Analisador de Matriz de Lacunas
Detecção e geometria de lacunas por 9 agentes
Analisador de Matriz de Lacunas
Detecção e geometria de lacunas por 9 agentes
Descrição
Detecta, classifica e justifica lacunas na literatura em 9 dimensões usando similaridade semântica e análise de geometria de lacunas. Transforma uma pergunta de pesquisa e 10 a 50 resumos em um relatório acadêmico estruturado com pontuações de confiança, matriz de geometria de lacunas, gráfico de relacionamento, estratégias de preenchimento e modelos de frases prontos para publicação. Etapas: 2 passos (Geometria de Lacunas + Análise Profunda) Subagentes: 9 (6 detecção + 3 síntese) Ponto de Controle: Adaptativo — 1 para ≤20 resumos, 2 para >20 resumos Idioma: Inglês Componentes da estrutura da habilidade: A metáfora da ponte — a formulação matemática X ≠ Y, mas X ≈ Y Geometria de lacunas de 4 regiões (Redundância / Região de Lacuna / Lacuna Oculta / Irrelevante) Arquitetura de 9 subagentes — Contexto, Método, Variável, Teoria, Tempo, Descoberta, Lacuna Semântica, Lacuna de Composição, Lacuna de Dependência Gráfico de relacionamento — similar_to, belong_to, compose_with, depend_on Calibração de limite por disciplina — ciências sociais (0,60), engenharia (0,70), padrão (0,65) Conjunto de regras para elementos incluídos ou excluídos (5+5) Seleção baseada na pontuação de confiança — limite de 70%+, máximo de 3 lacunas Texto de amostra pronto para publicação — claramente marcado como gerado por IA Ponto de verificação adaptativo — mecanismo de aprovação que se ajusta automaticamente com base no número de resumos
Prévia
1 / 2
Habilidades relacionadas
Ver tudoBuscador de temas e lacunas
Sugere temas de pesquisa originais e viáveis, além de lacunas, com base na sua área de interesse e no conhecimento da literatura; fornece um rascunho de pergunta de pesquisa e uma nota de viabilidade para cada sugestão. Para quem é: estudantes de pós-graduação e pesquisadores em busca de um tema para dissertação ou artigo.
Redator Bibliométrico
Converte os números brutos obtidos nas saídas do VOSviewer ou do Biblioshiny (Bibliometrix/R) — frequências de palavras-chave, agrupamentos de redes de citações, tendência anual de publicações e distribuição por país, instituição ou periódico — em texto acadêmico interpretado e pronto para publicação. Usa um tom acadêmico que narra os rumos da literatura em vez de apenas repetir números brutos, evitando afirmações causais especulativas. Indicado para: pesquisadores que estão escrevendo uma tese ou artigo e precisam de uma seção de análise bibliométrica, mas têm dificuldade para transformar dados brutos em linguagem acadêmica. Uso: cole diretamente sua lista de agrupamentos e palavras-chave do VOSviewer ou sua tabela-resumo do Biblioshiny; a skill nomeia e interpreta tematicamente os agrupamentos de palavras-chave, além de avaliar a rede de citações e o padrão de colaboração entre países.

Pipeline de Escrita Crítica
De uma ideia vaga a um ensaio argumentativo rigoroso com cadeias de evidências verificáveis — um sistema de escrita AI de pipeline completo que suporta os idiomas chinês e inglês. Otimizado com o motor AFP 3.1: arquitetura aninhada de cinco etapas, auditoria quantificada Core B de nove dimensões, ritmo adaptativo, gerenciamento de versão tipo catraca, persistência de estado entre sessões e estratégia de degradação de verificação de material.
