壹、前言
研究從發現問題開始，接著尋找文獻、查核證據、整合分析、研究寫作，走向發表與分享。這個研究生命週期像一份地圖，每位研究者實際採用的工作流則是各自的路線，因學科與習慣而不同。本文以 Discover、Search、Evaluate、Analyze、Write、Disseminate 六個環節為架構，介紹可用的圖書館服務與研究工具。這些環節並非單向前進：閱讀新文獻後，可能需要重新釐清問題；分析時也可能回頭補充檢索。
AI 可協助提出線索、整理資料和比較文獻，但它的概述、圖譜與引文仍須回到原始紀錄及全文核對。研究者應確認資料來源、研究設計、結果與適用範圍，並記錄重要的判斷與修改；圖書館則提供資源取得、工具評估及研究方法支援。
代理式 AI（Agentic AI）技術嘗試串連搜尋、實驗、分析、寫作與評閱。例如，The AI Scientist 展示了電腦可執行之機器學習研究的自動化流程（Lu et al., 2026）。這類系統仍有構想粗淺、實作錯誤及引文不準確等問題；跨步驟的自動化輸出仍須逐一查核。
貳、六個研究環節與建議入口
研究寫作可依據主要任務安排工具；同一工具可能跨環節。可用功能與介面以圖書館及平臺公告為準。
表1 研究生命週期六環節與圖書館建議入口
| 研究環節 | 建議入口 |
| 01發現問題Discover | 【形成問題、探索研究前沿、尋找經費與合作】 ✦ Primo Research Assistant（Primo RA） 圖1 ✦ Web of Science Research Assistant（WoS RA） 圖2 ✦ Web of Science Research Horizon Navigator（WoS RHN） 圖3 ✦ Web of Science Research Intelligence（WoS RI） 圖4 |
| 02搜尋文獻Search | 【建立可重現檢索、取得全文】 ▪ Primo ✦ NYCU Library MCP 圖5 ▪ 學科資料庫 ▪ Web of Science ✦ Google Scholar Labs |
| 03查核證據Evaluate | 【核對全文、引文脈絡及撤稿狀態】 ▪ 原始文獻 ▪ Web of Science 引用分類 圖6 ✦ EndNote ▪ Primo（LibKey）撤稿警示 圖7 |
| 04整合分析Analyze | 【比較結果及方法】 ▪ 文獻／概念矩陣 ✦ Web of Science Research Assistant Deep search 圖8 ✦ Gemini Notebook（原 NotebookLM） ✦ JoVE 圖9 |
| 05研究寫作Write | 【管理引用、協作與原創性比對】 ✦ EndNote ▪ Zotero ▪ Overleaf ▪ Turnitin、SYMSKAN 神隼 |
| 06發表與分享Disseminate | 【選刊、確認開放取用條件、保存與分享成果】 ▪ Journal Citation Reports、期刊推薦工具 ▪ OA／APC 資訊 ▪ NYCU Dataverse ▪ 學位論文系統 ▪ ORCID |
✦ 具 AI 功能；圖1-9 為文中對應配圖
一、發現問題 Discover
- 拆解問題：研究問題並沒有適用於所有領域的單一公式。PICO 等架構可協助釐清研究對象、關注的介入或現象，以及希望了解的結果；不同問題可選用不同的架構（Covvey et al., 2024）。起步時，可先列出核心概念、研究對象、情境及想了解的關係，再查找同義詞與相關文獻。
- 從問題走向文獻：Primo Research Assistant 可用自然語言取得主題概覽與來源線索；接著進入館藏紀錄、授權全文及適當的學科資料庫；Primo也可將範圍擴大至非館藏紀錄。同一問題點按「再試一次」，結果可能不同；有用的線索宜記錄及核對。（見圖 1）
圖1 Primo Research Assistant 介面導覽
- 觀察研究前沿：WoS RA 可輔助探索核心文獻及引用關係（見圖 2）；WoS RHN 可供觀察新興主題與跨學科線索（見圖 3），相關趨勢圖表可提供發想與進一步探索的線索，仍須結合文獻閱讀與領域判斷。師生可在本校「校園單一入口」的「圖書館」分頁，或透過 Primo 資料庫清單進入 WoS RA 與 WoS RHN。
