Při psaní diplomové práce člověk rychle zjistí, že najít články je jen první krok. Těžší je poznat, které opravdu stojí za čtení, jak spolu souvisejí a čemu vlastně věřit. Google Scholar zůstává dobrým výchozím bodem, ale nástroje jako Elicit nebo Undermind umějí s rešerší pomoct jinak: ne jako náhrada odborného úsudku, spíš jako mapa, síto a někdy i trpělivý sparingpartner.

 

Google Scholar, Elicit nebo Undermind, kde začít rešerši?

Na začátku to vypadá nevinně. Otevřete Google Scholar, zadáte první klíčová slova, během pár vteřin máte stovky výsledků a pocit, že rešerše se dala do pohybu. Jenže po půlhodině máte otevřených dvanáct záložek, tři PDF soubory, dva články za paywallem a jeden nepříjemný pocit: Mám vůbec ty správné zdroje? A neuniká mi něco důležitého?

Přesně v téhle fázi jsem se k tématu vrátila při psaní diplomové práce. Už dřív jsem na Učím s AI zkoušela Undermind a popsala, jak mi pomáhal při rešerši odborných článků. Zaujalo mě hlavně to, že se nástroj nespokojil s jedním dotazem, ale doptával se, co přesně hledám a jak má výstup vypadat. Teď mě zajímá širší otázka: kdy zůstat u Google Scholaru a kdy dává smysl přibrat nástroje jako Elicit nebo Undermind?

Neberu to jako soutěž o jeden nejlepší nástroj. Rešerše není závod vyhledávačů. Je to postupné zpřesňování otázky, hledání relevantních zdrojů, vyřazování těch slabších a hlavně porozumění tomu, co už bylo k tématu zjištěno. A právě v různých částech téhle práce se hodí různé nástroje.

 

Nejdřív otázka, potom nástroj

U rešerše mě to často svádí začít technicky: „Kam to zadám?“ Lepší je začít věcně: „Co vlastně potřebuji zjistit?“ Jinak budu jen hromadit články, ale nevytvořím si přehled.

U diplomové práce nebo odbornějšího textu pro školu si proto před prvním hledáním píšu tři věci:

1. Jak zní moje výzkumná nebo rešeršní otázka?
2. Jaká klíčová slova a jejich synonyma s tématem souvisejí?
3. Podle čeho poznám, že je článek pro mě opravdu užitečný?

Třeba u tématu využití AI ve výuce by nestačilo hledat jen „AI in education“. Mohla bych potřebovat také „generative AI“, „teacher workload“, „formative assessment“, „AI literacy“, „secondary education“ nebo „student feedback“. V češtině bych zároveň hledala výrazy jako „umělá inteligence ve výuce“, „učitelská příprava“, „zpětná vazba“ nebo „digitální kompetence“. Už tady je vidět, že jeden dotaz většinou nestačí.

A tady se začínají lišit role jednotlivých nástrojů.

 

Google Scholar: dobrý start, ale ne hotová rešerše

Google Scholar má jednu velkou výhodu: je jednoduchý, známý a velmi široký. Umí hledat napříč obory a typy odborných textů. Od článků přes knihy, disertace a preprinty až po technické zprávy. Hodí se, když potřebuji rychle ověřit, zda článek existuje, najít různé verze textu, dohledat citace nebo se podívat, kdo článek později citoval. Google Scholar sám doporučuje pracovat s funkcemi „Cited by“, „Related articles“, „All versions“, časovým omezením výsledků a upozorněním na nové texty

Pro běžnou učitelskou praxi je to pořád velmi užitečné. Když připravuji seminář, metodický text nebo si chci ověřit, jestli za oblíbeným pedagogickým doporučením stojí výzkum, Google Scholar bývá dobrý první krok. Najdu klíčové autory, pojmy i časopisy. Naučím se jazyk tématu.

Jenže u systematičtější rešerše má Google Scholar i limity. Výsledky jsou běžně řazené podle relevance, ne podle data. Část plných textů může být dostupná jen přes knihovnu nebo předplatné. Google Scholar také neposkytuje hromadný přístup k záznamům a u jednoho dotazu zobrazuje nejvýše 1 000 výsledků

Ještě důležitější je metodologická opatrnost. Gusenbauer a Haddaway (2020) ve srovnání 28 akademických vyhledávacích systémů upozorňují, že Google Scholar není vhodné používat jako hlavní a jediný vyhledávací systém pro systematické přehledy nebo metaanalýzy. Neznamená to, že je špatný. Znamená to, že pro přísnou rešerši potřebujeme transparentnější a oborově přesnější postup, často i specializované databáze (JKU & KUK Research Portal).

