Academic Paper Strategist

Resumen

Esta skill proporciona un marco sistemático para la planificación estratégica de artículos académicos en filosofía e investigación interdisciplinaria. Te guía a través de tres fases—desde la selección de la plataforma hasta el esquema optimizado—con búsqueda de literatura impulsada por IA, identificación de lagunas de investigación, evaluación de originalidad y diseño de esquemas con control de calidad.

Resultado: Un esquema de artículo detallado y listo para revisión con documentación de respaldo (guía de estilo de la plataforma, revisión de literatura, análisis de lagunas, evaluación del revisor).

Skill complementaria: Usa academic-paper-composer para ejecutar el esquema y redactar el artículo completo.

Cuándo usar esta skill

Usa academic-paper-strategist cuando necesites:

Etapa de planificación:

Diseñar un artículo de investigación desde la idea inicial hasta el esquema estructurado
Identificar una plataforma de publicación adecuada (PhilArchive, arXiv, etc.)
Comprender los estándares de escritura para una plataforma de preimpresión específica

Etapa de investigación:

Realizar una búsqueda sistemática de literatura
Identificar lagunas de investigación con evidencia
Evaluar la originalidad de tu idea de investigación
Predecir el impacto potencial

Etapa de diseño:

Estructurar los capítulos y argumentos del artículo
Optimizar el esquema desde la perspectiva del revisor
Preparar una estrategia lista para el envío

Desencadenantes:

"Planificar un artículo sobre [tema]"
"Ayúdame a diseñar un artículo sobre [asunto]"
"Identificar lagunas de investigación en [campo]"
"¿Es esta idea original?"
"¿A qué plataforma debería enviar?"

Resumen del flujo de trabajo

Fase 1: ANÁLISIS DE LA PLATAFORMA (Selección del destino + Aprendizaje del estilo)
    ↓
Fase 2: MARCO TEÓRICO (Identificación de lagunas impulsada por IA)
    ↓
Fase 3: OPTIMIZACIÓN DEL ESQUEMA (Diseño con control de calidad)
    ↓
Resultado: Esquema detallado + Documentación de respaldo

Puntos de control de calidad: 3 puntos de validación garantizan que cada fase cumpla con los estándares antes de continuar.

Fase 1: Análisis de la plataforma

Objetivo

Identificar la plataforma de envío óptima y comprender sus estándares de escritura mediante el análisis sistemático de artículos de muestra.

Entrada requerida del usuario

Idea o tema central de investigación (descripción breve)
Plataforma objetivo (opcional, si no está clara, la recomendaré)
Campo/disciplina (filosofía, ciencia cognitiva, interdisciplinaria, etc.)

Flujo de trabajo

Paso 1.1: Selección de la plataforma (si es necesario)

Si la plataforma objetivo no está clara, haré lo siguiente:

Enumerar plataformas candidatas según el contenido de la investigación:
- PhilArchive/PhilPapers: Artículos de filosofía, fenomenología, metafísica
- arXiv (cs.AI, q-bio.NC): Computación, neurociencia, relacionado con IA
- PhilSci-Archive: Filosofía de la ciencia, métodos formales
- PsyArXiv: Psicología, ciencia cognitiva
- SocArXiv: Ciencias sociales, interdisciplinario
Evaluar cada plataforma:
- Alineación con el área temática (¿encaja tu tema?)
- Coincidencia metodológica (filosófica/empírica/computacional)
- Criterios de aceptación
- Plazos de revisión típicos
Proporcionar una recomendación con su justificación
Punto de decisión 1: Confirmas la plataforma o sugieres una alternativa

Paso 1.2: Búsqueda de artículos de muestra (impulsada por IA, con control de calidad)

Realizaré una búsqueda multidimensional de 8 a 10 artículos representativos:

Estrategia de búsqueda (carga references/search_strategy.md para más detalles):

Dimensión temporal:

Recientes (últimos 6 meses): 3 artículos: capturar tendencias actuales
Actuales (1-2 años): 3 artículos: estándares establecidos
Clásicos (muy citados): 2 artículos: puntos de referencia de calidad

Dimensión de relevancia:

Usar combinaciones de palabras clave de tu tema
Puntuar cada artículo de 0 a 10 por relevancia
Conservar solo los artículos con una puntuación ≥7/10

Dimensión de diversidad:

