Murat Sakal
Classement Bloom des acquis
Classe vos résultats d’apprentissage selon les niveaux de la taxonomie de Bloom, corrige les verbes non mesurables (comme « sait » ou « comprend ») et propose une méthode d’évaluation adaptée à chaque résultat. Le classement s’appuie sur la demande cognitive réelle du résultat, et non sur le sens superficiel du verbe. Pour qui : les enseignants qui conçoivent des programmes ou des cours, ainsi que les commissions de développement des programmes.
Banque GIFT + audit Bloom
Générez, à partir de vos sujets et de vos acquis d’apprentissage, une banque complète de questions au format GIFT comprenant des questions à choix multiple, vrai/faux, d’appariement, à réponse courte et à compléter. Le niveau de la taxonomie de Bloom est indiqué pour chaque question. Si les questions sont principalement regroupées dans les niveaux inférieurs (Mémorisation/Compréhension), cela est clairement signalé et des questions supplémentaires évaluant des compétences de réflexion de niveau supérieur sont proposées. Pour qui : les responsables de l’évaluation et les coordinateurs de département qui souhaitent contrôler la qualité de leur banque d’examen.
Créateur de plans de cours
À partir du thème et de la durée de votre cours, génère un plan de cours hebdomadaire structuré comprenant des objectifs d’apprentissage mesurables, formulés avec les verbes de la taxonomie de Bloom, un déroulé de cours minuté et une proposition d’élément d’évaluation. Il associe toujours les objectifs d’apprentissage aux activités correspondantes. Pour qui : enseignants universitaires et formateurs concevant des cours ou des programmes de formation.
Créateur de banques GIFT
À partir du sujet et du contenu que vous fournissez, générez une banque de questions à choix multiple au format GIFT, directement importable dans l’écran Moodle « Banque de questions > Importer ». Les bonnes réponses sont indiquées, des distracteurs plausibles liés au sujet sont créés et les erreurs de syntaxe GIFT sont évitées. Pour qui : les enseignants donnant des cours sur Moodle et les coordinateurs pédagogiques préparant des banques d’examen.
Rapport statistique + critiques
Produit une section Résultats complète à partir de vos résultats de statistiques descriptives et inférentielles, y compris les tests des conditions d’application. En cas de violation de la normalité ou de l’homogénéité des variances, il recommande le test non paramétrique approprié au lieu de la dissimuler. Il repère également à l’avance au moins 4 objections que les évaluateurs de revues scientifiques soulèvent couramment (par exemple : « tests des conditions d’application non présentés », « taille d’effet non indiquée », « aucune correction pour comparaisons multiples n’a été appliquée ») et fournit une phrase de réponse pour chacune. Pour qui : les chercheurs utilisant des méthodes quantitatives qui souhaitent garantir une présentation statistique rigoureuse avant de soumettre leur article à une revue.
Rédacteur de tests de groupes
Produit un texte de résultats conforme à l’APA 7 et prêt à intégrer à un manuscrit à partir des résultats de vos tests t, ANOVA ou du chi carré. Utilise le format correct de présentation statistique (t(df)=..., p=..., d=...) et interprète la taille de l’effet selon les seuils de Cohen. Vous rappelle d’indiquer une méthode de correction des comparaisons multiples lorsque trois groupes ou plus sont comparés. Pour qui : chercheurs et étudiants en master ou en doctorat menant des études expérimentales ou comparatives.
Rédacteur de statistiques
Convertit les résultats de statistiques descriptives de l’utilisateur (moyenne±ET ou médiane(IQR), n(%)) en un paragraphe académique sur les « caractéristiques des participants », prêt à intégrer dans un manuscrit, ainsi qu’en un tableau Table 1 mis en forme. Sélectionne la statistique descriptive appropriée (moyenne±ET ou médiane(IQR)) selon le statut de normalité et ne les intervertit jamais. Pour qui : les étudiants de troisième cycle et les universitaires menant des recherches quantitatives, qui souhaitent rédiger rapidement et correctement la section « Participants » de leur manuscrit.
