SLRMentor: An LLM-Based Tool Supporting Learning of SLR in Software Engineering
本文介绍了 SLRMentor，这是一个基于大语言模型的对话式助手，它通过提供方法论解释并支持检索字符串构建等规划任务，引导软件工程专业的学生完成系统文献综述过程，从而在降低初学者研究门槛的同时，鼓励其进行主动的方法论判断。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下你是一名试图撰写一篇名为“系统文献综述”（Systematic Literature Review，简称 SLR）的巨型研究论文的学生。把这项任务想象成尝试组装一件复杂的家具，而说明书却是一本用外语编写的、巨大且令人困惑的指南。你知道你需要找到特定的零件（研究论文）、对它们进行分类并把它们组合在一起，但规则非常严格，一步错就会导致整个项目毁于一旦。
这就是 SLRMentor 发挥作用的地方。
什么是 SLRMentor？
把 SLRMentor 想象成你研究旅程中一位友好且知识渊博的导游。它不是一个为你组装家具的机器人；相反，它是一个对话式助手（由先进 AI 驱动的聊天机器人），它会走在你的身边，向你解释为什么你要做每一个步骤，并帮助你找到最佳路径。
该工具专门为初次接触此类研究的软件工程专业学生而设计。它专注于规划阶段——即你决定要寻找什么以及如何寻找的部分。
它是如何工作的？
论文描述了 SLRMentor 中帮助你进行规划的三个主要“房间”或工具：
“导师聊天”（Mentor Chat，通用向导）：
想象你在博物馆里迷路了，对某个展品有疑问。你问向导：“这是什么？”然后他们用简单的语言为你解释。这个聊天功能可以帮助你理解大局，例如：“什么是系统性综述？”或者“为什么我们需要注意偏差？”它能消除关于流程本身的困惑。“检索式聊天”（Search String Chat，藏宝图绘制者）：
为了找到正确的研究论文，你必须在巨大的数据库中使用非常特定的搜索词（就像一种秘密代码）。如果你把代码弄错了，你可能一无所获，或者找到一堆垃圾。这个工具充当了制图师的角色。你告诉它你的研究目标，它会帮助你将目标转化为正确的“秘密代码”（检索式）。至关重要的是，它不仅仅是给你代码，还会解释它为什么选择了这些特定的词汇和符号，从而教会你将来如何制作自己的地图。“标准聊天”（Criteria Chat，守门人）：
一旦你找到了一堆潜在的论文，你需要决定保留哪些、丢弃哪些。这个工具充当了协助你制定“门禁规则”的守门人。它帮助你决定：“我们是否只包含过去 5 年内的研究？”或者“我们是否只看关于移动应用程序的研究？”它帮助你通过推理来做出这些决定，从而确保你最终的论文列表是公平且准确的。
学生们是怎么说的？
研究人员使用一小群研究生（共四名）对该工具进行了测试，这些学生是第一次或第二次进行此类综述。研究结果如下：
- 它是一个学习工具，而非“作弊纸”： 学生们并没有利用该工具直接获取答案并进行抄袭。相反，他们利用它来理清思路。它帮助他们理解自己为什么做出某些选择。
- 它降低了“恐惧感”： 对于初学者来说，这个过程感觉非常令人不知所措。该工具起到了脚手架的作用（就像建筑工人在攀爬高墙时使用的临时框架）。它帮助学生开始工作并构建思路，而不需要承担所有的重活。
- 你仍需进行思考： 论文明确指出：该工具并不取代人类的判断。学生仍然需要审查建议、进行优化并做出最终决定。工具解释了“如何做”和“为什么”，但学生必须提供“做什么”以及最终的“是/否”。
核心结论
SLRMentor 就像是研究领域的辅助轮系统。它帮助新手研究人员学习如何骑自行车进行系统性综述，而不至于立刻摔倒。它让研究规划中那些令人困惑的规则变得更加清晰易懂，但也要求骑行者最终能够学会如何独立平衡和转向。
论文总结道，这个工具非常适合学习与理解，但它并不是一个能为你写出研究论文的“魔法按钮”。它支持的是学生的大脑，而不是取代大脑。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。