Múltiples autores (≥5 únicos)
Diferentes perspectivas de investigación
Variedad en la extensión de los artículos

Herramientas utilizadas:

Exa MCP (búsqueda semántica)
Tavily MCP (búsqueda web)
Búsqueda específica de la plataforma (PhilPapers, arXiv)

Validación de calidad: Después de la búsqueda, ejecutaré scripts/evaluate_samples.py para generar un informe de evaluación:

python scripts/evaluate_samples.py

Esto produce:

Métricas de calidad de la muestra
Comprobación de la distribución temporal
Estadísticas de relevancia
Evaluación de la diversidad
Recomendación de Aprobado/No aprobado

Punto de control de calidad 1 (Debe superarse):

✓ Artículos de muestra ≥8
✓ Distribución temporal equilibrada
✓ Relevancia promedio ≥8/10
✓ Autores únicos ≥5

Si no se supera: Volver a buscar con criterios ajustados

Paso 1.3: Extracción de estándares de escritura

De los 8 a 10 artículos de muestra, extraeré:

Patrones estructurales:

Estructura del resumen (¿Problema→Método→Resultados→Contribución?)
Organización de los capítulos (¿cuántas secciones? ¿flujo típico?)
Proporciones medias (¿Introducción 15%, Cuerpo 70%, Conclusión 15%?)

Patrones de estilo:

Uso de primera persona frente a voz pasiva
Cómo se estructuran los argumentos
Densidad y formato de las citas
Uso de terminología técnica

Especificaciones de formato:

Rango típico de recuento de palabras
Rango de recuento de referencias
Convenciones para los títulos de las secciones

Resultado: [Plataforma]_Writing_Standards_Guide.md

Fase 2: Marco teórico

Objetivo

Búsqueda sistemática de literatura impulsada por IA, identificación de lagunas de investigación y evaluación de originalidad.

Entrada requerida del usuario

Pregunta/tesis de investigación central (tu argumento principal)
Contexto de antecedentes (por qué te interesa esto)
Opcional: Cualquier artículo que ya conozcas

Flujo de trabajo

Paso 2.1: Búsqueda de literatura (impulsada por IA, completamente automatizada)

Importante: Esta fase está impulsada por IA. Tú proporcionas tu idea; yo realizo una búsqueda exhaustiva de literatura y un análisis de lagunas.

Estrategia de búsqueda de múltiples rondas:

Ronda 1: Búsqueda directa (literatura primaria)

Extraer conceptos principales de tu idea (3-5 conceptos)
Generar combinaciones de palabras clave (10-15 combinaciones)
- Concepto + concepto
- Concepto + método
- Incluir sinónimos y variantes disciplinarias
Buscar cada combinación usando Exa/Tavily
Recopilar 30-50 artículos candidatos
Filtro de calidad: Conservar los 20 mejores artículos (relevancia ≥7/10)

Ronda 2: Búsqueda ampliada (campos adyacentes)

Extraer nuevas palabras clave de los artículos de la Ronda 1
Buscar en disciplinas adyacentes:
- Filosofía → ciencia cognitiva
- Neurociencia → filosofía de la mente
- IA → estudios de la conciencia
Recopilar 10-20 artículos puente

Ronda 3: Literatura clásica (obras fundamentales)

Identificar artículos muy citados (>100 citas)
Rastrear citas de los artículos de las Rondas 1-2
Recopilar 5-10 artículos fundamentales

Base de literatura total: 35-50 artículos

Cargar referencia: references/search_strategy.md para la metodología detallada

Paso 2.2: Identificación de lagunas de investigación (análisis de IA)

Utilizando la literatura recopilada, identificaré automáticamente de 3 a 5 lagunas de investigación:

Métodos de identificación de lagunas:

Mapeo de conceptos:
- Trazar artículos en una matriz de Concepto × Método
- Identificar espacios en blanco (combinaciones no exploradas)
Análisis problema-solución:
- ¿Qué problemas aborda la literatura?
- ¿Qué limitaciones reconocen los autores?
- ¿Qué preguntas quedan sin respuesta?
Análisis temporal:
- ¿Qué se estudió una vez pero se abandonó?
- ¿Qué surgió recientemente pero no se ha explorado?

