Murat Sakal
学习成果–布卢姆匹配器
根据布卢姆分类学的层级对学习成果进行分类，修正不可测量的动词（如“知道”“理解”），并为每项成果建议合适的评估方法。分类依据不是动词的表面含义，而是学习成果实际要求的认知水平。适用人群：负责课程/教学设计的教师和专业培养方案开发委员会。
GIFT题库 + Bloom审核
根据您的主题和学习成果，生成一套完整的 GIFT 格式题库，包含选择题、判断题、匹配题、简答题和填空题。为每道题标注布卢姆分类法层级；如果题目主要集中在较低层级（记忆/理解），将明确报告这一情况，并建议补充用于测量高阶思维能力的题目。适合希望审核试题库质量的测评负责人和院系协调员。
每周课程计划生成器
根据您提供的课程主题和时长，生成结构化的每周课程计划，其中包含使用布卢姆分类法动词编写的可衡量学习目标、带时间表的课程流程，以及评估环节建议。学习目标始终与活动相匹配。适用人群：大学教师，以及负责设计课程或培训项目的讲师。
GIFT 格式题库生成器
根据您提供的主题和内容，生成采用 GIFT 格式的多项选择题题库，可直接上传至 Moodle 的“题库 > 导入”页面。它会标注正确选项，创建与主题相关且合理的干扰项，并避免 GIFT 语法错误。适用人群：在 Moodle 上授课的教师，以及负责准备考试题库的教育协调员。
统计报告＋审稿人质疑
根据你的描述性统计和推断性统计结果（包括假设检验）生成完整的“结果”部分。如果检测到正态性或方差齐性违反，会推荐非参数替代检验，而不是将问题隐藏起来。它还会提前识别期刊审稿人常提出的至少 4 项质疑（例如“未报告假设检验”“未说明效应量”“未进行多重比较校正”），并为每项质疑提供一句回应。适用人群：使用定量方法、希望在投稿前提高统计报告严谨性的研究人员。
组间比较检验写作助手
根据你的 t 检验、ANOVA 或卡方检验输出，生成符合 APA 第 7 版规范、可直接用于论文的结果文本。使用正确的统计报告格式（t(df)=...、p=...、d=...），并依据 Cohen 的基准解读效应量。当比较三个或更多组时，提醒你说明所采用的多重比较校正方法。适用人群：开展实验研究或比较研究的研究人员和研究生。
描述性统计写作助手
将用户的描述性统计结果（mean±SD 或 median(IQR)、n(%)）转换为可直接用于论文的学术性“参与者特征”段落，并生成格式规范的 Table 1。根据正态性结果选择正确的描述性统计方式（mean±SD 或 median(IQR)），避免混用。适用人群：开展定量研究、希望快速且准确撰写论文“参与者”部分的研究生和学术研究者。
统计报告 + 审稿意见预判
根据您的描述性与推断性统计输出（包括假设检验），生成完整的“结果”部分。若检测到正态性或方差齐性违反，则建议采用非参数替代检验，不回避这些问题。此外，它会预先识别期刊审稿人常提出的至少4项质疑（例如：“未报告假设检验”“未说明效应量”“未进行多重比较校正”），并为每项质疑提供一段回应措辞。适合人群：采用定量研究方法、希望在投稿前确保统计报告严谨性的研究者。
组间比较检验写作器
根据 t 检验、ANOVA 或卡方检验的结果，生成符合 APA 7、可直接用于论文的“结果”部分文本。使用规范的统计报告格式（t(df)=...、p=...、d=...），并依据 Cohen 的标准解读效应量。当比较三个或更多组时，还会提醒你说明多重比较校正。适用人群：开展实验研究或比较研究的研究人员和研究生。
描述性统计写作助手
将用户的描述性统计结果（均值±标准差或中位数（IQR）、n（%））转换为可直接添加到论文中的学术性“参与者特征”段落，并生成表1格式的表格。根据正态性选择正确的描述性统计方式（均值±标准差或中位数（IQR）），绝不混用。适用人群：希望快速、准确撰写论文“参与者”部分的研究生和开展定量研究的学者。
