ResearchRabbit

Was ist ResearchRabbit?

ResearchRabbit ist ein Werkzeug zur Suche und Visualisierung wissenschaftlicher Literatur, das sich an Studenten, Forscher sowie Teams, die Systemüberblicke erstellen, richtet. Es betrachtet wissenschaftliche Artikel als miteinander verbundene Forschungsnetzwerke und hilft den Nutzern dabei, von einer kleinen Anzahl bekannter Artikel aus, über Zitierungen, Referenzen, gemeinsame Zitationen, Autoren sowie ähnliche Studien weiterzugehen – anstatt nur eine einmalige Liste von Ergebnissen nach Schlagwörtern zu erhalten.

Es eignet sich besonders für die „Schneeballeffekt“-Phase nach der Suche in traditionellen Datenbanken: Zunächst werden einige zuverlässige Grundlagenarbeiten gefunden, anschließend werden frühere Pionierforschungen, Arbeiten, die diese zitieren, ähnliche Themen sowie wichtige Autoren recherchiert. Schließlich werden die wertvollen Ergebnisse in einer Sammlung gespeichert und in ein Literaturverwaltungsprogramm exportiert.

Wie verwendet ResearchRabbit KI?

Laut offiziellen Angaben stützt sich das Kern-Recommendations-Algorithmen von ResearchRabbit nicht auf große Sprachmodelle zur Erstellung von Antworten. Für die Suche nach Schlüsselwörtern, DOI-Nummern und Titeln werden vorberechnete Indizes sowie Graphenmethoden verwendet. Bei den anschließenden Empfehlungen werden Zitate, Referenzen, gemeinsame Zitationen, geteilte Zitationen sowie Autoren- und Mitautorbeziehungen analysiert.

Der Vorteil dieser Methode ist, dass die Empfehlungen auf relativ transparenten Kriterien beruhen. Die Ergebnisse können mit den ursprünglichen Artikeln sowie deren Netzwerkkontakten überprüft werden. Zudem verhindert diese Methode, dass durch generative Zusammenfassungen falsche Artikel oder Zitate erstellt werden. Sie nutzt zwar weiterhin Algorithmen, um das Verhalten der Nutzer bei der Suche und Speicherung von Inhalten zu analysieren, doch das Hauptziel ist es, wissenschaftliche Literatur zu finden – nicht, den Forschern bei der Erstellung von Schlussfolgerungen zu helfen.

Datenbank mit über 310 Millionen wissenschaftlichen Artikeln

Laut den aktuellen offiziellen Hilfedokumenten umfasst die Datenbank mehr als 310 Millionen wissenschaftliche Artikel. Die Datengrundlage setzt sich aus akademischen Metadatenquellen wie Semantic Scholar, Crossref und OpenAlex zusammen; durch die Zusammenarbeit mit Litmaps wird das Angebot weiter erweitert.

Eine große Anzahl von Datenbanken bedeutet nicht, dass alle Einträge vollständig sind. Einige Arbeiten können ohne Zusammenfassung, Literaturverzeichnis, Verweisbeziehungen oder korrekte Autorenangaben auskommen. Zudem kann es zu Fehlern bei der Zusammenfassung von Autoren mit demselben Namen kommen.

ResearchRabbit bietet hauptsächlich Zugang zu Suchfunktionen und Metadaten und garantiert nicht, dass für jedes Paper der vollständige Text heruntergeladen werden kann.

Suche nach Schlüsselwörtern, Titeln und DOI

Benutzer können Suchbegriffe, Forschungsfragen, Titel von Artikeln oder DOI eingeben, um mit der Suche zu beginnen. Die Ergebnisse zeigen Informationen wie Titel, Autor, Jahr und Zitierhäufigkeit an, was hilft, zunächst 1 bis 3 hochrelevanten Artikel als Ausgangspunkt auszuwählen.

Die Schlüsselwortsuche eignet sich zur Erstellung einer initialen Sammlung, doch der wahre Wert von ResearchRabbit liegt in der Netzwerksuche nach der Auswahl der Artikel. Für Systemüberblicksarbeiten sollten weiterhin replizierbare boolesche Suchanfragen in Web of Science, Scopus, PubMed, JSTOR oder Fachdatenbanken erstellt werden, wobei ResearchRabbit zur Ergänzung bei der Zitatenverfolgung genutzt wird.

