論文轉筆記

論文轉筆記

把密集的學術論文整理成結構化的研究筆記——方法、結果、討論分塊擷取,對比和複習都更快。

支援 論文、學術 PDF、方法、結論

首頁方法论文
新增學習單元

把一篇密集的论文,整理成結構化的研究筆記。

在方法、結果和讨论之間切换,看论文如何變成可比较、可複習的筆記。

基於原資料
Journal of Educational Psychology, 116(3), 410–428Open Access · 2024

間隔提取練習降低生物學入门課中的外來源认知负荷

Liu, J., Park, R., & Yamamoto, H. (2024)

DOI: 10.1037/edu0000789

摘要

我們考察間隔提取練習是否能降低生物學入门課中的外來源认知负荷并提高延迟回忆。在两项實驗中(N = 128 本科生),采用受試者內設计,間隔提取組的延迟回忆(一周後)显著优於重读對照組。

方法§2

被試(N = 128)在受試者內、平衡顺序設计下完成两種學習条件:間隔提取練習 vs. 重读。延迟回忆在最後學習後一周用標准化自由回忆測試评估,由两位独立评分者评分(κ = .91)。

Participants · 2×2 within-subjects
N = 128
undergrads
κ = .91
inter-rater
α = .05
two-tailed
7 days
retention
OSF · pre-registered
!!
RCT design
Procedure · Day 0 → Day 7
D0D1-6D7
Study (45m)No contactRecall (20m)
ThetaWave parsed N=128 · 2×2 design · κ=.91 reliability
for lit review
§2.3 "desirable
difficulty"
— me, 03/04
识別到的文字
  • 方法部分 · 3 頁 · pp. 412–414
  • 被試:N = 128 本科生
  • 受試者內、平衡顺序設计
關鍵結论

适合需要按統一字段抽取多篇论文的情况。

已生成

方法 — 完整抽取筆記

基於原資料
8 章節 · 35 要點· 8 字卡· 4 測驗題约 9 分鐘複習
研究筆記

方法 — 完整抽取筆記

研究問題

  • 主要 RQ: 間隔提取練習是否降低外來源认知负荷并提高延迟回忆,相比重读?
  • 次要 RQ: 效應是否與主題複杂度交互?
  • 假設 1: 間隔提取 > 重读在延迟回忆上(單侧)。
  • 假設 2: 間隔提取 < 重读在自报外來源负荷上(NASA-TLX)。

🧑‍🎓被試

  • 樣本量: N = 128 名修生物學入门課的本科生。
  • 人口學: 年龄 18-22(M = 19.4),62% 女性,38% 男性,單一 R1 大學招募。
  • 招募: 課程學分激励;通過研究门户自愿参與;獲得知情同意。
  • 排除: 4 名被試因注意力检查失败被排除(最终 N = 124 分析)。
  • 功效: 事前功效分析(G*Power)显示 N = 110 在 α = .05、η² = .10 時达到 0.80 功效。

🧪實驗設计

  • 類型: 受試者內、完全平衡顺序(每位被試做两種条件)。
  • 条件: 間隔提取練習 vs. 重读對照。
  • 预注册: 設计、假設和分析计划在數据收集前提交到 OSF(osf.io/x42q8)。
  • 随机分配: 拉丁方随机化条件顺序,跨主題複杂度平衡。
  • 為何受試者內: 控制基线能力的個體差異;所需 N 更小。

📚材料

  • 學習段落: 2 篇生物學章節(細胞信号、生态學),各约 1,200 字,Flesch 可读性匹配(60-65)。
  • 提取提示: 每篇 5 道短答題;跨 2 節課間隔出現 4 次。
  • 干扰任务: 在學習與提取間插入數独,防止即時複述。
  • NASA-TLX: 6 项认知负荷自报;每種學習条件後立即施測。

📋程序

  • 第 1 節(第 0 天): 所有被試學習两篇段落 —— 一半用提取,一半用重读。平衡顺序。
  • 延迟(第 0-7 天): 不接触學習材料;被試恰好 7 天後返回。
  • 第 2 節(第 7 天): 两篇段落的自由回忆測試;NASA-TLX 回溯评分。
  • 時长: 第 1 節 = 45 分鐘,第 2 節 = 20 分鐘;被試總時間约 65 分鐘。

