Analizzatore matrice lacune
Rilevamento gap a 9 agenti e geometria
Analizzatore matrice lacune
Rilevamento gap a 9 agenti e geometria
Anteprima
Descrizione
Rileva, classifica e giustifica le lacune nella letteratura su 9 dimensioni utilizzando la similarità semantica e l'analisi della geometria delle lacune. Trasforma una domanda di ricerca più 10–50 abstract in un rapporto accademico strutturato con punteggi di confidenza, matrice di geometria delle lacune, grafico delle relazioni, strategie di riempimento e modelli di frase pronti per la pubblicazione. Passo: 2 fasi (Geometria delle lacune + Analisi approfondita) Sotto-agenti: 9 (6 rilevamento + 3 sintesi) Punto di controllo: Adattivo — 1 per ≤20 riassunti, 2 per >20 riassunti Lingua: Inglese Componenti del framework della skill: - La metafora del ponte — la formulazione matematica X ≠ Y ma X ≈ Y - Geometria delle lacune a 4 regioni (Ridondanza / Regione di lacuna / Lacuna nascosta / Irrilevante) - Architettura a 9 sotto-agenti — Contesto, Metodo, Variabile, Teoria, Tempo, Risultato, Semantic-Gap, Composition-Gap, Dependency-Gap - Grafico delle relazioni — similar_to, belong_to, compose_with, depend_on - Calibrazione della soglia per disciplina — scienze sociali (0,60), ingegneria (0,70), predefinito (0,65) - Insieme di regole per elementi da includere o escludere (5+5) - Selezione basata sul punteggio di confidenza — soglia del 70%+, massimo 3 lacune - Testo campione pronto per la pubblicazione — chiaramente marcato come generato dall'IA - Checkpoint adattivo — meccanismo di approvazione che si regola automaticamente in base al numero di riassunti
Abilità correlate
Vedi tuttoTrova temi e lacune di ricerca
Suggerisce temi di ricerca originali e fattibili e lacune nel tuo ambito di interesse e nella letteratura disponibile; fornisce una bozza di domanda di ricerca e una nota sulla fattibilità per ciascuno. Per chi è: studenti magistrali, dottorandi e ricercatori in cerca di un tema per tesi o articolo.
Autore di testi bibliometrici
Converte i dati grezzi ottenuti dagli output di VOSviewer o Biblioshiny (Bibliometrix/R)—frequenze delle parole chiave, cluster delle reti di citazioni, andamento annuale delle pubblicazioni, distribuzione per Paese, istituzione e rivista—in un testo accademico interpretato e pronto per la pubblicazione. Utilizza un tono accademico che racconta la direzione della letteratura invece di ripetere i dati grezzi, evitando affermazioni causali speculative. Adatto a: ricercatori che stanno scrivendo una tesi o un articolo e hanno bisogno di una sezione di analisi bibliometrica, ma fanno fatica a trasformare i dati grezzi in un linguaggio accademico. Utilizzo: incolla direttamente l’elenco dei cluster e delle parole chiave da VOSviewer o la tabella riepilogativa di Biblioshiny; lo skill assegna nomi tematici ai cluster di parole chiave e li interpreta, quindi valuta la rete di citazioni e il modello di collaborazione tra Paesi.
Redattore di meta-analisi
Genera un testo completo per Metodi, Risultati e Limitazioni, conforme a PRISMA 2020 e al Cochrane Handbook, a partire dalle statistiche della tua meta-analisi (dimensione dell’effetto aggregata, I², Q, tau² e indicatori di bias di pubblicazione). Non interpreta mai erroneamente il valore di I², nemmeno nella formulazione «percentuale di varianza»; evita inoltre un linguaggio causale eccessivo, usando espressioni prudenti come «i risultati sono coerenti con...» invece di «le evidenze dimostrano che». Al termine, propone anche almeno 3 domande che un revisore potrebbe porre, insieme a frasi di risposta. Ideale per: ricercatori che stanno scrivendo un articolo di meta-analisi e vogliono rafforzare la sezione dei metodi prima dell’invio a una rivista. Cosa non fa: non esegue calcoli statistici a partire dai dati grezzi (devi avere già i risultati ottenuti con R/RevMan/CMA); converte e interpreta soltanto i tuoi risultati trasformandoli in testo accademico.
Informazioni
- Versione
- v2
- Ultimo aggiornamento
- Crediti per esecuzione
- In base all’utilizzo
- Modelli
- Automatico