alterlab-peer-review

原稿および研究助成申請の査読

概要

査読は、科学論文の原稿や研究計画書を評価する体系的なプロセスです。方法論、統計、研究デザイン、再現性、倫理、報告基準を評価し、構成が整った建設的な査読報告書を作成します。分野を問わず、原稿や研究助成申請の査読にこのスキルを適用してください。

このスキルを使用するタイミング

次の場合にこのスキルを使用してください：

• 学術誌に投稿された科学論文の査読を行う
• 研究助成申請書や研究計画書を評価する
• 方法論と実験デザインの厳密さを評価する
• 統計解析と報告基準を確認する
• 再現性とデータの利用可能性を評価する
• 報告ガイドライン（CONSORT、STROBE、PRISMA）への準拠を確認する
• 科学論文の執筆について建設的なフィードバックを提供する

対象外

シナリオ	代わりに使用
複数の査読者による模擬パネルを実施し、編集者による採択／軽微な修正／大幅な修正／却下の判断と改訂ロードマップを提示する	alterlab-paper-reviewer
論拠の質を評価する、または主張に含まれるバイアス、交絡因子、因果推論の欠陥を見つける	alterlab-scientific-thinking
数値による加重評価基準で研究を採点または順位付けする	alterlab-scholar-eval
自分の原稿を改訂する、または査読者への回答書を作成する	alterlab-paper-writer
参考文献リストが実在するものか確認する（捏造または撤回済みの引用）	alterlab-citation-verifier

機密保持とAIの利用

査読中の原稿や研究計画書は機密情報であり、生成AIの利用を査読者に制限している資金提供機関や出版社も複数あります。他者の未発表の研究成果を処理する前に、どの投稿先の査読なのかを確認し、その方針に従ってください。

• NIHは、査読者が生成AIを用いて査読コメントを分析または作成すること、および申請書の内容をAIツールにアップロードすることを禁止しています（NOT-OD-23-149）。
• NSFは、査読者が申請書の内容や査読記録を未承認の生成AIツールにアップロードすることを禁止しています（研究コミュニティへの通知、2023年12月）。
• 出版社：Springer Natureは、査読者に対し、原稿を生成AIツールにアップロードしないこと、また報告書でAIの支援を申告することを求めています。Elsevierは、査読者が原稿またはその一部をAIツールにアップロードしないよう求めています。一方、報告書の文章を整えるなどの補助的な役割に限ってAIの利用を認めており、その場合は開示が必要です。多くの学術誌や会議（ICML、NeurIPS、ICLRなど）も、査読におけるLLMの利用方針を独自に公開しています。

AIによる支援が禁止されている場合は、機密情報のテキストを取り込まないでください。代わりに、査読者が記入するテンプレートとして以下の査読フレームワークを提示するか、査読者自身のメモについてのみ話し合ってください。AIの利用が認められている場合は、査読者自身の判断を最優先とし、投稿先の要件に従って支援を開示するよう伝えてください。ユーザー自身の原稿を自分で査読する場合は、この制限の対象外です。

査読のワークフロー

原稿の種類や分野に応じて、評価の深さと重点を調整しながら、以下の段階を通じて体系的に査読を行います。

ステージ1：初期評価

まず、原稿の範囲、新規性、全体的な質を判断するために、概要レベルの評価を行います。

主な質問：

• 中心となる研究課題または仮説は何ですか？
• 主な知見と結論は何ですか？
• 科学的に妥当で、重要な研究ですか？
• 想定される投稿先に適していますか？
• 掲載を不可能にするような重大な欠陥はすぐに見つかりますか？

出力： 原稿の要点と初期所見をまとめた2～3文の簡潔な要約。

ステージ2：セクションごとの詳細な査読

原稿の各セクションを綿密に評価し、具体的な懸念点と長所を記録します。

要旨とタイトル

• 正確性： 要旨は研究の内容と結論を正確に反映していますか？
• 明確さ： タイトルは具体的で、正確かつ有益ですか？
• 網羅性： 主要な知見と方法は適切に要約されていますか？
• 読みやすさ： 要旨は幅広い科学分野の読者に理解できますか？

序論

• 背景： 背景情報は十分で、最新のものですか？
• 論拠： 研究課題の動機と妥当性は明確に示されていますか？
• 新規性： 研究の独自性と重要性は明確に述べられていますか？
• 文献： 関連する先行研究は適切に引用されていますか？
• 目的： 研究の目的や仮説は明確に示されていますか？

方法

• 再現性： 別の研究者が提示された説明に基づいて研究を再現できますか？
• 厳密性： 研究課題に取り組むうえで適切な方法が用いられていますか？
• 詳細さ： プロトコル、試薬、機器、パラメーターは十分に記載されていますか？
• 倫理： 倫理承認、同意、データの取り扱いは適切に記録されていますか？
• 統計： 統計手法は適切で、明確に説明され、正当化されていますか？
• 検証： 対照、反復、検証方法は十分ですか？

