Besoin d'aide ? Contactez votre bibliothécaire disciplinaire.
L'univers des logiciels d'analyse pour les synthèses des connaissances est continuellement en mouvance, particulièrement considérant les avancées de l'intelligence artificielle. Les fonctionnalités et coûts associés à chaque logiciel étant en constante évolution, il est suggéré d'analyser les logiciels suivants pour déterminer lequel convient le mieux à vos besoins.
Voici quelques-uns des logiciels d'analyse les plus reconnus:
L'UQTR met à la disposition des chercheurs, à certaines conditions, l'outil Covidence.
Covidence est un outil en ligne qui rationalise certaines parties du processus des synthèses des connaissances. Il permet de :
Covidence facilite le travail collaboratif entre collègues, peu importe leur institution d’attache, à toutes les étapes du processus. Son utilisation permet à l’équipe de chercheurs d’atteindre de hauts standards de qualité en termes de méthodologie.
Pour en bénéficier, merci de remplir le formulaire de demande, un membre de l'équipe vous contactera pour confirmer ou non votre accès.
Avant de faire votre demande, réfléchissez aux points suivants :
Avant d'utiliser Covidence, assurez-vous d'avoir choisi une méthodologie pour votre synthèse de connaissances. Consultez les différentes sections de ce guide pour des références à ce sujet.
L'équipe de recherche détermine les paramètres du projet et les critères utilisés pour :
Avant d'utiliser Covidence, assurez-vous d'avoir choisi une méthodologie pour votre synthèse de connaissances. Voici quelques exemples.
Pour les revues systématiques :
Pour les études de la portée :
Pour en savoir plus sur Covidence, contactez votre bibliothécaire disciplinaire. Vous pouvez également consulter le site de soutien et la chaîne YouTube de Covidence.
L'Université d'Ottawa propose une vidéo d'introduction à Covidence (52 minutes).
L'Université de Montréal offre une série de six capsules sur Covidence, disponibles sur sa chaîne YouTube.
Blaizot, A., Veettil, S. K., Saidoung, P., Moreno-Garcia, C. F., Wiratunga, N., Aceves-Martins, M., Lai, N. M. et Chaiyakunapruk, N. (2022). Using artificial intelligence methods for systematic review in health sciences : A systematic review. Research Synthesis Methods, 13(3), 353‑362. https://doi.org/10.1002/jrsm.1553
Debnath, S. (2023). Quantitative monitoring and analysis of rare symptoms of COVID-19 infection : Application of a text and citation management software as a tool. Dans R. Bansal, R. Sing, A., Sing, K. Chaudhary et T. Rasul (dir.), Redefining virtual teaching learning pedagogy (p. 169‑183). Wiley. https://doi.org/10.1002/9781119867647.ch10
dos Reis, A. H. S., de Oliveira, A. L. M., Fritsch, C., Zouch, J., Ferreira, P. et Polese, J. C. (2023). Usefulness of machine learning softwares to screen titles of systematic reviews : A methodological study. Systematic Reviews, 12(1), 68. https://doi.org/10.1186/s13643-023-02231-3
Gates, A., Gates, M., Sebastianski, M., Guitard, S., Elliott, S. A. et Hartling, L. (2020). The semi-automation of title and abstract screening : A retrospective exploration of ways to leverage Abstrackr’s relevance predictions in systematic and rapid reviews. BMC Medical Research Methodology, 20(1), 139. https://doi.org/10.1186/s12874-020-01031-w
Gibbs, K. D., Loveless, J. et Crane, S. (2022). A guide to using technological applications to facilitate systematic reviews. Worldviews on Evidence-Based Nursing, 19(6), 442‑449. https://doi.org/10.1111/wvn.12611
Harrison, H., Griffin, S. J., Kuhn, I. et Usher-Smith, J. A. (2020). Software tools to support title and abstract screening for systematic reviews in healthcare : An evaluation. BMC Medical Research Methodology, 20(1), 7. https://doi.org/10.1186/s12874-020-0897-3
Kellermeyer, L., Harnke, B. et Knight, S. (2018). Covidence and Rayyan. Journal of the Medical Library Association, 106(4), Article 4. https://doi.org/10.5195/jmla.2018.513
Khalil, H., Ameen, D. et Zarnegar, A. (2022). Tools to support the automation of systematic reviews : A scoping review. Journal of Clinical Epidemiology, 144, 22‑42. https://doi.org/10.1016/j.jclinepi.2021.12.005
Reddy, S. M., Patel, S., Weyrich, M., Fenton, J. et Viswanathan, M. (2020). Comparison of a traditional systematic review approach with review-of-reviews and semi-automation as strategies to update the evidence. Systematic Reviews, 9(1), 243. https://doi.org/10.1186/s13643-020-01450-2
Valizadeh, A., Moassefi, M., Nakhostin-Ansari, A., Hosseini Asl, S. H., Saghab Torbati, M., Aghajani, R., Maleki Ghorbani, Z. et Faghani, S. (2022). Abstract screening using the automated tool Rayyan : Results of effectiveness in three diagnostic test accuracy systematic reviews. BMC Medical Research Methodology, 22(1), 160. https://doi.org/10.1186/s12874-022-01631-8
van der Mierden, S., Tsaioun, K., Bleich, A. et Leenaars, C. H. C. (2019). Software tools for literature screening in systematic reviews in biomedical research. ALTEX, 36(3), 508‑517. https://doi.org/10.14573/altex.1902131
Roopchund, R., Andrew, J. et Sithole, B. (2022, 23-25 novembre). Effects of cellulose nanocrystals on construction materials : Meta-analyses quantification using RevMan Software. International Conference on Information systems and Emerging Technologies, Windhoek, Namibie. https://doi.org/10.2139/ssrn.4332835
Wang, M., Sharmin, S., Wang, M. et Yu, F. (2021). A mixed-method usability study on user experience with systematic review software. Proceedings of the Association for Information Science and Technology, 58(1), 346‑356. https://doi.org/10.1002/pra2.462
Zhang, Q. et Neitzel, A. (2023). Choosing the right tool for the bob : Screening tools for systematic reviews in education. Journal of Research on Educational Effectiveness. https://doi.org/10.1080/19345747.2023.2209079
Sauf indications contraires, les contenus de ce guide créé par le Service de la bibliothèque de l'UQTR sont sous licence CC BY 4.0