Grundlagenartikel und iterative Entdeckungen

Die Seed-Papiere bilden den Ausgangspunkt für weitere Empfehlungen. In der kostenlosen Version können maximal 50 Seed-Papiere pro Nutzung verwendet werden; bei RR+ steigt diese Zahl auf 300. Dies eignet sich dazu, mithilfe einer vollständigen Erstauswahl von Dokumenten übersehene Themen, überschneidende Aspekte sowie Randbereiche der Forschung zu finden.

Die Qualität der Studien beeinflusst die Empfehlungen direkt. Wenn unklare Themen, unterschiedliche Methoden oder wenig relevante Artikel miteinander vermischt werden, können die Ergebnisse von der eigentlichen Frage abweichen.

Eine sicherere Methode ist es, nach Unterthemen, Methoden oder Forschungsfragen kleine, klare Sammlungen zu erstellen, diese nacheinander zu überprüfen und zu speichern.

Ähnliche Artikel

Similar Work empfiehlt auf der Grundlage der Beziehungen innerhalb des aktuellen Datensatzes an wissenschaftlicher Literatur verwandte Arbeiten und kann Artikel mit unterschiedlichen Begriffen, aber ähnlicher Zitierstruktur, aufspüren. Für interdisziplinäre Forschung kann es oft Literatur ergänzen, die bei einer reinen Schlüsselwortsuche übersehen wird.

Ähnlichkeit bedeutet nicht, dass die Forschungsergebnisse übereinstimmen. Die Nutzer müssen weiterhin den Zusammenfassungsteil, die Methoden, die Stichproben, die untersuchten Objekte sowie den vollständigen Text prüfen. Man darf ein Paper nicht einfach deshalb als Beweismittel betrachten, weil seine Diagramme in der Nähe zueinander liegen.

Frühe Forschungen und anschließende Studien

„Early Work“ hilft dabei, die früheren Literaturwerke sowie die grundlegenden Arbeiten zu ermitteln, auf die ein Paper verweist; „Later Work“ hingegen zeigt die späteren Studien an, die auf dieses Paper verweisen.

Durch die Verfolgung von Vor- und Rückzitaten lässt sich verstehen, wie Konzepte entstehen, wie Methoden sich verändern und ob eine bestimmte Schlussfolgerung später bestätigt oder in Frage gestellt wird.

Die Zitierverhältnisse neuer Artikel benötigen Zeit, um sich zu entwickeln; eine geringe Anzahl an Zitaten kann auch daran liegen, dass der Artikel erst kürzlich veröffentlicht wurde. Bei der Bewertung des Einflusses sollten das Veröffentlichungsjahr, die gängigen Zitiergewohnheiten im jeweiligen Fachgebiet, die Qualität der Zeitschrift sowie die tatsächliche Forschungsqualität berücksichtigt werden – anstatt nur nach der Anzahl der Zitate zu urteilen.

Interaktives Referenzdiagramm

ResearchRabbit zeigt wissenschaftliche Arbeiten als Knoten an und verbindet die Zitierbeziehungen durch Linien – so lässt sich die Entwicklung der Forschung nach Zeit und Einflussgrad erfassen. Die Nutzer können Themencluster, verbindende Arbeiten, Schlüsselforscher sowie Forschungslücken erkennen, was intuitiver ist als das Durchblättern langer Listen.

Diagramme sind Werkzeuge zur Erkundung und Kommunikation, keine strengen messmethodischen Schlussfolgerungen. Die Größe, Position und Clusterung der Knoten hängen von den aktuellen Auswahlkriterien sowie der Vollständigkeit der Daten ab;

Wenn das Diagramm in einer wissenschaftlichen Veröffentlichung, einem Poster oder einer Präsentation verwendet wird, muss gemäß den Vorgaben des Verlags das verwendete Tool angegeben werden.

Autor und Kooperationsnetzwerk

Neben den Verbindungen zu wissenschaftlichen Arbeiten kann die Plattform auch auf der Grundlage von Beziehungen zwischen Autoren und Mitautoren Forschungsgruppen erkunden, die führenden Wissenschaftler identifizieren, die sich kontinuierlich mit einem bestimmten Thema beschäftigen, sowie deren relevante Arbeiten einsehen. Dies ist sehr nützlich, wenn man nach potenziellen Betreuern, Kooperationspartnern oder Entwicklungen in einem bestimmten Forschungsbereich sucht.

