SuperAPI AI 工具集

scholar-evaluation

测试与质量

查看项目

更新于 10-15 23:59

技能介绍

用途:对学术与研究工作进行系统化评估,适用于论文质量与严谨性评审、文献综述评估、研究方法设计审查、数据分析方案评分、学术写作评估、结构化反馈、按既定标准对标研究质量、评估投稿就绪度,以及为同行评审补充量化评价。

主要能力:按 ScholarEval 维度逐项评估,包括问题提出与研究问题、文献综述、方法与研究设计、数据收集与来源、分析与解释、结果与发现、学术写作与呈现、引用与参考文献。每个维度给出优势、改进点与关键问题,可选五级评分(5 优秀至 1 差),并汇总整体质量、主要优势、关键弱点、按影响排序的改进建议与投稿适配性。

使用方式:先明确成果类型(实证/理论/综述论文、研究提案、文献综述、学位论文章节、会议摘要)与评估范围(全面、定向、对比)。评估时参考 references/evaluation_framework.md 获取各维度标准与评分细则。可用 python scripts/calculate_scores.py --scores <dimension_scores.json> --output <report.txt> 计算汇总分数。如需配图,可用 python scripts/generate_schematic.py "your diagram description" -o figures/output.png 生成出版级示意图,输出保存于 figures/ 目录。

适用场景:期刊论文、会议论文、学生作业、基金申请等不同目的与阶段的评估;可按学科惯例调整,如 STEM 侧重可复现性与统计严谨性,社会科学兼顾定量与定性标准,人文学科侧重论证与阐释。

限制:评估严格度应匹配成果目的与阶段;部分维度不适用于所有类型(如纯理论论文无数据收集);需考虑文化与学科差异;该框架补充而非替代领域专业知识,建议与同行评审技能结合使用。具体收费、平台与效果资料暂未提供。