discover-phenomenon-and-gap

发现现象与研究空白

概述

此技能专为研究初期阶段（探索）设计。其目标是指导 Research Agent 扫描最新文献，识别新兴现象（趋势、数据异常、新技术发现），并提出具体、有效且在学术上有据可依的研究空白（research gap）。

依赖项

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

快速开始

使用示例： “使用 discover-phenomenon-and-gap 技能，探索协作式 AI 模型（多 Agent）在教育领域的应用现象，并寻找其研究空白。”

工作流

根据用户指示或研究需求，选择以下一种工作模式：

模式 A：由文献驱动的研究空白发现（默认）

1. 初步现象探索：使用宽泛关键词搜索文献，捕捉过去 1–2 年的趋势。识别主要现象和异常/理论争议。
2. 文献批判性分析（综述的综述与分批处理）：
   • 综述的综述：优先选择最新的 5–10 篇“Review”或“Survey”类型论文。提取 Future Works、Discussion 或 Open Challenges 部分的内容。
   • 分批处理：如果处理原始论文（>10 篇），应分批进行（每轮 5 篇论文），并将发现的局限记录到 temp_limitations_log.md。
3. 研究空白映射（Gap）：对发现的空白进行分类（Phenomenon、Theoretical、Methodological、Empirical、Performance 或 Evaluation Gap）。
4. 制定 RQ：提出 3–5 个具体研究问题，以衔接现象与相应的研究空白。

模式 B：由数据集驱动的构思（Data Descriptors）- 新增

1. 搜索 Data Descriptor：
   • 使用 literature-search-openalex、pubmed-database 或 literature-search-arxiv 进行定向搜索，寻找最新的 Data Descriptor 或 Dataset Paper 类型论文（过去 1–2 年）。使用 "data descriptor"、"dataset descriptor"、"scientific data" 或 "data in brief" 等辅助关键词。
2. 潜力 1：提取原作者的建议（Usage Notes）：
   • 阅读全文/摘要（尤其是 Usage Notes、Value of the Data、Discussion 或 Reusability 部分）。
   • 提取数据集原作者明确建议的后续研究思路或未来使用场景。
3. 潜力 2：探索新变量与方法（Novelty Matrix）：
   • 剖析数据集模式，识别主要变量/特征（例如：变量 A、B、C）。
   • 获取用户偏好的方法或算法方面的专业知识（例如：“Random Forest”或“Causal Inference”）。
   • 快速检索文献以检验新颖性（novelty check）：“是否已有研究使用用户选择的方法，在该数据集中关联变量 A 和 C？”如果尚无相关研究，则将其提出为新的研究构想。

---

探索结果报告格式

使用模式 A（由文献驱动）时：

1. 主要现象：正在兴起的新科学、技术或社会议题。
2. 趋势证据：支持性科学参考文献列表（标题、作者、年份、DOI）。
3. 未解决的问题：尚未解决的挑战/局限。
4. 研究空白类型：空白分类（Phenomenon/Theoretical/Methodological/Empirical/Performance/Evaluation Gap）。
5. 潜在贡献：新研究弥补该空白所带来的价值。
6. 选题风险与难度等级：分析数据可用性和难度等级：[ Trivial / Moderate / Hardcore ]。

如果使用模式 B（数据集驱动）：

1. 数据源描述论文：描述论文的标题、作者、年份、DOI，以及原始数据存储库（Zenodo、Figshare、Dryad 等）的链接。
2. 数据集特征：主要变量/特征、文件格式和数据规模的摘要。
3. 潜在选项 1（原作者推荐）：论文中直接建议的衍生研究思路列表。
4. 潜在选项 2（变量关系创新）：提出新的变量间相关性，并结合用户选择的方法，同时附上简要的新颖性分析（文献交叉核查）。
5. 执行建议：加载数据集的初始步骤和难度估算：[ 简单 / 中等 / 高难 ]。

---

常见错误与关键规则

• 捏造研究空白（Fabricated Gap）：声称存在研究空白/创新点，但实际上已有大量论文探讨了该解决方案。得出缺乏相关研究的结论前，必须先进行搜索查询。
• 薄弱的研究空白论据：仅仅因为某个地点/情境尚未开展相关研究，就将其称为研究空白/创新点，除非有科学证据证明地点差异会影响数据行为。
• 忽略存储库链接：在模式 B 中提出研究思路，却未附上用户可直接访问的原始数据存储库链接。数据必须能够实际下载。