Murat Sakal
学習成果のBloom分類
学習成果をBloomタキソノミーのレベルに応じて分類し、測定できない（「知る」「理解する」など）動詞を修正して、それぞれの成果に適した評価方法を提案します。動詞の表面的な意味ではなく、成果が実際に求める認知的な負荷に基づいて分類します。対象：カリキュラムや授業を設計する教員、カリキュラム開発委員会。
GIFT問題バンク＋Bloom監査
トピックと学習成果から、選択式、正誤、組み合わせ、短答、穴埋めの設問タイプを含む、GIFT形式の完全な問題バンクを生成します。各設問にBloomの分類学上のレベルをタグ付けし、問題が主に低次（記憶／理解）レベルに偏っている場合は、そのことを明確に報告するとともに、高次思考スキルを測る追加問題を提案します。対象：試験問題プールの品質を監査したい評価・測定担当者および学科コーディネーター。
週間授業計画ライター
指定した授業テーマと授業時間をもとに、ブルームのタキソノミーの動詞で記述した測定可能な学習目標、時間配分付きの授業展開、評価要素の提案を含む、構造化された週間授業計画を作成します。学習目標とアクティビティは常に相互に対応させます。対象：大学教員、コースや研修プログラムを設計する講師。
GIFT形式問題バンク作成
入力したトピックと内容から、Moodleの「問題バンク > インポート」画面に直接アップロードできるGIFT形式の多肢選択問題バンクを生成します。正解の選択肢を指定し、トピックに関連する妥当な誤答選択肢を作成するほか、GIFTの構文エラーが起きないようにします。対象ユーザー：Moodleで授業を行う教員や、試験問題プールを作成する教育コーディネーター。
統計レポート＋査読者の指摘
記述統計・推測統計の出力（前提検定を含む）から、完全な結果セクションを作成します。正規性または分散の等質性に違反があると検出した場合、それを隠さず、ノンパラメトリックな代替検定を推奨します。さらに、学術誌の査読者がよく挙げる少なくとも4つの指摘（例：「前提検定が報告されていない」「効果量が示されていない」「多重比較補正が適用されていない」）をあらかじめ特定し、それぞれに対する回答文を提示します。対象：学術誌への投稿前に統計報告の厳密性を高めたい、量的手法を扱う研究者。
群比較検定ライター
t検定、ANOVA、カイ二乗検定の結果から、APA第7版に準拠した論文掲載用のResults文を作成します。正しい統計報告形式（t(df)=…、p=…、d=…）を用い、Cohenの基準に照らして効果量を解釈します。3群以上を比較する場合は、多重比較の補正方法を明記するよう促します。対象：実験研究や比較研究を行う研究者・大学院生。
記述統計ライター
ユーザーの記述統計の出力（平均±SDまたは中央値（IQR）、n（%））を、論文原稿にそのまま使える学術的な「参加者の特性」段落と、書式を整えたTable 1に変換します。正規性の結果に基づいて適切な記述統計（平均±SDまたは中央値（IQR））を選択し、両者を混同することはありません。対象：量的研究を行う大学院生や研究者。論文の「参加者」セクションを、迅速かつ正確に執筆したい方に適しています。
統計レポート＋査読対応
記述統計と推測統計の出力（仮定検定を含む）から、完全な「結果」セクションを作成します。正規性または等分散性の違反を検出した場合は、隠すことなくノンパラメトリックな代替検定を提案します。さらに、学術誌の査読者からよく寄せられる少なくとも4つの指摘（例：「仮定検定が報告されていない」「効果量が示されていない」「多重比較の補正が行われていない」）を事前に特定し、それぞれに対する対応文を提示します。対象：量的研究法を用い、学術誌への投稿前に統計報告の堅牢性を高めたい研究者。
群比較検定レポート作成
t検定、ANOVA、カイ二乗検定の結果から、APA 7に準拠した論文にそのまま使える「結果」セクションの文章を作成します。正しい統計報告形式（t(df)=...、p=...、d=...）を使用し、Cohenの基準に基づいて効果量を解釈します。3群以上を比較する場合は、多重比較補正を明記する必要があることも知らせます。対象：実験研究または比較研究を行う研究者、大学院生。
記述統計ライター
ユーザーの記述統計の出力（平均±SDまたは中央値（IQR）、n（%））を、論文にそのまま追加できる学術的な「参加者特性」段落とTable 1形式の表に変換します。正規性の状況に応じて適切な記述統計（平均±SDまたは中央値（IQR））を選択し、決して混在させません。対象：論文の「参加者」セクションを迅速かつ正確に作成したい大学院生および量的研究を行う研究者。
