Обзор литературы является первой главой выпускной квалификационной работы (ВКР) и первой (если курсовая имеет практическую часть) или единственной (если курсовая включает только обзор литературы) главой курсовой работы.
Основная задача Обзора литературы - показать, что имеется в литературе по теме ВКР или курсовой, а что является ещё неизученным. Иными словами, задача Обзора литературы - обосновать проблему исследования: научная проблема есть несоответствие возможностей теории запросам практики (практика нуждается в определённых знаниях, а их нет).
Обзор литературы не должен выглядеть как куски текста, надёрганные из необъятного Интернета! В нём должны осознанно рассматриваться труды специалистов по выбранной тематике. В Обзоре литературы должно быть однозначно указано, кому принадлежат та или иная мысль, мнение, информация, поэтому практически каждый абзац должен содержать ссылку на авторов обсуждаемых мнений, опубликованные источники которых должны быть внесены в Список использованной литературы. Исключения могут составлять лишь мысли автора ВКР или курсовой, оценивающие анализируемые источники, например: "В связи с тем, что более высокая скорость бега может быть обусловлена более высокой частотой шагов спринтера и являться причиной (а не следствием) большей длины шага на финише, приведённые выше рекомендации некоторых авторов стремиться к увеличению длины шага на финише спринтерской дистанции требуют дополнительной проверки", - такое выражение не требует отсылки к тому или иному источнику литературы.
Текст Обзора литературы должен содержать выражения, позволяющие видеть осмысление, сопоставление, сравнение мнений различных специалистов: "Ряд авторов считают, что ...", "В то же время некоторыми исследователями наблюдалось...", "Не согласен с мнением И.И. Иванова (2021) С.С. Сидоров (2023), который показывает, что...", "Большинством специалистом в области ... принято мнение о том, что ...", "Однако, в последнее время применение современной высокоскоростной видеоаппаратуры и многофункционального программного обеспечения для видеоанализа позволило по-новому взглянуть на ..." и т.п.
Ссылки на авторов анализируемых мнений делать только с помощью круглых скобок: "П.П. Петров (2002) считает...", "Некоторые авторы указывают, что ... (А.А. Абрамов, 2019)"! За ссылки при помощи квадратных скобок (Некоторые авторы считают, что ... [12]) работы буду возвращать на переоформление!
Текст Обзора литературы должен содержать несколько пунктов, логично делящих его содержание, например, название Обзора литературы - "Техника бега на короткие дистанции" - это название всей главы. Глава делится на подразделы:
1.1. Техника старта и стартового разбега
1.2. Техника бега по прямой
1.3. Техника бега по повороту
1.4. Техника финиширования
1.5. Техника бега с субмаксимальной, максимальной и ультрамаксимальной скоростью
1.6. Заключение по главе
Оформление заголовков главы и её подразделов смотри на странице "Оформление..." и в примере "Обзора литературы ниже.
Большой плюс к оценке Обзора литературы даёт наличие небольшого заключения, обобщения в конце каждого подраздела главы: "Таким образом, в многочисленных исследованиях показано, что спринтеры высокой квалификации на первых шагах стартового разбега могут ставить стопы позади проекции общего центра масс тела, в то время как менее квалифицированные спринтеры ..." и т.д. Завершить главу необходимо общим заключением, в котором обобщается, что же изучено, а что ещё неизвестно.
Работы, претендующие на высокую оценку, должны содержать сведения о том, каким образом осуществлялся поиск источников литературы: "Поиск источников литературы осуществлялся в базах Российской государственной библиотеки (https://www.rsl.ru), электронной научной библиотеки (https://www.elibrary.ru), архиве конференции международного общества биомехаников спорта (https://isbs.org/conferences/proceedings-archive) и в архивах журналов "Лёгкая атлетика" (https://rusathletics.info/journals) и "New Studies in Athletics" (https://worldathletics.org/nsa). В Российской государственной библиотеке поиск осуществлялся следующим образом: 1) задавались поисковые слова "спринтерский бег" и потом - "бег на короткие дистанции", 2) затем вручную проводился первичный отбор источников, наиболее связанных с темой исследования. Таким образом были отобраны и рассмотрены 289 источников, 28 наиболее принципиальных из которых были проанализированы в работе. ... В архиве конференции биомеханики в спорте поиск проводился по следующему алгоритму: 1) ...". В противном случае заключение о степени изученности того или иного вопроса будет не обоснованным, зависимым от личного мнения автора и невоспроизводимым.
Для анализа в Обзоре литературы отбираются источники научного или методического характера, содержащие доказательства, обоснование приводимых в них мнений, взглядов, информации. В связи с этим наиболее подходят для использования в курсовых и выпускных квалификационных работах научные статьи, монографии и авторефераты диссертаций. Сами диссертации считаются неопубликованными произведениями (в отличие от их авторефератов), не имеют выходных данных и анализируются в исключительных случаях - если информация, приведённая в диссертации, отсутствует в её автореферате. Учебники и учебные пособия считаются изданиями, уже содержащими обобщения мнений большого числа специалистов, и поэтому они также используются только в исключительных случаях - если авторы приводят собственное мнение, принципиальное для темы курсовой или ВКР, результаты собственных исследований, не опубликованные в других источниках.
Все источники, проанализированные в Обзоре литературы, должны быть представлены в Списке использованной литературы! Список литературы составляем параллельно написанию Обзора литературы, чтобы потом не прыгать и не искать потерянные источники!