確認すべき重要事項：

• サンプルサイズと検出力の計算
• 無作為化と盲検化の手順
• 選択基準と除外基準
• データ収集プロトコル
• 計算手法とソフトウェアのバージョン
• 統計検定と多重比較の補正

結果

• 提示： 結果は論理的かつ明確に提示されていますか？
• 図表： 可視化は適切で、明瞭かつ適切にラベル付けされていますか？
• 統計： 統計結果は適切に報告されていますか（効果量、信頼区間、p 値）？
• 客観性： 結果は過剰な解釈を避けて提示されていますか？
• 網羅性： 否定的な結果を含む、関連するすべての結果が含まれていますか？
• 再現性： 生データまたは要約統計量は提示されていますか？

よくある問題：

• 結果の選択的な報告
• 不適切な統計検定
• エラーバーやばらつきの指標の欠如
• 過学習または循環的な分析
• バッチ効果または交絡変数
• 対照または検証実験の欠如

考察

• 解釈： 結論はデータによって裏付けられていますか？
• 限界： 研究の限界は認識され、議論されていますか？
• 文脈： 知見は既存の文献の中に適切に位置付けられていますか？
• 推測： 推測は、データに裏付けられた結論と明確に区別されていますか？
• 重要性： 意義と重要性は明確に述べられていますか？
• 今後の展望： 次の段階や未解決の課題について議論されていますか？

注意すべき兆候：

• 結論の誇張
• 矛盾するエビデンスの無視
• 相関データからの因果関係の主張
• 限界に関する議論の不足
• メカニズムを示す証拠のない機序の主張

参考文献

• 網羅性： 重要な関連論文は引用されていますか？
• 最新性： 最近の重要な研究は含まれていますか？
• バランス： 異なる見解は適切に引用されていますか？
• 正確性： 引用は正確で適切ですか？
• 自己引用： 過剰または不適切な自己引用はありませんか？

Stage 3: 方法論および統計的な厳密性

よくある落とし穴に特に注意しながら、研究の技術的な質と厳密性を評価します。

統計的評価：

• 統計的な仮定（正規性、独立性、等分散性）は満たされていますか？
• p 値とともに効果量が報告されていますか？
• 多重検定の補正は適切に適用されていますか？
• 信頼区間は提示されていますか？
• サンプルサイズは検出力分析に基づいて正当化されていますか？
• パラメトリック検定とノンパラメトリック検定は適切に選択されていますか？
• 欠測データは適切に処理されていますか？
• 探索的解析と検証的解析は区別されていますか？

実験計画：

• 対照は適切かつ十分ですか？
• 反復は十分ですか（生物学的反復と技術的反復）？
• 潜在的な交絡因子は特定され、制御されていますか？
• ランダム化は適切に実施されていますか？
• 盲検化の手順は十分ですか？
• 実験計画は研究課題に対して最適ですか？

計算／バイオインフォマティクス：

• 計算手法は明確に説明され、正当化されていますか？
• ソフトウェアのバージョンとパラメーターは記録されていますか？
• 再現性を確保するため、コードは公開されていますか？
• アルゴリズムとモデルは適切に検証されていますか？
• 計算手法の前提条件は満たされていますか？
• バッチ補正は適切に適用されていますか？

Stage 4: 再現性と透明性

研究が再現性とオープンサイエンスに関する現代の基準を満たしているか評価します。

データの利用可能性：

• 生データは適切なリポジトリに登録されていますか？
• 公開データベースのアクセッション番号は提示されていますか？
• データ共有の制限（例：患者のプライバシー）は正当化されていますか？
• データ形式は標準的で、アクセス可能ですか？

コードと材料：

• 解析コードは公開されていますか（GitHub、Zenodo など）？
• 独自の材料は入手可能ですか。または、再作製に十分な説明がありますか？
• プロトコルは十分に詳しく記載されていますか？

報告基準：

• 原稿は、分野ごとの最新の報告ガイドライン（臨床試験には CONSORT 2025、臨床試験プロトコルには SPIRIT 2025、システマティックレビューには PRISMA 2020、STROBE、STARD 2015、TRIPOD+AI、ARRIVE 2.0、MIAME、MINSEQE など）に準拠していますか？EQUATOR Network（equator-network.org）にガイドラインがまとめられています。
• 一般的なガイドラインについては、references/reporting_standards.md を参照してください。
• 該当するチェックリストのすべての項目に対応していますか？