📏結果指標

  • 延迟回忆(主要): 最後學習一周後的自由回忆測試。
  • 评分: 按预先指定的 50 项观念單元编碼方案;表示為比例(0-1)。
  • 认知负荷(次要): 每次學習後立即施 NASA-TLX 自报。
  • 在任時間: 測試平台自動記錄;在分析中控制。

评分與信度

  • 两位独立评分者: 對条件盲的研究生;双重编碼全部 256 份。
  • 评分者間信度: κ = .91 —— 强一致(Landis & Koch 1977:0.81-1.0 = 「近乎完美」)。
  • 编碼方案: 由內容专家预先指定的 50 個观念單元;每單元二分存在/缺失。
  • 分歧: 256 份中 11 份需第三位编碼者裁决。

📊統计分析计划

  • 主检驗: 2 × 2 重複測量 ANOVA:學習条件 × 主題複杂度。
  • α 水平: .05,双侧(尽管 H1 單侧,為透明起见仍用双侧)。
  • 效應量: 在 F 检驗旁报告偏 η²;先驗設為 η² ≥ .06(小)。
  • 事後计划: 主效應显著時做 Bonferroni 校正的两两比较。
  • 敏感性分析: 把在任時間作為协變量重跑模型,排除時間花费混淆。

論文轉筆記 在真實學習中能做什麼

重要的不只是功能本身,而是它怎麼融入你的上課、複習和備考流程。

方法部分

擷取樣本、設計、變項、統計方法等可對比欄位——適合按統一格式做文獻綜述。

結果部分

保留統計量(F、p、η²、d)和組別均值——結果不被簡化、不被遺失。

討論部分

把理論連結、限制、未來工作、實際啟示拆成獨立條目。

引用圖譜

辨識參考文獻和引用關係,建立跨論文的引用圖譜。

關鍵字擷取

自動擷取核心術語,產生 字卡 幫助記憶專業術語。

對比多篇論文

用相同欄位擷取多篇論文,便於 文獻綜述 做橫向對比。

適合研究生

論文寫作研究生學習 最佳化的工作流。

論文轉筆記如何運作

上傳論文 → ThetaWave 按統一欄位擷取 → 可對比的研究筆記。

01

上傳學術論文

PDF、preprint、期刊文章——單篇或一次多篇都行。

PDF期刊preprint
02

ThetaWave 按欄位擷取

方法、結果、討論拆分進結構化欄位——便於跨論文對比。

方法結果討論
03

對比、複習、產生

在多篇論文之間對比,再產生 術語字卡測驗

對比字卡測驗

誰適合使用論文轉筆記?

看看不同類型的學生如何用這個工具更有效率地學習。

研究與論文

Extract a comparable set of fields across papers for your literature review or thesis.

研究生

Built for the volume of reading graduate students need to absorb each term.

STEM 學生

Methods and results-heavy STEM papers become easier to compare side-by-side.

日常學習

Turn each paper you read into a reusable note in your daily study library.

學生們怎麼說

"When I prep a literature review with my students, ThetaWave's methods and findings extraction saves us a full evening per paper."

林語晴

國立臺灣大學

"Discussion and limitations finally show up as separate notes instead of a single blob of text."

陳柏翰

國立清華大學

"For my thesis I compared 32 papers using the same extraction fields. It made the comparison part of the review actually tractable."

張昱廷

國立陽明交通大學

常見問題

這裡整理了關於論文轉筆記最常被問到的問題。

PDF 是最常見的格式;也支援 preprint 連結、期刊文章 HTML 等。複雜版式(如雙欄 LaTeX)也能辨識。

會——F 值、p 值、效應量(η²、d)、組別均值等都會被保留在結果欄位裡,不會被簡化遺失。

可以——用相同欄位擷取多篇論文後,可以在資料庫中按欄位對比,加速文獻綜述。

非常適合——為 論文寫作研究生研究 最佳化。

可以——研究筆記中的關鍵術語可以直接產生 字卡 幫助記憶專業詞彙。

把下一篇論文變成結構化研究筆記

上傳一篇論文,讓 AI 用統一欄位擷取方法、結果、討論——為文獻綜述加速。

可免費開始無需信用卡2 分鐘內得到結果
    論文轉筆記|把密集的學術論文整理成結構化研究筆記 | ThetaWave