SuperAPI AI 工具集

peer-review

设计与创作

查看项目

更新于 10-16 06:21

技能介绍

用途:该技能用于对科学稿件和基金申请进行系统化同行评审,覆盖方法学、统计、实验设计、可复现性、伦理、图表完整性与报告标准,强调建设性、严谨的跨学科评估。

主要能力:按阶段组织评审流程。初始评估判断研究问题、主要发现、科学可靠性与是否适合目标期刊;逐节审查摘要与标题、引言、方法、结果、讨论、参考文献;方法学与统计严谨性检查统计假设、效应量、多重比较校正、置信区间、样本量与功效、参数与非参数选择、缺失数据、探索性与验证性分析,以及对照、重复、混杂、随机化与盲法;可复现性与透明度检查数据存放、登录号、代码与材料、报告指南(CONSORT、STROBE、PRISMA、ARRIVE、MIAME、MINSEQE 等);图表与数据呈现检查分辨率、坐标轴单位、误差棒定义、显著性标注、配色可及性、比例尺,以及图像重复、拼接等完整性迹象;伦理检查人体受试者 IRB/知情同意、动物 IACUC 与 3R、数据伪造、作者身份、利益冲突与资助披露;写作质量检查结构、语言、术语与可读性。

使用方式:按七阶段工作流执行,并据稿件类型调整深度。评审报告采用分层结构:总结声明(含总体建议、主要优点与弱点)、编号的主要意见(说明问题、为何有问题、具体解决建议、是否为发表必需)、编号的次要意见(位置、问题、修改建议)、可选逐行意见与向作者提问。保持建设性、具体、平衡、尊重、客观、清晰,避免人身攻击、讽刺、模糊批评、超出范围的额外实验要求,双盲评审中不得泄露身份。

适用场景:期刊稿件评审、基金申请评估、方法学与实验设计审查、统计分析与报告标准核查、可复现性与数据可用性评估、报告指南合规检查、科学写作反馈。

限制:资料未提供具体安装命令、运行环境、收费方式、价格、平台支持或效果数据;参考文件 references/reporting_standards.md 与 references/common_issues.md 的具体内容暂未提供。