literature-review-generator

文献レビュー生成ツール

概要

このスキルは、体系的で詳細かつ強い科学的論証を備えた文献レビュー（literature review）を作成するために設計されています。エージェントは、時間の経過に伴う研究の進展を整理し、矛盾点や合意点を特定し、新たに提案された研究がなぜ重要なのかを正当化する論拠を論理的に構築するのを支援します。

依存関係

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

クイックスタート

使用例： 「literature-review-generator スキルを使って、2018年から現在までの強化学習アルゴリズムの進展を整理し、既存の研究ギャップを探してください。」

ワークフロー

1. レビュープロトコルの計画とモードの選択

レビューの範囲（対象年、文書の種類）を定め、次のいずれかの作業モードを選択します。

• ナラティブ文献レビュー・モード：概念的な提案や一般的な理論の章を作成する場合に使用します。
• システマティック文献レビュー（SLR）モード：大規模な研究（>100 papers）では必須です。正式な採用・除外基準、自動スクリーニングスクリプト、CSV のチェックポイントに記録する 4 段階の PRISMA フローを使用します（下記の PRISMA フローに関する専用セクションを参照してください）。
• テーマ別レビュー・モード：論文をテーマ、概念、または問題のサブトピックごとに分類します。
• 時系列レビュー・モード：初期の先駆者から最新のトレンドまで、アイデアや技術の発展の歴史をたどり、パラダイムの変遷を示します。
• 批判的レビュー・モード：先行研究の理論的仮定の弱点、評価の弱点、データのバイアス、方法論上の限界を評価することに重点を置きます。

2. PRISMA ワークフローとチェックポイント（大規模 SLR モード専用）

大量（数千件）の文献検索に Systematic Literature Review（SLR） モードを選択した場合、エージェントは、トークンを浪費する LLM による手動実行を避けるため、プログラムによるスクリーニング（Programmatic Screening）を必ず使用する必要があります。この 4 段階のワークフローを遵守し、CSV ファイル（チェックポイント）に保存してください。

1. Identification（メタデータの取得）：無料でゼロコンフィグレーションのオープンな検索エンジン API（literature-search-openalex、literature-search-arxiv、pubmed-database など）を呼び出し、何千件もの検索結果からメタデータ（タイトル、要旨、著者、年、DOI）のみを一括取得してください。全文のダウンロードは禁止です。 生データを prisma_1_identification.csv に保存してください。モック／ダミーデータの生成は固く禁止されています。 Python の requests モジュールを使用して実際の API エンドポイントにリクエストするか、実際の検索エージェントにタスクを委任する必要があります。Retry/Backoff の仕組みを適用してください（Timeout が発生した場合、再試行は最大 3 回）。それでも失敗する場合は、データを捏造せず、エラーを報告して処理を停止してください。
2. Automated Screening（Python によるフィルタリング）：Pandas を使用して prisma_1_identification.csv をスクリーニングする Python スクリプトを作成し、実行してください。重複を削除し、対象年の範囲を設定し、タイトルまたは要旨に主要なキーワードがまったく含まれていない論文を除外してください。自動選別を通過した論文を prisma_2_screened.csv に保存してください。
3. Eligibility（セマンティックおよび品質監査）：残った論文（50～100 件）について、LLM を使用して要旨を読み、Inclusion/Exclusion criteria との意味的な関連性を確認してください。source-quality-appraiser エージェントを使用して、評価の低い論文や捕食出版の論文を除外してください。実際に関連性のある論文を prisma_3_eligible.csv に保存してください。
4. Included（全文の抽出）：最終候補（例：20～40 件）から、無料で入手できる PDF／全文（特にオープンアクセス論文）を Core API または OpenAlex の OA リンクからダウンロードし、extract-methodology を使用してパラメーターを分析してください。最終的な統合マトリックスを prisma_4_included.csv に保存してください。
5. PRISMA 図：エージェントはこの段階を終える際、各段階（Identification -> Screening -> Eligibility -> Included）で論文数（n）がどのように絞り込まれたかを示す、Mermaid 図形式の PRISMA フローチャートを生成する必要があります。

3. 歴史的な文献調査とマッピング（タイムライン）

• 文献検索エンジンを使用して、先駆的な文献（主要論文）と最新のレビュー論文（サーベイ論文）を検索してください。
• 研究の発展を時系列でまとめてください。

4. 研究ギャップ分析と論証マップ

• 新しい研究の位置付けを正当化する論証の流れを構築するために、Argument Map を作成してください。以下はその例です。
  • 従来の研究では、手法 X の精度に焦点を当てたものが多くあります。
  • しかし、その精度評価では、実環境におけるロバスト性が検証されていないことがよくあります。
  • データセットの不均衡に対処せずに使用している論文もあります。
  • したがって、この新しい研究では、アブレーションに基づくロバスト性評価を提案することで、そのギャップを埋めます。

5. 文献レビューの報告書形式

文献レビューの構成には、以下を含める必要があります。

• 序論：トピックの重要性、解決する研究課題、レビューの範囲。
• 文献の概要マトリクス：以下の列を含む、構造化された表が必須です。

  年	著者	研究の焦点	手法	データセット／コンテキスト	主な知見	主な限界	私たちの研究との関連性

• Argument Map（研究の位置づけマップ）：あなたの研究の貢献につながる論証の流れを、箇条書きで説明します。
• 批判的分析とテーマの分類：使用されているアプローチ（例：ルールベースのアプローチとディープラーニング）に基づいて、文献を批判的に分類します。
• 結論：今後の研究に向けた理論的・方法論的な示唆をまとめます。

6. 引用と参考文献

• すべての主張に適切な参考文献を添え、参考文献一覧に有効な DOI／URL のメタデータを記載してください。

よくある間違いと重要なルール

• データの捏造と DOI の偽造（致命的）：PRISMA 表を埋めるためだけに架空の論文を作成することは固く禁じられています。架空の論文タイトルを含む DataFrame の作成は、致命的な違反です。すべての論文は実際の API から取得し、有効な DOI リンクが必要です。
• 複雑な API Key の入力をユーザーに強制する：API Key（Semantic Scholar など）が設定されていない場合に、ユーザーに手動での設定を強制するエラーメッセージを表示することは固く禁じられています。代わりに、OpenAlex、PubMed、arXiv など、キーなしで利用できる無料 API を使うか、高い利用上限が本当に必要な場合は、チャットを通じてユーザーが設定できるよう、丁寧に案内してください。
• 批判せずに要約するだけ：要約を列挙するだけの記述的な書き方（例：「研究者 A は X を発見しました。研究者 B は Y を発見しました。」）は避けてください。エージェントは比較、分類、批判を行う必要があります。
• 不規則な年代順：概念の歴史を、明確な時系列順なしに記述すること。
• 無効な参考文献：追跡可能な DOI または元の参考文献へのリンクを付けずに引用を記載すること。参考文献の捏造は固く禁じられています。