Adaptions-Publikationsassistent
Von Quellenideen zu publizierbaren Arbeiten
Beschreibung
📚 Adaptions-Publikationsassistent Verwandelt eine inspirierende Arbeit Schritt für Schritt in eigene qualitativ hochwertige Originalergebnisse. Besonders geeignet für Master- und Doktoranden, die von exzellenten Arbeiten aus anderen Disziplinen lernen möchten, um Themenübertragung, Strukturrekonstruktion und Einreichungsoptimierung durchzuführen. 🔍 Identifikation inspirierender Literatur: Analyse der Mechanismen von Titeln, Problembewusstsein, Kapitelstruktur, theoretischem Rahmen, Forschungsmethoden, Beweisorganisation und Sprachstil der Beispielarbeit. 🔄 Interdisziplinäre Paradigmenübertragung: Erstellen einer Übertragungsmatrix von „Quellbereich – Zielbereich“ und Bewerten, welche Ideen übertragen werden können und welche Theorien, Konzepte, Fälle und Schlussfolgerungen neu aufgebaut werden müssen. 🧠 Modellierung des originären Beitrags: Identifizieren von Forschungslücken, Extrahieren von Kernaussagen und Wirkmechanismen, Prüfen, ob die Arbeit lediglich das Forschungsobjekt austauscht oder ein allgemeines Rahmenwerk anwendet. 🧭 Forschungsdesignplanung: Unterstützt theoretische Forschung, Fallstudien, qualitative Forschung, quantitative Forschung, Literaturübersichten, politische Textanalyse und gemischte Methoden. 🛡️ Gatekeeper für echte Belege: Keine erfundenen Daten, Stichproben, Interviews, Fälle, statistischen Ergebnisse, Literatur oder DOIs; ohne echte Beweise werden keine falschen empirischen Schlussfolgerungen generiert. ✍️ Evidenzgetriebenes Schreiben: Aufbau von Argumentationsketten durch „These – Beleg – Zitat – Widerlegung“, generieren von originellem Inhalt pro Kapitel und deutliche Markierung von noch zu ergänzendem Forschungsmaterial. 📈 Kontinuierliche Evolution der Arbeit: Aufzeichnung von Änderungen, Materiallücken und Reifegradänderungen nach L1 Themenkonzept, L2 Forschungsplan, L3 Beweisausbildung, L4 Einreichungsentwurf, L5 Einreichungsbereitschaft. 🧑⚖️ Dreifache simulierte Begutachtung: Erkennen von Ablehnungsrisiken aus der Perspektive eines theoretischen Reviewers, methodischen Reviewers und Zielzeitschriften-Reviewers, um konkrete Überarbeitungsstrategien zu entwickeln. 📨 Vollständiger Einreichungskreislauf: Unterstützung bei der Erstellung der endgültigen Arbeit, Zitierprüfungsliste, Anschreiben, Erläuterung der Innovationen, Autorenantwort, Änderungsindex und zugehörigen Vorlagen. ✨ Lernen Sie das Paradigma, schreiben Sie Originäres, steigern Sie Ihre echte Wettbewerbsfähigkeit bei Einreichungen.