圖2 Web of Science Research Assistant 介面導覽
圖3 Web of Science Research Horizon Navigator 介面導覽
- 尋找經費與合作：WoS RI 整合出版、專利、臨床試驗與 Pivot-RP 經費資料，可依研究主題查找相符的經費機會、潛在合作者與機構，並觀察新興研究領域（見圖 4）。本校師生亦可在「校園單一入口」的「圖書館」分頁，或由 Primo 資料庫清單進入 WoS RI。AI 助理提供的建議與指標，仍須回到經費機構公告與原始出版紀錄核對。
圖4 Web of Science Research Intelligence 介面導覽
【延伸閱讀與服務】
- 研究題目不是突然想到的：研究發想是一個探索過程
- 從 AI 提示到研究判斷：驗證研究缺口的 3 個關鍵步驟
- Web of Science AI 介紹
- Web of Science 新增功能介紹
- 辨識潛在研究前沿：Web of Science Research Horizon Navigator 如何精準捕捉「新興主題」？
二、搜尋文獻 Search
- 建立可重現的檢索：選擇合適的學科資料庫，逐步調整關鍵詞與檢索式。需要交代文獻搜尋及篩選方法時，記錄資料庫與平臺、完整檢索式、檢索日期、限制條件、篩選流程及結果筆數。
- 取得文獻：Primo 用於查詢本館書刊與電子資源並確認全文取得方式；NYCU Library MCP 可在支援的 AI 對話介面查詢館藏（例如在 Claude 使用，見圖 5），AI 提供的書目資料、館藏地及可用性，仍須以 Primo 紀錄為準。本校師生可利用授權電子資源、開放取得版本，或申請館際合作與文獻傳遞。
圖5 在 Claude 使用 NYCU Library MCP
- 補充探索：Google Scholar Labs 可作為補充探索入口（若帳號已開放使用），其結果若要納入研究，仍須依研究目的回到適合的資料庫完成檢索。
【延伸閱讀與服務】
- NYCU Library MCP 把圖書館串接進你的 AI
- MCP小白筆記：什麼叫做MCP？這跟我有什麼關係？
- 跨域研究不迷路—看懂不同領域如何討論同一個問題
- 為什麼 Google 第一筆結果不一定最好？
三、查核證據 Evaluate
- 辨認摘要的資料依據：確認 AI 讀取的是書目、摘要或全文。附有全文連結不代表回答由全文生成；逐項對照原文中的研究對象、設計、測量、數值、限制和結論，確認引文支持主張。
- 判讀引用與適用範圍：WoS 的「Citing items by classification」根據施引文章的引用脈絡，將引用分為 Background、Basis、Support、Differ、Discuss 五類（見圖 6）。可從 Support 與 Differ 類切入，細讀引用段落及施引文章，了解研究結果有何相近與差異；分類未涵蓋所有施引文獻，仍需評讀原文確認關聯及證據品質。
圖6 WoS 引用分類（Citing items by classification）
- 檢查預設假設：Ma 等人（2026）針對醫師形象的圖文生成進行跨模態稽核，發現即使提示未指定人口特徵，模型仍會自行帶入性別、年齡等屬性。研究結果可能隨測試模型與設定而異，提醒應檢視 AI 輸出是否帶入未經要求的假設。
- 核對文獻狀態：EndNote（需啟用線上帳號同步）會依 DOI 或 PMID 比對 Retraction Watch 資料，提示已撤稿的書目。從 Primo 經 LibKey 連向全文時，若文章引用了撤稿文獻，則會出現「Article Contains Retracted Citations」提示，但不能直接推定此文章本身有問題；若文章本身已撤稿，會顯示撤稿原因與官方聲明（見圖 7）。WoS RA 回答所引用的文獻，會預設排除 Retracted Publications。各服務涵蓋範圍不同，引用前仍須逐一核對更正與撤稿狀態。
圖7 Primo 撤稿提示：兩種情境
【延伸閱讀與服務】
- 跨域研究不迷路：看懂不同領域如何討論同一個問題
- 用 EndNote 追蹤撤稿文獻：別讓「殭屍文獻」混進你的論文
- 如何批次查詢論文參考書目的正確性
- 如何判斷期刊是否可信？不只是投稿前，更是閱讀研究時的重要能力
四、整合分析 Analyze
