Communitygithub.com

1anj/academic-integrity-skill

Auditoría de integridad académica para manuscritos, revisiones, problemas posteriores a la publicación y revisión interna de laboratorio, incluyendo envíos a Nature/Nature Portfolio.

¿Qué es academic-integrity-skill?

Esta habilidad permite a autores, editores, revisores y grupos de investigación realizar autoevaluaciones de integridad académica de manuscritos, revisiones, problemas posteriores a la publicación y revisiones internas de laboratorio, incluidos los envíos a Nature/Nature Portfolio. Su objetivo es la verificación correctiva, no la acusación pública. Proporciona un marco de auditoría integral que cubre la integridad de imágenes, datos, métodos, estructura, autores y ética, utilizando un enfoque basado en evidencia que distingue entre hechos confirmados y sospechas. La habilidad se integra con un conjunto de scripts de Python (como `geng_numeric_screen.py`, `image_similarity_screen.py`, `blot_gel_lane_audit.py` y otros) que automatizan la detección de anomalías numéricas, reutilización de imágenes, consistencia de datos, etc. El resultado es un informe detallado que clasifica las preocupaciones por ubicación, observación, regla, gravedad y explicación alternativa, y que recomienda acciones correctivas o de investigación formal según sea necesario.

Compatible con~Claude Code~Codex CLI~Cursor
npx skills add 1anj/academic-integrity-skill

Preguntar en tu IA favorita

Abre un nuevo chat con esta habilidad de agente ya precargada.

Documentación

Auditoría de Integridad Académica Geng

Usa esta habilidad para ayudar a autores, editores, revisores o grupos de investigación a realizar autoevaluaciones de integridad académica para manuscritos, revisiones, problemas posteriores a la publicación y revisión interna de laboratorio, incluidos los envíos a Nature/Nature Portfolio. El objetivo es la verificación correctiva, no la acusación pública. Reporta la evidencia con precisión, separa los hechos confirmados de las sospechas y distingue entre error honesto, informe inadecuado, práctica de investigación cuestionable y posible fabricación o falsificación.

Postura Central

  • Sé riguroso antes de ser tajante: cada preocupación necesita una ubicación, observación, regla, gravedad y una explicación alternativa benigna.
  • No llames fraudulento a nadie. Di "este patrón de evidencia es consistente con...", "requiere explicación del autor" o "cumple el umbral para una investigación formal".
  • Usa la voz de "Compañero Geng" solo como un breve comentario final opcional. Mantén el enfoque en la evidencia y evita insultos personales.
  • Si solo hay texto disponible, declara que no se puede verificar completamente la integridad de las imágenes y la consistencia de los datos brutos.
  • Si el acceso web público está disponible y el manuscrito está publicado, verifica el DOI/título contra las páginas oficiales de la revista, PubPeer, Retraction Watch, correcciones, expresiones de preocupación y repositorios de datos/código. Prefiere fuentes primarias u oficiales.

Recepción

Pregunta o infiere el paquete de auditoría:

  • Manuscrito/PDF, información complementaria, leyendas de figuras, métodos, resumen de informes y declaración de disponibilidad de datos/código.
  • Figuras finales más imágenes fuente sin recortar para geles/transferencias/microscopía/citometría de flujo.
  • Valores numéricos extraídos de gráficos/tablas como CSV/XLSX cuando sea posible.
  • Aprobaciones de ética, registro de ensayos, justificación del tamaño de muestra/poder, registros de aleatorización/enmascaramiento, identificadores de reactivos y declaraciones de contribución de autores/intereses en conflicto.
  • Cualquier carta de preocupación, nota de revisor, hilo de PubPeer, borrador de corrección o consulta de revista.

Cuando el usuario proporcione un CSV/XLSX numérico, ejecuta el script incluido:

python3 scripts/geng_numeric_screen.py ruta/a/datos.csv --format markdown --output geng-numeric-screen.md

Usa la salida del script solo como evidencia de detección; interprétala en el contexto científico.

Si el usuario proporciona un directorio de paquete de manuscrito completo, primero haz un inventario de lo que está disponible: manuscrito, información complementaria, datos fuente, figuras finales, imágenes fuente, archivos de ética/aprobación, registros de ensayos, código, protocolos y correspondencia. Los materiales faltantes deben aparecer en el informe final.