Entropy-TOPSIS-ML + 审稿异议
根据你的熵权法 + TOPSIS 排名 + 机器学习分类器（XGBoost、Random Forest、Logistic Regression 等）输出结果，生成完整的 Methods + Results 报告。依据 Hosmer & Lemeshow 标准准确解读 AUC；如果训练集与测试集的性能差距较大，会明确指出过拟合风险。它还会预先识别期刊审稿人经常提出的至少 4 条异议（例如“如何处理类别不平衡”“未使用外部验证集”），并为每条异议建议一句答辩表述。适合健康信息学、临床风险预测或混合 MCDM-ML 方法学领域的研究人员，用于在投稿前提升方法学稳健性。
TOPSIS决策分析写作
根据您的 TOPSIS 分析结果（标准化决策矩阵、到正理想解和负理想解的距离、贴近度系数），生成可直接用于论文的完整“方法 + 结果”文本。提供排名表，并解读排名最佳和最差方案在哪些准则上表现突出或落后。适用于供应商选择、产品/服务比较或临床决策支持等多准则排序问题的研究人员。
AHP准则权重写作助手
将用户的AHP（层次分析法）两两比较矩阵输出结果（准则权重、一致性比率）转换为可直接用于论文的学术“准则权重”部分。如果一致性比率（CR）超过0.10，会如实说明，而不会将其隐藏。适用于：使用TOPSIS/VIKOR等MCDM方法，并通过AHP确定准则权重的研究人员，以及研究生。
熵-TOPSIS-ML + 审稿异议
根据熵权法加权、TOPSIS 排名和 ML 分类器（XGBoost、Random Forest、逻辑回归等）的输出，生成完整的“方法 + 结果”报告。依据 Hosmer & Lemeshow 标准正确解读 AUC；当训练集与测试集的表现差异较大时，明确指出过拟合风险。此外，还会预先识别期刊审稿人常提出的至少 4 个质疑（例如“如何处理类别不平衡”“未使用外部验证集”），并为每项质疑提供答辩表述。适用人群：从事健康信息学、临床风险预测或混合多准则决策分析（ÇKKV）-ML 方法研究的研究者，以及希望在投稿前验证方法稳健性的人士。
TOPSIS决策分析报告生成器
根据您的TOPSIS分析结果（标准化决策矩阵、正负理想解距离、接近度系数），生成可直接用于论文的完整“方法+结果”文本。提供排序表，并解读最佳与最差方案在哪些指标上表现突出。适用人群：从事供应商选择、产品/服务比较、临床决策支持等多指标排序问题研究的人员。
AHP标准权重撰写器
将用户的AHP（层次分析法）成对比较矩阵结果（包括指标权重和一致性比率）直接转换为可添加到论文中的学术性“指标权重”章节。如果一致性比率（CR）超过0.10，将明确说明这一情况，不予隐瞒。适用人群：使用TOPSIS/VIKOR等多准则决策方法，并通过AHP确定指标权重的研究人员和研究生。
PLS-SEM报告与质疑预判
根据你的PLS-SEM分析输出（外部载荷、CR/AVE、HTMT判别效度、路径系数、R²/f²/Q²、SRMR），生成完整的测量模型与结构模型报告。正确应用HTMT阈值和R²解释标准（Cohen/Chin标准），并避免使用因果语言。此外，预先识别期刊审稿人经常提出的至少4项质疑（例如“为什么使用PLS而不是CB-SEM”“未报告共同方法偏差（CMB）控制”），并为每项质疑提供一句答辩表述。适用于使用PLS-SEM进行结构方程建模、希望在投稿前增强方法严谨性的商科和社会科学研究者。
效度与信度报告撰写器
根据你的 EFA 或 CFA 分析结果（KMO、Bartlett 球形检验、因子载荷、拟合指标、Cronbach α/CR/AVE），生成可直接用于论文的完整“方法与结果”文本。准确判断拟合指标是否达到阈值（CFI/TLI≥.90、RMSEA≤.08 等），并如实报告 AVE<0.50 等效度问题，不予隐藏。适用于开展量表开发或修订研究的学者和研究生。
