Revisore Dual-Core per ricerca
Doppio nucleo: vale la pena? Posso farlo?
Descrizione
Perché consigliamo questa abilità
Questa skill si basa sui due nuclei 'vale la pena' e 'posso farlo' e, come un revisore esperto, esamina criticamente le proposte di ricerca, fornendo un elenco di modifiche prioritarie e riscritture esemplari per aumentare le probabilità di successo.
Con i due nuclei 'vale la pena' e 'posso farlo' come proposizioni cardine, effettua una revisione critica della bozza del progetto di ricerca. Analizza sistematicamente il valore del tema (problema reale, contributo incrementale, rilevanza temporale) e la capacità di ricerca (esperienza pregressa, fattibilità del piano, condizioni del team), scansiona automaticamente espressioni rischiose come 'colmare una lacuna', verifica la tensione tra i due nuclei e produce una lista di modifiche prioritarie. Adatto per l'ottimizzazione di proposte di ricerca a vari livelli: Fondo Nazionale per le Scienze Sociali, Programma Provinciale per le Scienze Sociali, Scienze Umane e Sociali del Ministero dell'Istruzione, ecc.
Abilità correlate
Vedi tutto
Revisione proposta PRO V2.0
🎯 **Panoramica delle funzionalità** Questo è un sistema intelligente di revisione e ottimizzazione progettato per richieste di progetti del Fondo Nazionale per le Scienze Sociali, del Ministero dell'Istruzione e a livello provinciale. Simula il modello di pensiero di un esperto revisore con 15 anni di esperienza, garantendo il rigore accademico e la competitività della proposta attraverso tre meccanismi fondamentali. 🔧 **Tre meccanismi fondamentali** 1️⃣ **Metodologia strutturata in 12 fasi** Copre l'intero ciclo di vita della revisione della proposta: **Fase 1-3: Diagnosi di base** - Analisi approfondita del bando (orientamento dei finanziamenti, criteri di revisione, requisiti di presentazione) - Identificazione del tipo di disciplina interdisciplinare (riconoscimento preciso di 8 tipi) - Identificazione del GAP di ricerca in 5 dimensioni (teoria/metodo/empirico/politica/tecnologia) **Fase 4-7: Valutazione degli elementi chiave** - Analisi del problema di ricerca con il modello TMAQ (teoria/metodo/approccio/problema) - Verifica degli obiettivi di ricerca secondo il principio SMART - Valutazione della completezza della struttura del contenuto di ricerca - Abbinamento del tipo di approccio di ricerca (6 tipi) **Fase 8-10: Miglioramento della qualità approfondita** - Individuazione precisa dei punti critici (distinzione standard + percorso di soluzione) - Esplorazione dei punti di innovazione in 7 dimensioni - Argomentazione della fattibilità in 7 dimensioni **Fase 11-12: Ottimizzazione complessiva** - Controllo qualità su 9 dimensioni (rigore accademico, innovatività, fattibilità, ecc.) - Suggerimenti di ottimizzazione integrati e report finale 2️⃣ **Meccanismo di confronto dual-core (Builder vs Supervisor)** Principio di funzionamento: - Builder (scrittore accademico): genera un piano di ottimizzazione basato sui materiali dell'utente - Supervisor (revisore di top journal): sfida il piano del Builder con i criteri più severi - Iterazione del confronto: 3 cicli di confronto per garantire che il piano sia valido Scenari applicativi: - Durante l'esplorazione dei punti di innovazione: Builder propone punti di innovazione → Supervisor ne mette in dubbio la novità → iterazione di ottimizzazione - Durante l'argomentazione della fattibilità: Builder progetta il piano → Supervisor ne sfida la fattibilità → integrazione dell'argomentazione - Durante la citazione della letteratura: Builder cita la letteratura → Supervisor ne verifica l'autenticità → garanzia di norme accademiche 3️⃣ **Meccanismo di verifica dell'autenticità della letteratura** Due modalità operative: **Modalità A: Modalità placeholder (predefinita)** - Utilizza marcatori come [Placeholder-letteratura-001] al posto di riferimenti specifici - Output: "Elenco dei fabbisogni di letteratura", specifica i requisiti di ricerca per ogni placeholder - L'utente cerca e inserisce la letteratura reale **Modalità B: Modalità di verifica in tempo reale** - Richiama Google Scholar per verificare