Die Entschärfung von Namensunklarheiten ist nicht immer genau, insbesondere bei gebräuchlichen Namen, Änderungen der Institutionen sowie unterschiedlichen Schreibweisen. Bei der offiziellen Zitierung von Autorenleistungen oder bei wissenschaftlichen Bewertungen sollte man ORCID, die Website der Institution sowie die ursprüngliche Veröffentlichung überprüfen.

Sammlungen und Untergruppen

Benutzer können Arbeiten in Collections speichern und diese nach Theorie, Methode, Experiment, zu lesenden oder zu schreibenden Kapiteln in Untercollections sortieren. In „Recently Found“ können vorläufig gefundenen Arbeiten gespeichert werden, bis sie nach einer Überprüfung in die offiziellen Sammlungen überführt werden.

Eine Sammlung ist nicht einfach nur ein Ordner – sie kann auch als Eingabe für neue Suchanfragen verwendet werden. Gute Grenzen der Sammlungen tragen dazu bei, die Qualität der anschließenden Empfehlungen zu verbessern.

Wenn eine Sammlung mehrere unzusammenhängende Themen enthält, empfiehlt es sich, sie aufzuteilen und jeweils separat zu suchen.

Notizen, Aufkleber und Farben

Die Plattform ermöglicht es, neben den Artikeln Notizen zu machen und mithilfe von Stickern sowie Farben ein persönliches Filtersystem zu erstellen – beispielsweise um „einschließen“, „ausschließen“, „Volltext erforderlich“, „mit den Methoden zusammenhängend“ oder „Risiko von Verzerrungen“ zu kennzeichnen. Diese Informationen können die Zeit, die im Schreibprozess für das erneute Verstehen des Artikels benötigt wird, reduzieren.

Notizen sind die eigenen Forschungsbeurteilungen des Benutzers und ersetzen keine standardisierten Datenauswertungstabellen. In einer Systematikübersicht sollten zudem die Begründungen für die Ausklammerung, die Suchdaten, die Datenbanken, die vollständigen Suchanfragen sowie die Protokolle zur Behandlung von Doppelungen aufgeführt werden.

Geteilte Sammlungen und Teamzusammenarbeit

Die kostenlose Version ermöglicht es, Mitwirkende einzuladen, Ansichts- oder Bearbeitungsrechte zu festlegen sowie öffentliche Leseverknüpfungen zu erstellen. Die geteilte Sammlung umfasst die darin enthaltenen Unter-Sammlungen und Notizen, wodurch sie sich gut eignet, um gemeinsam mit der Arbeitsgruppe Materialien auszuwählen, Feedback vom Betreuer einzuholen oder eine Leseliste mit Kommilitonen zu teilen.

Bevor man etwas teilt, sollte man überprüfen, ob die Notizen unveröffentlichte Ideen, Inhalte aus der Peer-Review oder persönliche Informationen enthalten. Für sensible Inhalte sollten kontrollierte Einladungen verwendet werden – anstelle direkt öffentliche Links zu erstellen.

Zotero importieren

ResearchRabbit bietet einen Zotero-Importierer an. Bei der ersten Verbindung ist eine Autorisierung zum Zugriff auf die Zotero-Sammlungen erforderlich. Danach kann man Konten, Sammlungen sowie einzelne Artikel in ResearchRabbit importieren und diese bereits vorhandenen Literaturquellen als Ausgangspunkt nutzen, um neue Artikel zu entdecken.

In den aktuellen offiziellen Anleitungen bezieht sich die Verbindung mit Zotero hauptsächlich auf den Importprozess; die Einbringung neuer Funde in Zotero kann durch Export in BibTeX erfolgen.

Zweiwege-Synchronisierung gehört weiterhin zum Bereich der kontinuierlichen Entwicklung; die vorhandenen Funktionen sollten nicht als Echtzeit-Zweiwege-Synchronisierung bezeichnet werden.

