المركب البحثي: اكتشف نقاط الاتفاق والخلاف والأسئلة غير المجابة بين المصادر
Why this prompt matters
Most people read sources sequentially and end up anchored to whichever conclusion they read last. Real synthesis requires mapping the intellectual landscape: where genuine consensus exists, where disputes are empirical vs methodological vs definitional, and where evidence is simply absent. Without this, you can unknowingly cherry-pick support for any conclusion. A 45-minute manual synthesis that would normally take an analyst half a day costs seconds with this prompt.
What we use it for
You have pulled together 4–7 articles, papers, or reports on a topic before writing a brief, making a decision, or presenting to stakeholders — and you need to understand the actual state of evidence across them, not just what each article says on its own.
Prompt
Act as a systematic research analyst with expertise in synthesizing academic and professional literature. You will analyze the source summaries or abstracts I provide and produce a structured synthesis identifying: where sources converge, where they conflict, what each uniquely contributes, and what important questions remain unanswered. I am researching: [YOUR RESEARCH TOPIC OR QUESTION] Here are the source summaries to synthesize: SOURCE 1 — [TITLE / AUTHOR / DATE]: [PASTE SUMMARY OR ABSTRACT HERE] SOURCE 2 — [TITLE / AUTHOR / DATE]: [PASTE SUMMARY OR ABSTRACT HERE] SOURCE 3 — [TITLE / AUTHOR / DATE]: [PASTE SUMMARY OR ABSTRACT HERE] [Add more sources as needed — 3 to 8 sources works best] Constraints: - Work only from what I have provided. Do not introduce outside knowledge. - Flag when two sources use the same term differently — definitional conflicts matter. - Be specific: when noting agreement or disagreement, cite which sources and what exact claims. - Do not summarize each source individually — I have already read them. Synthesize across them. - If a source is too brief or vague to contribute meaningfully, say so rather than padding. - Distinguish empirical conflicts (different findings) from methodological conflicts (different measurement approaches) from definitional conflicts (different meaning of terms). Produce your synthesis in this exact format: ## Points of Strong Agreement [Claims supported by 3+ sources, with source citations in parentheses] ## Productive Tensions [Where sources meaningfully disagree — note whether the conflict is empirical, methodological, or definitional, and why it matters] ## Unique Contributions [One bullet per source: what this source adds that the others do not cover] ## Unanswered Questions [Important questions the sources collectively leave open: gaps, unstudied populations, unexplored mechanisms, missing timeframes] ## Synthesis Statement [One dense paragraph integrating the above into a coherent research-landscape assessment — suitable for quoting in your own writing]
Result
Research topic: Does remote work reduce productivity?
Sources provided: Bloom & Liang (2023), Microsoft Work Trend Index (2025), Stanford WFH Research (2024), McKinsey Future of Work (2025), Chen et al. (2024)
Points of Strong Agreement
All five sources agree that remote work productivity outcomes are highly heterogeneous — dependent on role type, individual autonomy preference, home environment quality, and management approach (Bloom & Liang; Microsoft; Stanford; McKinsey; Chen et al.). Three sources explicitly note that productivity metrics used in remote work studies are inconsistently defined, making cross-study comparisons unreliable (Bloom & Liang; Stanford; Chen et al.).
Productive Tensions
The central empirical conflict is between Bloom & Liang (2023), who find a 9% productivity gain for hybrid workers over full-remote, and the Microsoft Work Trend Index (2025), which reports 87% of full-remote knowledge workers self-assess as highly productive. This is a methodological conflict, not a factual one: Bloom & Liang use manager-rated output metrics for customer service roles; Microsoft uses self-reported assessments across knowledge workers. The populations and measurement instruments are fundamentally different.
McKinsey and Stanford diverge on whether collaboration quality declines in remote settings. McKinsey finds measurable degradation in cross-team innovation projects; Stanford finds no measurable difference when controlling for meeting frequency. This is an empirical conflict that likely reflects different industries sampled.
Unique Contributions
- Chen et al.: Only source examining productivity variation by home office setup quality — finds ergonomic environment accounts for 23% of productivity variance
- Bloom & Liang: Only source with randomized control data rather than observational
- Microsoft Work Trend Index: Largest sample (31,000 workers, 31 countries), only source with multi-country data
- Stanford WFH: Only longitudinal data spanning 2020–2024 — tracks adaptation over time
- McKinsey: Only source distinguishing individual-task productivity from collaborative innovation productivity
Unanswered Questions
- How do productivity effects evolve after 3+ years of sustained remote work? (All studies capture ≤18 months post-adoption)
- Are findings consistent across labor markets outside the US, UK, and Australia?
