LITTERATURSÖKNING

SÖKSTRATEGI // SYNONYMER // SPÅRBARHET

Senast uppdaterad:

ARBETSSÄTT

Använd AI före databassökningen, inte som ersättning för den

AI är användbart när du behöver hitta sökord, jämföra begrepp, se möjliga avgränsningar och översätta mellan vardagstermer och fältspecifika termer. Själva sökningen ska däremot göras i relevanta databaser där resultat och urval går att spåra.

Be AI föreslå sökblock: population, fenomen, metod, kontext och utfall. Bygg sedan riktiga söksträngar och dokumentera vad du testade.

KONTROLL

Verifiera varje referens

Om AI nämner en artikel ska du behandla det som ett tips, inte som en källa. Kontrollera titel, författare, tidskrift, årtal och DOI i en riktig databas. Finns inte referensen där ska den inte användas.

BRA PROMPT

Be om söklogik, inte färdiga svar

BE AI VISA SYNONYMER, AVGRÄNSNINGAR OCH BEGREPP — INTE "DE VIKTIGASTE STUDIERNA"

RAMVERK

Använd ett strukturerat sökramverk

AI är effektivast när du redan ger den en tydlig struktur att arbeta i. Tre vanliga ramverk:

  • PICO (vård, intervention): Patient/population, Intervention, Comparison, Outcome.
  • SPICE (samhällsvetenskap, kvalitativ): Setting, Perspective, Intervention, Comparison, Evaluation.
  • SPIDER (kvalitativ, blandad metod): Sample, Phenomenon of Interest, Design, Evaluation, Research type.

Be AI fylla i ramverket utifrån din preliminära forskningsfråga och föreslå avgränsningar för varje fält. Då blir både söksträngar och inklusions-/exklusionskriterier mer transparenta.

EXEMPEL

Konkret AI-genererad sökstrategi (med kontroll)

Fråga: "Hur påverkar arbetsplatsmentorskap nyutexaminerade sjuksköterskors självskattade kompetens under första anställningsåret?"

AI-förslag på sökblock:

  • Block 1 (population): "newly graduated" OR "novice nurse" OR "new graduate nurse" OR "newly qualified nurse"
  • Block 2 (intervention): mentor* OR preceptor* OR "clinical supervision" OR "structured onboarding"
  • Block 3 (utfall): competence OR confidence OR "self-efficacy" OR "perceived readiness"
  • Block 4 (kontext): "first year" OR "transition to practice" OR "early career"

Söksträng (PubMed): (Block 1) AND (Block 2) AND (Block 3) AND (Block 4)

Kontroll efter sökning: Kör samma logik i CINAHL och Scopus, jämför träffmängd. Om antalet skiljer sig drastiskt — granska om en MeSH-term saknas eller om en synonym är feltranslitererad.

KONTROLLPUNKTER

Sex saker att verifiera i varje litteratursökning

  1. Söksträngen är fullständig: alla synonymer, plural/singular, MeSH/Emtree-termer, trunkering.
  2. Databaserna täcker fältet: medicin → PubMed + CINAHL + Cochrane; samhällsvetenskap → Scopus + Web of Science + ERIC; teknik → IEEE Xplore + ACM.
  3. Antal träffar är dokumenterat per databas och datum för PRISMA-flödesschema.
  4. Inklusions- och exklusionskriterier är skrivna före gallring — inte efter att du sett vilka artiklar som dyker upp.
  5. Referenshanteraren är källan — inte AI-chatten. Importera direkt från databasen, inte via copy-paste från en AI-sammanställning.
  6. Grå litteratur (avhandlingar, rapporter, konferensbidrag) — överväg separat sökning i DiVA, OpenGrey, ProQuest.

FALLBACK

När AI fabricerar referenser — vad du gör då

Hallucinerade referenser är fortfarande ett av de vanligaste problemen även i 2026 års modeller. Mönster att vara uppmärksam på:

  • AI nämner en specifik artikel utan att du bett om titel — fråga alltid efter DOI och verifiera i CrossRef (search.crossref.org (öppnas i ny flik), öppnas i ny flik).
  • AI svarar med "klassisk studie från 1990-talet" utan exakt referens — be om författare, år, tidskrift, sidnummer.
  • AI komponerar en träfflista med 10 artiklar — kontrollera minst tre stickprov mot databas innan du litar på övriga.

Specialiserade verktyg kan minska risken: Elicit, Consensus, Scite och Semantic Scholar hämtar träffar ur forskningsindex, vilket minskar risken för helt påhittade referenser jämfört med fria chattsvar. De kan dock fortfarande missa relevanta studier, feltolka innehåll eller återge felaktiga uppgifter — verifiera alltid relevans och primärkälla, oavsett verktyg.

KÄLLOR OCH FÖRDJUPNING

Relevant regelverk och vägledning

  • Vetenskapsrådets riktlinjer för god forskningssed, vr.se (öppnas i ny flik) — etik, integritet och ansvar i forskning.
  • Lag om etikprövning av forskning som avser människor (SFS 2003:460) — krav på etikprövning för forskning på människor och känsliga uppgifter.
  • Dataskyddsförordningen (GDPR, förordning (EU) 2016/679) — personuppgiftsbehandling i forskning, undantag för vetenskaplig forskning (artikel 89).
  • Integritetsskyddsmyndigheten (IMY), imy.se (öppnas i ny flik) — vägledning för GDPR inom forskning och statistik.
  • Svensk MeSH (Karolinska Institutet), mesh.kib.ki.se (öppnas i ny flik) — översätt söktermer mellan svenska och engelska MeSH-termer.
  • CrossRef, search.crossref.org (öppnas i ny flik) — verifiera DOI och referensuppgifter mot registrerade publikationer.

KONTROLLERA ALLTID LÄROSÄTETS EGNA RIKTLINJER, PUBLICERINGSVILLKOR OCH ETIKPRÖVNINGSKRAV INNAN AI ANVÄNDS I FORSKNING.

AVSÄNDARE OCH GRANSKNING

Redaktionellt ansvar

Innehållet är skrivet av Christopher Leijon för AI på svenska som praktiskt stöd. Det ska användas tillsammans med professionellt omdöme, lokal policy och aktuell lagstiftning.

SKRIBENT: CHRISTOPHER LEIJON // REDAKTIONELLT ANSVAR: AI PÅ SVENSKA

GUIDEVÄG // STEG 4 AV 11

Nästa: Metodstöd

Planera transkribering, kodning, statistik och datahantering innan du samlar in eller analyserar material.

Fortsätt till steg 5 →

Till guidens översikt