- 建立比較矩陣：比較研究對象、設計、指標、結果與限制，並探討結果一致或不同的原因。針對關鍵主張，記下所依據的文獻及可回查的位置，並區分研究結果、文獻作者的觀點與自己的推論。
- 概念矩陣實例：Pool 等人（2024）以負責任使用 AI 的概念整理遠距醫療文獻，顯示研究類型與各主題的分布。若目的是比較研究結果，則須列出對象、方法及結果等欄位。
- 工具輔助閱讀：WoS RA 的 Manuscript upload 可針對上傳文件提問；Deep search 可輔助探索較複雜的問題，並將結果整理成主張與證據表（見圖 8）；兩者目前為 early adopter 早鳥測試，介面可能調整。Gemini Notebook（原 NotebookLM）可在匯入資料範圍內整理與比較，再逐一查核頁碼和引文。上傳文件之前，均須確認授權、個資與未公開研究資料的處理規範。
圖8 WoS Research Assistant Deep search 主張與證據表
- 理解研究方法：JoVE 平臺提供研究與教學影片；其中 JoVE Journal 是經同儕審查、收錄於 PubMed、Web of Science 的影音期刊。本校訂購 Unlimited 方案，包含：研究版本「JoVE Research」、教育版本「JoVE Education」，以及JoVE Visualize（從文獻推薦影片）與 Ask JoVE（AI 助理推薦文章與影片）。安裝 JoVE 瀏覽器擴充功能後，在 PubMed、Google Scholar、Web of Science 等平臺的檢索結果旁，即可看到相關實驗影片（見圖 9，以 Google Scholar 為例）。AI 助理推薦的影片與論文方法是否一致，仍須回到原文核對。
圖9 JoVE：從文獻或 AI 找到實驗影片
【延伸閱讀與服務】
- 從「金魚腦」到「學術大神」：利用 AI 重塑文獻回顧
- 當你用 AI 跑質化分析， 你其實是開了「一鍵美顏」，還是「自動戰鬥」？
- JoVE AI 全面解密：AI 驅動的生科實驗與教學革新
- 上傳文章至 AI 的侵權與倫理風險
五、研究寫作 Write
- 文獻與引註：EndNote 與 Zotero 可管理書目、插入文內引註及產生參考文獻，EndNote 2025 另提供 AI 輔助功能。格式正確並不代表來源真實，也不代表文獻支持文中主張（Madsen & Silva, 2026）；仍須檢查數值、版本及撤稿狀態等。
- 協作與排版：Overleaf 可供 LaTeX 團隊寫作及版本協作，書目可匯入 BibTeX（.bib）。EndNote 使用者可先匯出 .bib 再上傳；其他文獻管理工具的直接同步功能依方案而異。
- 原創性比對：Turnitin 與 SYMSKAN 神隼比對服務，提供文字重疊線索，應逐句檢視引用語境，判斷是否屬合理共用的文字，不能僅依比例判定。
【延伸閱讀與服務】
- Endnote 2025新功能簡介
- Meet Zotero
- 用AI 寫論文會被退稿嗎？搞懂「AI 貢獻聲明」，別踩學術誠信紅線
- 尋找安全且可多人協作的 AI 論文寫作環境？Overleaf AI Grammarly 應用介紹
- 畢業口試第一關~「論文原創性比對」大哉問
六、發表與分享 Disseminate
- 選擇合適期刊：投稿前先核對期刊宗旨、文章類型、審查流程、費用與可信度。Journal Citation Reports（JCR）提供期刊引用指標與學科排名；各平臺的 journal finder 可依題名、摘要等提供候選期刊。推薦名單及單一指標都不能代替對期刊適配度與品質的判斷。
- 確認開放取用條件：投稿前查詢圖書館的出版社合作方案、適用資格及可能的文章處理費（APC）優惠；額度與期刊政策會變動，簽署授權或付款前以最新公告和最終報價為準。
- 從研究起步管理資料：收集資料前即確認權利、同意範圍、檔名、版本、備份、存取權限及保存期限；成果完成後依個資、倫理、合約與智慧財產限制決定可分享的內容。FAIR 鼓勵資料可被發現、取得、互通及再利用，並不要求所有資料公開。適當整理且取得授權的資料可評估保存至 NYCU Dataverse。
- 論文與研究者識別：學位論文定稿後，依規定辦理比對、上傳、授權及必要的延後公開程序。ORCID 可在研究初期建立並持續維護，使論文、資料與研究貢獻更易連結。