Cronbach α信度写作助手
将您输入的信度统计结果（Cronbach α、题目数量、分量表）转换为可直接放入论文的学术“信度分析”段落。按分量表提供可接受性表格；如果检测到较低的 α 值（<.60），会如实说明，而不是加以隐瞒。适合希望快速、准确撰写方法部分的量表研究生和研究人员。
PLS-SEM报告与审稿回应引擎
根据您的PLS-SEM分析结果（外部载荷、CR/AVE、HTMT区分效度、路径系数、R²/f²/Q²、SRMR），生成完整的测量模型与结构模型报告。正确应用HTMT阈值和R²解读（Cohen/Chin标准），避免使用因果关系表述。此外，还会预先识别期刊审稿人常提出的至少4项质疑（例如“为什么选择PLS而不是CB-SEM”“未进行共同方法偏差（CMB）检验”），并为每项质疑提供辩护句。适用人群：使用PLS-SEM进行结构方程建模的商科及社会科学研究者，以及在投稿前寻求方法严谨性的研究人员。
效度与信度报告撰写器
根据您的 EFA 或 CFA 分析结果（KMO、Bartlett 检验、因子载荷、拟合指数、Cronbach alpha/CR/AVE），生成可直接用于论文的完整“方法 + 结果”文本。准确判定拟合指数阈值（如 CFI/TLI≥.90、RMSEA≤.08 等），并如实报告 AVE<0.50 等效度问题，不加以隐瞒。适用人群：开展量表开发或本土化研究的学者和研究生。
Cronbach Alpha 信度写作器
将用户输入的信度统计数据（Cronbach alpha、题目数量、子维度）转换为可直接添加到论文中的学术“信度分析”段落。按子维度提供可接受性表格；如果检测到较低的 alpha 值（<.60），会如实明确指出，不予隐藏。适用人群：希望快速、准确撰写论文或学位论文方法部分的研究生和量表使用者。
CONSORT 2010 报告写作器
根据您的随机对照试验（RCT）数据——包括随机化方法、盲法状态、效能分析、CONSORT 流程图人数（筛选/随机分组/分配/分析）以及 ITT/PP 分析方法——生成完整的摘要 + 方法 + 结果草稿，符合 CONSORT 2010 的全部 25 项要求。它不会混淆 ITT 与 PP，还会检查流程图人数的一致性（随机分组人数 ≥ 分配人数 ≥ 完成随访人数 ≥ 分析人数）。此外，它会预先识别期刊审稿人经常提出的至少 4 个质疑（例如：“为什么没有报告 ITT 分析？”“是否检验了盲法成功？”“是否更换过结局指标？”），并为每个质疑提供一句答辩表述。适用于开展 RCT 的医学、护理和药学临床研究人员，帮助其在投稿前提高方法学严谨性。它不能做什么：不执行统计分析，也不生成数据——只会将您已有的结果转换为符合 CONSORT 标准的报告。
STROBE 方法写作助手
根据您的横断面、队列或病例对照研究设计，以及您输入的参与者选择方法、变量、样本量依据和统计方法，生成完整的 Methods 和 Results 初稿，并隐含涵盖 STROBE（Strengthening the Reporting of Observational Studies in Epidemiology）清单中的全部 22 项内容。文末还会提供映射表，显示每个段落对应的 STROBE 条目，便于回应期刊“请完成 STROBE 清单”的要求。针对观察性研究，它会避免使用因果性表述（使用“与……相关”而非“导致”），并明确讨论偏倚和混杂因素的来源。适用于流行病学、公共卫生和临床研究领域的学术人员。
缺失数据报告助手