Entropy-TOPSIS-ML＋査読反論
エントロピー重み付け、TOPSISランキング、ML分類器（XGBoost、Random Forest、Logistic Regressionなど）の出力から、Methods＋Resultsの完全なレポートを作成します。Hosmer & Lemeshowの基準に基づいてAUCの解釈を適切に分類し、学習データとテストデータの性能差が大きい場合は、過学習のリスクを明示します。さらに、学術誌の査読者が頻繁に指摘する少なくとも4つの懸念（例：「クラス不均衡にはどう対処したか」「外部検証セットを使用していない」）を事前に特定し、それぞれに対する回答文を提案します。学術誌への投稿前に方法論の堅牢性を高めたい、ヘルスインフォマティクス、臨床リスク予測、またはMCDM-ML融合手法に取り組む研究者に適しています。
TOPSIS意思決定分析ライター
TOPSIS分析の出力（正規化意思決定行列、正・負の理想解からの距離、近接係数）を基に、原稿としてそのまま使えるMethods + Resultsの文章を作成します。ランキング表を提示し、最良・最悪の代替案がどの評価基準で優れているか、または劣っているかを解釈します。サプライヤー選定、製品・サービス比較、臨床意思決定支援など、多基準ランキング問題に取り組む研究者に適しています。
AHP基準重み付けライター
ユーザーのAHP（階層分析法）による一対比較行列の出力（基準の重みと整合性比率）を、論文原稿にそのまま追加できる学術的な「基準の重み付け」セクションに変換します。整合性比率（CR）が0.10を超える場合は、その事実を隠さず明記します。対象：TOPSISやVIKORなどのMCDM手法を使用し、AHPで基準の重みを決定する研究者、大学院生。
エントロピー・TOPSIS・ML＋査読対応
エントロピー重み付け＋TOPSISランキング＋ML分類器（XGBoost、Random Forest、ロジスティック回帰など）の出力から、完全な「方法＋結果」レポートを作成します。AUCを適切に解釈し（Hosmer & Lemeshowの基準）、学習データとテストデータの性能差が大きい場合は、過学習（overfitting）のリスクを明確に指摘します。さらに、医学雑誌の査読者が頻繁に尋ねる少なくとも4つの指摘（例：「クラス不均衡にはどのように対処したか」「外部検証セットを使用していない」）を事前に特定し、それぞれに対する反論文を提示します。対象：医療情報学、臨床リスク予測、またはハイブリッド多基準意思決定・ML手法に取り組む研究者、ならびに雑誌投稿前に方法の堅牢性を確認したい方。
TOPSIS意思決定分析レポート作成
TOPSIS分析の出力（正規化意思決定行列、正・負の理想解からの距離、近接係数）から、論文にそのまま使える「方法＋結果」全文を作成します。順位表を提示し、最良・最悪の代替案がどの基準で優れているかを解釈します。対象：サプライヤー選定、製品・サービス比較、臨床意思決定支援など、多基準の順位付け問題に取り組む研究者。
AHP基準重み付けライター
AHP（階層分析法）の一対比較行列の結果（基準の重み、整合性比率）を、論文にそのまま追加できる学術的な「基準の重み付け」セクションに変換します。整合性比率（CR）が0.10を超える場合は、その事実を隠さず明確に記載します。対象：TOPSISやVIKORなどの多基準意思決定法を用い、AHPで基準の重みを決定する研究者および大学院生。
PLS-SEM報告＋反論予測
PLS-SEM分析の出力（外部負荷量、CR/AVE、HTMTによる弁別妥当性、パス係数、R²/f²/Q²、SRMR）から、測定モデル＋構造モデルの完全な報告書を作成します。HTMTの閾値とR²の解釈（Cohen/Chinの基準）を正しく適用し、因果関係を示す表現を避けます。また、学術誌の査読者が頻繁に提起する少なくとも4つの反論（例：「なぜCB-SEMではなくPLSなのか」「CMBの統制が報告されていない」）をあらかじめ特定し、それぞれに対する反論文を提案します。対象：構造方程式モデリングにPLS-SEMを用い、学術誌投稿前の方法論的な堅牢性を高めたいビジネス・社会科学の研究者。
妥当性・信頼性レポート作成
EFAまたはCFAの分析出力（KMO、Bartlett検定、因子負荷量、適合度指標、Cronbachのα、CR、AVE）から、原稿にそのまま使える「方法」と「結果」の完全な文章を作成します。適合度指標の基準（CFI/TLI≥.90、RMSEA≤.08など）を正しく判定し、AVE<0.50などの妥当性に関する問題も隠さず報告します。尺度開発や尺度適応研究に取り組む研究者や大学院生に適しています。