Ähnliche Fähigkeiten
Alle anzeigen
SchreibenAIGC-Reduktion&Umschreibung v7
📚 AIGC-Reduktion und qualitätsbewahrendes Umschreiben für wissenschaftliche Arbeiten v7.0 Diese Fähigkeit zur Optimierung akademischer Texte wurde für Doktoranden, Wissenschaftler und Autoren wissenschaftlicher Arbeiten entwickelt. Sie basiert auf dem geschlossenen Kreislauf „Quellenkontrolle → Prozesskorrektur → Ergebnisprüfung → Rückwärtsselbstprüfung → Wiederholungsprüfung“ und diagnostiziert und optimiert systematisch schablonenhafte Ausdrücke, mechanische Logik, inhaltsleere Passagen, ungenaue Terminologie und inkonsistente Stile in der Arbeit – unter Wahrung der ursprünglichen Bedeutung, Fachtermini, Daten und Kernschlussfolgerungen. 🔍📝 🌟 Kernfähigkeiten 🔬 Mehrstufige Risikodiagnose Erfasst 10 Kategorien allgemeiner Text-Fingerabdrücke und unterstützt die Erkennung typischer Ausdrucksmuster von Modellen wie ChatGPT, Claude, DeepSeek und Wenxin Yiyan. 🧠 Tiefgreifende semantische Rekonstruktion Beschränkt sich nicht nur auf Synonymersetzung, sondern geht von Aussagenausdruck, Informationsreihenfolge, Argumentationsansätzen und der Organisation der Beweisführung aus, um eine natürlichere und tiefgründigere akademische Argumentation wiederherzustellen. ✍️ Qualitätsbewahrendes Umschreiben Verwendet 13 Satzumstellungsstrategien und 20 Methoden zur Bereinigung häufiger Schablonenausdrücke, um mechanische Satzstrukturen, wiederholte Konjunktionen und übermäßig regelmäßige Ausdrücke zu verbessern. 📊 Diagnose der gesamten Textstruktur Überprüft durch einen großen Kreislauf und fünf Kerndreiecke, ob Forschungsfrage, Theorie, Literaturübersicht, Methode, Schlussfolgerung und Innovation einen vollständigen Kreislauf bilden. 🧩 Fein abgestimmte Kapitelanpassung Entwickelt differenzierte Diagnose- und Umschreibungsstrategien für Zusammenfassung, Einleitung, Literaturübersicht, Forschungsmethode, Ergebnisse, Diskussion und Schlussfolgerung. 🌐 Sprachübergreifende Risikoanalyse Hilft bei der Erkennung von Übersetzungssprache, Anhäufung von Passivkonstruktionen, Verschachtelung langer Sätze und gemischten chinesisch-englischen Formatierungsfehlern, um den akademischen Ausdruck im Chinesischen natürlicher und präziser zu gestalten. 🔄 Rückwärtsselbstprüfungs-Kreislauf Nach dem Umschreiben erfolgt eine erneute Überprüfung in drei Bereichen: Verteilung der Methoden, neu hinzugefügte Text-Fingerabdrücke und Informationsvollständigkeit, um zu vermeiden, dass der Text „immer mehr wie eine Schablone aussieht“ oder wichtige Inhalte verloren gehen. 🛡️ Schutz akademischer Standards Es werden keine Literatur, Daten, Fälle oder politischen Grundlagen erfunden; Informationen, die vom Autor überprüft werden müssen, werden gesondert gekennzeichnet, und es wird daran erinnert, die KI-Nutzung wahrheitsgemäß offenzulegen. 🎯 Anwendungsbereiche ✅ Optimierung einzelner Absätze oder lokaler Abschnitte ✅ Gezielte Bearbeitung markierter Absätze in Prüfberichten ✅ Feinbearbeitung von Zusammenfassung, Einleitung, Übersicht, Diskussion und Schlussfolgerung ✅ Diagnose von AIGC-Risikomerkmalen im gesamten Text ✅ Anpassung an Sprache und Struktur der Zielzeitschrift ✅ Qualitätsprüfung und Konsistenzprüfung vor der Einreichung 📦 Endgültige Lieferung 📄 Qualitätsbewahrend umgeschriebener Text 🔎 Risiko- und Problemdiagnosebericht 🛠️ Erläuterung der Umschreibungsstrategien und -methoden ✅ Rückwärtsselbstprüfungs- und Informationsvollständigkeitsbericht 💡 Vom Autor zu überprüfende Punkte und weitere Änderungsvorschläge 🎓 Originalbedeutung nicht verfälscht · Logik nicht unterbrochen · Daten nicht erfunden · akademische Qualität nicht verringert ⚠️ Diese Fähigkeit zielt darauf ab, die Qualität des akademischen Ausdrucks zu verbessern und Risikomerkmale im Text zu reduzieren. Sie garantiert jedoch nicht, dass der Text einen bestimmten Erkennungstest besteht oder einen bestimmten Erkennungswert erreicht.