Pro moji diplomku bych tedy Google Scholar použila hlavně na začátku a průběžně: k dohledání známých článků, k rozšiřování přes citace, k hledání českých nebo méně formálních akademických zdrojů a k ověřování, jestli mi AI nástroj neukazuje něco podivného.

 

 

Elicit: když mám otázku a potřebuji si udělat tabulku

Elicit funguje jinak než Google Scholar. Nečeká jen na klíčová slova, ale lépe pracuje s otázkou v přirozeném jazyce. Podle vlastní dokumentace vyhledává přes více než 138 milionů akademických prací ze zdrojů jako Semantic Scholar, PubMed a OpenAlex a průběžně data aktualizuje. Umí výsledky řadit podle podobnosti s otázkou, doplňovat shrnutí a vytvářet sloupce, ve kterých si člověk může nechat vytáhnout například typ studie, vzorek, metodu, výsledek nebo omezení .

Tohle je pro rešerši velmi praktické. Když mám před sebou dvacet článků a potřebuji se rozhodnout, které číst celé, tabulka mi může ušetřit čas. Ne tím, že za mě rozhodne, ale tím, že mi pomůže rychleji vidět rozdíly: Který text je systematický přehled? Který pracuje s žáky základních škol? Který řeší učitele? Který je jen obecný komentář?

Užitečné je také to, že Elicit podporuje exporty do formátů, se kterými se dá dál pracovat v citačních manažerech nebo tabulkách, například BibTeX, RIS, CSV nebo Excel podle typu výstupu a tarifu. Pro někoho, kdo si vede literaturu v Zotero, je to příjemná zpráva.

Elicit se hodí hlavně tehdy, když:

• mám výzkumnou otázku, ale ještě neznám všechna správná klíčová slova,
• potřebuji rychle porovnat více studií,
• chci z článků vytáhnout opakující se informace,
• hledám první mapu tématu, ne definitivní odpověď.

Má ale i své limity. Elicit uvádí, že je optimalizovaný hlavně pro anglickojazyčné dotazy a výsledky. U neanglických textů se kvalita může výrazně lišit. Pokud tedy píšu práci s českým kontextem, určitě bych nespoléhala jen na něj. Použila bych anglické dotazy pro mezinárodní výzkum, ale české zdroje bych dohledávala i přes Google Scholar, univerzitní katalogy, repozitáře závěrečných prací nebo oborové databáze.

Důležitá je i metodologická střízlivost. Studie Bernarda a kolegů (2025) došla k závěru, že Elicit může být užitečným doplňkem při systematické rešerši, ale neměl by nahrazovat tradiční postup. Autoři upozorňují mimo jiné na problémy s opakovatelností a spolehlivostí výsledků. Podobně Lau a Golder (2025) ve čtyřech případových studiích zjistili, že Elicit měl vyšší přesnost než původní rešerše, ale nízkou citlivost, takže zatím není vhodný jako náhrada tradičního vyhledávání. Může však pomoct jako doplňkový nástroj pro předběžné hledání.

Jinými slovy: Elicit je dobrý pomocník pro orientaci a třídění. Není to garant úplnosti.

 

 

Undermind: když je téma složité a potřebuji jít hlouběji

 

Undermind na mě při prvním zkoušení působil jinak než běžné vyhledávače. Jeho hlavní síla není v tom, že rychle vyplivne dlouhý seznam článků. Spíš se chová jako výzkumný asistent: zeptá se, co přesně hledám, zpřesňuje zadání, prochází literaturu, hodnotí relevanci a potom umožní pracovat s výsledky dál .

Podle oficiálního popisu Undermind čte a vyhodnocuje stovky článků, sleduje citační stopy, pomáhá tvořit reporty, dohledávat plné texty a ověřovat tvrzení pomocí odkazů zpět ke zdrojovým článkům. V předchozím článku jsem právě na doptávání a zpřesňování zadání oceňovala, že mi pomohlo lépe formulovat, co vlastně od rešerše potřebuji.