输入样本量、缺失数据比例/模式（MCAR/MAR/MNAR）、缺失数据处理方法（逐案删除、多重插补等）以及异常值检测方法（Z 分数、IQR、马氏距离），即可生成一段学术表述，可直接插入论文的“数据预处理”部分。如果所选方法与缺失数据模式之间存在方法学矛盾（例如在 MNAR 模式下使用逐案删除），系统会明确指出。适合希望快速、准确撰写数据预处理部分的研究生，以及开展问卷或临床数据分析的研究人员。
量表开发数据质量审查
本技能针对量表开发研究中收集的原始问卷数据，从缺失数据、异常观测、无效作答（careless responding：straightlining、longstring、random responding）、题目层面的分布异常、信度和因子分析适用性的前提条件等方面进行系统检查。不生成最终的 EFA/CFA 结果，而是基于证据判断数据是否已准备好进入后续分析阶段，并提出分层样本拆分（EFA/CFA split）建议。所有计算均通过实际运行代码完成（Python：pandas、scipy、factor_analyzer、pingouin），不会生成假设性数值。
Meta分析完整报告撰写
根据你的Meta分析统计结果（合并效应量、I²、Q、τ²、发表偏倚指标），生成符合PRISMA 2020和《Cochrane手册》的完整方法、结果与局限性文本。它不会误读I²值（包括将其表述为“方差百分比”的情况），也会避免夸大的因果表述，使用“研究结果与……一致”等谨慎措辞，而不是“证据证明……”。最后，它还会提供至少3个审稿人可能提出的问题，并附上相应的答辩句式。适合希望在投稿前加强方法部分的Meta分析论文作者。它不会做什么：不会根据原始数据进行统计计算（你必须已有R、RevMan或CMA的输出）；它只会将你的结果转换并解读为学术文本。
文献计量结果写作
将你从 VOSviewer 或 Biblioshiny（Bibliometrix/R）输出中获得的原始数据（关键词频次、引文网络聚类、年度发文趋势，以及国家、机构和期刊分布）转化为可直接用于发表、经过解读的学术文本。采用学术语调，讲述研究领域的发展方向，而不是简单重复原始数字；避免提出推测性的因果结论。适合需要撰写文献计量分析部分、但难以将原始数据转化为学术语言的论文或学位论文作者。用法：直接粘贴 VOSviewer 中的聚类/关键词列表，或 Biblioshiny 的汇总表；该技能会为关键词聚类提炼主题名称并进行解读，同时评估引文网络和国家间合作模式。
PRISMA 2020流程图写作助手
为开展系统综述的研究者生成符合PRISMA 2020规范的流程图文本和方案段落。输入数据库筛选数量（识别 → 筛选 → 资格评估 → 纳入）后，它会检查数字是否一致，并生成能够应对审稿人“为什么流程图中丢失了这么多记录？”这一问题的文本。它还会将纳入和排除标准转换为PICO/PECO格式的表格。适用于：研究生、学术研究人员，以及期刊编辑对系统综述/Meta分析论文进行预审的场景。如果检测到数字不一致（例如纳入数量 > 资格评估数量），它会明确指出，而不会默默更正。
CONSORT 2010完整报告撰写器
根据您的随机对照试验（RCT）数据——包括随机化方法、盲法状态、效能分析、CONSORT流程图中的人数（screened/randomized/allocated/analyzed），以及ITT/PP分析方法——生成符合CONSORT 2010 25项条目的完整摘要、方法和结果草稿。绝不混淆ITT与PP的区别，并检查流程图人数的一致性（randomized ≥ allocated ≥ followed-up ≥ analyzed）。此外，还会预先识别期刊审稿人经常提出的至少4项质疑（例如“为什么未报告ITT分析”“是否检验了盲法的成功情况”“是否存在结局指标切换”等），并为每项质疑提供答辩句式。专为临床研究人员，以及在医学、护理和药学领域开展RCT并希望在投稿前确保方法学严谨性的学者而设计。