Stage 5: 図とデータの提示

データの可視化の質、明瞭さ、完全性を評価します。

品質チェック：

• 図は高解像度で、明確なラベルが付いていますか？
• 軸には単位を含む適切なラベルが付いていますか？
• エラーバーの定義（SD、SEM、CI）は明記されていますか？
• 統計的有意性を示す指標は説明されていますか？
• 配色は適切で、誰にとっても見やすいですか（色覚多様性に配慮されていますか）？
• 画像にはスケールバーが含まれていますか？
• データの種類に適した可視化が行われていますか？

完全性チェック：

• 画像の加工（重複、切り貼り）の兆候はありますか？
• ウェスタンブロットとゲルは適切に提示されていますか？
• 代表画像は実際に代表的なものですか？
• すべての条件が示されていますか（都合のよいものだけを選んで提示していませんか）？

明瞭さ：

• 図は凡例と合わせて単独でも理解できますか？
• 各図のメッセージはすぐに明確に伝わりますか？
• 重複する図やパネルはありますか？
• データは図より表で提示したほうが適切ですか（またはその逆ですか）？

ステージ 6：倫理的配慮

研究が倫理基準およびガイドラインを満たしていることを確認します。

ヒトを対象とする研究：

• IRB／倫理委員会の承認が記録されていますか？
• インフォームド・コンセントについて説明されていますか？
• 脆弱な立場にある人々は適切に保護されていますか？
• 患者のプライバシーは十分に保護されていますか？
• 利益相反の可能性は開示されていますか？

動物を対象とする研究：

• IACUC または同等機関の承認が記録されていますか？
• 手順は人道的で、妥当なものですか？
• 3R（代替、削減、改善）は考慮されていますか？
• 安楽死の方法は適切ですか？

研究の公正性：

• データの捏造や改ざんに関する懸念はありますか？
• 著者の選定は適切で、妥当なものですか？
• 競合する利害関係は開示されていますか？
• 資金源は開示されていますか？
• 剽窃や二重出版に関する懸念はありますか？

ステージ 7：文章の質と明瞭さ

原稿の明瞭さ、構成、読みやすさを評価します。

構成と構成の整理：

• 原稿は論理的に構成されていますか？
• 各セクションは一貫性を保ってつながっていますか？
• 考えから考えへの移行は明確ですか？
• 論旨は説得力があり、明瞭ですか？

文章の質：

• 表現は明瞭で、正確かつ簡潔ですか？
• 専門用語や略語は最小限に抑えられ、定義されていますか？
• 文法とスペルは正しいですか？
• 不必要に複雑な文はありませんか？
• 受動態を過度に使用していませんか？

読みやすさ：

• 専門外の読者でも主な知見を理解できますか？
• 専門用語は説明されていますか？
• 幅広い読者にとって重要性が明確ですか？

査読レポートの構成

問題の優先順位を明確にし、実行可能な指針を示す階層構造でフィードバックを整理します。

要約

全体的な評価を簡潔に示します（1～2 段落）。

• 研究の簡潔な概要
• 全体的な推奨（採択、軽微な修正、重大な修正、却下）
• 主な長所（箇条書き 2～3 点）
• 主な短所（箇条書き 2～3 点）
• 重要性と妥当性についての総合評価

主要コメント

原稿の妥当性、解釈可能性、または重要性に大きく影響する重大な問題を列挙します。参照しやすいよう、順番に番号を付けます。

主要コメントに含まれることが多い内容：

• 根本的な方法論上の欠陥
• 不適切な統計解析
• 根拠のない、または誇張された結論
• 重要な対照や実験の欠如
• 深刻な再現性の懸念
• 文献の網羅性に関する重大な不足
• 倫理上の懸念

各主要コメントについて：

1. 問題を明確に述べます
2. それが問題となる理由を説明します
3. 具体的な解決策や追加実験を提案します
4. 対応が掲載に必須かどうかを示します

軽微なコメント

明瞭さ、完全性、または提示方法を改善する、比較的重要度の低い問題を列挙します。順番に番号を付けます。

軽微なコメントに含まれることが多い内容：

• 図のラベルや凡例が不明瞭
• 方法の詳細の不足
• 誤字脱字や文法上の誤り
• データの提示方法を改善する提案
• 軽微な統計報告上の問題
• 結論を補強する補足解析
• 説明の要請

各軽微なコメントについて：

1. 該当箇所（セクション、段落、図）を特定します
2. 問題を明確に述べます
3. 対処方法を提案します

行単位の具体的なコメント（任意）

詳細なフィードバックが必要な原稿では、セクションごと、または行ごとのコメントを提示します。

• 該当するページ番号、行番号、またはセクションを示します
• 事実誤認、不明瞭な記述、または引用の不足を指摘します
• 明瞭さを高めるための具体的な修正を提案します

