Det är svårt att få folk glada över programvara, säger Eliza Grames, doktorand i ekologi och evolutionär biologi. Än, mjukvaran hon har utvecklat är spännande för alla som ska börja en ny forskning och försöka avgöra om det faktiskt är ... nytt.

Sätt dig i en forskares skor.

Innan någon ny studie, en grundlig och uttömmande granskning av befintlig litteratur måste göras för att se till att projektet är nytt. Eller, för att avgöra om det finns befintliga data som kan användas för att svara på deras nya fråga.

Detta är en skrämmande uppgift, särskilt med tanke på att miljontals nya forskningsartiklar publiceras varje år. Var börjar man ens utforska all den informationen?

"Varje ny studie bidrar mer till det vi vet om ett ämne, lägga till nyanser och komplexitet som hjälper till att förbättra vår förståelse av den naturliga världen. För att förstå denna rikedom av bevis och komma närmare en fullständig bild av världen, forskare vänder sig alltmer till systematiska granskningsmetoder som ett sätt att syntetisera denna information, säger Grames.

Systematiska granskningar startade inom medicin och folkhälsa, där det kan vara att hålla sig uppdaterad med forskning, ganska bokstavligt, en fråga om liv eller död, säger Grames. (Har du någonsin undrat hur din läkare vet om de senaste behandlingarna för ditt tillstånd?)

"På dessa fält, det finns ett etablerat system med medicinska ämnesrubriker där artiklar taggas med nyckelord som är kopplade till arbetet, men ekologi har inte det. "

Andra forskningsområden inom det vetenskapliga spektrumet fanns i samma båt.

Projektet sprang ur nöd. I hennes egen process för granskning, Grames noterade att hon skulle sakna artiklar och viktiga termer och var intresserad av att ta reda på hur man identifierar de saknade termerna. Så, Grames bestämde sig för att skapa ett system som forskare inom ekologi, miljö, bevarandebiologi, evolutionär biologi och andra vetenskaper, kunde använda.

"När vi arbetade med denna programvara, vi insåg att det fanns ett mycket snabbare sätt att göra recensioner än hur andra gjorde dem, säger Grames, "Det traditionella sättet var mestadels att gå igenom papper och dra ut en term och sedan läsa resten av artikeln för att identifiera fler termer att använda."

Även med ganska specifika sökord, Grames noterar att den genomsnittliga systematiska översynen inom sitt bevarandebiologiska område ger initialt cirka 10, 000 forskningsrapporter. Även om det är viktigt att hämta relevant information, för mycket irrelevant information kan lägga till onödig tid.

"Varje år, mängden data bara ökar. Det finns några systematiska recensioner som om du tittar på hur lång tid de skulle ha tagit för bara tre år sedan, de skulle ta cirka 300 dagar att utföra. Om samma recensioner gjordes idag, de skulle ta cirka 350 dagar eftersom antalet publikationer bara fortsätter att gå upp och upp. "

Grames säger att det tog ungefär en månad eller så att ta fram idéer för programvaran, sedan tillbringade hon en sommar med att skriva och fixa koden. Resultatet är ett programpaket med öppen källkod som heter litsearchr.

Hur det fungerar, säger Grames, är att en användare kommer att mata in en sökning i några databaser.

"Nyckelorden bör vara ganska relevanta i algoritmen för att extrahera alla potentiella sökord, som sedan sätts in i ett nätverk. De ursprungliga nyckelorden är i mitten av nätverket och är de mest välanslutna. "

Grames säger att tiden som krävs för att utveckla en sökstrategi har minskats med 90%.

Presenterad med de mest relevanta artiklarna, forskare har då betydligt färre papper att analysera igenom manuellt. Detta granskningsskede är delvis automatiserat nu, för, tillägger Grames.

Litsearchr är en del av ett samarbete mellan forskare, kallas metaverse, där målet är att koppla ihop flera mjukvarupaket så att forskare kan utföra sin forskning från början till slut på samma kodningsspråk.

"Forskare kan utveckla sina systematiska granskningar, importera data, och det finns till och med ett paket som kan skriva upp resultatavsnittet för den systematiska granskningen, säger Grames.

Grames och hennes team konfigurerade programvaran så att den kan användas av vem som helst, om de kan koda eller inte, med färdiga mallar. Det finns också en detaljerad steg-för-steg-video för att ta användare genom processen.

Genom att hålla programvaran öppen källkod, Grames säger att felsökning och redigering är förbättrad eftersom användare kan peka på detaljer som behöver uppmärksamhet. "Varje gång jag får ett mejl, det är så spännande. Det är trevligt att ha det öppet eftersom folk kan meddela mig när det finns ett stavfel. "

Programvaran används för närvarande av forskare inom näringsvetenskap och psykologi, och för ett massivt företag som granskar alla papper som rör insektspopulationer över hela världen.

"Det finns inget sätt att vi skulle kunna göra det här projektet utan den automatiseringsnivå vi får med litsearchr. Jag byggde detta utifrån ett behov från ett annat projekt, men denna programvara gör det möjligt att göra ännu större analyser än tidigare. "