量表开发数据预审
"当需要在开展EFA/CFA或最终信度分析之前，从心理测量数据质量角度审查专业问卷公司收集的原始量表开发数据（Excel/CSV）时触发。全面评估缺失数据、异常值、粗心作答、反应偏差、题目质量和样本量是否充足，并给出Go/No-Go决策；不会修改数据，仅提供诊断与审查报告。"
STROBE清单方法写作器
根据您的横断面、队列或病例对照研究设计，在输入参与者选择方法、变量、样本量依据和统计方法后，生成完整的“方法”和“结果”草稿，并以STROBE（Strengthening the Reporting of Observational Studies in Epidemiology）清单的22项内容为隐性框架。最后还会提供一份映射表，显示每个段落对应的STROBE条目，便于应对投稿时“请填写STROBE清单”的要求。它会避免使用因果性语言（由于是观察性研究，不说“导致”，而使用“与……相关”的表述），并明确讨论偏倚和混杂的来源。适合从事流行病学、公共卫生和临床研究的学者使用。
缺失数据与异常值助手
输入样本量、缺失数据比例/模式（MCAR/MAR/MNAR）、所采用的缺失数据处理方法（listwise deletion、多重插补等）以及异常值检测方法（Z分数、IQR、Mahalanobis）后，即可生成一段可直接加入论文“数据预处理”部分的学术文字。如果所选方法与缺失数据模式之间存在方法学矛盾（例如在MNAR模式下使用listwise deletion），助手会明确指出。适用于进行问卷或临床数据分析，并希望快速、准确撰写数据预处理部分的研究生和研究人员。
Meta分析与系统综述报告
依据PRISMA 2020和Cochrane手册，将您的Meta分析统计结果（合并效应量、I²、Q、tau²、发表偏倚指标）整理为完整的“方法 + 结果 + 局限性”文本。绝不误读I²值（包括对方差百分比的解释），避免夸大的因果表述，不使用“证据表明……”等措辞，而是采用“研究结果与……一致”等审慎表达。最后还会提供至少3个审稿人可能提出的问题及相应的答辩表述。适用于撰写Meta分析论文、希望在投稿前强化方法部分的研究人员。不包括：不会根据原始数据进行统计计算（您需要提前使用R/RevMan/CMA完成计算），仅将已有结果转换为学术文本并进行解读。
文献计量分析结果写作器
将您从 VOSviewer 或 Biblioshiny（Bibliometrix/R）输出中获得的原始数据（关键词频次、引文网络聚类、年度发文趋势、国家/机构/期刊分布）转化为适合学术发表的解读文本。不只是重复数据，而是以学术语气阐述文献研究的发展方向；同时避免提出推测性的因果关系。适合需要撰写学位论文或学术文章、准备文献计量分析部分，但难以将原始数据转换为学术语言的研究者。使用方法：直接粘贴从 VOSviewer 获取的聚类/关键词列表或 Biblioshiny 汇总表；该技能会为关键词聚类进行主题命名和解读，并评估引文网络与国家合作模式。
PRISMA 2020 流程图撰写器
为开展系统综述的研究人员生成符合 PRISMA 2020 checklist 的流程图文本和方法部分段落。输入数据库检索数量（identification → screening → eligibility → included）后，它会检查数字是否一致，并生成一段可用于回应审稿人“为什么流程图中会排除这么多记录”的说明。此外，还能将纳入/排除标准转换为 PICO/PECO 格式的表格。适用于撰写系统综述或荟萃分析的研究生，以及供学者和期刊编辑进行初步检查。如果发现数字不一致（例如 included > eligibility），它会明确指出，不会默默替你修正。