in tempo reale l'autenticità della letteratura - Genera un "Report di verifica della letteratura" (punteggi di autenticità/rilevanza/autorevolezza) - Garantisce che ogni citazione sia tracciabile Prevenzione delle allucinazioni AI: - Vietata la creazione fittizia di autori, riviste, DOI - Tutta la letteratura deve essere verificata o contrassegnata come placeholder - Garanzia del limite di integrità accademica 💡 **Valore principale e scenari applicativi** ✅ **Punti critici risolti** 1. Scarsa accuratezza accademica: i contenuti generati dall'AI spesso presentano letteratura falsa, lacune logiche 2. Innovatività insufficiente: difficile individuare veri punti di innovazione accademica 3. Fattibilità debole: i piani di ricerca mancano di argomentazione sistematica 4. Difficoltà interdisciplinare: i temi interdisciplinari rischiano di essere "a metà" 🎓 **Utenti target** - Docenti universitari (scienze sociali, educazione, discipline umanistiche) - Ricercatori (che presentano richieste per progetti nazionali e provinciali) - Team accademici (che necessitano di un processo di revisione sistematico) 📋 **Flusso di utilizzo tipico** 1. Input: caricare bando del progetto + bozza della proposta 2. Valutazione: il sistema esegue un'analisi strutturata in 12 fasi 3. Confronto: il meccanismo dual-core itera e ottimizza le parti chiave 4. Verifica: controllo dell'autenticità della letteratura 5. Output: report di revisione completo + suggerimenti di ottimizzazione + elenco letteratura 🔍 **Differenze rispetto alla revisione tradizionale** | Dimensione | Revisione tradizionale | Sistema di revisione esperto | |------------|------------------------|------------------------------| | Profondità di revisione | Dipende dall'esperienza personale | 12 fasi strutturate + 9 dimensioni qualità | | Rigore accademico | Difficile verifica completa | Verifica letteratura + confronto dual-core | | Individuazione innovatività | Giudizio soggettivo | Analisi sistematica in 7 dimensioni | | Argomentazione fattibilità | Guidata dall'esperienza | Argomentazione dettagliata in 7 dimensioni | | Coerenza | Variabile da persona a persona | Processo standardizzato | | Efficienza | Da giorni a settimane | Valutazione iniziale in 1-2 ore | Il vantaggio principale di questo sistema è: rendere esplicita, strutturata e replicabile la conoscenza tacita di un esperto revisore con 15 anni di esperienza, consentendo a ogni utente di ottenere un servizio di revisione di livello esperto.
Revisore proposte v2 dual-core
Basato su un'architettura di super-prompt, questo sistema di revisione delle proposte di ricerca supporta progetti come il Fondo Nazionale per le Scienze Naturali, il Fondo Nazionale per le Scienze Sociali, progetti di ricerca provinciali e ministeriali. Incorpora un motore di revisione dual-core (valutazione doppia di valore accademico e fattibilità), un sistema di punteggio multidimensionale, diagnosi dei problemi e suggerimenti di miglioramento, controllo di conformità accademica e altre capacità fondamentali. Simula il processo di revisione di esperti reali, aiutando i richiedenti a identificare problemi e migliorare la qualità prima della presentazione.
Vincere la valutazione: 6 step
Basato su «La svolta nelle proposte di ricerca con l’AI: il metodo pratico in sei passi per ottenere l’approvazione» di Zhao Xin, questo Skill usa come struttura i sei passaggi «analizzare il tema—trovare il tema—dimostrare il tema—argomentare il tema—risolvere il tema—definire il tema» per co-creare con l’AI, non per scrivere al posto tuo. Dalla comprensione del campo di gara alla rifinitura finale, aiuta a sviluppare sistematicamente una proposta di ricerca. Integra metodologie chiave come il modello TMAQ, il metodo ADFV per la scelta del tema, la valutazione a quattro dimensioni e quattro cicli di revisione iterativa, oltre a prompt diagnostici in stile «revisore esigente». Aiuta chi presenta la proposta a chiarire il progetto, argomentarlo in modo approfondito e scriverlo con efficacia, per ottenere un vantaggio in sede di valutazione.
Revisore Dual-Core per ricerca
Doppio nucleo: vale la pena? Posso farlo?
