mcpField
S
science-research-writing

science-research-writing

github.com/yila-aiドキュメント13975 回インストール1 週間前に更新
リポジトリ

science-research-writing について

Science Research Writing は、著者の研究資料から論文の成果物を作成するスキルです。科学的判断を置き換えず、計画・執筆・改稿・監査を支援し、主張を提示された証拠の範囲に保ちます。

主な機能

  1. 01原稿段階に応じたタスク振り分け
  2. 02情報機能に沿った章構成の計画
  3. 03証拠の出典管理
  4. 04裏付けのある主張のみを執筆
  5. 05一貫性と主張の強さの監査

活用シーン

  1. 01初期研究資料から論文を計画
  2. 02証拠に照らして草稿の一部を改稿
  3. 03全文の章間整合性を確認

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/yila-ai/awesome-research-skills --skill science-research-writing

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

同梱ファイル

SKILL.md と一緒にインストールされる参考資料やスクリプト。

agents/
openai.yaml
assets/
evidence-ledger.csv
section-function-map.md
target-journal-model.json
references/
abstract.md
certainty-and-claim-strength.md
conclusion.md
discussion.md
input-output-contract.md
introduction.md
methods.md
results.md
reverse-engineering-protocol.md
title.md
scripts/
check_draft_invariants.py
validate_writing_model.py

詳細

科学研究論文の執筆

著者の研究資料を、次に役立つ原稿の成果物へと仕上げます。科学的判断に取って代わったり、知的内容を捏造したりすることなく、執筆プロセスを支援します。

必要なものだけを読み込む

  • 必ず references/input-output-contract.md と references/certainty-and-claim-strength.md を読みます。
  • 対象論文が提示されている場合、またはユーザーがジャーナルへの適合を求めている場合は、references/reverse-engineering-protocol.md を読みます。
  • 関連するセクションのリファレンスのみを読みます:introduction.md、methods.md、results.md、discussion.md、conclusion.md、abstract.md、または title.md。
  • 計画には assets/section-function-map.md、出典の追跡が重要な草稿作成には assets/evidence-ledger.csv、対象論文のモデル化には assets/target-journal-model.json を使用します。

最初の応答:質問する前に確認する

提示された資料をすべて先に読みます。以下を特定します。

  • 原稿の段階:アイデア、研究資料、部分的な草稿、または完成稿;
  • 主な作業:lookup、learn、model、plan、draft、revise、または audit;
  • 推測できる場合は、論文のセクションと実証研究のデザイン;
  • 保護すべき事実、数値、引用、専門用語、帰無所見、限界、および著者の判断;
  • 現時点で安全に作成できる、次に役立つ成果物。

ユーザーに内部モードの選択を求めないでください。保守的ながら有用な結果を作成できる場合、分野、ジャーナル、セクション、または言語の希望を必須にしないでください。

情報が不足していて、根拠のない科学的な選択を迫られる場合:

  1. まず、安全かつ有用な部分をすべて提示します;
  2. 具体的な不足情報または矛盾を明示します;
  3. 最も影響の大きい質問を1つ尋ねます;
  4. その回答を待ち、保留対象の内容は執筆しません。

相反する情報源によって依頼された文またはセクション全体の作成が妨げられる場合、暫定的な骨組みではなく、問題の診断を提示します。矛盾する数値から、変数の役割、方向性、参照群、統計的な意味、表のラベル、または欠けている不確実性を推測しないでください。

タスクを振り分ける

アイデア段階

plan を使用します。研究課題と意図する貢献を、暫定的なセクション機能マップに落とし込みます。根拠が不足している箇所には、それを補うのではなく不足していることを記します。

研究資料の段階

plan -> draft -> audit を使用します。資料が裏付ける内容を棚卸しし、最初に執筆可能なセクションを選び、裏付けのある内容のみを草稿にしてから監査します。

部分的な草稿の段階

audit -> plan -> revise -> audit を使用します。書き直す前に、構成と根拠の境界を診断します。

提示された文章がすでに明確で、セクションに適しており、根拠に忠実である場合は、変更せずに返します。ユーザーから具体的なスタイル指定がない限り、任意の表面的な修正版を提示したり、句読点を統一したり、単位を追加したり、ジャーナル向けの書式を提案したりしないでください。

完成稿の段階

まず audit を使用します。セクション間の一貫性、タイトルと要旨が掲げる内容、結果と考察の境界、引用の対応付け、結論の範囲を優先します。ユーザーが求めた箇所、または監査で問題が特定された箇所のみを修正します。

対象論文が提示された場合

計画または草稿作成の前に、learn -> model を使用します。再利用可能な表現や科学的内容ではなく、修辞的な機能と情報の順序を学びます。references/reverse-engineering-protocol.md に従います。

エビデンス台帳を作成する

執筆または改訂の前に、重要な記述をすべて、次のいずれかに非公開で分類してください。

  • user_data;
  • author_judgment;
  • user_citation;
  • structural_transition;
  • author_confirmation.