BibTeX, RIS und CSV-Import/Export

Sammlungen können in BibTeX, RIS oder CSV exportiert werden, um sie leicht in Zotero, EndNote, Mendeley und andere Forschungstools zu übertragen. Die Daten aus EndNote und Mendeley können ebenfalls zunächst in BibTeX exportiert und anschließend in ResearchRabbit hochgeladen werden.

Es werden Literaturdaten exportiert, nicht die urheberrechtlich geschützten Volltexte. Nach dem Import sollten DOI, Reihenfolge der Autoren, Seitenzahlen, Jahrgang und Ausgabe des Journals sowie Sonderzeichen überprüft werden, um zu vermeiden, dass fehlende Metadaten die endgültige Referenzliste beeinträchtigen.

Zitierformat kopieren

Die Benutzer können aus dem Menü der Absätze den gewünschten Zitierstil auswählen und die formatierten Zitate kopieren, um sie schnell zu teilen oder als vorläufige Notizen zu verwenden. Für formelle Arbeiten wird weiterhin empfohlen, die Literaturverzeichnisse in einem speziellen Verwaltungsprogramm zu erstellen und diese anschließend an die Anforderungen der Zeitschrift sowie an die Angaben auf der ersten Seite des Artikels anzupassen.

Mehrsprachigkeit

ResearchRabbit kann zur Suche nach wissenschaftlichen Aufsätzen in verschiedenen Sprachen verwendet werden. Die Benutzeroberfläche bietet außerdem die Möglichkeit, sie in mehreren Sprachen zu nutzen. Chinesische Nutzer können chinesische Suchbegriffe eingeben oder chinesische Artikel importieren. Allerdings hängt die Vollständigkeit der Ergebnisse sowie die Verfügbarkeit von Referenzen davon ab, ob der Datenanbieter normierte Metadaten bereitstellt.

Für chinesische Fachzeitschriften, Dissertationen sowie Daten aus lokalen Datenbanken sollten gleichzeitig Quellen wie Zhiwang, Wanfang, VIP oder die Universitätsdatenbanken genutzt werden. ResearchRabbit kann die umfassende Suche in chinesischen Fachdatenbanken nicht ersetzen.

Preis- und Versionsvergleich

Was enthält die kostenlose Version?

Der Preis für „Free Forever“ beträgt 0 US-Dollar. Enthalten sind unbegrenzte Suchvorgänge in unzähligen Datenbanken und Sammlungen, die Möglichkeit zur gemeinsamen Zusammenarbeit, das Hochladen von Dokumenten in Datenbanken, die Anzeige von Zitaten sowie ähnlichen Artikeln, ein Netzwerk von Zitaten, Notizen und Farben – außerdem die Möglichkeit, bis zu 50 Ausgangsartikel zu suchen.

Die kostenlose Version reicht bereits aus, um fokussierte Literaturübersichten zu erstellen. Der Anbieter hat zugesichert, die kostenlose Ebene langfristig beizubehalten. Die Einschränkungen liegen hauptsächlich in der Anzahl der Suchbegriffe für umfangreiche Suchanfragen, in den fortgeschrittenen Filtermöglichkeiten sowie in der Fähigkeit zur Trennung von Projekten – nicht jedoch darin, die Kernfunktionen des Tools zu blockieren.

ResearchRabbit+-Preis

ResearchRabbit+ kostet 12,5 US-Dollar im Monatsabonnement und 120 US-Dollar im Jahresabonnement, was einem Betrag von 10 US-Dollar pro Monat entspricht – das sind etwa 20 Prozent Ersparnis im Vergleich zum Monatsabonnement. In mehr als 100 Ländern und Regionen, darunter China, können Rabatte auf Basis der Kaufkraftparität auf der Upgrade-Seite erhalten werden. Die genauen Rabattcodes sowie die Höhe der Rabatte sind nach dem Anmelden einsehbar.

RR+ eignet sich für umfangreiche Übersichtsarbeiten, mehrere parallele Forschungsprojekte sowie für Nutzer, die eine präzise Kontrolle bei der Suche benötigen. Die Abonnentengebühren ermöglichen die Fortführung des kostenlosen Angebots, doch es ist nicht erforderlich, dass jeder Forscher auf das Upgrade wechselt.