Cronbach α信頼性記述作成
入力した信頼性統計（Cronbachのα、項目数、下位尺度）を、原稿にそのまま貼り付けられる学術的な「信頼性分析」の段落に変換します。下位尺度ごとの許容性の表も作成し、αが低い（<.60）と判断した場合は、その事実を隠さず明記します。尺度を用いる大学院生や研究者が、方法セクションをすばやく正確に執筆するのに適しています。
PLS-SEMレポート・査読対応
PLS-SEMの分析結果（外部負荷量、CR／AVE、HTMTによる弁別的妥当性、パス係数、R²／f²／Q²、SRMR）から、測定モデルと構造モデルの詳細なレポートを作成します。HTMTの閾値とR²の解釈（Cohen／Chinの基準）を正しく適用し、因果関係を示す表現を避けます。さらに、学術誌の査読者から頻繁に寄せられる少なくとも4つの指摘（例：「CB-SEMではなく、なぜPLSを選択したのか」「CMBの kiểm定が行われていない」）を事前に特定し、それぞれに対する反論文を提示します。対象者：PLS-SEMで構造方程式モデリングを行う経営学・社会科学の研究者、学術誌への投稿前に方法論の堅牢性を確認したい方。
妥当性・信頼性レポート作成
EFAまたはCFAの分析結果（KMO、Bartlett検定、因子負荷量、適合度指標、Cronbachのα／CR／AVE）から、論文にそのまま使える「方法＋結果」全文を作成します。適合度指標の基準値（CFI/TLI≥.90、RMSEA≤.08など）を正しく判定し、AVE<0.50のような妥当性上の問題も隠さず報告します。対象：尺度開発または尺度の翻案研究に取り組む研究者・大学院生。
Cronbach α信頼性ライター
入力された信頼性統計（Cronbachのα、項目数、下位尺度）を、論文にそのまま追加できる学術的な「信頼性分析」の段落に変換します。下位尺度ごとの許容性を示す表を提示し、低いα（<.60）を検出した場合も隠さず、明確に記載します。対象：尺度を使用する大学院生や研究者、学位論文・論文の方法セクションを迅速かつ正確に作成したい方。
CONSORT 2010レポート作成
無作為化比較試験（RCT）のデータ（無作為化の方法、盲検化の状況、検出力分析、CONSORTフローの人数（スクリーニング済み／無作為化／割り付け／解析済み）、ITT／PP解析の方針）から、CONSORT 2010の25項目すべてに準拠した抄録・方法・結果の完全な草稿を作成します。ITTとPPを混同せず、フロー図の人数（無作為化 ≥ 割り付け ≥ 追跡完了 ≥ 解析済み）の整合性を確認します。また、査読者から頻繁に指摘される少なくとも4つの論点（例：「なぜITT解析を報告しなかったのか」「盲検化の成功を検証したか」「アウトカムの変更はあったか」）を事前に特定し、それぞれに対する回答文を提案します。投稿前に方法論の堅牢性を高めたい、医学・看護学・薬学分野でRCTを実施する臨床研究者向けです。対応しないこと：統計解析やデータ生成は行いません。すでに得られている結果をCONSORT標準のレポートに変換するだけです。
STROBE方法ライター
横断研究、コホート研究、症例対照研究のデザインに基づき、参加者の選定方法、変数、サンプルサイズの根拠、統計解析手法を入力すると、STROBE（Strengthening the Reporting of Observational Studies in Epidemiology）チェックリストの全22項目を暗黙的に参照した、MethodsとResultsの完全な草稿を作成します。最後に、各段落がどのSTROBE項目に対応するかを示す対応表も提供するため、学術誌から「STROBEチェックリストを記入してください」と依頼された場合にもすぐに対応できます。観察研究では「原因である」ではなく「関連している」と表現するなど、因果関係を示す表現を避け、バイアスや交絡の原因についても明示的に検討します。疫学、公衆衛生、臨床研究に携わる研究者に適しています。
欠測データ報告アシスタント
サンプルサイズ、欠測データの割合・パターン（MCAR／MAR／MNAR）、欠測データへの対応方法（リストワイズ削除、多重代入など）、外れ値の検出方法（Zスコア、IQR、マハラノビス距離）を入力すると、論文の「データ前処理」セクションにそのまま挿入できる学術的な段落を生成します。選択した方法と欠測データのパターンに方法論上の矛盾がある場合（例：MNARパターンでリストワイズ削除を使用している場合）は、その点を明示します。データ前処理のセクションを迅速かつ正確に記述したい、調査・臨床データ分析を行う大学院生や研究者に適しています。
