Analizzatore matrice lacune
Rilevamento gap a 9 agenti e geometria
Analizzatore matrice lacune
Rilevamento gap a 9 agenti e geometria
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
Anteprima
1 / 2
Abilità correlate
Vedi tutto
Trova temi e lacune
Suggerisce temi di ricerca originali e realizzabili, oltre a lacune nel tuo ambito di interesse e nella letteratura disponibile; per ciascuno fornisce una bozza di domanda di ricerca e una nota sulla fattibilità. A chi è rivolto: studenti di dottorato e ricercatori alla ricerca di un tema per una tesi o un articolo.
Redattore bibliometrico
Converte i dati grezzi ottenuti dagli output di VOSviewer o Biblioshiny (Bibliometrix/R)—frequenze delle parole chiave, cluster delle reti di citazioni, tendenze annuali delle pubblicazioni, distribuzione per Paese, istituzione o rivista—in un testo accademico interpretato e pronto per la pubblicazione. Utilizza un tono accademico che descrive la direzione della letteratura invece di ripetere i dati grezzi, evitando affermazioni causali speculative.\n\nAdatto a: ricercatori che stanno scrivendo una tesi o un articolo e hanno bisogno di una sezione di analisi bibliometrica, ma faticano a tradurre i dati grezzi in linguaggio accademico.\n\nCome si usa: incolla direttamente l’elenco dei cluster o delle parole chiave esportato da VOSviewer oppure 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 i modelli di collaborazione tra Paesi.
Pipeline di scrittura critica
Da un'idea vaga a un saggio argomentativo rigoroso con catene di prove verificabili — un sistema di scrittura AI che copre l'intero processo: selezione del tema, scrittura, citazioni ed esportazione, con supporto bilingue cinese e inglese. Ottimizzato con il motore AFP 3.1: architettura nidificata a cinque passi, audit quantificato a nove dimensioni Core B, pacing adattivo, gestione delle versioni a cricchetto, persistenza dello stato tra sessioni e strategia di degrado per la verifica dei materiali.