RR+Erweiterte Suche

Die kostenpflichtige Version bietet eine genauere Kontrolle über Schlüsselwörter, Zeitschriften und Zeitraume. Dadurch können thematische Überschneidungen gefunden werden, sich auf Nischenbereiche konzentriert werden, un relevante Aspekte ausgeschlossen werden – und es wird dabei geholfen, möglicherweise übersehene Verbindungen in den Übersichtsartikeln zu erkennen.

Fortgeschrittene Filter erhöhen die Effizienz, können aber nicht automatisch eine vollständige Suche garantieren. In Systemüberblicken sollten weiterhin alle Bedingungen sowie der Filterprozess dokumentiert werden, und mindestens ein Forscher sollte die wichtigsten Ergebnisse überprüfen.

RR+ mehrere Projekte

Multiple Projects ermöglicht es, Artikel, Sammlungen und Notizen für verschiedene Arbeiten oder Projekte getrennt zu verwalten, wodurch sichere, dass die Speicherung eines Themas die Empfehlungen für ein anderes Thema nicht beeinflusst. Für Benutzer, die gleichzeitig mehrere Arbeiten schreiben oder mehrere Projekte betreuen, ist dies übersichtlicher als das Anhäufen zahlreicher Sammlungen in derselben Bibliothek.

Untersuchung von Integritätsignalen und Erinnerungen

Auf der RR+-Preisseite werden Signals Alerts aufgeführt, die Informationen zur Integrität der Forschung liefern und das Risiko von Übersehungen verringern. Solche Signale sollten als Anhaltspunkte für weitere Überprüfungen dienen und dürfen nicht direkt die Datenbanken mit Rückziehungsanfragen, die Mitteilungen der Zeitschriften sowie die manuelle Bewertung der Forschungsqualität ersetzen.

Institutionelles Konzept

Die Institutionen erhalten individuelle Angebote, die die Funktionen RR+, Mengenrabatte, die Integration in wissenschaftliche Bibliotheken über LibKey, die Benutzermanagement-Funktionen, Nutzungsstatistiken sowie exklusiven Support umfassen. Wenn Hochschulen oder Forschungseinrichtungen einkaufen, müssen sie die Aspekte der Authentifizierung, der Verknüpfung mit den Beständen der Bibliothek, der Datenverarbeitung, der Übertragung von Konten sowie der Analyse der Nutzungsdaten klären.

Die Beziehung zwischen ResearchRabbit und der Datenbank

ResearchRabbit empfiehlt ausdrücklich die Kombination mit Bibliotheksdatenbanken. Traditionelle Datenbanken sind gut in der strukturierten Suche, im Indizieren nach Fachgebieten, beim Abrufen von Volltexten sowie bei der reproduzierbaren Suche.

ResearchRabbit ist gut darin, auf der Grundlage vorhandener Artikel Netzwerke zu entdecken, zu visualisieren und iterativ auszubauen.

Der zuverlässigste Arbeitsablauf besteht darin, zunächst in einer professionellen Datenbank nachvollziehbare Suchen durchzuführen, anschließend die relevanten oder Schlüsselpublikationen in ResearchRabbit einzufügen, um Rück- und Vorverfolgungen durchzuführen, und schließlich auf den Seiten der Institutionen oder Verleger den vollständigen Text abzurufen.

Kann man den vollständigen Text der Veröffentlichung herunterladen?

ResearchRabbit zeigt hauptsächlich Metadaten zu Artikeln, Zusammenfassungen sowie externe Zugangspunkte – es handelt sich dabei nicht um einen Downloader, mit dem man vollständige Texte um die Zahlungspflichten herum herunterladen kann. Die Verfügbarkeit des vollständigen Textes hängt von Open-Access-Prinzipien, den Verlagen, den Archiven der Autoren oder den Abonnements der zugehörigen Institutionen ab.

Wenn man auf bezahlte wissenschaftliche Arbeiten stößt, kann man diese über die Universitätsbibliothek, den interbibliografischen Austausch, öffentliche Versionen des Autors oder legale Open-Access-Quellen finden. Das Finden einer Eintragung bedeutet jedoch nicht, dass man das Recht hat, den vollständigen Text zu nutzen.