Marco de Auditoría Combinado

Realiza la auditoría a través de estas familias de reglas integradas:

  • Seis movimientos al estilo Geng: reutilización de imágenes, datos numéricos de apariencia fabricada, empalme de imágenes, anomalía estadística, anomalía en la producción de publicaciones y anomalía en citas/métodos.
  • Revisión de cinco dominios: datos/resultados, imágenes/figuras, rigor de métodos, estructura/citas, autores/revista.
  • Tres pantallas numéricas: distribución de dígitos terminales, consistencia de patrones decimales y duplicación exacta/casi exacta de datos.

Completa siempre todos los dominios. Si la evidencia no está disponible, marca el dominio como "no evaluable" y especifica qué archivos serían necesarios.

Compuertas de Políticas de Revistas y Nature

Utiliza esto como una lista de verificación de preparación para el envío y preparación para la corrección:

  1. Integridad de imágenes: figuras procesadas mínimamente; sin clonación/retoque no divulgado; ajustes globales solamente; sin empalme de carriles oculto; imágenes fuente de gel/transferencia conservadas y coincidentes con los paneles finales; las leyendas divulgan recorte, reordenamiento de carriles, pseudocolor, gamma/umbralización, deconvolución y yuxtaposición no adyacente.
  2. Datos, código, materiales y protocolos: existe una declaración de disponibilidad de datos; los datos mínimos necesarios para verificar y extender las afirmaciones son accesibles o las restricciones están justificadas; los ID de acceso/enlaces de repositorio funcionan; el código y los protocolos están disponibles cuando sean necesarios para la replicación.
  3. Estándares de informes: se informan la aleatorización, el enmascaramiento, las exclusiones, la determinación del tamaño de la muestra, la replicación, las pruebas estadísticas, las versiones de software y los identificadores clave de reactivos/materiales.
  4. Ética y registro: las aprobaciones de humanos/animales/clínicos/bioseguridad están presentes y son consistentes con el trabajo; los ensayos clínicos están registrados prospectivamente cuando es necesario; se explican el consentimiento y los límites de privacidad.
  5. Autoría y responsabilidad: todos los autores aprobaron el manuscrito, las contribuciones de los autores son específicas, las responsabilidades del autor correspondiente son claras y todos los autores pueden ayudar a resolver preguntas de integridad.
  6. Intereses en conflicto y financiamiento: se declaran los intereses financieros y no financieros; se indica el papel del financiador; se señalan los conflictos no divulgados de la industria, patentes, consultoría o consejo editorial.
  7. Plagio, superposición y publicación duplicada: se divulga la superposición con artículos en revisión, en prensa, preprint, conferencia o trabajos grupales anteriores; el texto/datos/figuras reutilizados tienen permiso y cita.
  8. Correcciones y retractaciones: si se encuentra un error material, clasifica si necesita corrección del autor, notificación al editor, discusión de expresión de preocupación o retractación/investigación institucional.

Verificaciones Detalladas

1. Datos y Resultados

Verifica:

  • Consistencia de media/DE/EE/n; valores p compatibles con las pruebas informadas y los tamaños de muestra.
  • Curvas de dosis-respuesta demasiado perfectas, varianza implausiblemente pequeña, DE idénticas, diferencias constantes entre columnas, intervalos de confianza imposibles y valores p redondeados en umbrales sospechosos.
  • Patrones de p-hacking: muchos valores p justo por debajo de 0.05, sin resultados nulos, informes selectivos de subgrupos, múltiples pruebas sin corrección.
  • Tablas de referencia imposiblemente equilibradas o todas no significativas cuando el equilibrio debería variar.
  • Plausibilidad biológica o física: tamaño del efecto frente al ruido conocido del ensayo, límites del instrumento, límites de detección y temporización.
  • Disponibilidad de datos brutos y si los datos fuente reproducen los valores graficados.

Umbrales de pantalla numérica:

  • Chi-cuadrado de dígito terminal por encima del valor crítico de 0.05 para 9 gl es sospechoso; para columnas con al menos 20 valores, también señala V de Cramer mayor que 0.3 o una frecuencia de dígito terminal mayor de 2 veces lo esperado.
  • Duplicación de prefijo decimal: más de 5 grupos repetidos, recuento máximo de repeticiones al menos 3, o tasa de repetición superior al 15% es sospechoso.
  • Valores duplicados exactos: más de 5 valores duplicados o cualquier valor repetido al menos 3 veces en mediciones continuas independientes es sospechoso.
  • Escala cuando múltiples pantallas independientes apuntan a la misma figura/tabla o una conclusión central.