Rapport statistique + réponses
Produit une section complète de Résultats à partir de vos analyses statistiques descriptives et inférentielles, y compris les tests d’hypothèses. Si une violation de la normalité ou de l’homogénéité des variances est détectée, il recommande un test non paramétrique alternatif au lieu de la dissimuler. Il identifie également à l’avance au moins 4 objections fréquemment soulevées par les évaluateurs de revues (par exemple : « les tests d’hypothèses ne sont pas rapportés », « la taille d’effet n’est pas indiquée », « aucune correction pour comparaisons multiples n’a été appliquée ») et fournit une réponse argumentée pour chacune. Pour qui : les chercheurs utilisant des méthodes de recherche quantitatives et souhaitant renforcer la solidité de leur rapport statistique avant de soumettre leur article à une revue.
Rapporteur de tests de groupes
À partir de vos résultats de test t, d’ANOVA ou du test du χ², produisez un texte de résultats conforme à l’APA 7 et prêt à intégrer dans un article. Utilise le format de rapport statistique approprié (t(df)=..., p=..., d=...) et interprète la taille de l’effet selon les critères de Cohen. Si vous comparez trois groupes ou plus, rappelle qu’il faut mentionner la correction pour comparaisons multiples. Pour qui : les chercheurs et les étudiants de troisième cycle menant des études expérimentales ou comparatives.
Rédacteur de statistiques descriptives
Transforme les résultats de statistiques descriptives de l’utilisateur (moyenne±ET ou médiane(IQR), n(%)) en un paragraphe académique « Caractéristiques des participants », directement intégrable à un article, ainsi qu’en un tableau au format Tableau 1. Sélectionne la statistique descriptive appropriée selon la normalité (moyenne±ET ou médiane(IQR)) et ne les mélange jamais. Pour qui : les étudiants de troisième cycle et les universitaires menant des recherches quantitatives qui souhaitent rédiger rapidement et correctement la section « Participants » de leur article.
Entropy-TOPSIS-ML + Objection
Produit un rapport complet Méthodes + Résultats à partir des résultats de votre pondération par entropie, de votre classement TOPSIS et de votre classifieur ML (XGBoost, Random Forest, régression logistique, etc.). Interprète correctement l’AUC selon les critères de Hosmer & Lemeshow et, si l’écart de performance entre l’entraînement et le test est important, indique explicitement le risque de surapprentissage. Repère également à l’avance au moins 4 objections fréquemment soulevées par les évaluateurs de revues (par exemple : « comment le déséquilibre des classes a-t-il été traité ? » ou « aucun jeu de validation externe n’a été utilisé ») et propose une phrase de réponse pour chacune. Convient aux chercheurs en informatique de santé, en prédiction des risques cliniques ou en méthodologie hybride MCDM-ML qui souhaitent renforcer la robustesse méthodologique avant une soumission à une revue.
Rédacteur d’analyse TOPSIS
Produit un texte complet, prêt pour un manuscrit, regroupant les sections Méthodes et Résultats à partir des sorties de votre analyse TOPSIS (matrice de décision normalisée, distances aux solutions idéales positive et négative, coefficients de proximité). Fournit un tableau de classement et interprète les critères sur lesquels les meilleures et les moins bonnes alternatives se sont distinguées ou ont accusé du retard. Convient aux chercheurs travaillant sur des problèmes de classement multicritère, comme la sélection de fournisseurs, la comparaison de produits ou de services, ou l’aide à la décision clinique.
Rédacteur de pondération AHP
Convertit les résultats de la matrice de comparaison par paires de l'AHP (Analytic Hierarchy Process) de l'utilisateur — poids des critères et ratio de cohérence — en une section académique « Pondération des critères », prête à être intégrée directement dans un manuscrit. Si le ratio de cohérence (CR) dépasse 0,10, cela est indiqué clairement plutôt que dissimulé. Convient aux chercheurs qui utilisent des méthodes MCDM telles que TOPSIS/VIKOR et déterminent les poids des critères avec l'AHP, ainsi qu'aux étudiants de troisième cycle.