Descrizione
Perché consigliamo questa abilità
Questa skill si basa sui due nuclei 'vale la pena' e 'posso farlo' e, come un revisore esperto, esamina criticamente le proposte di ricerca, fornendo un elenco di modifiche prioritarie e riscritture esemplari per aumentare le probabilità di successo.
Con i due nuclei 'vale la pena' e 'posso farlo' come proposizioni cardine, effettua una revisione critica della bozza del progetto di ricerca. Analizza sistematicamente il valore del tema (problema reale, contributo incrementale, rilevanza temporale) e la capacità di ricerca (esperienza pregressa, fattibilità del piano, condizioni del team), scansiona automaticamente espressioni rischiose come 'colmare una lacuna', verifica la tensione tra i due nuclei e produce una lista di modifiche prioritarie. Adatto per l'ottimizzazione di proposte di ricerca a vari livelli: Fondo Nazionale per le Scienze Sociali, Programma Provinciale per le Scienze Sociali, Scienze Umane e Sociali del Ministero dell'Istruzione, ecc.
Abilità correlate
Vedi tuttoRevisione proposta PRO V2.0
🎯 **Panoramica delle funzionalità** Questo è un sistema intelligente di revisione e ottimizzazione progettato per richieste di progetti del Fondo Nazionale per le Scienze Sociali, del Ministero dell'Istruzione e a livello provinciale. Simula il modello di pensiero di un esperto revisore con 15 anni di esperienza, garantendo il rigore accademico e la competitività della proposta attraverso tre meccanismi fondamentali. 🔧 **Tre meccanismi fondamentali** 1️⃣ **Metodologia strutturata in 12 fasi** Copre l'intero ciclo di vita della revisione della proposta: **Fase 1-3: Diagnosi di base** - Analisi approfondita del bando (orientamento dei finanziamenti, criteri di revisione, requisiti di presentazione) - Identificazione del tipo di disciplina interdisciplinare (riconoscimento preciso di 8 tipi) - Identificazione del GAP di ricerca in 5 dimensioni (teoria/metodo/empirico/politica/tecnologia) **Fase 4-7: Valutazione degli elementi chiave** - Analisi del problema di ricerca con il modello TMAQ (teoria/metodo/approccio/problema) - Verifica degli obiettivi di ricerca secondo il principio SMART - Valutazione della completezza della struttura del contenuto di ricerca - Abbinamento del tipo di approccio di ricerca (6 tipi) **Fase 8-10: Miglioramento della qualità approfondita** - Individuazione precisa dei punti critici (distinzione standard + percorso di soluzione) - Esplorazione dei punti di innovazione in 7 dimensioni - Argomentazione della fattibilità in 7 dimensioni **Fase 11-12: Ottimizzazione complessiva** - Controllo qualità su 9 dimensioni (rigore accademico, innovatività, fattibilità, ecc.) - Suggerimenti di ottimizzazione integrati e report finale 2️⃣ **Meccanismo di confronto dual-core (Builder vs Supervisor)** Principio di funzionamento: - Builder (scrittore accademico): genera un piano di ottimizzazione basato sui materiali dell'utente - Supervisor (revisore di top journal): sfida il piano del Builder con i criteri più severi - Iterazione del confronto: 3 cicli di confronto per garantire che il piano sia valido Scenari applicativi: - Durante l'esplorazione dei punti di innovazione: Builder propone punti di innovazione → Supervisor ne mette in dubbio la novità → iterazione di ottimizzazione - Durante l'argomentazione della fattibilità: Builder progetta il piano → Supervisor ne sfida la fattibilità → integrazione dell'argomentazione - Durante la citazione della letteratura: Builder cita la letteratura → Supervisor ne verifica l'autenticità → garanzia di norme accademiche 3️⃣ **Meccanismo di verifica dell'autenticità della letteratura** Due modalità operative: **Modalità A: Modalità placeholder (predefinita)** - Utilizza marcatori come [Placeholder-letteratura-001] al posto di riferimenti specifici - Output: "Elenco dei fabbisogni di letteratura", specifica i requisiti di ricerca per ogni placeholder - L'utente cerca e inserisce la letteratura reale **Modalità B: Modalità di verifica in tempo reale** - Richiama Google Scholar per verificare in tempo reale l'autenticità della letteratura - Genera un "Report di verifica della letteratura" (punteggi di autenticità/rilevanza/autorevolezza) - Garantisce che ogni citazione sia tracciabile Prevenzione delle allucinazioni AI: - Vietata la creazione fittizia di autori, riviste, DOI - Tutta la letteratura deve essere verificata o contrassegnata come placeholder - Garanzia del limite di integrità accademica 💡 **Valore principale e scenari applicativi** ✅ **Punti critici risolti** 1. Scarsa accuratezza accademica: i contenuti generati dall'AI spesso presentano letteratura falsa, lacune logiche 2. Innovatività insufficiente: difficile individuare veri punti di innovazione accademica 3. Fattibilità debole: i piani di ricerca mancano di argomentazione sistematica 4. Difficoltà interdisciplinare: i temi interdisciplinari rischiano di essere "a metà" 🎓 **Utenti target** - Docenti universitari (scienze sociali, educazione, discipline umanistiche) - Ricercatori (che presentano richieste per progetti nazionali e provinciali) - Team accademici (che necessitano di un processo di revisione sistematico) 📋 **Flusso di utilizzo tipico** 1. Input: caricare bando del progetto + bozza della proposta 2. Valutazione: il sistema esegue un'analisi strutturata in 12 fasi 3. Confronto: il meccanismo dual-core itera e ottimizza le parti chiave 4. Verifica: controllo dell'autenticità della letteratura 5. Output: report di revisione completo + suggerimenti di ottimizzazione + elenco letteratura 🔍 **Differenze rispetto alla revisione tradizionale** | Dimensione | Revisione tradizionale | Sistema di revisione esperto | |------------|------------------------|------------------------------| | Profondità di revisione | Dipende dall'esperienza personale | 12 fasi strutturate + 9 dimensioni qualità | | Rigore accademico | Difficile verifica completa | Verifica letteratura + confronto dual-core | | Individuazione innovatività | Giudizio soggettivo | Analisi sistematica in 7 dimensioni | | Argomentazione fattibilità | Guidata dall'esperienza | Argomentazione dettagliata in 7 dimensioni | | Coerenza | Variabile da persona a persona | Processo standardizzato | | Efficienza | Da giorni a settimane | Valutazione iniziale in 1-2 ore | Il vantaggio principale di questo sistema è: rendere esplicita, strutturata e replicabile la conoscenza tacita di un esperto revisore con 15 anni di esperienza, consentendo a ogni utente di ottenere un servizio di revisione di livello esperto.
Revisore proposte v2 dual-core
Basato su un'architettura di super-prompt, questo sistema di revisione delle proposte di ricerca supporta progetti come il Fondo Nazionale per le Scienze Naturali, il Fondo Nazionale per le Scienze Sociali, progetti di ricerca provinciali e ministeriali. Incorpora un motore di revisione dual-core (valutazione doppia di valore accademico e fattibilità), un sistema di punteggio multidimensionale, diagnosi dei problemi e suggerimenti di miglioramento, controllo di conformità accademica e altre capacità fondamentali. Simula il processo di revisione di esperti reali, aiutando i richiedenti a identificare problemi e migliorare la qualità prima della presentazione.
Vincere la valutazione: 6 step
Basato su «La svolta nelle proposte di ricerca con l’AI: il metodo pratico in sei passi per ottenere l’approvazione» di Zhao Xin, questo Skill usa come struttura i sei passaggi «analizzare il tema—trovare il tema—dimostrare il tema—argomentare il tema—risolvere il tema—definire il tema» per co-creare con l’AI, non per scrivere al posto tuo. Dalla comprensione del campo di gara alla rifinitura finale, aiuta a sviluppare sistematicamente una proposta di ricerca. Integra metodologie chiave come il modello TMAQ, il metodo ADFV per la scelta del tema, la valutazione a quattro dimensioni e quattro cicli di revisione iterativa, oltre a prompt diagnostici in stile «revisore esigente». Aiuta chi presenta la proposta a chiarire il progetto, argomentarlo in modo approfondito e scriverlo con efficacia, per ottenere un vantaggio in sede di valutazione.
Trova la tua prossima abilità preferita
Esplora altre abilità AI curate per ricerca, creazione e lavoro quotidiano.