Lehrpublikations-Assistent
Von der Lehrforschungsakkumulation bis zu CSSCI/SSCI/SCI – lassen Sie jeden Ihrer Lehrartikel einer Begutachtung standhalten. Dies ist kein Tool, das Ihnen den Aufsatz schreibt, sondern ein Architekt für wissenschaftliche Lehrtexte, der die akademischen Normen kennt. Es versteht, dass IMRaD nicht nur vier Buchstaben sind, sondern eine strenge Argumentationslogik, dass eine Literaturübersicht keine bloße Auflistung von Quellen ist, sondern die präzise Identifizierung von Forschungslücken, und dass die Effektstärke mehr Vertrauen von Gutachtern geschenkt wird als einem p-Wert. Sieben Phasen vollständig abgedeckt: Themenfokussierung (Drei-Fragen-Prüfung des Neuigkeitswerts) → Literaturübersicht (Dreistufige Kodierung + Trichter-Schreiben) → Forschungsdesign (Entscheidung zwischen quantitativ/qualitativ/gemischt) → Datenanalyse (Entscheidungsbaum für statistische Methoden) → Diskussion (Selbstprüfmatrix für den Beitrag) → Sprachverfeinerung (Ent-AIisierung + Sprachaufwertung + Umschreibungserläuterung) → Zeitschriftenanpassung (Matching-Matrix + Vorbeugung gegen Ablehnungsrisiken). Integrierter Drei-Kern-Konfliktmotor: Der akademische Schreiber ist für die Produktion zuständig, der Sprachaufwerter für die Verfeinerung, und der akademische Wächter hat ein Vetorecht – Sind die Quellen echt? Sind die Daten zuverlässig? Ist die Argumentation mit Belegen verankert? Passt der Beitrag zur Zielzeitschriftenebene? Fünf Dimensionen werden einzeln geprüft, bei Nichtbestehen wird zurückgewiesen. Es hilft nicht nur beim Schreiben, sondern lehrt auch, warum Änderungen vorgenommen werden – jeder Ausgabe liegt eine Umschreibungserläuterung bei, sodass Sie in der Iteration Ihre wissenschaftliche Schreibfähigkeit wirklich verbessern. Unterstützt zweisprachige Formatanpassung (GB/T 7714 / APA 7th). Geeignet für den täglichen Forschungs- und Lehraufbau, den Abschluss von Projekten und den Endspurt bei der Titelverleihung.
ForschungC-Journal-Intro-Experte v3.0
Das Verfassen der Einleitung für einen Management-C-Journal-Artikel ist für viele Forscher der schwierigste Teil. Dieser Skill v3.0 verwendet die AFP 3.1 Drei-Schichten-Architektur und bietet einen vollständigen geschlossenen Kreislauf von der Informationssammlung bis zur Abgabe des Endentwurfs. Kernfunktionen: 1. Halluzinationsschutz – Erzwungene Bereitstellung + nachvollziehbare Überprüfung. Alle Literatur muss aus dem vom Benutzer bereitgestellten echten Literaturpool stammen. Die KI darf keine eigenen Ergänzungen oder Erfindungen hinzufügen. 2. Disziplin × Forschungstyp zweidimensionale Anpassung – Vier Disziplinen: Strategisches Management, Organisationsverhalten und Personalwesen, Öffentliche Verwaltung, Informationsmanagement × Drei Typen: Empirisch-quantitativ, Qualitativ-Fallstudie, Theoriebildung. 12 Einleitungsparadigmen automatisch zugeordnet. 3. Präzise Anpassung an den Zeitschriftenstil – googleSearch durchsucht Beispiele der Zielzeitschrift der letzten 3 Jahre. Dreistufige Degradierungsstrategie sichert den Erfolg der Suche. 4. Fünfteilige Strukturtheorie der Einleitung – Forschungshintergrund → Verknüpfungssprache → Untersuchungsobjekt → Forschungswert → Forschungsdesign, abschnittsweise Blaupausenerstellung. 5. B-Kern Neun-dimensionale Qualitätsprüfung – Struktur/Logik/Zitierung/Anpassung/Stil/Innovation/Lücke/Theorie/Halluzinationsschutz. Quantitative Bewertung ≥ 80 für Abgabe. Geeignet für: Management-Doktoranden und Nachwuchswissenschaftler, die bei CSSCI/Peking University Core einreichen möchten.