Entropie-TOPSIS-ML + Réponses
À partir des résultats de la pondération par entropie, du classement TOPSIS et de classificateurs ML (XGBoost, Random Forest, régression logistique, etc.), produisez un rapport complet consacré à la Méthode et aux Résultats. Interprétez correctement l’AUC en la classant selon les critères de Hosmer & Lemeshow et signalez clairement le risque de surapprentissage (overfitting) lorsque l’écart entre les performances d’entraînement et de test est important. Le Skill identifie également à l’avance au moins quatre objections fréquemment soulevées par les évaluateurs de revues (par exemple : « comment le déséquilibre des classes a-t-il été traité ? », « pourquoi aucun jeu de données de validation externe n’a-t-il été utilisé ? ») et fournit une phrase de réponse pour chacune. À qui s’adresse-t-il ? Aux chercheurs en informatique de santé, en prédiction des risques cliniques ou travaillant sur une méthodologie hybride d’aide multicritère à la décision (AMCD)-ML, qui souhaitent renforcer la solidité de leur méthode avant la soumission à une revue.
Rédacteur de rapports TOPSIS
À partir de vos résultats d’analyse TOPSIS (matrice de décision normalisée, distances à la solution idéale positive et négative, coefficients de proximité), génère un texte complet, prêt à intégrer dans un article, couvrant la Méthode et les Résultats. Présente un tableau de classement et interprète les critères sur lesquels la meilleure et la moins bonne alternative se distinguent. Pour qui : les chercheurs travaillant sur des problèmes de classement multicritère, comme la sélection de fournisseurs, la comparaison de produits ou de services et l’aide à la décision clinique.
Rédacteur de pondération AHP
Transforme les résultats de la matrice de comparaison par paires AHP (processus hiérarchique analytique) de l’utilisateur — poids des critères et ratio de cohérence — en une section académique « Pondération des critères », directement intégrable à un article. Si le ratio de cohérence (CR) dépasse 0,10, il le signale clairement, sans le dissimuler. Pour qui : les chercheurs et étudiants de troisième cycle qui utilisent des méthodes d’aide multicritère à la décision (AMCD) comme TOPSIS ou VIKOR et déterminent les poids des critères avec l’AHP.
Rapport PLS-SEM + objections
Produit un rapport complet sur le modèle de mesure et le modèle structurel à partir des résultats de votre analyse PLS-SEM (charges externes, CR/AVE, validité discriminante HTMT, coefficients de chemin, R²/f²/Q², SRMR). Applique correctement le seuil HTMT et l’interprétation de R² (critères de Cohen/Chin), tout en évitant le langage causal. Identifie également à l’avance au moins 4 objections fréquemment soulevées par les évaluateurs de revues (par exemple : « pourquoi utiliser PLS plutôt que CB-SEM ? », « aucun contrôle du CMB n’est présenté ») et propose une phrase de réponse pour chacune. Convient aux chercheurs en sciences de gestion et en sciences sociales utilisant PLS-SEM pour la modélisation par équations structurelles et souhaitant renforcer la robustesse méthodologique avant une soumission à une revue.
Rapport validité-fiabilité
Génère un texte complet, prêt pour un manuscrit, couvrant les sections Méthodes et Résultats à partir des résultats de votre analyse EFA ou CFA (KMO, test de Bartlett, saturations factorielles, indices d’ajustement, alpha de Cronbach/CR/AVE). Classe correctement les seuils des indices d’ajustement (CFI/TLI≥.90, RMSEA≤.08, etc.) et signale les problèmes de validité tels que AVE<0.50 sans les dissimuler. Convient aux universitaires et aux étudiants de troisième cycle qui réalisent des études de développement ou d’adaptation d’échelles.
