Communitygithub.com

Évaluation académique

Évaluation structurée de travaux académiques — articles, propositions, revues de littérature, sections méthodologiques, qualité des preuves, soutien par les citations et retour sur l'écriture de recherche. À utiliser lors de l'évaluation de travaux académiques ou scientifiques à l'aide d'une grille reproductible.

Qu'est-ce que Évaluation académique ?

Cette compétence permet d'évaluer de manière systématique et reproductible des travaux académiques ou scientifiques, qu'il s'agisse d'articles de recherche, de propositions, de chapitres de thèse ou de revues de littérature. Elle propose une grille d'évaluation en neuf dimensions (problématique, contexte, méthodologie, données et preuves, analyse, résultats, limites, écriture et citations) avec une notation de 1 à 5, ou N/A si une dimension ne s'applique pas. L'utilisateur peut choisir une évaluation complète, ciblée ou comparative. La compétence suit un processus de lecture structuré, génère un tableau de scores, des problèmes critiques, des révisions recommandées et des vérifications de preuves nécessaires. Elle est utile pour les chercheurs, les évaluateurs de conférences ou de revues, les superviseurs de thèse, et les réviseurs en révision par les pairs. Pièges à éviter : ne pas substituer le score aux commentaires concrets, ne pas pénaliser l'absence de dimension hors périmètre, et ne pas s'appuyer sur la réputation des auteurs ou la notoriété de la conférence.

Compatible avec~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/affaan-m/everything-claude-code/tree/main/skills/scientific-thinking-scholar-evaluation

Demander à votre IA préférée

Ouvre une nouvelle conversation avec cette compétence d'agent déjà préchargée.

Documentation

Que fait Évaluation académique ?

Utilisez cette compétence pour évaluer des travaux académiques ou scientifiques à l'aide d'une grille reproductible.

Quand l'utiliser

  • Lors de l'examen d'un article de recherche, d'une proposition, d'un chapitre de thèse ou d'une revue de littérature.
  • Pour vérifier si les affirmations sont soutenues par des preuves citées.
  • Pour évaluer la méthodologie, la conception de l'étude, l'analyse ou les limites.
  • Pour comparer deux ou plusieurs articles en termes de qualité ou de pertinence.
  • Pour produire un retour structuré en vue d'une révision.

Périmètre d'évaluation

Commencez par identifier l'artefact :

  • article de recherche empirique
  • article théorique
  • rapport technique
  • revue de littérature systématique ou narrative
  • proposition de recherche
  • chapitre de thèse ou de dissertation
  • résumé de conférence ou article court

Choisissez ensuite la portée :

  • complète : toutes les dimensions de la grille
  • ciblée : une ou deux dimensions, par exemple méthode ou citations
  • comparative : classer plusieurs travaux selon la même grille

Grille d'évaluation

Attribuez à chaque dimension applicable une note de 1 à 5 :

  • 5 : excellent ; clair, rigoureux et prêt à être publié
  • 4 : bien ; améliorations mineures nécessaires
  • 3 : acceptable ; lacunes significatives mais utilisable
  • 2 : faible ; révision substantielle nécessaire
  • 1 : médiocre ; problèmes majeurs de validité ou de clarté

Utilisez N/A pour les dimensions qui ne s'appliquent pas.

1. Problème et question de recherche

  • Le problème est-il clair et spécifique ?
  • La contribution est-elle significative ?
  • Le périmètre et les hypothèses sont-ils explicites ?
  • La question correspond-elle à la contribution revendiquée ?

2. Littérature et contexte

  • Les travaux antérieurs pertinents sont-ils couverts ?
  • Le travail synthétise-t-il plutôt qu'il ne se contente d'énumérer des sources ?
  • Les lacunes sont-elles correctement identifiées ?
  • Les sources récentes et fondatrices sont-elles équilibrées ?

3. Méthodologie

  • La méthode répond-elle à la question de recherche ?
  • Les choix de conception sont-ils justifiés ?
  • Les variables, jeux de données, participants ou matériels sont-ils clairement décrits ?
  • Un autre chercheur pourrait-il reproduire le travail ?
  • Les contraintes éthiques et pratiques sont-elles reconnues ?

4. Données et preuves

  • Les sources de données sont-elles crédibles et appropriées ?
  • La taille de l'échantillon ou la couverture du corpus est-elle adéquate ?
  • Les décisions d'inclusion, d'exclusion et de prétraitement sont-elles documentées ?
  • Les données manquantes et les risques de biais sont-ils discutés ?

5. Analyse

  • Les méthodes statistiques, qualitatives ou computationnelles sont-elles appropriées ?
  • Les bases de référence et les contrôles sont-ils équitables ?
  • Les vérifications d'incertitude, de sensibilité ou de robustesse sont-elles incluses si nécessaire ?
  • Les explications alternatives sont-elles envisagées ?

