Diese Seite ist total im Aufbau!

Literaturübersichten

Eine Literaturübersicht fasst zusammen, was über ein spezifisches Forschungsthema bekannt ist, beschreibt die Meilensteine der Forschungsgeschichte, weist auf Konflikte im aktuellen Wissen hin und bespricht Bereiche, in denen es noch Unbekanntes gibt.

Eine Literaturübersicht kann ein eigenständiges Dokument oder ein Bestandteil eines primären Forschungsberichts sein (wie zuvor besprochen). Forschungszeitschriften enthalten oft Artikel, deren einziger Zweck es ist, eine Literaturübersicht bereitzustellen. Als Bestandteil eines Forschungsberichts kann eine Literaturübersicht so lang sein wie ein ganzes Kapitel in einem Buch, nur ein Absatz in einem Forschungsartikel oder so kurz wie ein paar Sätze in einer Einleitung. In allen Fällen ist die Funktion der Literaturübersicht die gleiche: die Geschichte und den aktuellen Stand der Forschung zu einem Thema zusammenzufassen.

Wie Sie aus dem vorhergehenden Abschnitt wissen, konzentriert sich ein primärer Forschungsbericht (wie die in technischen Forschungszeitschriften) auf eine Frage: zum Beispiel den Einfluss der Gewichtslosigkeit auf das Wachstum von Gemüse. Der Literaturüberblicksabschnitt dieses Berichts würde zusammenfassen, was über dieses Thema bekannt ist, aufzeigen, wo das aktuelle Wissen konfliktiert, und Bereiche diskutieren, in denen es noch Unbekanntes gibt.

Eine gut strukturierte Literaturübersicht erzählt eine Geschichte. Sie beschreibt die wichtigsten Ereignisse in der Forschung zu einer bestimmten Fragestellung oder in einem bestimmten Bereich:

Wer waren die ersten modernen Forscher zu diesem Thema? Was waren ihre Ergebnisse, Schlussfolgerungen und Theorien? Welche Fragen oder Widersprüche konnten sie nicht lösen?
Was entdeckten die Forscher, die ihnen folgten? Bestätigte, widersprach oder widerlegte ihre Arbeit die Arbeiten ihrer Vorgänger? Konnten sie Fragen klären, die ihre Vorgänger nicht beantworten konnten?

Sie erzählen diese Reihe von Forschungsereignissen in einer Literaturübersicht. Sie können diese Forschung als ähnlich dem Prozess der These–Antithese–Synthese betrachten. Sie beginnen mit einer These, dann kommt eine Antithese, die sie widerspricht, und schließlich wird eine Lösung dieser Widersprüche erreicht, die als Synthese bezeichnet wird, was tatsächlich einen Schritt nach vorne im Wissen über dieses Thema darstellt. Aber jetzt wird die Synthese zu einer These, und der Prozess beginnt von vorne.

Hilton Obenzinger von der Stanford University in "Wie man recherchiert, schreibt und eine Literaturübersicht überlebt?" (kein Link) "http://www.stanford.edu/dept/undergrad/urp/PDFLibrary/writing/LiteratureReviewHandout.pdf) nennt diese Art der Literaturübersicht einen "Wegweiser." Er identifiziert mehrere andere Typen, am wichtigsten diejenigen, die die Methodik der Forschung sowie oder anstelle der Forschungsergebnisse überprüfen. Obenzinger betont, dass die Literaturübersicht nicht nur eine passive Zusammenfassung von Forschungen zu einem Thema ist, sondern eine Bewertung der Stärken und Schwächen dieser Forschung—ein Versuch, herauszufinden, wo diese Forschung "unvollständig, methodologisch fehlerhaft, einseitig oder voreingenommen" ist. In jedem Fall, wie die folgenden Beispiele zeigen, ist eine Literaturübersicht eine Diskussion über einen Bereich der Forschungsliteratur und kein annotiertes Bibliografie. Beachten Sie in den folgenden Beispielen, dass Literaturübersichten den standardisierten, geklammerten IEEE-Textzitationsstil verwenden und mit einer Bibliografie (genannt "Referenzen") enden.