Rédacteur alpha de Cronbach
Convertit les statistiques de fiabilité que vous saisissez (alpha de Cronbach, nombre d’items, sous-échelles) en un paragraphe académique d’« Analyse de la fiabilité », prêt à être intégré directement à votre manuscrit. Fournit un tableau d’acceptabilité par sous-échelle et, s’il détecte un alpha faible (<.60), le signale ouvertement au lieu de le dissimuler. Convient aux étudiants de troisième cycle et aux chercheurs utilisant des échelles, qui souhaitent rédiger rapidement et correctement la section Méthodes.
Rapport PLS-SEM + objections
Produit à partir de vos résultats d’analyse PLS-SEM (charges externes, CR/AVE, validité discriminante HTMT, coefficients de chemin, R²/f²/Q², SRMR) un rapport complet du modèle de mesure et du modèle structurel. Il applique correctement le seuil HTMT et l’interprétation de R² (critères de Cohen/Chin), tout en évitant le langage causal. Il identifie également à l’avance au moins 4 objections fréquemment soulevées par les évaluateurs de revues (par exemple : « Pourquoi choisir le PLS plutôt que le CB-SEM ? » ou « Aucun contrôle du CMB n’a été effectué ») et fournit une phrase de réponse pour chacune. Pour qui : les chercheurs en gestion et en sciences sociales qui utilisent la modélisation par équations structurelles PLS-SEM et recherchent une méthodologie solide avant de soumettre leur article à une revue.
Rapport validité-fiabilité
À partir de vos résultats d’analyse EFA ou CFA (KMO, test de Bartlett, saturations factorielles, indices d’ajustement, alpha de Cronbach/CR/AVE), générez un texte complet de Méthodes + Résultats, prêt à intégrer à un article. Les seuils des indices d’ajustement (CFI/TLI≥.90, RMSEA≤.08, etc.) sont correctement classés, et les problèmes de validité comme AVE<0.50 sont signalés sans être masqués. Pour qui : les universitaires et étudiants de troisième cycle menant des travaux de développement ou d’adaptation d’échelles.
Rédacteur alpha de Cronbach
Transforme les statistiques de fiabilité saisies par l’utilisateur (alpha de Cronbach, nombre d’items et sous-dimensions) en un paragraphe académique d’« Analyse de la fiabilité », directement intégrable à un article. Présente un tableau d’acceptabilité par sous-dimension et signale clairement, sans le dissimuler, tout alpha faible (<.60). Pour qui : les étudiants de troisième cycle et les chercheurs utilisant des échelles qui souhaitent rédiger rapidement et avec précision la section méthodologique de leur thèse ou article.
Rédacteur de rapport CONSORT
À partir des données de votre essai contrôlé randomisé (ECR) — méthode de randomisation, statut de l’insu, calcul de puissance, chiffres du diagramme de flux CONSORT (évalués/inclus dans la randomisation/alloués/analysés), approche d’analyse en ITT/PP — il produit une première version complète de l’abstract, des méthodes et des résultats, conforme aux 25 éléments de CONSORT 2010. Il ne confond jamais les analyses ITT et PP et vérifie la cohérence des chiffres du diagramme de flux (randomisés ≥ alloués ≥ suivis ≥ analysés). Il identifie également à l’avance au moins 4 objections fréquemment soulevées par les évaluateurs des revues (par exemple : « pourquoi aucune analyse en ITT n’a-t-elle été présentée ? », « le succès de l’insu a-t-il été évalué ? », « y a-t-il eu un changement de critère de jugement ? ») et suggère une phrase de réponse pour chacune. Conçu pour les chercheurs en médecine, en soins infirmiers et en pharmacie qui réalisent des ECR et souhaitent renforcer la robustesse méthodologique de leur étude avant sa soumission à une revue. Ce qu’il ne fait pas : il n’effectue pas d’analyse statistique et ne génère pas de données — il transforme uniquement les résultats dont vous disposez déjà en un rapport conforme aux normes CONSORT.