Tipos de lagunas:

Lagunas completas: No existe investigación
Lagunas parciales: Solo trabajo preliminar, necesita desarrollo
Lagunas de controversia: Teorías en competencia, sin resolución

Para cada laguna, documento:

Definición clara (50-100 palabras)
Evidencia (3-5 citas que muestren que la laguna existe)
Evaluación de importancia (Alta/Media/Baja)
Evaluación de viabilidad (¿Puedes abordarla?)

Validación: Ejecutar scripts/gap_analysis.py para garantizar la calidad:

python scripts/gap_analysis.py

Esto valida:

Cada laguna tiene ≥3 piezas de evidencia
Las definiciones son específicas y claras
La importancia está justificada

Punto de control de calidad 2 (Debe superarse):

✓ Base de literatura ≥20 artículos
✓ Lagunas identificadas ≥3
✓ Cada laguna tiene ≥3 citas de evidencia
✓ Al menos 1 laguna de alta importancia

Si no se supera: Continuar la búsqueda o girar la dirección de la investigación

Resultado: Literature_Review_Report.md + Research_Gap_Analysis.md

Paso 2.3: Evaluación de originalidad (análisis de IA)

Evaluaré automáticamente la originalidad de tu idea:

Paso 1: Análisis de similitud

Comparar tu idea con los 15 artículos más similares
Crear una matriz de similitud (superposición de tema/método/conclusión)
Calcular el porcentaje de similitud general

Interpretación:

80%: Alta similitud, necesita reposicionamiento
50-80%: Moderada, enfatizar las diferencias
<50%: Buena originalidad, proceder

Paso 2: Clasificación de la innovación

Identificar qué tipos de innovación se aplican (necesita ≥2):

Metodológica: Nuevo enfoque para un problema conocido
Teórica: Nuevo marco o modelo
Aplicación: Teoría existente a un nuevo dominio
Integradora: Sintetizar literaturas separadas

Paso 3: Predicción de impacto (escala 1-10)

Criterios de puntuación:

Importancia de la laguna (5 puntos): ¿Problema central o periférico?
Generalizabilidad (3 puntos): ¿Ampliamente aplicable?
Poder explicativo (2 puntos): ¿Resuelve acertijos existentes?

Objetivo: ≥7/10 para un buen potencial de impacto

Resultado: Originality_Assessment_Report.md (análisis de similitud + tipos de innovación + predicción de impacto + justificación de 300 palabras)

Paso 2.4: Discusión de conceptos centrales (interactiva)

Punto de decisión 2: Basándome en el análisis de la literatura, haré lo siguiente:

Proponer 3-5 conceptos centrales para enfatizar
Explicar la justificación (basada en el análisis de lagunas + la frecuencia en la literatura)
Solicitar tu opinión: ¿De acuerdo? ¿Ajustar? ¿Añadir?

Esto asegura que el artículo se centre en los conceptos correctos para maximizar la contribución.

Fase 3: Optimización del esquema

Objetivo

Diseñar un esquema estructurado y listo para revisión, optimizado desde la perspectiva del revisor.

Entrada

Análisis de la literatura de la Fase 2
Conceptos centrales (confirmados en el Paso 2.4)
Estándares de la plataforma de la Fase 1

Flujo de trabajo

Paso 3.1: Diseño de la estructura inicial

Basándome en los estándares de la plataforma, haré lo siguiente:

Diseñar la estructura de los capítulos:
- Resumen
- Introducción (con subsecciones)
- Cuerpo principal (3-5 capítulos, cada uno con subsecciones)
- Conclusión
Asignar recuentos de palabras:
- Introducción: 15-20% del total
- Cuerpo principal: 60-70% del total
- Conclusión: 10-15% del total
Determinar el flujo argumentativo:
- Progresión lógica de las ideas
- Dónde introducir los conceptos
- Dónde abordar las objeciones

Resultado: Initial_Outline_Draft.md

Paso 3.2: Autoevaluación desde la perspectiva del revisor

Evaluaré el esquema como si fuera un revisor de la plataforma, utilizando 7 dimensiones (carga references/quality_standards.md para los criterios):

Evaluación de 7 dimensiones (5 puntos cada una, 35 en total):

