机器学习筛选文摘
Research Screener 是一款专注于系统综述与范围综述的机器学习摘要筛选平台。它面向“需要阅读大量标题和摘要”的科研场景，通过将更可能相关的摘要优先呈现，帮助研究者减少人工初筛工作量。平台支持创建项目、上传来自参考文献工具的摘要、标记相关性、记录笔记、处理团队筛选冲突，并导出筛选数据与结果。
其核心 AI 能力是机器学习排序：把最相关的摘要排在前面，以提高筛选效率。正文称该算法已在多项系统综述和范围综述中验证，并宣称最多可节省 96% 摘要筛选时间。不过，页面未披露具体模型类型、训练方法、特征来源、不同学科或语言下的性能，也未说明误筛控制机制。因此更适合作为“半自动化辅助筛选工具”，不应视为完全替代人工判断。
Research Screener 的产品设计较贴合科研团队流程：每个项目可支持最多 5 名协作者，具备冲突解决功能，便于多人独立筛选后统一分歧；导出选项有助于维持筛选过程透明度和结果归属。它提到可从参考文献工具上传摘要，但没有说明具体支持 EndNote、Zotero、Mendeley 等哪些格式，也未提供 API 或深度集成信息。数据隐私方面，仅提到筛选数据和结果可导出，未披露加密、合规、数据存储地、删除政策等关键内容。
定价为按项目授权：1-5 个项目为 250 澳元/项目；6-10 个项目为 200 澳元/项目；10 个以上为 150 澳元/项目。每项目最多 30,000 条摘要、5 名协作者，并要求 1 年内启动项目。另有免费 demo 和机构许可咨询。对有明确综述课题的高校或医学研究团队来说，若能显著减少人工筛选时间，性价比较好；但对偶发性、小规模综述用户，项目制付费可能略重。
优点是场景聚焦、流程简单、协作功能实用，并有研究者评价背书；缺点是模型透明度、隐私合规、API、中文支持信息不足。它适合医学、药学、康复、公共卫生等需要大批量文献初筛的研究团队，尤其是多人协作的系统综述项目。
正文未提供中国大陆访问、支付方式或中文支持信息，因此中国访问状态为未知。若网络或支付不便，可对比 Rayyan、Covidence、DistillerSR、EPPI-Reviewer、ASReview 等工具；中文文献较多的项目还需自行验证其对中文标题和摘要的处理效果。
本测评基于公开资料整理,不构成购买建议,请以 researchscreener.com 官网实际信息为准。
按项目收费，适合系统综述初筛提效。
评分明细(分布与用户短评)接入中。当前展示 TG4G 综合评分,数据源自公开测评与用户反馈。