Adaptions-Publikationsassistent
Von Quellenideen zu publizierbaren Arbeiten
Beschreibung
📚 Adaptions-Publikationsassistent Verwandelt eine inspirierende Arbeit Schritt für Schritt in eigene qualitativ hochwertige Originalergebnisse. Besonders geeignet für Master- und Doktoranden, die von exzellenten Arbeiten aus anderen Disziplinen lernen möchten, um Themenübertragung, Strukturrekonstruktion und Einreichungsoptimierung durchzuführen. 🔍 Identifikation inspirierender Literatur: Analyse der Mechanismen von Titeln, Problembewusstsein, Kapitelstruktur, theoretischem Rahmen, Forschungsmethoden, Beweisorganisation und Sprachstil der Beispielarbeit. 🔄 Interdisziplinäre Paradigmenübertragung: Erstellen einer Übertragungsmatrix von „Quellbereich – Zielbereich“ und Bewerten, welche Ideen übertragen werden können und welche Theorien, Konzepte, Fälle und Schlussfolgerungen neu aufgebaut werden müssen. 🧠 Modellierung des originären Beitrags: Identifizieren von Forschungslücken, Extrahieren von Kernaussagen und Wirkmechanismen, Prüfen, ob die Arbeit lediglich das Forschungsobjekt austauscht oder ein allgemeines Rahmenwerk anwendet. 🧭 Forschungsdesignplanung: Unterstützt theoretische Forschung, Fallstudien, qualitative Forschung, quantitative Forschung, Literaturübersichten, politische Textanalyse und gemischte Methoden. 🛡️ Gatekeeper für echte Belege: Keine erfundenen Daten, Stichproben, Interviews, Fälle, statistischen Ergebnisse, Literatur oder DOIs; ohne echte Beweise werden keine falschen empirischen Schlussfolgerungen generiert. ✍️ Evidenzgetriebenes Schreiben: Aufbau von Argumentationsketten durch „These – Beleg – Zitat – Widerlegung“, generieren von originellem Inhalt pro Kapitel und deutliche Markierung von noch zu ergänzendem Forschungsmaterial. 📈 Kontinuierliche Evolution der Arbeit: Aufzeichnung von Änderungen, Materiallücken und Reifegradänderungen nach L1 Themenkonzept, L2 Forschungsplan, L3 Beweisausbildung, L4 Einreichungsentwurf, L5 Einreichungsbereitschaft. 🧑⚖️ Dreifache simulierte Begutachtung: Erkennen von Ablehnungsrisiken aus der Perspektive eines theoretischen Reviewers, methodischen Reviewers und Zielzeitschriften-Reviewers, um konkrete Überarbeitungsstrategien zu entwickeln. 📨 Vollständiger Einreichungskreislauf: Unterstützung bei der Erstellung der endgültigen Arbeit, Zitierprüfungsliste, Anschreiben, Erläuterung der Innovationen, Autorenantwort, Änderungsindex und zugehörigen Vorlagen. ✨ Lernen Sie das Paradigma, schreiben Sie Originäres, steigern Sie Ihre echte Wettbewerbsfähigkeit bei Einreichungen.