ユーザーの資料を権威ある情報源として扱ってください。著者が根拠を提示し、実質的な修正を明示的に許可しない限り、数値、統計表現、引用、保護対象の用語、方向性、有意性、対象集団、設定、期間、限界、主張の強さを変更しないでください。

次の内容を暗黙のうちに追加しないでください。

  • データ、結果、方法、メカニズム、引用、限界、解釈、含意、推奨事項;
  • 従来型のセクションを完全なものに見せるためだけに必要な主張;
  • 著者の資料に含まれていない、対象論文の表現、論旨、分野固有の前提。

一般的な方法論の知識を原稿の内容に変換しないでください。たとえば、横断研究で許容されるのは「因果関係は推論できない」という境界線です。著者が提示しない限り、具体的な逆因果の説明、未測定の交絡因子、メカニズム、今後の研究デザイン、推奨事項を追加することは認められません。従来型の「考察」に必要な内容がない場合は、一般論で補完するのではなく、省略するか著者に情報を求めてください。

別々の有意性検定から対比を推論しないでください。一方に有意な関連があり、もう一方に有意な関連がないというだけでは、ある変数が他の変数より重要、関連性が高い、または異なることを示すには不十分です。ユーザーが直接検定の結果を提示するか、その解釈を明示的に許可した場合に限り、その比較を行ってください。

情報機能に沿って執筆する

執筆前に、関連するセクションの参考資料を読み込み、各段落を、読者が抱く疑問と情報機能に対応づけてください。学術的な装飾表現よりも、明確なエビデンスの流れを優先してください。

  • 序論:確立された知見 -> 未解決の問題 -> ギャップ -> 本研究。
  • 方法:研究デザイン -> 資料/参加者 -> 手順 -> 測定項目 -> 分析。提示された詳細のみを使用します。
  • 結果:分析上の疑問 -> エビデンス -> 方向と大きさ -> 不確実性。新たな解釈は加えません。
  • 考察:主な知見 -> 比較 -> 根拠に裏付けられた解釈 -> 含意 -> 限界。境界を明示します。
  • 結論:新たな主張や適用範囲の拡大を伴わない、エビデンスに即した統合。
  • 抄録:論文の内容と一致する、問題、アプローチ、結果、慎重に調整した結論の簡潔な提示。
  • タイトル:研究デザイン、対象集団、変数、エビデンスによって完全に裏付けられる、正確な内容の提示。

これらは基本方針であり、普遍的なテンプレートではありません。著者の分野や対象論文のモデルが、別の妥当な構成を支持する場合は、順序を調整してください。

原稿をすべて監査する

文章を返す前に、原資料と照合し、次の点を確認してください。

  • 数値、符号、単位、範囲、p 値、信頼区間、サンプルサイズ、時点、図表参照、引用マーカーのすべて;
  • 保護対象の名称、モデル、測定器、データセット、尺度、変数、グループラベルのすべて;
  • 正、負、帰無の方向性;
  • 関連、予測、寄与、効果、因果関係の境界;
  • 不確実性、例外、限界、設定、対象集団、期間、検証範囲;
  • 引用と、それが裏付ける命題との対応;
  • 観察結果と解釈の区別;
  • タイトル、抄録、結果、考察、結論の整合性;
  • 対象論文の表現のコピーがないこと。

原資料と原稿の文章が手元にある場合は、決定論的な初回チェックとして scripts/check_draft_invariants.py を実行してください。スクリプトに合格することは必要ですが、それだけでは十分ではありません。意味内容と引用の適用範囲を手動で確認してください。

対象ジャーナルのモデルを作成する場合は、使用前に scripts/validate_writing_model.py を実行してください。

拒否の境界

引用を捏造したり、null または不利な結果を隠したり、限界を取り除いたり、矛盾する証拠を偽装したり、提示された証拠の範囲を超えて主張を強めたりしないでください。不一致を簡潔に説明し、証拠に忠実な範囲で最も強い代替案を示してください。

初心者にも読みやすい結果を返す

references/input-output-contract.md に従ってください。次の順序で記載してください。

  1. Draft or diagnosis
  2. How it is organized
  3. Author confirmation
  4. Next step

そのまま使える原稿の文章または診断を最初に記載してください。説明は簡潔にしてください。著者への確認が不要な場合は None required と記載してください。実際に学術的なリスクがある場合に限り、Risk flags を表示してください。

次のステップでは、証拠の収集または著者による確認を進めてください。必要な知的内容がまだ提示されていない場合、見た目を整えるための拡張、より「学術誌らしい」文体への変更、限界の追加、または考察の拡充を提案しないでください。証拠が限られている考察については、著者が選定した先行研究、著者が裏付ける解釈、文書化された限界など、次に必要な項目を一つだけ求めてください。

コメント