Verificaciones Basadas en Scripts

Usa scripts deterministas cuando sus entradas estén disponibles. Los scripts producen evidencia de detección, no hallazgos de mala conducta. Conserva el comando, la ruta de entrada, la ruta de salida y los límites de interpretación en el informe.

Suite de scripts disponibles:

ScriptÚsalo cuandoSalida
scripts/geng_numeric_screen.pyLos valores numéricos de figuras/tablas están disponibles como CSV/TSV/XLSX/stdin.Pantalla Markdown/JSON para dígitos terminales, repetición de prefijos decimales y valores duplicados exactos.
scripts/package_audit.pyUn directorio de paquete de manuscrito está disponible.Lista de verificación de materiales faltantes para manuscrito, SI, datos fuente, imágenes fuente, archivos de ética, código y declaraciones de disponibilidad.
scripts/figure_manifest_builder.pyFiguras finales, figuras complementarias o imágenes fuente están disponibles.Manifiesto de figura/imagen fuente con nombres de archivo, dimensiones, hashes, categorías y exportación CSV opcional.
scripts/image_similarity_screen.pyMúltiples imágenes científicas necesitan detección de duplicados/reutilización.Imágenes repetidas candidatas, pares de reutilización transformados, puntuaciones de similitud y archivos de evidencia.
scripts/blot_gel_lane_audit.pyHay imágenes de Western blot o gel disponibles.Informe de detección de límites de carril y carriles repetidos.
scripts/graph_source_consistency.pyHay datos fuente y datos de gráficos de resumen informados disponibles.Discrepancias de media/DE/EE/n entre los datos fuente y los valores informados.
scripts/stats_consistency_check.pyHay datos numéricos brutos disponibles.Estadísticas descriptivas recalculadas y banderas de varianza cero.
scripts/microscopy_reuse_screen.pyHay imágenes de microscopía disponibles.Informe candidato de reutilización/clonación local a nivel de mosaico.
scripts/flow_plot_duplicate_screen.pyHay imágenes de gráficos de citometría de flujo disponibles.Informe candidato de nube de puntos/imagen de puerta duplicados.
scripts/citation_integrity_check.pyHay texto de referencia, BibTeX, RIS o listas de DOI disponibles.Pantalla de DOI sin conexión, referencia duplicada y marcador de retractación.
scripts/report_assembler.pyHay múltiples salidas JSON de scripts disponibles.Libro mayor de evidencia Markdown unificado e informe de auditoría a nivel de script.

Contrato compartido para todos los scripts:

  • Prefiere --format markdown|json y --output.
  • Las salidas JSON deben incluir tool, input, findings, risk_level, evidence_files y limitations cuando el script lo admita.
  • Si una entrada requerida no está disponible, realiza la verificación equivalente manualmente cuando sea posible y márcala como "manual/no respaldada por script".

2. Imágenes y Figuras

Verifica:

  • Reutilización entre paneles: la misma imagen o casi la misma representa diferentes muestras, grupos, puntos temporales, tratamientos, aumentos, tinciones, canales, réplicas o artículos.
  • Reutilización disfrazada por transformación: paneles duplicados después de rotación, volteo, cambio de tamaño, estiramiento, cambios de contraste, recorte, enmascaramiento local, conversión a pseudocolor o superposición parcial.
  • Huellas dactilares de fondo: polvo, rasguños, ruido de cámara, motas de gel, textura de fondo de transferencia, defectos de campo de microscopio, burbujas, escombros o grupos de células idénticos en imágenes supuestamente independientes.
  • Western blots/geles: controles de carga reutilizados, bandas repetidas, carriles clonados, empalme de carriles no adyacentes, líneas de límite verticales, fondo inconsistente, cambios abruptos de exposición, marcadores de peso molecular faltantes, escaneos fuente recortados que omiten bandas relevantes y paneles finales que no se pueden rastrear hasta originales sin recortar.
  • Integridad de carril de transferencia: las bandas deben alinearse con el orden de muestra correcto, membranas fuente, exposición, normalización y cuantificación. Señala controles beta-actina/GAPDH/tubulina duplicados en experimentos no relacionados a menos que la reutilización sea explícitamente válida y divulgada.
  • Microscopía: mismas células/fondo reutilizados en diferentes condiciones; campos rotados/volteados; células o regiones de tejido clonadas; fusión de canales inconsistente; umbralización, eliminación de ruido, deconvolución, cambios gamma, pseudocolor o selección de campo selectiva no divulgados.
  • Citometría de flujo: nubes de puntos duplicadas, cuadrantes/puertas copiados, distribuciones demasiado regulares, compensación inconsistente, jerarquía de puertas faltante, controles de isotipo/FMO reutilizados y porcentajes de población inconsistentes con los gráficos mostrados.
  • Paneles de colonias, cicatrización de heridas, migración, invasión, animales, histología y microscopía: colonias repetidas, bordes de herida repetidos, arquitectura tisular repetida, imágenes de animales duplicadas, barras de escala inconsistentes y discrepancia en el campo de visión.
  • Gráficos y figuras estadísticas: valores de gráficos inconsistentes con las tablas fuente, ejes engañosos, unidades faltantes, líneas base no cero utilizadas para exagerar efectos, espaciado de marcas desigual, definiciones de barras de error ausentes, barras de error asimétricas o implausiblemente pequeñas, y puntos graficados duplicados entre paneles.
  • Divulgación de figuras compuestas: cada recorte, eliminación de carril, yuxtaposición no adyacente, cambio de aumento y selección de imagen representativa debe divulgarse en la leyenda o los métodos.
  • Reutilización entre artículos/preprints: compara figuras con suplementos, versiones anteriores, preprints, capítulos de tesis, resúmenes de conferencias y publicaciones grupales anteriores cuando el usuario las proporcione o solicite verificaciones públicas.

Procedimiento de verificación:

  1. Construye un mapa de figuras: lista cada figura/subfigura, identidad de la muestra, condición, aumento, canal, nombre de archivo fuente y afirmación de la leyenda.
  2. Compara dentro de cada figura, entre todas las figuras y entre elementos complementarios en busca de formas repetidas, fondos, controles y valores graficados.
  3. Solicita imágenes fuente cuando la duplicación, el empalme o la edición no se puedan resolver a partir del PDF. Conserva los nombres de archivo y metadatos cuando se proporcionen.
  4. Trata una única similitud ambigua como una bandera que requiere verificación de datos fuente; escala solo cuando la reutilización sea material, no divulgada e inconsistente con el experimento reclamado.

Orientación de gravedad:

  • Menor: divulgación incompleta de la leyenda, etiqueta de imagen fuente faltante, recorte ambiguo.
  • Mayor: empalme no divulgado, controles de carga repetidos en experimentos distintos, figura final no rastreable hasta la imagen bruta.
  • Crítico: la misma imagen o panel de datos representa diferentes condiciones experimentales sin divulgación, clonación/retoque local oculta o crea señal.

3. Rigor de Métodos

Verifica:

  • Controles experimentales, aleatorización, enmascaramiento, criterios de exclusión, réplicas biológicas vs técnicas y replicación independiente.
  • Justificación del tamaño de muestra/poder y si n cambia entre resultados sin explicación.
  • Supuestos del modelo estadístico, corrección para comparaciones múltiples, lógica pareada/no pareada, manejo de covariables, manejo de datos faltantes y análisis preespecificados.
  • Reactivos/anticuerpos/líneas celulares: números de catálogo, RRID, lotes, validación, perfil STR, pruebas de micoplasma, especie/cepa/sexo/edad.
  • Versiones de código/software, parámetros, semillas, preprocesamiento, normalización, reglas de valores atípicos y procedencia de la tubería.
  • Consistencia interna: los métodos coinciden con resultados, figuras, suplementos, fechas, aprobaciones de ética y materiales disponibles.

4. Estructura, Citas y Afirmaciones

Verifica:

  • Cada afirmación principal se asigna a un resultado y cada resultado se asigna a datos.
  • Las citas respaldan la afirmación hecha, no simplemente el tema.
  • Los artículos retractados o con expresión de preocupación se identifican y tratan adecuadamente.
  • Sobrecita, relleno de citas irrelevantes, autocitación excesiva o patrones de cártel de citas.
  • Exageración en el lenguaje: "primero", "definitivo", "cambio de paradigma" o afirmaciones clínicas sin evidencia adecuada.
  • Superposición con trabajos anteriores/preprints/conferencias y si la novedad es exagerada.

5. Autores, Revista y Cronograma

Verifica:

  • Número y experiencia de los autores.
  • [...] [truncado por traducción]

Skills relacionados