Rédacteur STROBE
Selon votre plan d’étude — transversale, de cohorte ou cas-témoins —, lorsque vous indiquez votre méthode de sélection des participants, vos variables, la justification de la taille de l’échantillon et vos méthodes statistiques, il produit un brouillon complet des sections Méthodes et Résultats, faisant implicitement référence aux 22 éléments de la liste de contrôle STROBE (Strengthening the Reporting of Observational Studies in Epidemiology). Il fournit également à la fin un tableau de correspondance indiquant quel paragraphe correspond à quel élément STROBE — prêt à répondre à la demande d’une revue de « compléter la liste de contrôle STROBE ». Il évite le langage causal — en utilisant « est associé à » plutôt que « cause » dans les études observationnelles — et présente explicitement les sources de biais et de confusion. Convient aux universitaires travaillant en épidémiologie, en santé publique et en recherche clinique.
Assistant données manquantes
Saisissez la taille de votre échantillon, la proportion et le schéma des données manquantes (MCAR/MAR/MNAR), la méthode utilisée pour les traiter (suppression par liste complète, imputation multiple, etc.) et la méthode de détection des valeurs aberrantes (score Z, IQR, distance de Mahalanobis) : l’outil produit un paragraphe académique que vous pouvez insérer directement dans la section « Prétraitement des données » de votre manuscrit. Si votre choix méthodologique est en contradiction avec le schéma de données manquantes (par exemple, utiliser la suppression par liste complète avec un schéma MNAR), cette contradiction est explicitement signalée. Convient aux étudiants de troisième cycle et aux chercheurs qui analysent des données d’enquête ou cliniques et souhaitent rédiger rapidement et correctement la section consacrée au prétraitement des données.
Qualité des données d’échelle
Cette compétence contrôle systématiquement les données brutes d’enquête recueillies dans le cadre du développement d’une échelle, en examinant les données manquantes, les observations aberrantes, les réponses inattentives (straightlining, longstring, random responding), les anomalies de distribution au niveau des items, ainsi que les prérequis de fiabilité et de factorisabilité. Elle ne produit pas les résultats finaux de l’EFA/CFA ; elle fournit une décision « go/no-go » étayée par des preuves quant à la préparation des données pour les étapes d’analyse suivantes, ainsi qu’une recommandation de division stratifiée de l’échantillon (EFA/CFA split). Tous les calculs sont réalisés en exécutant réellement du code (Python : pandas, scipy, factor_analyzer, pingouin) ; aucun chiffre hypothétique n’est généré.
Rédacteur de méta-analyse
Produit un texte complet Méthodes + Résultats + Limites conforme à PRISMA 2020 et au Manuel Cochrane à partir de vos statistiques de méta-analyse (taille d’effet combinée, I², Q, tau², indicateurs de biais de publication). N’interprète jamais mal la valeur d’I², notamment lorsqu’elle est présentée comme un « pourcentage de variance », et évite les formulations causales excessives en privilégiant des formulations prudentes comme « les résultats sont compatibles avec… » plutôt que « les données démontrent que ». À la fin, il propose également au moins 3 questions qu’un évaluateur pourrait poser, accompagnées de phrases pour y répondre. Convient aux chercheurs qui rédigent un article de méta-analyse et souhaitent renforcer la section Méthodes avant de le soumettre à une revue. Ce qu’il ne fait pas : il n’effectue pas de calculs statistiques à partir de données brutes (vous devez déjà disposer de vos résultats R/RevMan/CMA) ; il convertit et interprète uniquement vos résultats sous forme de texte académique.