Ähnliche Fähigkeiten
Alle anzeigenSchreibenAIGC-Reduktion&Umschreibung v7
📚 AIGC-Reduktion und qualitätsbewahrendes Umschreiben für wissenschaftliche Arbeiten v7.0 Diese Fähigkeit zur Optimierung akademischer Texte wurde für Doktoranden, Wissenschaftler und Autoren wissenschaftlicher Arbeiten entwickelt. Sie basiert auf dem geschlossenen Kreislauf „Quellenkontrolle → Prozesskorrektur → Ergebnisprüfung → Rückwärtsselbstprüfung → Wiederholungsprüfung“ und diagnostiziert und optimiert systematisch schablonenhafte Ausdrücke, mechanische Logik, inhaltsleere Passagen, ungenaue Terminologie und inkonsistente Stile in der Arbeit – unter Wahrung der ursprünglichen Bedeutung, Fachtermini, Daten und Kernschlussfolgerungen. 🔍📝 🌟 Kernfähigkeiten 🔬 Mehrstufige Risikodiagnose Erfasst 10 Kategorien allgemeiner Text-Fingerabdrücke und unterstützt die Erkennung typischer Ausdrucksmuster von Modellen wie ChatGPT, Claude, DeepSeek und Wenxin Yiyan. 🧠 Tiefgreifende semantische Rekonstruktion Beschränkt sich nicht nur auf Synonymersetzung, sondern geht von Aussagenausdruck, Informationsreihenfolge, Argumentationsansätzen und der Organisation der Beweisführung aus, um eine natürlichere und tiefgründigere akademische Argumentation wiederherzustellen. ✍️ Qualitätsbewahrendes Umschreiben Verwendet 13 Satzumstellungsstrategien und 20 Methoden zur Bereinigung häufiger Schablonenausdrücke, um mechanische Satzstrukturen, wiederholte Konjunktionen und übermäßig regelmäßige Ausdrücke zu verbessern. 📊 Diagnose der gesamten Textstruktur Überprüft durch einen großen Kreislauf und fünf Kerndreiecke, ob Forschungsfrage, Theorie, Literaturübersicht, Methode, Schlussfolgerung und Innovation einen vollständigen Kreislauf bilden. 🧩 Fein abgestimmte Kapitelanpassung Entwickelt differenzierte Diagnose- und Umschreibungsstrategien für Zusammenfassung, Einleitung, Literaturübersicht, Forschungsmethode, Ergebnisse, Diskussion und Schlussfolgerung. 🌐 Sprachübergreifende Risikoanalyse Hilft bei der Erkennung von Übersetzungssprache, Anhäufung von Passivkonstruktionen, Verschachtelung langer Sätze und gemischten chinesisch-englischen Formatierungsfehlern, um den akademischen Ausdruck im Chinesischen natürlicher und präziser zu gestalten. 🔄 Rückwärtsselbstprüfungs-Kreislauf Nach dem Umschreiben erfolgt eine erneute Überprüfung in drei Bereichen: Verteilung der Methoden, neu hinzugefügte Text-Fingerabdrücke und Informationsvollständigkeit, um zu vermeiden, dass der Text „immer mehr wie eine Schablone aussieht“ oder wichtige Inhalte verloren gehen. 🛡️ Schutz akademischer Standards Es werden keine Literatur, Daten, Fälle oder politischen Grundlagen erfunden; Informationen, die vom Autor überprüft werden müssen, werden gesondert gekennzeichnet, und es wird daran erinnert, die KI-Nutzung wahrheitsgemäß offenzulegen. 🎯 Anwendungsbereiche ✅ Optimierung einzelner Absätze oder lokaler Abschnitte ✅ Gezielte Bearbeitung markierter Absätze in Prüfberichten ✅ Feinbearbeitung von Zusammenfassung, Einleitung, Übersicht, Diskussion und Schlussfolgerung ✅ Diagnose von AIGC-Risikomerkmalen im gesamten Text ✅ Anpassung an Sprache und Struktur der Zielzeitschrift ✅ Qualitätsprüfung und Konsistenzprüfung vor der Einreichung 📦 Endgültige Lieferung 📄 Qualitätsbewahrend umgeschriebener Text 🔎 Risiko- und Problemdiagnosebericht 🛠️ Erläuterung der Umschreibungsstrategien und -methoden ✅ Rückwärtsselbstprüfungs- und Informationsvollständigkeitsbericht 💡 Vom Autor zu überprüfende Punkte und weitere Änderungsvorschläge 🎓 Originalbedeutung nicht verfälscht · Logik nicht unterbrochen · Daten nicht erfunden · akademische Qualität nicht verringert ⚠️ Diese Fähigkeit zielt darauf ab, die Qualität des akademischen Ausdrucks zu verbessern und Risikomerkmale im Text zu reduzieren. Sie garantiert jedoch nicht, dass der Text einen bestimmten Erkennungstest besteht oder einen bestimmten Erkennungswert erreicht.
