discover-phenomenon-and-gap

現象とギャップの発見

概要

このスキルは、研究の初期段階（探索）に特化して設計されています。Research Agent が最新の文献を調査し、新たな現象（トレンド、データの異常、新技術の発見）を特定して、具体的で妥当性があり、学術的に根拠を示せる研究ギャップ（research gap）を定式化できるよう支援することを目的としています。

依存関係

• literature-search-openalex
• literature-search-arxiv
• literature-search-biorxiv
• pubmed-database

クイックスタート

使用例： 「discover-phenomenon-and-gap スキルを使って、教育分野における協調型 AI モデル（マルチエージェント）の利用という現象を調査し、研究ギャップを探してください。」

ワークフロー

ユーザーの指示や研究のニーズに応じて、以下のいずれかの作業モードを選択してください。

モード A：文献主導型のギャップ発見（デフォルト）

1. 初期現象の探索：幅広いキーワードを使って文献を検索し、直近1～2年間のトレンドを把握します。主要な現象と、異常や理論的な議論を特定します。
2. 文献の批判的分析（レビューのレビューとバッチ処理）：
   • レビューのレビュー：最新の「Review」または「Survey」タイプの論文を5～10本優先します。Future Works、Discussion、または Open Challenges のセクションから情報を抽出します。
   • バッチ処理：一次論文を10本超処理する場合は、5本ずつ段階的に処理し、限界に関する調査結果を temp_limitations_log.md に記録します。
3. 研究ギャップのマッピング：発見したギャップを分類します（Phenomenon, Theoretical, Methodological, Empirical, Performance, または Evaluation Gap）。
4. 研究課題の定式化：現象とギャップをつなぐ、具体的な研究課題を3～5個定式化します。

モード B：データセット主導のアイデア創出（Data Descriptors）- 新機能

1. Data Descriptor の検索：
   • literature-search-openalex、pubmed-database、または literature-search-arxiv を使用して、最新1～2年間の Data Descriptor または Dataset Paper タイプの論文を絞り込んで検索します。"data descriptor"、"dataset descriptor"、"scientific data"、または "data in brief" などの補助キーワードを使用します。
2. 可能性 1：原著者による推奨事項の抽出（Usage Notes）：
   • 全文または要約を読みます（特に Usage Notes、Value of the Data、Discussion、または Reusability のセクション）。
   • データセットの原著者が明示的に提案している、派生研究のアイデアや将来の利用シナリオを抽出します。
3. 可能性 2：新たな変数と手法の探索（Novelty Matrix）：
   • データセットのスキーマを調べ、主要な変数や特徴（例：変数 A、B、C）を特定します。
   • ユーザーが選択した手法やアルゴリズム（例：「Random Forest」や「Causal Inference」）に関する専門知識を取り入れます。
   • 文献を迅速に検索し、新規性を確認します（novelty check）。「このデータセットで、選択した手法を用いて変数 A と C の関連性を調べた研究はすでにあるか？」を確認します。なければ、新しい研究アイデアとして提案します。

---

探索結果のレポート形式

モード A を使用する場合（文献主導型）：

1. 主要な現象：新たに浮上している科学、技術、または社会的な問題。
2. トレンドの証拠：根拠となる学術文献の一覧（タイトル、著者、年、DOI）。
3. 未解決の問題：未解決の課題や限界。
4. ギャップの種類：ギャップの分類（Phenomenon/Theoretical/Methodological/Empirical/Performance/Evaluation Gap）。
5. 貢献の可能性：そのギャップを埋める新たな研究の付加価値。
6. トピックのリスクと難易度：データの入手可能性と難易度を分析します：[ Trivial / Moderate / Hardcore ]。

モード B（データセット主導）を使用する場合：

1. ソースデータのディスクリプター：ディスクリプターペーパーのタイトル、著者、発行年、DOI、元データの保存リポジトリ（Zenodo、Figshare、Dryad など）へのリンク。
2. データセットの特性：主な変数／特徴量、ファイル形式、データサイズの概要。
3. 可能性の選択肢 1（元著者による推奨）：論文内で直接推奨されている、派生研究のアイデア一覧。
4. 可能性の選択肢 2（変数間の関係に関する新たな発想）：ユーザーが選択した手法と組み合わせた、新たな変数間の相関関係の提案。簡潔な新規性分析（文献の相互確認）を含めます。
5. 実行に関する推奨事項：データセットの読み込み手順と、難易度の見積もり：[ 簡単 / 中程度 / 非常に難しい ]。

---

よくある間違いと重要なルール

• 作り上げたギャップ（Fabricated Gap）：その解決策を扱った論文がすでに多数あるにもかかわらず、ギャップ／新規性があると主張することです。研究が存在しないと結論づける前に、必ず検索クエリを実行してください。
• 弱いギャップの論拠：特定の場所／コンテキストではまだ研究されていないという理由だけで、ギャップ／新規性と見なすことです。ただし、その場所の違いがデータの挙動に影響することが科学的に証明されている場合を除きます。
• リポジトリへのリンクを無視する：モード B では、ユーザーが直接アクセスできる元データのリポジトリへのリンクを添えずに研究アイデアを提示することです。データは実際にダウンロードできなければなりません。