Berücksichtigen Sie den folgenden Auszug, der den Beginn der Literaturübersicht zeigt, gefunden in A. S. Tolba, A.H. El-Baz und A.A. El-Harby, "Gesichtserkennung: Eine Literaturübersicht." Internationale Zeitschrift für Signalverarbeitung, Bd. 2, Nr. 2, 2005:

Gesichtserkennung, zusätzlich zu zahlreichen praktischen Anwendungen wie der Identifikation von Bankkarten, Zugangskontrolle, der Suche nach Haftbefehlen, Sicherheitsüberwachung und Überwachungssystemen, ist ein grundlegendes menschliches Verhalten, das für effektive Kommunikation und Interaktionen zwischen Menschen unerlässlich ist.

Eine formale Methode zur Klassifizierung von Gesichtern wurde erstmals in [1] vorgeschlagen. Der Autor schlug vor, Gesichtsprofile als Kurven zu sammeln, deren Norm zu finden und anschließend andere Profile anhand ihrer Abweichungen von der Norm zu klassifizieren. Diese Klassifizierung ist multimodal, d. h. sie resultiert in einem Vektor unabhängiger Maße, die mit anderen Vektoren in einer Datenbank verglichen werden könnten.

Wie Sie sehen können, legt der erste Absatz das Thema und seine Wichtigkeit dar; der zweite Absatz geht zurück zum Beginn der modernen Forschung, die eine Grundlage für die computerbasierte Gesichtserkennung geschaffen hat. Dieser Literaturüberblick geht weiter zum aktuellen Stand der Forschung auf diesem Gebiet:

Der Fortschritt hat den Punkt erreicht, an dem Gesichtserkennungssysteme in realen Umgebungen demonstriert werden [2]. Die schnelle Entwicklung der Gesichtserkennung ist auf eine Kombination von Faktoren zurückzuführen: die aktive Entwicklung von Algorithmen, die Verfügbarkeit großer Datenbanken mit Gesichtsabbildungen und eine Methode zur Bewertung der Leistung von Gesichtserkennungsalgorithmen.

Beachten Sie, wie dieser nächste Auszug einen wichtigen Fortschritt in der Forschung zu diesem Thema beschreibt, aber dann auf seine Mängel hinweist:

Die Literaturübersicht zur Gesichtserkennungsforschung untersucht viele verschiedene Methoden, die bei computerbasierter Gesichtserkennung eingesetzt werden. Für jede wird die Methode, die Ergebnisse sowie die Stärken und Schwächen dieser Methode zusammengefasst. Dieses Beispiel folgt nicht so sehr dem oben genannten Muster von These-Antithese-Synthese, sondern vielmehr einer Sammlung von Bemühungen, die alle auf ein gemeinsames Ziel hinarbeiten: die erhöhte Genauigkeit der computerbasierten Gesichtserkennung. So endet die Zusammenfassung dieses Prozesses in dieser Literaturübersicht:

In [83] basiert ein kombiniertes Klassifikatorsystem, das aus einem Ensemble von neuronalen Netzen besteht, auf der Variation der Parameter, die mit dem Design und dem Training von Klassifikatoren verbunden sind. Der Boosted-Algorithmus wird verwendet, um Störungen des Trainingssatzes unter Verwendung von MLP als Basis-Klassifikator zu erzeugen. Das Endergebnis wird durch einfaches Mehrheitsvotum kombiniert. Dieses System erzielte 99,5 % bei der Yale-Gesichtsdatenbank und 100 % bei der ORL-Gesichtsdatenbank. Nach unserem besten Wissen sind diese Ergebnisse die besten in der Literatur.

Literaturübersichten

Was sagt die Forschung?

Inhalt dieses Abschnitts

Literaturübersichten

Verwandte Informationen