尺度開発データ品質監査
このスキルは、尺度開発研究で収集した生のアンケートデータを、欠測データ、外れ値、careless responding（straightlining、longstring、random responding）、項目ごとの分布の問題、信頼性、因子分析可能性の前提条件という観点から体系的に監査します。最終的なEFA/CFAの結果は生成せず、データが次の分析段階に進める状態かどうかについて、根拠に基づく「go/no-go」判定と、層別化したサンプル分割（EFA/CFA split）の提案を行います。すべての計算は、実際にコード（Python: pandas、scipy、factor_analyzer、pingouin）を実行して行い、仮定の数値は生成しません。
メタ分析フルレポート作成
メタ分析の統計情報（統合効果量、I²、Q、tau²、出版バイアスの指標）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」としての説明を含む）を誤って解釈せず、「エビデンスが〜を実証している」のような断定的な因果表現を避け、「結果は〜と整合的です」のような慎重な表現を用います。最後に、査読者が尋ねる可能性のある質問を少なくとも3つと、それぞれへの回答用の文も提示します。対象：メタ分析論文を執筆しており、投稿前に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、解釈する機能です。
計量書誌学の知見を執筆
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、年別の出版動向、国・機関・ジャーナル別の分布）を、解釈を加えた論文掲載可能な学術文に変換します。生の数値を繰り返すのではなく、学術的なトーンで研究分野の動向を描写し、根拠のない因果関係の推測は避けます。対象：計量書誌学的分析のセクションを含む論文や学位論文を執筆しており、生データを学術的な文章にまとめることに悩む研究者。使い方：VOSviewerのクラスター／キーワード一覧、またはBiblioshinyの要約表を直接貼り付けてください。このスキルがキーワード・クラスターをテーマに即して命名・解釈し、引用ネットワークと国際共同研究のパターンを評価します。
PRISMA 2020フロー図作成
システマティックレビューを行う研究者向けに、PRISMA 2020に準拠したフロー図のテキストとプロトコル用の段落を作成します。データベース検索のスクリーニング件数（同定 → スクリーニング → 適格性評価 → 採択）を入力すると、数値の整合性を確認し、「なぜフロー図でこれほど多くのレコードが失われているのか」という査読者の質問にも説明できるテキストを作成します。また、採用基準・除外基準をPICO/PECO形式の表に変換します。対象：大学院生、研究者、システマティックレビュー／メタ解析論文の投稿前チェックを行う編集者。数値の不整合（例：採択数が適格性評価数を上回る場合）を検出した際は、黙って修正せず、その不整合を明示します。
CONSORT 2010 完全報告書作成
無作為化比較試験（RCT）のデータ（無作為化方法、盲検化の状況、検出力分析、CONSORTフローの各人数（screened/randomized/allocated/analyzed）、ITT/PP解析の方針）から、CONSORT 2010の25項目に準拠した「抄録＋方法＋結果」の完全な草稿を作成します。ITTとPPを決して混同せず、フローチャートの人数の整合性（randomized ≥ allocated ≥ followed-up ≥ analyzed）を確認します。また、医学誌の査読者から頻繁に寄せられる少なくとも4つの指摘（「なぜITT解析を報告しなかったのか」「盲検化の成功を検証したか」「アウトカムの切り替えはあったか」など）を事前に特定し、それぞれに対する回答文を提案します。臨床研究者、医学・看護学・薬学分野でRCTを実施し、投稿前に方法論的な妥当性を高めたい研究者向けに設計されています。
尺度開発データの事前監査
専門の調査会社が収集した尺度開発用の生データ（Excel/CSV）について、EFA/CFAや最終的な信頼性分析に進む前に、心理測定学的なデータ品質を監査する必要がある場合に使用します。欠測データ、外れ値、不注意回答、回答バイアス、項目の品質、サンプルの十分性を包括的に評価し、Go/No-Goの判断を提示します。データは変更せず、診断・監査レポートのみを提供します。