Undermind může být silný hlavně u úzkých nebo složitých témat, kde běžný dotaz selhává. Třeba když nehledám jen „AI ve vzdělávání“, ale velmi konkrétně: výzkumy o tom, jak učitelé využívají generativní AI při tvorbě formativní zpětné vazby na druhém stupni základní školy, a zajímá mě spíš pracovní zátěž učitele než výsledky žáků. Taková otázka se do několika klíčových slov převádí těžko.

Je ale fér dodat, že část dostupných údajů o výkonu Undermindu pochází od samotného nástroje. White paper autorů Hartkeho a Rametta (2024) uvádí srovnání s Google Scholar na zhruba 300 uživatelských dotazech a tvrdí, že Undermind dosáhl výrazně vyšší koncentrace relevantních výsledků. Zároveň šlo o firemní dokument a tehdejší benchmark pracoval s databází arXiv, nikoli s celou šíří vzdělávacích, humanitních nebo společenskovědních zdrojů. Proto bych tyto výsledky brala jako zajímavý signál, ne jako nezávislý důkaz, že Undermind bude vždy lepší.

Pro svou diplomku bych Undermind použila ve chvíli, kdy už vím, co hledám, ale téma se mi rozpadá do mnoha pojmů a směrů. Ne jako první kliknutí, ale jako hlubší průzkum.

 

 

Jak bych ty nástroje zkombinovala při vlastní rešerši

Kdybych dnes začínala rešerši k diplomové práci, nešla bych cestou „vyberu si jeden nástroj a tomu budu věřit“. Spíš bych pracovala ve čtyřech kolech.

První kolo: Google Scholar a základní pojmy.
Začala bych několika širšími dotazy v angličtině i češtině. Cílem by nebylo stáhnout všechno, ale pochopit slovník tématu: jména autorů, časopisy, opakující se pojmy, přehledové studie.

Druhé kolo: Elicit a první mapa výzkumu.
Stejnou otázku bych zadala do Elicitu a nechala si vytvořit přehledovou tabulku. Přidala bych sloupce typu „typ studie“, „věk žáků“, „vzdělávací kontext“, „hlavní zjištění“, „omezení studie“. Výsledky bych nebrala jako hotovou rešerši, ale jako nástroj pro rozhodnutí, co číst jako první.

Třetí kolo: Undermind pro hlubší dotaz.
Když bych už měla přesněji vymezené téma, použila bych Undermind. Nezadala bych mu jen dvě klíčová slova, ale odstavec s kontextem: co píšu, co mě nezajímá, jaké studie chci zahrnout a jaký typ výstupu potřebuji.

Čtvrté kolo: návrat ke zdrojům.
Všechno podstatné bych ověřila v původních článcích. AI výstup by mi pomohl třídit a ptát se, ale citovala bych až texty, které jsem sama otevřela, přečetla a pochopila.

 

Ukázkový prompt pro učitele nebo diplomanta

Pracuji na rešerši k diplomové práci v oblasti vzdělávání. Zajímá mě téma: [doplňte téma]. Chci najít především recenzované studie a systematické přehledy z posledních 10 let. Zajímají mě výzkumy týkající se [věková skupina / stupeň školy / předmět / kontext]. Pomoz mi nejdřív zpřesnit výzkumnou otázku, navrhni vhodná anglická klíčová slova a synonyma a upozorni mě, které typy studií bych měla zahrnout nebo vyřadit. Výstup prosím rozděl na: hlavní pojmy, možné vyhledávací dotazy, kritéria pro zařazení článků a rizika, na která si mám dát při rešerši pozor.

Tenhle prompt se hodí spíš jako začátek rozhovoru než jako jednorázové zadání. Dobrý výstup nevznikne tím, že nástroj požádám o „všechny články“. Vznikne postupným zpřesňováním.

 

Rozhodovací mapa: Který nástroj zvolit pro učitelskou rešerši ?

 

Kde si dát pozor

První riziko je pohodlí. AI nástroj umí vytvořit přehled, který působí hotově. To je příjemné, ale nebezpečné. U diplomky i metodického textu musím pořád vědět, proč jsem článek zařadila, proč jiný vyřadila a co přesně zdroj tvrdí.

Druhé riziko je neúplnost. To, že nástroj něco nenašel, ještě neznamená, že to neexistuje. U Elicitu i dalších AI nástrojů je potřeba počítat s tím, že databázové pokrytí, jazyk, formulace dotazu a nastavení filtrů ovlivní výsledek. Proto má smysl kombinovat více cest: Google Scholar, AI nástroj, oborovou databázi a citační stopování.

