浏览 AI使用教程
扫描论文 PDF 怎么读：核对 OCR、跨页表格和引用页码
扫描论文不能只读OCR文字。用一份教学论文片段检查负号、单位、跨页表头和引文归属，把无法确认的字段留在核对单，而不是写进综述。
沿完整工作流推进
前一阶段的可检查结果，是下一阶段的输入；中间证据不足时停在当前阶段。
OCR读出了数字，却丢了负号、单位和跨页表头
长文件怎样建目录和分批处理，见B04。本篇针对论文PDF的扫描页、跨页表格及二手引文：即使页码能跳转，识别文字仍可能支持不了你的结论。
下面论文P01、页码与结果均为教学构造，原页文字以转写片段展示，不是已运行OCR软件的记录。练习目标是发现转写错误和引用越界，不是评价某项真实干预。
- 扫描页与OCR差异单
- 保留表头/单位/脚注的结果卡
- 可以原页回查的引用定位
先判断这一页能否进入证据提取
| 情况 | 手工检查 | 下一步 |
|---|---|---|
| 正文能搜索，复制后次序正常 | 搜索一句含数字和否定词的原句，再对照页面 | 文字可辅助定位，但关键引文仍看原页 |
| 整页只能作为图片选择 | 放大检查清晰度、倾斜、缺边与页序 | 在允许处理该文档的OCR工具中识别，另存副本，不覆盖原PDF |
| 复制后两栏交错或表格错列 | 检查同一行是否混入邻列和页脚 | 按栏目/表格单独处理；必要时人工转写小片段 |
| 数字/符号仍看不清 | 检查原下载版本或出版方HTML/补充材料 | 标“无法辨认”，先不据此引用，不让AI猜 |
三处OCR错读会改变结论，先逐字对照
| 位置 | 教学原页片段 | 错误OCR文本 | 应记录的修正 |
|---|---|---|---|
| PDF 6 / 印刷4，结果段 | 组间均值差为−1.2分，95% CI −2.0至−0.4。 | 组间均值差为1.2分，95% CI 2.0至0.4。 | 负号丢失；回原页确认后记录−1.2及两个负边界 |
| PDF 7 / 印刷5，表2表头 | 完成时间（秒）；数值越低表示完成越快。 | 完成时间；数值越低表示完成越快。 | 补单位“秒”；不能改为分钟，也不能由表推总效率 |
| PDF 8 / 印刷6，表2续页脚注 | 仅含完成两次测量的受试者；缺失原因见附录。 | 含完成测量的受试者。 | 恢复两次测量条件；缺失机制仍须读附录 |
这些是构造的对照文本；错误OCR不能当第二个独立证据。
一次提供表题、两页表头、数据行和脚注
- 01
圈定表格边界
把表2起始页与续页一起打开，确认“续表”及列顺序；不按固定字符数把一张表切成两份。
- 02
抄出列名与单位
记录组别、样本数、时间点、统计量、单位及缩写；缺列名的单元格暂不解释。
- 03
检查脚注改变了哪个分母
本例只包含完成两次测量者，因此不能用招募总人数当表2分母。附录未提供时将缺失人数和原因标待查。
- 04
输出一条带限制的判断
教学输出：在表2的两次测量完整样本中，该指标组间差为−1.2分；单位、区间及分析对象已由给定片段对齐，因研究设计和附录未提供，不能外推干预因果效果。
让AI只列差异和缺口，不替你猜扫描文字
可复制使用
让AI只列差异和缺口，不替你猜扫描文字
当前文件P01；版本【】；PDF页【】/印刷页【】。以下分别提供页面截图或人工转写与OCR文本。只比较这两份内容，按“位置｜原页可辨文字｜OCR｜差异影响｜需回查”输出。重点检查负号、小数点、上下标、单位、列名、分母和否定词；看不清写无法辨认。跨页表格缺表头或脚注时停止解释数字。最后区分作者本研究结果、作者引用别人、作者解释；不要把二手引文写成作者自己的结果。
引用卡同时写页码、证据性质和仍缺什么
| 拟写句 | 定位 | 证据性质 | 处置 |
|---|---|---|---|
| 组间差为−1.2分 | PDF6/印刷4，结果段；表2须一并对齐 | 本研究结果的教学片段 | 只在已给对象/单位范围内陈述，不加因果或普遍适用 |
| 此前研究也得到相同结果 | 若正文仅引用[12]，须追[12]原论文 | 作者引用他人 | 未读原论文前不声称已经独立核实 |
| 这种训练值得全校推广 | 当前片段无相应范围证据 | 读者推断 | 不进入已支持结论 |