著者への質問

明確化が必要な具体的な質問を列挙します。

• 不明瞭な方法の詳細
• 一見矛盾している結果
• 研究を評価するために必要な情報の不足
• 追加データや解析の要請

トーンとアプローチ

レビュー全体を通して、建設的で、プロフェッショナルかつ協調的なトーンを保ってください。

ベストプラクティス：

• 建設的に伝える： 批判は改善の機会として提示してください
• 具体的に伝える： 具体例と実行可能な提案を示してください
• バランスを保つ： 弱点だけでなく、長所も認めてください
• 敬意を払う： 著者が多大な労力を注いでいることを忘れないでください
• 客観的である： 科学に焦点を当て、科学者個人には焦点を当てないでください
• 網羅的に確認する： 問題を見落とさないようにしつつ、適切に優先順位を付けてください
• 明確に伝える： 曖昧な批判や漠然とした批判は避けてください

避けること：

• 個人攻撃や見下した表現
• 皮肉や横柄な態度
• 具体例を示さない漠然とした批判
• 範囲を超えた不必要な実験の要求
• ベストプラクティスではなく、個人的な好みに従うよう求めること
• 査読がダブルブラインドの場合に、自分の身元を明かすこと

原稿の種類別の特別な考慮事項

原著論文

• 厳密性、再現性、新規性を重視してください
• 重要性と影響を評価してください
• 結論がデータに基づいていることを確認してください
• 方法の記述が完全であり、適切な対照群があることを確認してください

総説とメタ分析

• 文献の網羅性を評価してください
• 検索戦略と採択・除外基準を評価してください
• 体系的なアプローチが採用され、バイアスがないことを確認してください
• 単なる要約ではなく、批判的な分析が行われているか確認してください
• メタ分析では、統計的手法と異質性を評価してください

手法論文

• 検証と既存手法との比較を重視してください
• 再現性、ならびにプロトコルやコードの公開状況を評価してください
• 既存のアプローチに対する改善点を評価してください
• 実装に十分な詳細が記載されているか確認してください

短報／レター

• 簡潔さに応じて期待される内容を調整してください
• 中心となる知見については、厳密性と重要性が保たれていることを確認してください
• 形式が知見に適していることを確認してください

プレプリント

• 正式な査読を受けていないことを認識してください
• ジャーナルへの投稿原稿より、完成度が低い場合があります
• それでも科学的妥当性については厳格な基準を適用してください
• 著者がジャーナルへの投稿前に改善できるよう、建設的なフィードバックを検討してください

プレゼンテーションとスライド資料

プレゼンテーション（PowerPoint、Beamer、スライド資料）では、PDFから抽出したテキストではなく、レンダリングされたスライド画像を確認してください。テキスト抽出では、発表において重要な問題、つまりはみ出し、重なり、コントラスト、フォントサイズが隠れてしまいます。alterlab-scientific-slides のヘルパーを使用して、まずスライド資料を画像に変換してください。

python skills/writing-tools/alterlab-scientific-slides/scripts/pdf_to_images.py presentation.pdf review/slide --dpi 150

次に、各 review/slide-NNN.jpg を順番に確認し、スライド番号ごとに問題を記録してください。 画像ベースのレビューの全ワークフロー、プレゼンテーション固有の評価基準（視覚的なデザイン、レイアウト、内容、構成、科学的内容）、重大度別（critical／major／minor）の問題一覧、およびプレゼンテーション用レビュー報告書の形式については、 references/presentation_review.md を参照してください。

リソース

このスキルには、包括的な査読を支援する参考資料が含まれています。

references/reporting_standards.md

分野ごとの主要な報告基準（CONSORT、PRISMA、ARRIVE、MIAME、STROBE など）に関するガイドラインです。方法と結果の報告が完全かどうかを評価するのに役立ちます。

references/common_issues.md

査読でよく見られる方法論上および統計上の問題をまとめた資料です。問題の特定と対処に関するガイダンスも含まれています。

references/presentation_review.md

科学的なプレゼンテーションやスライド資料の画像ベースのレビューのワークフローと、評価基準の全容を記載しています（投稿物が原稿ではなく発表の場合に使用します）。

最終チェックリスト

レビューを確定する前に、以下を確認してください。

• 総合評価が要約で明確に伝わっている
• 主な懸念事項が明確に特定され、その理由が説明されている
• 修正案が具体的で、実行可能である
• 軽微な問題が指摘され、適切に分類されている
• 統計手法が評価されている
• 再現性とデータの利用可能性が評価されている
• 倫理的な配慮が確認されている
• 図表の品質と完全性が評価されている
• 文章の品質が評価されている
• 全体を通して建設的かつ専門的なトーンである
• 原稿の範囲に見合った、十分でありながら過度でないレビューである
• 推奨事項が特定された問題と一致している

AlterLab Academic Skills スイートの一部です。