Anleitung für ResearchRabbit

Eine grundlegende Aufgabe erledigen

1. Definieren Sie das Problem, den Zeitraum, den Bereich, die Priorität der Quellen sowie das Ausgabeformat;
2. Laden Sie in ResearchRabbit Materialien hoch, für die Sie Zugriffsrechte haben, oder geben Sie Suchanfragen ein;
3. Zuerst: Wie verwendet man ResearchRabbit für KI? Man erstellt ein Rahmenwerk und ergänzt es anschließend mit Belegen aus einer Datenbank von über 100 Millionen wissenschaftlichen Artikeln.
4. Es ist erforderlich, Quellenfakten, die Ansichten des Autors und KI-Erkenntnisse voneinander zu unterscheiden.
5. Jeweils die Daten, Zahlen, den ursprünglichen Textort sowie widersprüchliche Beweise überprüfen;
6. Die Ergebnisse werden manuell überarbeitet, das Überprüfungsdatum wird aufgezeichnet, und anschließend veröffentlicht.

Erstellung wiederverwendbarer professioneller Workflows

1. Komplexe Themen in vier Kategorien von Fragen aufteilen: Hintergrund, Daten, Vergleiche und Schlussfolgerungen;
2. Wie wird ResearchRabbit mit KI genutzt? Eine feste Forschungsstrategie entsteht durch die Suche in einer Datenbank mit über 100 Millionen Artikeln sowie durch die Suche nach Schlüsselwörtern, Titeln und DOI-Nummern.
3. Zuerst sollten die offiziellen Webseiten, wissenschaftliche Arbeiten, regulatorische Dokumente und Rohdaten verwendet werden;
4. Für Schlussfolgerungen mit hohem Risiko wird eine zweite Überprüfung durchgeführt;
5. Abfragen, Beweise, Versionen und ungelöste Probleme speichern;
6. Nach Änderungen der Daten erneut ausführen und die Schlussfolgerungen aktualisieren;

Eignet es sich für eine Systematische Übersichtsarbeit?

• Es eignet sich zur Ergänzung der Zitatenverfolgung, zur Aufdeckung von Auslassungen und zum Verständnis von Forschungsnetzwerken, sollte aber nicht als einzige Datenbank für Systemüberblicksarbeiten verwendet werden;
• Die alleinige Abhängigkeit von Netzwerkalgorithmen kann dazu führen, dass Studien mit reichlich Zitaten, vollständigen Metadaten oder bereits etablierten Netzwerken bevorzugt werden, während neu veröffentlichte Arbeiten sowie Literatur aus Nischenregionen unterschätzt wird.
• Eine systematische Übersichtsarbeit erfordert ein Vorregistrierungsverfahren, mehrere Datenbanken, wiederholte Filterung, eine Qualitätseinschätzung sowie PRISMA-Protokolle;
• ResearchRabbit kann den Forschungsprozess speichern, kann aber nicht automatisch alle Compliance-Anforderungen erfüllen;

GitHub und der Open-Source-Zustand

Die Kernfunktionen von ResearchRabbit – Suchfunktionen, Graphen, Webanwendungen sowie Empfehlungsalgorithmen – sind keine Open-Source-Produkte. Die offizielle GitHub-Seite bietet derzeit nur einen Python-Klienten für den Amplitude-Analysedienst an; der vollständige Quellcode der ResearchRabbit-Plattform wurde nicht veröffentlicht.

Die auf GitHub unter dem Namen research-rabbit vorhandenen lokalen Forschungsagenten, Downloader sowie das LangGraph-Projekt sind meist Produkte Dritter oder andere Lösungen, die nichts mit diesem Werkzeug zur Darstellung von wissenschaftlichen Zitaten zu tun haben. Die entsprechenden Angebote sollten als geschlossenes SaaS-Produkt gekennzeichnet werden; man kann nicht anhand des gleichen Repository-Namens schließen, dass sie privat eingesetzt werden können.

Für welche Nutzer geeignet?

