KI-gestützte Überprüfung wissenschaftlicher Arbeiten auf Datenintegritäts-Fingerabdrücke · Pipeline zur Datenintegritätsprüfung in akademischen Arbeiten (Genosse Geng)
xntj-ai/gengscan ist ein KI-gestütztes Tool zur systematischen Überprüfung wissenschaftlicher Publikationen auf Anzeichen von Datenintegritätsverletzungen, wie z. B. manipulierte Abbildungen, inkonsistente Statistiken oder verdächtige Metadaten. Es richtet sich an Forscher, Redakteure und Peer-Reviewer, die eine automatisierte Vorprüfung durchführen möchten, bevor sie eine tiefere manuelle Analyse starten. Das Tool wird über die Kommandozeile ausgeführt und nutzt maschinelles Lernen sowie Bildverarbeitung, um spezifische „Fingerabdrücke“ von Datenmanipulationen zu identifizieren. Es unterstützt gängige Formate wie PDF und extrahiert Abbildungen, Tabellen und Textinformationen aus wissenschaftlichen Arbeiten. Die Ergebnisse werden strukturiert als Bericht ausgegeben, der die auffälligen Stellen kennzeichnet und Hinweise zur weiteren Untersuchung gibt. Gengscan ist ein Open-Source-Projekt (MIT-Lizenz) und wird von der Community gewartet. Seine Anwendung kann helfen, die Integrität des Forschungsprozesses zu stärken und fehlerhafte oder manipulierte Daten frühzeitig zu erkennen.
npx skills add xntj-ai/gengscanInstalled? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
KI-gestützte Überprüfung wissenschaftlicher Arbeiten auf Datenintegritäts-Fingerabdrücke · Pipeline zur Datenintegritätsprüfung in akademischen Arbeiten (Genosse Geng)
USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.
Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.
Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.
The agent harness performance optimization system. Skills, instincts, memory, security, and research-first development for Claude Code, Codex, Opencode, Cursor and beyond.
Agent skill repository discovered by 10x-chat research.
Review backend code for quality, security, maintainability, and best practices based on established checklist rules. Use when the user requests a review, analysis, or improvement of backend files (e.g., `.py`) under the `api/` directory. Do NOT use for frontend files (e.g., `.tsx`, `.ts`, `.js`). Supports pending-change review, code snippets review, and file-focused review.