Большинство оценщиков курсовых и выпускных квалификационных работ требуют рассмотрения в Обзоре литературы преимущественно источников последних лет и игнорирования исследований прежних лет, даже принципиальных. Это не наш путь! В Обзоре литературы анализируем ВСЕ значимые источники по теме работы - для подтверждения этой всевости и указываем, где и как осуществлялся их поиск. Ну, если уж совсем не хочется дёргать тигра (различных проверяющих и оценивающих) за усы - вставляем на видные места (начала разделов в Обзоре литературы) источники поновее.
Искусственный интеллект
Можно ли использовать при написании Обзора литературы ИИ? Можно, но отвечать за всё, что он сделает, вам: от проблем с антиплагиатом, до тех глупостей, которые он может наделать. Иными словами, если у студента достаточно естественного интеллекта, чтобы примениять искусственный - вперёд! Не сомневаюсь, в этом случае ЕИ + ИИ - сила и новое знание, к чему и следует стремиться в дипломной или курсовой работе.
Вот какой вопрос я задал ИИ по его возможностям анализа источников:
И вот, что ИИ мне ответил:
"Да, такие ИИ-сервисы существуют и активно используются в научном сообществе. Они называются ИИ-ассистентами для научных исследований (AI Research Assistants).
Однако важно сразу сделать главное реалистичное уточнение: ни один ИИ в мире не имеет прямого сквозного доступа абсолютно ко всем существующим закрытым базам данных (вроде Scopus, Web of Science или РИНЦ) из-за платных подписок и ограничений издательств. Но они блестяще решают вашу задачу, работая с крупнейшими открытыми репозиториями (Semantic Scholar, PubMed, arXiv), которые включают в себя десятки и сотни миллионов научных статей (в том числе индексируемых в Scopus).
Вот лучшие специализированные ИИ-инструменты, которые созданы именно под ваш четырехэтапный запрос:
Топ-3 ИИ для глубокого анализа научной литературы
1. Consensus
Специализированная поисковая система на базе ИИ, подключенная к базе из более чем 200 миллионов научных статей (через Semantic Scholar).
Как решает ваши задачи:Поиск и сбор (Пункт 1): Находит статьи по вашему запросу, при этом ищет именно рецензируемые научные работы (Peer-Reviewed), отсекая блоги и публицистику.
Анализ источников (Пункт 2): Извлекает из каждой статьи суть и делает краткую выжимку (TL;DR).
Кластеризация и выводы (Пункты 3 и 4): Функция Copilot внутри сервиса может сгруппировать найденные статьи по направлениям, показать процентное соотношение мнений ученых по спорным вопросам («Consensus Meter») и составить структурированный аналитический отчет.
2. Elicit
Один из самых мощных инструментов для автоматизации обзора литературы (Literature Review), созданный исследователями для исследователей.
Как решает ваши задачи:Поиск по базам (Пункт 1): Ищет по базе в 125+ млн статей. Позволяет загрузить и свои собственные PDF-файлы, если у вас уже есть выгрузка из конкретной базы данных.
Глубокий анализ (Пункт 2): Автоматически строит таблицу, где для каждой статьи вытаскивает: цели исследования, используемую методологию, размер выборки и ключевой результат. Вы можете сами добавлять колонки (например, попросить ИИ найти в тексте «ограничения исследования»).
Выявление направлений и проблем (Пункты 3 и 4): С помощью функции генерации концептов Elicit группирует подходы авторов, подсвечивает белые пятна (Research Gaps) и формулирует, какие вопросы остались нерешенными.
3. SciSpace (Typeset.io)
Платформа, совмещающая огромную базу метаданных и интерактивного ИИ-помощника.
Как решает ваши задачи:Поиск (Пункт 1): Предоставляет доступ к миллионам статей с возможностью фильтрации по открытому доступу (Open Access), типу публикаций и году.
Анализ и направления (Пункты 2 и 3): Позволяет в один клик извлечь выводы (Conclusions) и ограничения (Limitations) из сотен статей одновременно.
Интерактивный разбор (Пункт 4): Встроенный чат-бот Copilot позволяет задать вопрос ко всему пулу найденных статей сразу. Например: «Сформулируй 5 главных нерешенных проблем в этих исследованиях».
Идеальный алгоритм для решения вашей задачи
Чтобы получить максимально точный результат (особенно если вам строго нужны закрытые базы данных вроде Scopus/Web of Science), лучше всего объединить возможности баз и ИИ:
Шаг 1 (Сбор метаданных): Зайдите в нужную вам базу данных (например, Scopus), введите поисковый запрос и сделайте экспорт результатов в формате CSV или BibTeX (экспортируйте названия, аннотации/abstracts и ключевые слова).
Шаг 2 (Загрузка в ИИ): Загрузите этот файл (или PDF-файлы ключевых статей) в Elicit или NotebookLM (бесплатный инструмент от Google для анализа документов).
Шаг 3 (Промптинг): Дайте ИИ текстовую команду:«Проанализируй загруженные аннотации статей. Разбей их на 3–5 более узких исследовательских направлений. Для каждого направления напиши: 1) Основную суть и выводы; 2) Методы, которые чаще всего используются; 3) Противоречия, нерешенные проблемы и белые пятна (research gaps), которые упоминают авторы».
Если вы хотите протестировать этот метод, уточните:
На какую тему вы планируете делать обзор литературы?
С какими конкретными базами данных (например, РИНЦ, Scopus, PubMed) вам обязательно нужно поработать?
Я помогу составить правильный поисковый запрос или текстовую инструкцию (промпт) для ИИ под вашу научную область."
Выглядит очень многообещающе, но надо проверять!
Пример вменяемого Обзора литературы.
Поделиться с друзьями: