straw I, Mariconti E, Tanczer LM. Yakın partner şiddeti araştırmalarında hesaplamalı metin analizi yöntemlerinin kullanımına ilişkin sistematik bir literatür incelemesi. J Aile İçi Şiddet. 2023. doi:10.1007/s10896-023-00517-7. doi.org/10.1007/s10896-023-00517-7
13. Kempny C, Frings J, Rust P, Meister S, Fehring L. Nitel araştırmalarda büyük dil modellerinin kullanımı ve metodolojik raporlaması: bir kapsam incelemesi. BMC Med Res Metodu. 2026;26(1). doi:10.1186/s12874-026-02913-1. pubmed.ncbi.nlm.nih.gov/42298426/
14. Gierbolini-Rivera RD, Franco Silva M, Augusto de Paula da Silva A ve diğerleri. Sağlık araştırmalarında nitel yöntemler için üretken yapay zekâ: hızlı inceleme. J Med İnternet Res. 2026;28:e98551. doi:10.2196/98551. pubmed.ncbi.nlm.nih.gov/42684312/
15. Tiong WN, A Rahim AI, Arifin Wan Mansor WN, Yaacob NA. Sosyal medyada elektronik sigara içeriğinin haritalandırılması: Yöntemler, yapay zeka uygulamaları ve tanıtım stratejilerine ilişkin kapsamlı bir inceleme. J Sağlık İletişimi 2026;31(5):205-221. doi:10.1080/10810730.2026.2684616. pubmed.ncbi.nlm.nih.gov/42277591/
16. Xu Y, Cong R, Liu M ve diğerleri. Sekiz sosyal medya platformunda insan papillomavirüsü aşısıyla ilgili sosyal medya içeriğinin incelenmesi: iletişim içeriği, bilgi kaynakları ve analitik yaklaşımların kapsamlı bir incelemesi. J Med İnternet Res. 2026;28:e92040. doi:10.2196/92040. pubmed.ncbi.nlm.nih.gov/42743585/

Editverse Araştırma Ekibi | Ekim 2026'da Güncellendi