Rédacteur bibliométrique
Convertit les données brutes obtenues dans les sorties de VOSviewer ou de Biblioshiny (Bibliometrix/R) — fréquences des mots-clés, clusters de réseaux de citations, évolution annuelle des publications, répartition par pays, institution et revue — en un texte académique interprété, prêt à être publié. Adopte un ton académique qui décrit l’orientation de la littérature plutôt que de répéter les chiffres bruts, et évite les affirmations causales spéculatives. Utile pour les chercheurs qui rédigent une thèse ou un article et ont besoin d’une section d’analyse bibliométrique, mais peinent à traduire leurs données brutes en langage académique. Utilisation : collez directement votre liste de clusters ou de mots-clés provenant de VOSviewer, ou votre tableau récapitulatif de Biblioshiny ; le Skill nomme et interprète les clusters de mots-clés par thème, puis évalue le réseau de citations et les tendances de collaboration entre pays.
Rédacteur de flux PRISMA 2020
Génère le texte d’un diagramme de flux conforme à PRISMA 2020 ainsi qu’un paragraphe méthodologique pour les chercheurs réalisant des revues systématiques. Saisissez vos nombres de références à chaque étape du processus (identification → sélection → éligibilité → incluses) : l’outil vérifie leur cohérence et produit un texte permettant de répondre de manière argumentée à la question des évaluateurs : « Pourquoi votre diagramme de flux comporte-t-il autant de références perdues ? » Il transforme également vos critères d’inclusion et d’exclusion en tableau au format PICO/PECO. Convient aux étudiants de troisième cycle, aux universitaires et aux vérifications préalables effectuées par les éditeurs de revues sur des articles de revue systématique ou de méta-analyse. S’il détecte une incohérence numérique (par exemple, un nombre de références incluses supérieur au nombre de références jugées éligibles), il l’indique explicitement au lieu de la corriger silencieusement.
Rédacteur CONSORT 2010 RCT
À partir de vos données d’essai contrôlé randomisé (RCT) — méthode de randomisation, statut de l’insu, analyse de puissance, nombres du diagramme CONSORT (screened/randomized/allocated/analyzed), approche d’analyse ITT/PP — il produit un projet complet comprenant un Résumé, la Méthode et les Résultats, conforme aux 25 éléments de CONSORT 2010. Il ne confond jamais les approches ITT et PP et vérifie la cohérence des nombres du diagramme de flux (randomized ≥ allocated ≥ followed-up ≥ analyzed). Il identifie également à l’avance au moins 4 objections fréquemment soulevées par les évaluateurs des revues (« pourquoi l’analyse ITT n’a-t-elle pas été présentée ? », « le succès de l’insu a-t-il été évalué ? », « y a-t-il eu un changement de critère de jugement ? », etc.) et propose une phrase de réponse pour chacune. Il est conçu pour les chercheurs cliniciens et les universitaires menant des RCT en médecine, en soins infirmiers ou en pharmacie, qui souhaitent garantir la solidité méthodologique de leur étude avant sa soumission à une revue.
Pré-audit des données d’échelle
"Ce Skill est déclenché lorsqu’il faut contrôler, sur le plan de la qualité psychométrique, des données brutes de développement d’échelle (Excel/CSV) collectées par un cabinet d’enquêtes professionnel, avant de passer à l’EFA/CFA ou aux analyses finales de fiabilité. Il évalue de manière approfondie les données manquantes, les valeurs aberrantes, les réponses inattentives, les biais de réponse, la qualité des items et l’adéquation de l’échantillon, puis produit une décision Go/No-Go. Il ne modifie pas les données et fournit uniquement un rapport de diagnostic et d’audit."
Rédacteur de méthodes STROBE
Selon votre plan d’étude — transversal, de cohorte ou cas-témoins —, saisissez votre méthode de sélection des participants, vos variables, la justification de la taille de l’échantillon et vos méthodes statistiques pour générer un brouillon complet des sections Méthodes et Résultats, avec des références implicites aux 22 éléments de la checklist STROBE (Strengthening the Reporting of Observational Studies in Epidemiology). Une table de correspondance indiquant quel paragraphe répond à quel élément STROBE est également fournie à la fin : vous êtes ainsi prêt à répondre à la demande de la revue de « remplir la checklist STROBE ». L’outil évite le langage causal — puisqu’il s’agit d’une étude observationnelle, il utilise « est associé à » plutôt que « entraîne » — et discute explicitement les sources de biais et les facteurs de confusion. Il s’adresse aux universitaires travaillant en épidémiologie, en santé publique ou en recherche clinique.