Třetí riziko je práce s PDF soubory a daty. Pokud do nástroje nahrávám plné texty, měla bych vědět, zda k tomu mám právo. Elicit například ve své dokumentaci upozorňuje, že u předplaceného obsahu je vhodné ověřit licenční podmínky, včetně práv pro text and data mining nebo použití s AI nástroji. U školních témat bych zároveň nikdy nevkládala osobní údaje žáků, interní školní dokumenty nebo citlivé poznámky z praxe bez jasného důvodu a souhlasu.

Čtvrté riziko je metodologická neprůhlednost. Když použiji AI při rešerši, měla bych si vést záznam: datum, nástroj, přesné zadání, použité filtry, počet nalezených výsledků a způsob výběru. PRISMA-S pro systematické rešerše zdůrazňuje právě transparentní a reprodukovatelné vykazování vyhledávacích strategií (Rethlefsen et al., 2021). I když nepíšu systematický přehled, tahle disciplína se hodí.

 

Závěr

Google Scholar bych neopouštěla. Pořád je to dobré místo, kde se člověk učí slovník tématu, dohledává články a sleduje citační souvislosti. Jen už bych od něj nečekala, že sám udělá celou rešerši.

Elicit bych brala jako nástroj pro první strukturovaný přehled: pomůže vytvořit tabulku, porovnat studie a rychleji se rozhodnout, co číst celé. Undermind bych přibrala ve chvíli, kdy je otázka složitější a potřebuji jít víc do hloubky.

Nejdůležitější ale zůstává obyčejná odborná poctivost: nástroje mohou hledání zrychlit, ale nemohou za mě nést odpovědnost. Rešerše není jen seznam článků. Je to způsob, jak si postupně udělat jasno v tom, co víme, co si jen myslíme a kde začíná moje vlastní otázka.

 

 

Zdroje

1. Bernard, N., Sagawa Jr, Y., Bier, N., Lihoreau, T., Pazart, L., & Tannou, T. (2025). Using artificial intelligence for systematic review: The example of elicit. BMC Medical Research Methodology, 25, Article 75. DOI: 10.1186/s12874-025-02528-y. (Springer)
2. Elicit. (n.d.-a). Elicit’s source for papers. Elicit Help Center. (support.elicit.com)
3. Elicit. (n.d.-b). Why Elicit is different from other research tools. Elicit Help Center. (support.elicit.com)
4. Elicit. (n.d.-c). Export your data from Elicit. Elicit Help Center. (support.elicit.com)
5. Elicit. (2026, April 24). Using Elicit with non-English papers. Elicit Help Center. (support.elicit.com)
6. Elicit. (2026). Elicit & copyright: Customer FAQ. Elicit Help Center. (support.elicit.com)
7. Google Scholar. (n.d.). Search help. (Google Scholar)
8. Gusenbauer, M., & Haddaway, N. R. (2020). Which academic search systems are suitable for systematic reviews or meta-analyses? Evaluating retrieval qualities of Google Scholar, PubMed, and 26 other resources. Research Synthesis Methods, 11(2), 181–217. DOI: 10.1002/jrsm.1378. (JKU & KUK Research Portal)
9. Hartke, T., & Ramette, J. (2024, January 5). Benchmarking the Undermind Search Assistant [White paper]. Undermind.ai.
10. Jarinová, K. J. (2026, May 12). Může Undermind pomoci s rešerší odborných článků? Učím s AI. (Učím s AI)
11. Lau, O., & Golder, S. (2025). Comparison of Elicit AI and traditional literature searching in evidence syntheses using four case studies. Cochrane Evidence Synthesis and Methods, 3(6). DOI: 10.1002/cesm.70050. (doaj.org)
12. Rethlefsen, M. L., Kirtley, S., Waffenschmidt, S., Ayala, A. P., Moher, D., Page, M. J., Koffel, J. B., & PRISMA-S Group. (2021). PRISMA-S: An extension to the PRISMA Statement for Reporting Literature Searches in Systematic Reviews. Systematic Reviews, 10, Article 39. DOI: 10.1186/s13643-020-01542-z. (Springer)
13. Undermind. (n.d.). Undermind—Radically better research and discovery. (undermind.ai)

* Poznámka k použití AI: Článek byl redakčně upraven s pomocí nástroje ChatGPT a modelu GPT-5.6 Sol. Za finální podobu textu, jeho obsah a věcnou správnost odpovídá redakce.