image-description

画像の説明

概要

本スキルは、学位論文や学術誌論文における図について、規範に沿った説明文を作成します。「本文を中心に、画像を補足証拠とする」という学術的な執筆原則に基づき、図の情報を論証の流れに取り込み、論点を裏付ける証拠として用いるとともに、論文全体の論理との整合性を保ちます。具体的な学問分野のテーマ（交通、医学、材料など）はユーザーが指定するものであり、本スキルは特定の研究テーマを前提としません。

ワークフロー

画像説明のワークフロー

1. 研究テーマの分析：論文の研究テーマと中心的な論点を理解します
2. 画像の役割の特定：論文における画像の役割と、裏付けを示す目的を明確にします
3. 内容の抽出と統合：画像の重要な情報を抽出し、本文の内容と統合します
4. 説明の構成：本文の論述を主軸とし、画像の情報を補足として用います
5. 学術的な表現への推敲：説明が学術的な規範と論文の文体に沿っていることを確認します

画像の種類と統合パターン

1. 地図

• 研究地域の地図：研究背景を補足するものとして、地域の概要を述べる箇所に組み込みます
• 空間分析図／場の分布図：モデルや観測結果の実証として、空間分布に関する結論を裏付けます
• 経路図または計画図：アルゴリズムや意思決定の結果を示すものとして、手法の有効性を検証します
• スケジュール図またはネットワーク図：最適化計画を可視化し、方策に関する論証を裏付けます

2. フローチャート

• アルゴリズムのフローチャート：アルゴリズム設計の説明として、アルゴリズムの原理を述べる箇所に組み込みます
• データ処理フローチャート：データ処理手法を示すものとして、データの信頼性に関する論証を裏付けます
• 求解フローチャート：モデルの求解プロセスを説明し、求解手法の妥当性を裏付けます
• 検証フローチャート：実験設計を示すものとして、検証方法の科学的妥当性を裏付けます

3. データ図表

• 性能比較図：アルゴリズムやモデルの性能を実証し、比較に関する論点を裏付けます
• 最適化結果図：最適化の効果を示し、目的関数の改善を検証します
• 感度分析図：パラメーターの影響を分析し、モデルのロバスト性に関する論証を裏付けます
• コストまたはリソースの図：コストの構成を示し、実現可能性の分析を裏付けます

4. 概念図

• モデル構成図：モデル設計の説明として、モデル構築の記述に組み込みます
• システム概念図：システム設計を示し、システム構成の妥当性を裏付けます
• アルゴリズム原理図：アルゴリズムの原理を説明し、アルゴリズムの新規性に関する論証を裏付けます
• 問題定義図：問題の境界を示し、研究範囲の妥当性を裏付けます

学術的な表現の基準

学術的な表現の規範

1. 本文を中心とする：論文の論述を主軸とし、画像の情報を補足資料として用います
2. 論理の一貫性を保つ：説明を論文全体の論理と一致させ、記述に自然に組み込みます
3. 論点を裏付ける：画像の情報で論文の論点を直接裏付け、論述の説得力を高めます
4. 科学的な正確さを保つ：正確な学術用語を用い、曖昧な表現を避けます
5. 簡潔で明瞭にする：簡潔な表現で要点を明確にし、冗長な情報を避けます
6. 客観性と中立性を保つ：学術的な客観性を維持し、主観的な評価を避けます
7. 書式に従う：学位論文または投稿先の学術誌における図の引用・説明形式に従います

使用方法

使用手順

ユーザーが論文中の画像の説明を求める場合は、以下の手順に従ってください。

1. 研究背景を提示する：画像が掲載されている章の研究内容と中心的な論点を簡潔に説明します
2. 画像の役割を説明する：論文において画像で裏付ける目的と、期待される役割を示します
3. 画像の内容を説明する：画像の種類と主な内容の概要を提示します
4. 本スキルは、上記の情報に基づき、本文を中心に画像を補足証拠とする学術的な説明を生成します

例

例一：アルゴリズムのフローチャートの説明（一般例）

本論文で提案する最適化プロセスを説明するため、図 X-X に入力データから出力結果に至る計算手順を示します。フローでは、まず入力の検証と前処理を行い、次に反復処理で収束条件を満たすまで決定変数を更新し、最後に実行可能解と対応する指標を出力します。このフローは第 X 節の形式的な説明と一致しており、読者がアルゴリズムの擬似コードを参照しながら実装の順序を理解するのに役立ちます。

例二：データ図表の説明（一般例）

図 X-X は、複数のベースライン手法と本論文の手法について、主要な評価指標の差を比較しています。横軸は実験条件またはインスタンス番号、縦軸は正規化した目的値または誤差です。多くの設定において、本論文の手法は比較対象の手法より平均値が優れ、ばらつきも小さいことが分かります。誤差範囲（図に示されている場合）は、結果に一定の安定性があることを示しています。この結果は第 X 節の理論分析とも対応しており、以降の考察を裏付ける実証的な根拠となります。

（具体的な数値、手法名、図番号は、実際の論文に合わせてユーザーが置き換えてください。情報を捏造しないでください。）

注意事項

注意事項

1. 本文を中心とする原則：常に論文の論述を主軸とし、画像の情報を補足資料として説明に組み込みます
2. 論点の裏付け：画像の説明で論文の論点を直接裏付け、論述の説得力を高めます
3. 論理の一貫性：説明を論文全体の論理と一致させ、記述の流れに自然に組み込みます
4. 情報の正確さ：画像の説明は画像の内容と厳密に対応させ、情報の捏造を避けます
5. 要点の明確化：複雑な画像では、論文の論点に関連する重要な情報を中心に説明します
6. 書式への準拠：図番号、図名、説明を含め、学位論文または学術誌の図の引用形式に従います
7. 学術的な客観性：三人称と規範的な用語を用い、主観的な評価を避けます

リソース

本スキルはテキスト処理のみを行うため、追加のスクリプトやリソースファイルは必要ありません。すべての機能はLLMの言語能力に基づいており、学術的なテキストの処理と改善に特化しています。