- How does manager monitoring intensity interact with intrinsic motivation over time?
- What happens to long-term career progression for remote workers — absent from all five sources?
Synthesis Statement
The literature does not support a simple "remote work increases or decreases productivity" conclusion. The stronger finding, supported across all five sources, is that outcomes are highly contextual. Methodological choices — particularly whether to measure individual task output or collaborative outcomes, and whether to use self-report or manager ratings — largely predict the direction of findings. The most important unanswered question is longitudinal: nearly all existing data captures an adjustment period, not a steady state. Any organizational decision based on this literature must specify what type of productivity it cares about and for what worker population.
معظم الناس يتعاملون مع مجموعة من الأبحاث بنفس الطريقة: يقرؤون المصدر الأول، ثم الثاني، ثم الثالث — وينتهي بهم الأمر متمسكين بآخر ما قاله المؤلف الأكثر إقناعاً. هذا ليس تركيباً. هذا تعرض متسلسل.
التركيب الحقيقي يتطلب نوعاً مختلفاً من القراءة: تحديد نقاط التقاء المصادر، وعزل نقاط الخلاف الحقيقي وأسبابه، وتحديد ما يساهم به كل مصدر بشكل فريد، والأهم — التعرف على ما لا يزال جسم الأدبيات بأكمله يتركه دون إجابة. صُمم هذا الـPrompt لفرض هذا التحليل بالضبط.
لماذا يوجد كل قسم في الـPrompt
تنسيق المخرجات يحتوي على خمسة أقسام، وكل منها مقصود.
نقاط الاتفاق القوي يتطلب من الـAI العثور على ادعاءات تدعمها مصادر متعددة — ليس فقط «معظم المصادر تناقش X» بل «هذه المصادر المحددة تقدم هذا الادعاء المحدد.» يمنع هذا التوازن الزائف، حيث تحصل ورقتان شاذتان على وزن يساوي إجماع ستة.
التوترات المنتجة هو أهم قسم. يطلب الـPrompt من الـAI تصنيف الخلافات حسب النوع: تجريبي (نتائج مختلفة من بيانات مختلفة)، منهجي (طرق قياس مختلفة تؤدي إلى استنتاجات مختلفة)، أو تعريفى (مصادر تستخدم نفس الكلمة لمعانٍ مختلفة). هذا التمييز مهم جداً. النزاع التجريبي يشير إلى ظاهرة واقعية تستحق التحقيق. النزاع المنهجي يعني غالباً أن الدراسات لا تقيس الشيء نفسه. النزاع التعريفى يعني أنك تقارن التفاح بالدباسات.
الإسهامات الفريدة يمنع الخطأ الشائع في معاملة جميع المصادر بالتبادل. كل مصدر في مراجعة أدبية جيدة تم اختياره لسبب — هذا القسم يجبر الـAI على توضيح ذلك السبب صراحة.
الأسئلة غير المجابة هو ما يفصل التركيب المفيد عن مجرد التلخيص. فجوات الأدبيات غالباً ما تكون أكثر قابلية للتنفيذ من نتائجها: فهي تخبرك أين يجب أن يحل حكمك محل النقص، وأين يحمل قرارك مخاطرة غير مقاسة، وأين يكون البحث الإضافي ضرورياً قبل الالتزام.
بيان التركيب ينتج فقرة واحدة مكثفة مناسبة للاقتباس أو التكييف مباشرة في كتاباتك — توصيف جاهز لمشهد البحث.
كيفية الحصول على أقصى استفادة
يعمل الـPrompt بشكل أفضل مع 3 إلى 8 مصادر. أقل من 3 مصادر لا يوجد شيء لتركيبه؛ أكثر من 8 مصادر حتى أفضل LLMs تبدأ بفقدان تتبع أي ادعاء جاء من أي مصدر.
الصق ملخصات أو خلاصات فعلية — ليس فقط العناوين. كلما كان المدخل أكثر تحديداً، كان التركيب أكثر تحديداً.
التعليمات الخاصة بالتمييز بين النزاعات التجريبية والمنهجية والتعريفية تُحدث فرقاً حقيقياً. اتركها. بدونها، سيلاحظ معظم LLMs أن المصادر «تختلف» دون تفسير السبب.
النماذج المتوافقة
يعمل هذا الـPrompt بشكل جيد مع Claude Sonnet 4.6، GPT-5، وGemini 3.5 Flash. للنصوص المصدرية الطويلة جداً (أوراق كاملة بدلاً من الملخصات)، يدير Claude و GPT-5 السياق بشكل أكثر موثوقية.