mcpField
R
research-metrics

research-metrics

github.com/t46データ・データベース1758 回インストール23 週間前に更新
リポジトリ

research-metrics について

研究者、研究グループ、機関の研究指標を収集・分析するスキルです。論文数や被引用数、h-index に加え、共著やオープンアクセス、分野別比較を扱い、データソースや指標の限界、研究分野の文脈も記録します。

主な機能

  1. 01論文数と被引用数の集計
  2. 02h-index などの指標算出
  3. 03共著ネットワークとオープンアクセスの分析
  4. 04研究分野別の比較
  5. 05可視化用データの作成

活用シーン

  1. 01研究費申請用の業績整理
  2. 02機関の研究力分析
  3. 03共同研究候補者の調査
  4. 04部局や学科の研究評価

インストール

コマンドをコピーしてターミナルで実行します。

$npx skills add https://github.com/t46/ra-skills --skill research-metrics

インストール後、Claude Code で/research-metricsを入力して読み込まれたか確認します。

詳細

プロジェクトの README より

研究評価指標 収集・分析

What This Does

研究者個人、研究グループ、または研究機関の研究評価指標を収集・分析する。論文数、被引用数、h-index 等の定量指標を取得し、研究力の可視化や競争的資金の申請時に必要な実績データの整理を支援する。

Required Inputs

  • 分析対象: 個人名（研究者）、研究グループ名、または機関名
  • 分析の目的: 以下のいずれか
    • 研究費申請用の業績整理
    • 機関の研究力分析（IR 用途）
    • 共同研究候補者の調査
    • 部局・学科の研究評価
  • 対象期間（任意）: 分析対象の期間（デフォルト: 直近5年）
  • 研究分野（任意）: 分野別の相対評価を行う場合

What It Produces

  1. 基本指標
    • 論文数（総数、年別推移）
    • 被引用数（総数、年別推移）
    • h-index / h5-index
    • i10-index
  2. 詳細分析
    • トップ論文（被引用数上位）
    • 共著ネットワーク（主な共著者）
    • 掲載誌の分布（インパクトファクター帯別）
    • 国際共著率
    • OA（オープンアクセス）率
  3. 分野文脈での位置づけ（分野指定がある場合）
    • 分野平均との比較
    • FWCI（Field-Weighted Citation Impact）相当の指標
    • 分野内のパーセンタイル
  4. 可視化用データ
    • 年次推移グラフ用のデータテーブル
    • 共著ネットワーク用のデータ

手順

1. 研究者/機関の識別

正確にデータを取得するため、以下の識別子を確認する:

  • ORCID: https://orcid.org/ で検索
  • Scopus Author ID: Scopus でのユニーク ID
  • Web of Science Researcher ID
  • researchmap ID: https://researchmap.jp/ （日本の研究者）
  • Google Scholar プロフィール URL

同姓同名の研究者との混同を防ぐため、所属機関・分野で絞り込む。

2. データ収集

以下のデータベースから指標を収集する:

2a. 公開データベース
  • Google Scholar: h-index、i10-index、被引用数（プロフィールが公開されている場合）
  • Semantic Scholar: 論文数、被引用数、影響力指標
  • OpenAlex: オープンな書誌データベース、API 利用可能
  • researchmap: 日本の研究者の業績情報
2b. 機関契約データベース（利用可能な場合）
  • Scopus / SciVal: Elsevier の書誌データベース
  • Web of Science / InCites: Clarivate の書誌データベース
  • Dimensions: Digital Science のデータベース
2c. 補助的な情報源
3. 指標の算出
3a. 基本指標
指標定義注意点
論文数対象期間に発表した査読付き論文の数プレプリント、学会抄録を含めるか明示
被引用数論文が他の論文から引用された総回数自己引用を含む/含まないを明示
h-indexh回以上引用された論文がh本以上ある最大のhデータベースによって値が異なることを注記
i10-index10回以上引用された論文の数Google Scholar 固有の指標
3b. 発展的指標
  • FWCI: 分野・発表年・文献タイプで正規化した被引用数の比率（1.0 = 世界平均）
  • Top 10% 論文率: 被引用数で分野の上位10%に入る論文の割合
  • 国際共著率: 海外の機関との共著論文の割合
  • OA 率: オープンアクセスで公開されている論文の割合
4. 文脈の付与

数値だけでは意味がないため、以下の文脈を付ける:

  • 分野の慣行: 分野によって論文数・被引用数の水準が大きく異なる
    • 例: 医学系は共著者が多く論文数が多い傾向、数学は少ない
  • キャリアステージ: 若手とシニアで期待される水準が異なる
  • データベース間の差異: Google Scholar は範囲が広く、Scopus/WoS は選択的
  • 自己引用: 自己引用率が極端に高い場合は注記
5. レポート作成

以下の構成でレポートを作成する:

# 研究業績分析レポート

## 対象: [研究者名 / 機関名]
## 期間: [YYYY年 - YYYY年]
## データ取得日: [YYYY-MM-DD]
## データソース: [使用したデータベース]

### 基本指標サマリー
（表形式）

### 年次推移
（年別の論文数・被引用数）

### トップ論文
（被引用数上位5-10本）

### 分析コメント
（文脈を踏まえた解釈）

### 注意事項
（データの限界、解釈上の注意点）

品質基準

  • データソースを明記し、取得日を記録すること
  • 複数のデータベースの値が異なる場合は全て記載し、差異の理由を説明すること
  • 分野の文脈なしに数値を提示しないこと（h-index = 20 が「高い」かは分野による）
  • 自己引用の取り扱いを明記すること
  • 指標の限界を注記すること（h-index はシニア有利、論文数は分野依存 等）
  • データベースのカバレッジの違いを認識すること（Google Scholar > Scopus > WoS の順に広い）
  • 研究評価に単一指標を使わないよう注意を促すこと

Available Tools

  • WebSearch / WebFetch: データベースの検索・データ取得
  • Read / Write: レポートの読み書き
  • Bash: データ集計、統計計算

コメント

Markdown 対応