研究文献ギャップマトリックス分析器
9エージェントギャップ検出エンジン＆ギャップジオメトリー分析
研究文献ギャップマトリックス分析器
9エージェントギャップ検出エンジン＆ギャップジオメトリー分析
コンテンツ紹介
説明
意味的類似性とギャップジオメトリー分析を用いて、9つの次元にわたる文献ギャップを検出、分類、正当化します。研究質問と10～50の抄録を、信頼度スコア、ギャップジオメトリーマトリックス、関係グラフ、充填戦略、および出版準備済みの文テンプレートを備えた構造化された学術レポートに変換します。 ステップ: 2ステップ（ギャップジオメトリー＋深層分析） サブエージェント: 9（検出6、合成3） 制御点: 適応型 — 要約数≤20の場合は1、>20の場合は2 言語: 英語 スキルのフレームワーク構成要素: ブリッジメタファー — 数学的定式化 X ≠ Y だが X ≈ Y 4領域ギャップジオメトリー（冗長性 / ギャップ領域 / 隠れギャップ / 無関係） 9サブエージェントアーキテクチャ — コンテキスト、方法、変数、理論、時間、発見、意味ギャップ、構成ギャップ、依存ギャップ 関係グラフ — similar_to、belong_to、compose_with、depend_on 分野別の閾値調整 — 社会科学 (0.60)、工学 (0.70)、デフォルト (0.65) 包含・除外する要素のルールセット (5+5) 信頼度スコアに基づく選択 — 70%以上の閾値、最大3つのギャップ 出版準備済みのサンプルテキスト — AI生成であることを明示 適応的チェックポイント — 要約数に基づいて自動調整される承認メカニズム
関連スキル
すべて表示
研究研究テーマ・研究ギャップ発見
関心のある分野と文献知識をもとに、独自性があり実行可能な研究テーマや研究ギャップを提案します。それぞれについて、研究質問の草案と実現可能性に関するメモを提示します。対象：学位論文や論文のテーマを探している大学院生と研究者。
研究文献計量分析ライター
VOSviewerまたはBiblioshiny（Bibliometrix/R）の出力から得られる生データ（キーワード頻度、引用ネットワークのクラスター、年別出版動向、国・機関・ジャーナル別の分布）を、論文に使用できる解釈を含む学術文に変換します。生の数値を繰り返すのではなく、文献がどの方向へ向かっているかを学術的なトーンで記述し、推測に基づく因果関係の主張は避けます。対象：文献計量分析の節を必要としながら、生データを学術的な文章に変換することに悩む、論文や学位論文を執筆する研究者。使い方：VOSviewerのクラスター／キーワード一覧、またはBiblioshinyの概要表を直接貼り付けてください。このスキルがキーワードクラスターにテーマに沿った名前を付けて解釈し、引用ネットワークと国同士の共同研究パターンを評価します。
研究メタ分析完全レポート作成
メタ分析の統計（統合効果量、I²、Q、τ²、出版バイアス指標）から、PRISMA 2020およびCochrane Handbookに準拠した「方法＋結果＋限界」の完全な文章を作成します。I²の値（「分散の割合」という捉え方を含む）を誤って解釈せず、「エビデンスは〜を実証する」ではなく「研究結果は〜と整合する」のような慎重な表現を用いて、因果関係を過度に主張しません。最後に、査読者から想定される質問を少なくとも3つ挙げ、それぞれに対する回答用の文も提示します。対象：投稿前にメタ分析論文の方法セクションを強化したい研究者。できないこと：生データから統計計算を行うことはできません（R、RevMan、CMAなどの出力をあらかじめ用意してください）。結果を学術的な文章に変換し、解釈するためのツールです。
情報
- バージョン
- v2
- 最終更新
- 実行クレジット
- 使用量に応じて消費
- モデル
- 自動選択