STROBE方法記述アシスタント
横断研究、コホート研究、症例対照研究のいずれかの研究デザインに基づき、参加者の選定方法、変数、サンプルサイズの根拠、統計手法を入力すると、STROBE（Strengthening the Reporting of Observational Studies in Epidemiology）チェックリストの22項目を踏まえた「方法」と「結果」の完全な草稿を作成します。最後に、どの段落がどのSTROBE項目に対応するかを示す対応表も提示するため、論文投稿時の「STROBEチェックリストに記入してください」という要請にもすぐ対応できます。観察研究であることを踏まえ、因果関係を示す表現を避け、「原因となる」ではなく「関連する」という表現を用い、バイアスや交絡の要因も明確に論じます。疫学、公衆衛生、臨床研究の分野で活動する研究者に適しています。
欠測値・外れ値アシスタント
サンプルサイズ、欠測値の割合・パターン（MCAR/MAR/MNAR）、使用した欠測値への対応方法（listwise deletion、multiple imputationなど）、外れ値の検出方法（Zスコア、IQR、Mahalanobis）を入力すると、論文の「データ前処理」セクションにそのまま追加できる学術的な段落を生成します。選択した方法と欠測値パターンの間に方法論上の矛盾がある場合（例：MNARパターンでlistwise deletionを使用している場合）は、明確に指摘します。アンケートや臨床データを分析し、データ前処理のセクションを迅速かつ正確に作成したい大学院生や研究者に適しています。
メタ分析・系統的レビュー報告書
PRISMA 2020およびCochraneハンドブックに準拠し、メタ分析の統計結果（統合効果量、I²、Q、τ²、出版バイアスの指標）から、方法・結果・限界を含む完全な文章を作成します。I²の値を決して誤って解釈せず（分散の割合に関する説明を含む）、過度に因果関係を示す表現を避けます。たとえば「証拠は…を示している」ではなく、「知見は…と整合的である」のような慎重な表現を用います。最後に、査読者から問われる可能性のある質問を少なくとも3つと、それぞれへの回答文も提示します。メタ分析論文を執筆している研究者や、投稿前に方法セクションを強化したい研究者に適しています。行わないこと：生データから統計計算は実行しません（R／RevMan／CMAでの計算済みの出力が必要です）。結果を学術的な文章に変換し、解釈するものです。
計量書誌分析結果ライター
VOSviewerまたはBiblioshiny（Bibliometrix/R）の出力から得られた生データ（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、学術論文にそのまま使える解釈的な文章へ変換します。数値を繰り返すのではなく、研究文献がどの方向へ進展しているのかを説明する学術的なトーンを用い、推測に基づく因果関係の主張は避けます。次のような方に適しています：論文や学位論文を執筆しており、計量書誌分析の章を作成する必要があるものの、生データを学術的な表現に変換するのに苦労している研究者。使い方：VOSviewerから取得したクラスター／キーワード一覧、またはBiblioshinyの概要表をそのまま貼り付けてください。skillがキーワードの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際共同研究のパターンを評価します。
PRISMA 2020フロー図作成
システマティックレビューを行う研究者向けに、PRISMA 2020チェックリストに準拠したフロー図の文面とプロトコルの段落を作成します。データベース検索の件数（identification → screening → eligibility → included）を入力すると、件数の整合性を確認し、査読者からの「なぜフロー図でこれほど多くの文献が失われているのか」という質問に対して説明可能な文章を作成します。さらに、包含基準と除外基準をPICO/PECO形式の表に変換します。このSkillは、システマティックレビューやメタ分析を執筆する大学院生、研究者、学術誌編集者による事前確認に適しています。数値の不整合（例：included > eligibility）を検出した場合は明確に指摘し、黙って修正することはありません。