Claridad del argumento (1-5)
- ¿La tesis es clara?
- ¿Se pueden identificar los argumentos de apoyo?
Completez del argumento (1-5)
- ¿Hay lagunas o saltos lógicos?
- ¿Están justificadas todas las premisas?
Apoyo bibliográfico (1-5)
- Recuento esperado de citas (40+ para filosofía)
- ¿Se cubren las obras clave?
Claridad metodológica (1-5)
- ¿El enfoque es explícito (argumento filosófico/fenomenológico/etc.)?
- ¿El método está justificado?
Expresión de originalidad (1-5)
- ¿La contribución es clara?
- ¿Se diferencia del trabajo existente?
Organización (1-5)
- ¿Flujo lógico?
- ¿Proporciones equilibradas?
Adecuación a la plataforma (1-5)
- ¿Coincide con el estilo de la plataforma?
- ¿Cumple con los requisitos de formato?

Puntuación:

Total: X/35
Umbral de aprobación: ≥28/35 (80%)

Requisito: Debe identificar al menos 3-5 problemas específicos con sugerencias de mejora concretas.

Resultado: Reviewer_Assessment_Report.md

Paso 3.3: Recomendaciones de optimización (basadas en datos)

Para cada dimensión con una puntuación <4/5, proporcionaré:

Descripción del problema:

¿Qué problema específico existe?

Gravedad (Alta/Media/Baja):

Alta: Afecta la aceptabilidad del artículo
Media: Afecta la calidad del artículo
Baja: Mejora menor

Solución concreta:

Corrección específica y factible
Ejemplo de cómo implementarla

Mejora esperada:

¿Cuánto aumentará la puntuación?

Priorización:

Todos los problemas de alta gravedad primero
Luego los de gravedad media
Luego los de gravedad baja (opcional)

Punto de decisión 3: Presento las recomendaciones; tú decides:

Aceptar (implementar todas)
Selectiva (elegir cuáles implementar)
Modificar (ajustar las recomendaciones)

Paso 3.4: Generación del esquema final

Después de implementar las optimizaciones aprobadas, produzco:

Estructura detallada del esquema:

# [Título del artículo]

## Resumen (250 palabras)
- [Puntos clave a cubrir]

## 1. Introducción (1.500 palabras)
### 1.1 El problema (400 palabras)
- [Guía de contenido específico]
### 1.2 Enfoques existentes (600 palabras)
- [Teorías específicas a discutir]
### 1.3 Contribución de este artículo (500 palabras)
- [Afirmaciones específicas a hacer]

## 2. [Capítulo principal] (1.200 palabras)
### 2.1 [Sección] (400 palabras)
- [Estructura del argumento]
- [Citas clave]
...

[Estructura completa hasta los encabezados de tercer nivel]

## Referencias
- [Se esperan 40-60 fuentes]

Punto de control de calidad 3 (Debe superarse):

✓ Puntuación del revisor ≥28/35 (80%)
✓ Todos los problemas de alta gravedad resueltos
✓ El esquema coincide con los estándares de la plataforma (Fase 1)
✓ Se incorporan los conceptos centrales (Paso 2.4)

Si no se supera: Revisar y reoptimizar el esquema.

Resultado final: Final_Detailed_Outline.md + Supporting_Documentation/

Resumen de los resultados

Al completar todas las fases, recibirás:

Fase	Resultados
Fase 1	`[Plataforma]_Writing_Standards_Guide.md` (guía de estilo)
Fase 2	`Literature_Review_Report.md` (revisión de literatura) + `Research_Gap_Analysis.md` (análisis de lagunas) + `Originality_Assessment_Report.md` (evaluación de originalidad) + conceptos centrales confirmados
Fase 3	`Final_Detailed_Outline.md` (esquema detallado final) + `Reviewer_Assessment_Report.md` (evaluación del revisor)

Este esquema está optimizado para tener la máxima probabilidad de aceptación en la plataforma elegida. La estructura está lista para que la skill academic-paper-composer la ejecute y redacte el artículo completo.

Referencias y archivos de script

references/search_strategy.md: Metodología detallada de búsqueda de literatura
references/quality_standards.md: Criterios de evaluación para la evaluación desde la perspectiva del revisor
scripts/evaluate_samples.py: Script para validar la calidad de los artículos de muestra
scripts/gap_analysis.py: Script para validar el análisis de lagunas de investigación

academic-paper-strategist

¿Qué es academic-paper-strategist?

Preguntar en tu IA favorita

Documentación