• Studenten, die Arbeiten für Kurse, Abschlussarbeiten und Doktorarbeiten vorbereiten;
• Forscher, die narrative Übersichtsarbeiten, Umfangsübersichtsarbeiten oder systematische Übersichtsarbeiten durchführen;
• Es ist notwendig, Grundlagenarbeiten, aktuelle Forschungspapiere sowie Teams mit interdisziplinären Verbindungen zu finden.
• Benutzer, die Zotero, EndNote oder Mendeley zur Verwaltung von Literaturverzeichnissen verwenden;
• Projektteams, die ihre Leseverzeichnisse und Notizen mit Betreuern und Mitarbeitern teilen müssen;
• Lehrkräfte, die die Forschungslinien und Netzwerke der Autoren mit Diagrammen darstellen möchten.

Vorteile des Produkts

• Die kostenlose Version behält die vollständigen Funktionen zur Suche nach Kerndokumenten und zur Erstellung von Diagrammen bei.
• Die Datenbank mit über 310 Millionen Artikeln umfasst ein breites Spektrum.
• Durch die Suche im Internet lassen sich verschiedene relevante Studien zu Schlüsselbegriffen finden.
• Die Kernempfehlungen sind nicht auf die Erstellung von Inhalten durch große Sprachmodelle angewiesen;
• Unterstützung für Sammlungen, Notizen, Zusammenarbeit und öffentliche Teilen;
• Kann mit den Forschungsworkflows von Zotero und BibTeX verbunden werden.

Einschränkungen und Hinweise

• Metadaten, Zitate und Autorauflösungen können unvollständig sein; Empfehlungen können zudem von Verzerrungen durch die Ausgangspapiere beeinflusst werden.
• Es kann keinen Zugriff auf den gesamten Text, keine Garantie für die Vollständigkeit der Suchergebnisse, keine Gewähr für die Qualität der Artikel oder die Genauigkeit der Zitierungen bieten. Wichtige Informationen müssen in den ursprünglichen Artikeln sowie in Fachdatenbanken überprüft werden.
• Die kostenlose Version ermöglicht maximal 50 Sammelartikel pro einmal. Obwohl bei RR+ die Anzahl auf 300 erhöht wurde und zusätzliche Filter hinzugefügt wurden, handelt es sich dennoch nicht um ein automatisches System zur Übersichtserstellung.
• Bevor die Sammlung öffentlich geteilt wird, müssen Notizen sowie unveröffentlichte Forschungsinformationen überprüft werden;

Häufige Fragen

Ist ResearchRabbit kostenlos?

Es gibt eine dauerhaft kostenlose Version, die unbegrenzte Suchmöglichkeiten, unbegrenzte Sammlungen, ein Zitierdiagramm, Kooperationsfunktionen sowie bis zu 50 Ausgangspapiere bietet – mehr als ausreichend, um die meisten fokussierten Literaturrecherchen durchzuführen.

Wie viel kostet RR+?

Monatlich 12,5 US-Dollar, jährlich 120 US-Dollar, was im Umrechnungssatz 10 US-Dollar pro Monat entspricht. Länder und Regionen wie China, die die Voraussetzungen erfüllen, können nach dem Anmelden auf der Upgrade-Seite die Rabatte einsehen.

Erstellt ResearchRabbit mit KI Zusammenfassungen von Artikeln?

Die zentrale Empfehlung ist es, keine großen Sprachmodelle zu verwenden, sondern sich stattdessen auf Zitate, Co-Zitierungen sowie Netzwerke von Autoren und Mitautoren zu stützen. Zusammenfassungen und Metadaten stammen aus wissenschaftlichen Datenquellen; dennoch muss der Originaltext überprüft werden.

Kann es mit Zotero synchronisiert werden?

Derzeit ist die Importierung von Zotero-Sammlungen möglich, und neu entdeckte Einträge können über BibTeX wieder in Zotero eingefügt werden; eine vollständige bidirektionale Synchronisierung wie in den offiziellen Anleitungen wird noch entwickelt.

Kann es Google Scholar, PubMed oder Web of Science ersetzen?

Nicht möglich. Es eignet sich zur Ergänzung der Netzwerkanalyse und der Zitierverfolgung und sollte in Kombination mit Bibliotheksdatenbanken sowie Fachdatenbanken verwendet werden.

Ist ResearchRabbit open source?

Keine Offenlegung des Quellcodes. Auf GitHub werden weder der vollständige Suchmechanismus noch die Graphen sowie die Empfehlungssysteme offengelegt; die Repositorys Dritter mit demselben Namen sind keine offiziellen Produkte.