Données manquantes/atypiques
Lorsque vous indiquez la taille de votre échantillon, le taux et le schéma de données manquantes (MCAR/MAR/MNAR), la méthode de traitement utilisée (listwise deletion, imputation multiple, etc.) ainsi que votre méthode de détection des valeurs aberrantes (score Z, IQR, Mahalanobis), cette Skill produit un paragraphe académique directement intégrable à la section « Prétraitement des données » de votre article. Si votre choix méthodologique est en contradiction avec le schéma de données manquantes (par exemple, utiliser listwise deletion avec un schéma MNAR), elle le signale clairement. Elle s’adresse aux étudiants de troisième cycle et aux chercheurs qui analysent des données d’enquête ou cliniques et souhaitent rédiger rapidement et correctement leur section consacrée au prétraitement des données.
Rapport de méta-analyse
Produit, conformément à PRISMA 2020 et au Manuel Cochrane, un texte complet — Méthodes + Résultats + Limites — à partir de vos statistiques de méta-analyse (taille d’effet combinée, I², Q, tau², indicateurs de biais de publication). N’interprète jamais I² à tort (y compris la part de variance exprimée en pourcentage), évite les formulations causales excessives (en privilégiant des expressions prudentes comme « les résultats sont cohérents avec… » plutôt que « les données montrent que… »). À la fin, il propose également au moins 3 questions que les évaluateurs pourraient poser, ainsi que des formulations pour y répondre. Convient aux chercheurs qui rédigent un article de méta-analyse et souhaitent consolider la section Méthodes avant de le soumettre à une revue. Ce qu’il ne fait pas : il n’effectue pas les calculs statistiques à partir de données brutes (vous devez avoir déjà calculé vos résultats avec R/RevMan/CMA) ; il transforme uniquement les résultats en texte académique et les interprète.
Rédacteur bibliométrique
Transforme les données brutes obtenues avec VOSviewer ou Biblioshiny (Bibliometrix/R) — fréquences des mots-clés, clusters de réseaux de citations, tendances annuelles des publications, répartition par pays, institution ou revue — en un texte interprété, prêt pour une publication académique. Il adopte un ton académique qui explique l’évolution de la littérature au lieu de répéter les chiffres, et évite les affirmations causales spéculatives. Convient aux chercheurs qui rédigent une thèse ou un article et doivent préparer une section d’analyse bibliométrique, mais rencontrent des difficultés à transposer des données brutes dans un langage académique. Utilisation : collez directement votre liste de clusters et de mots-clés exportée depuis VOSviewer, ou votre tableau récapitulatif Biblioshiny ; le skill nomme et interprète les clusters de mots-clés sur le plan thématique, puis évalue le réseau de citations et les tendances de collaboration entre pays.
Rédacteur de diagrammes PRISMA
Génère, pour les chercheurs réalisant une revue systématique, le texte d’un diagramme et un paragraphe de protocole conformes à la checklist PRISMA 2020. Lorsque vous saisissez les chiffres de vos recherches dans les bases de données (identification → screening → eligibility → included), il vérifie leur cohérence et produit un texte défendable face à la question du reviewer : « Pourquoi votre diagramme de flux comporte-t-il autant de pertes ? » Il transforme également vos critères d’inclusion et d’exclusion en tableau au format PICO/PECO. Cette skill s’adresse notamment aux étudiants de troisième cycle et aux universitaires qui rédigent une revue systématique ou une méta-analyse, ainsi qu’aux éditeurs de revues pour une vérification préliminaire. Si elle détecte une incohérence numérique (par exemple, included > eligibility), elle la signale clairement sans la corriger silencieusement.