【延伸閱讀與服務】
- 投稿期刊怎麼選？善用 Web of Science、JCR 與 EndNote 2025 的研究工具
- 國立陽明交通大學研究資料管理平臺 NYCU Dataverse
- 國立陽明交通大學研究資料管理原則
- 研究資料管理計畫 Data Management Plan（DMP）
- 國立陽明交通大學圖書館學位論文建檔規範
- 5分鐘懂ORCID 2030新策略計畫藍圖
參、圖書館支援貫穿六個環節
圖書館推廣服務組以學科館員為核心，依學院、課程、實驗室與研究團隊需求，提供檢索、資源取得、選刊、資料管理及 AI 素養支援，也可安排客製化教學；並持續辦理新生電子資源導覽、研究攻略營、AI 素養工作坊與期刊投稿講座；涉及系統性回顧、臨床證據或特殊資料治理時，宜及早與學科館員及相關專業單位討論。
學院、研究團隊與研發單位若需分析研究成果、規劃合作布局或呈現社會影響，可運用 InCites 與 WoS RI 的標竿比較、合作網絡及影響力分析。推廣服務組可協助資料擷取、指標解讀與報告製作。報告應標示資料範圍、更新時間、指標定義及平臺限制，避免以單一指標評定不同領域或個別研究者。
從形成問題到發表分享，圖書館提供資源、工具與諮詢；研究者則核對來源、記錄判斷，並在需要時補充檢索或調整論述。
【延伸閱讀與服務】
【參考文獻】
Covvey, J. R., McClendon, C., & Gionfriddo, M. R. (2024). Back to the basics: Guidance for formulating good research questions. Research in Social and Administrative Pharmacy, 20(1), 66–69. https://doi.org/10.1016/j.sapharm.2023.09.009
Lu, C., Lu, C., Lange, R. T., Yamada, Y., Hu, S., Foerster, J., Ha, D., & Clune, J. (2026). Towards end-to-end automation of AI research. Nature, 651, 914–919. https://doi.org/10.1038/s41586-026-10265-5
Ma, L., Yang, J., Li, N., Zhu, Y., & Yao, X. (2026). Cross-modal demographic bias in generative AI representations of physicians: A comparative audit of large language models and text-to-image models. Journal of Racial and Ethnic Health Disparities. https://doi.org/10.1007/s40615-026-03151-3
Madsen, D. Ø., & Silva, E. S. (2026). Teaching citation in the age of generative AI: Rethinking research literacy, academic integrity, and epistemic responsibility. The Journal of Academic Librarianship, 52(4), Article 103267. https://doi.org/10.1016/j.acalib.2026.103267
Pool, J., Indulska, M., & Sadiq, S. (2024). Large language models and generative AI in telehealth: A responsible use lens. Journal of the American Medical Informatics Association, 31(9), 2125–2136. https://doi.org/10.1093/jamia/ocae035
推廣服務組 王慧恆｜文．圖 運用 AI 協作｜2026年10月3日