Lehrpublikations-Assistent
Von der Lehrforschungsakkumulation bis zu CSSCI/SSCI/SCI – lassen Sie jeden Ihrer Lehrartikel einer Begutachtung standhalten. Dies ist kein Tool, das Ihnen den Aufsatz schreibt, sondern ein Architekt für wissenschaftliche Lehrtexte, der die akademischen Normen kennt. Es versteht, dass IMRaD nicht nur vier Buchstaben sind, sondern eine strenge Argumentationslogik, dass eine Literaturübersicht keine bloße Auflistung von Quellen ist, sondern die präzise Identifizierung von Forschungslücken, und dass die Effektstärke mehr Vertrauen von Gutachtern geschenkt wird als einem p-Wert. Sieben Phasen vollständig abgedeckt: Themenfokussierung (Drei-Fragen-Prüfung des Neuigkeitswerts) → Literaturübersicht (Dreistufige Kodierung + Trichter-Schreiben) → Forschungsdesign (Entscheidung zwischen quantitativ/qualitativ/gemischt) → Datenanalyse (Entscheidungsbaum für statistische Methoden) → Diskussion (Selbstprüfmatrix für den Beitrag) → Sprachverfeinerung (Ent-AIisierung + Sprachaufwertung + Umschreibungserläuterung) → Zeitschriftenanpassung (Matching-Matrix + Vorbeugung gegen Ablehnungsrisiken). Integrierter Drei-Kern-Konfliktmotor: Der akademische Schreiber ist für die Produktion zuständig, der Sprachaufwerter für die Verfeinerung, und der akademische Wächter hat ein Vetorecht – Sind die Quellen echt? Sind die Daten zuverlässig? Ist die Argumentation mit Belegen verankert? Passt der Beitrag zur Zielzeitschriftenebene? Fünf Dimensionen werden einzeln geprüft, bei Nichtbestehen wird zurückgewiesen. Es hilft nicht nur beim Schreiben, sondern lehrt auch, warum Änderungen vorgenommen werden – jeder Ausgabe liegt eine Umschreibungserläuterung bei, sodass Sie in der Iteration Ihre wissenschaftliche Schreibfähigkeit wirklich verbessern. Unterstützt zweisprachige Formatanpassung (GB/T 7714 / APA 7th). Geeignet für den täglichen Forschungs- und Lehraufbau, den Abschluss von Projekten und den Endspurt bei der Titelverleihung.
ForschungC-Journal-Intro-Experte v3.0
Das Verfassen der Einleitung für einen Management-C-Journal-Artikel ist für viele Forscher der schwierigste Teil. Dieser Skill v3.0 verwendet die AFP 3.1 Drei-Schichten-Architektur und bietet einen vollständigen geschlossenen Kreislauf von der Informationssammlung bis zur Abgabe des Endentwurfs. Kernfunktionen: 1. Halluzinationsschutz – Erzwungene Bereitstellung + nachvollziehbare Überprüfung. Alle Literatur muss aus dem vom Benutzer bereitgestellten echten Literaturpool stammen. Die KI darf keine eigenen Ergänzungen oder Erfindungen hinzufügen. 2. Disziplin × Forschungstyp zweidimensionale Anpassung – Vier Disziplinen: Strategisches Management, Organisationsverhalten und Personalwesen, Öffentliche Verwaltung, Informationsmanagement × Drei Typen: Empirisch-quantitativ, Qualitativ-Fallstudie, Theoriebildung. 12 Einleitungsparadigmen automatisch zugeordnet. 3. Präzise Anpassung an den Zeitschriftenstil – googleSearch durchsucht Beispiele der Zielzeitschrift der letzten 3 Jahre. Dreistufige Degradierungsstrategie sichert den Erfolg der Suche. 4. Fünfteilige Strukturtheorie der Einleitung – Forschungshintergrund → Verknüpfungssprache → Untersuchungsobjekt → Forschungswert → Forschungsdesign, abschnittsweise Blaupausenerstellung. 5. B-Kern Neun-dimensionale Qualitätsprüfung – Struktur/Logik/Zitierung/Anpassung/Stil/Innovation/Lücke/Theorie/Halluzinationsschutz. Quantitative Bewertung ≥ 80 für Abgabe. Geeignet für: Management-Doktoranden und Nachwuchswissenschaftler, die bei CSSCI/Peking University Core einreichen möchten.
Finde deine nächste Lieblingsfähigkeit
Entdecke weitere kuratierte KI-Fähigkeiten für Recherche, Kreativität und den Arbeitsalltag.