6. Résultats et interprétation

  • Les résultats sont-ils présentés clairement ?
  • Les affirmations restent-elles dans les limites des preuves ?
  • Les figures, tableaux et métriques sont-ils compréhensibles ?
  • Les résultats négatifs ou nuls sont-ils traités honnêtement ?

7. Limites et menaces à la validité

  • Les limites sont-elles spécifiques plutôt que génériques ?
  • Les risques de validité interne, externe, de construit et de conclusion sont-ils abordés ?
  • L'article distingue-t-il la spéculation des résultats démontrés ?

8. Écriture et structure

  • L'argumentation est-elle facile à suivre ?
  • Les sections sont-elles organisées autour de la question de recherche ?
  • Les définitions et la notation sont-elles claires ?
  • Le ton est-il précis et savant ?

9. Citations

  • Les articles cités soutiennent-ils les affirmations qui leur sont rattachées ?
  • Les sources primaires sont-elles utilisées lorsque c'est possible ?
  • Les revues sont-elles étiquetées comme revues ?
  • Les prépublications sont-elles étiquetées comme prépublications ?
  • Les métadonnées et les liens des citations sont-ils corrects ?

Processus de révision

  1. Lisez le résumé, l'introduction, les figures et la conclusion pour la contribution revendiquée.
  2. Lisez les méthodes et les résultats pour la qualité des preuves.
  3. Vérifiez les affirmations les plus fortes par rapport aux sources citées.
  4. Attribuez une note à chaque dimension applicable.
  5. Séparez les blocages critiques des suggestions de révision.
  6. Terminez par des modifications concrètes à effectuer.

Modèle de sortie

# Évaluation académique : <Artefact>

## Évaluation globale

- Note globale : <1-5 ou N/A>
- Confiance : <élevée | moyenne | faible>
- Résumé : <3-5 phrases>

## Notes par dimension

| Dimension | Note | Preuve | Priorité de révision |
| --- | ---: | --- | --- |
| Problème et question |  |  |  |
| Littérature et contexte |  |  |  |
| Méthodologie |  |  |  |
| Données et preuves |  |  |  |
| Analyse |  |  |  |
| Résultats et interprétation |  |  |  |
| Limites |  |  |  |
| Écriture et structure |  |  |  |
| Citations |  |  |  |

## Problèmes critiques

## Révisions recommandées

## Vérifications de preuves nécessaires

Pièges à éviter

  • N'utilisez pas la note comme substitut à un retour concret.
  • Ne pénalisez pas un article pour avoir omis une dimension hors de son périmètre.
  • Ne traitez pas le nombre de citations, la notoriété de la revue ou la réputation de l'auteur comme une preuve de qualité.
  • N'acceptez pas des affirmations non étayées simplement parce qu'elles apparaissent dans le résumé.

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

accessibility

Design, implement, and audit inclusive digital products using WCAG 2.2 Level AA. Use when building or auditing UI that must meet WCAG 2.2 Level AA, or when reviewing a change for keyboard, contrast, or screen-reader support.

affaan-m/claude-api

Anthropic Claude API patterns for Python and TypeScript. Covers Messages API, streaming, tool use, vision, extended thinking, batches, prompt caching, and Claude Agent SDK. Use when building applications with the Claude API or Anthropic SDKs.

affaan-m/everything-claude-code

End-to-end marketing campaign planning and execution. Covers audience research, positioning, campaign angle definition, landing page copy, email sequences, social posts, ad copy, short-form video scripts, and content calendars. Use as the orchestration layer for multi-channel product launches. Use when planning or executing a multi-channel product launch, or producing landing page, email, social, or ad copy.

affaan-m/everything-claude-code

Development conventions and patterns for everything-claude-code. JavaScript project with conventional commits.

affaan-m/everything-claude-code-conventions

Development conventions and patterns for everything-claude-code. JavaScript project with conventional commits.

affaan-m/frontend-design

Create distinctive, production-grade frontend interfaces with high design quality. Use when the user asks to build web components, pages, or applications and the visual direction matters as much as the code quality.

affaan-m/gget

gget CLI and Python workflow for quick genomic database queries, sequence lookup, BLAST-style searches, enrichment checks, and reproducible bioinformatics evidence logs.

affaan-m/literature-review

Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.

affaan-m/motion-ui

Production-ready UI motion system for React/Next.js. Use when implementing animations, transitions, or motion patterns.

affaan-m/project-guidelines-example

Example project-specific skill template based on a real production application.

affaan-m/pubmed-database

Direct PubMed and NCBI E-utilities search workflows for biomedical literature, MeSH queries, PMID lookup, citation retrieval, and API-backed literature monitoring.

affaan-m/scholar-evaluation

Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.

affaan-m/uspto-database

USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.

agent-architecture-audit

Full-stack diagnostic for agent and LLM applications. Audits the 12-layer agent stack for wrapper regression, memory pollution, tool discipline failures, hidden repair loops, and rendering corruption. Produces severity-ranked findings with code-first fixes. Essential for developers building agent applications, autonomous loops, or any LLM-powered feature. Use when an agent or LLM feature misbehaves and the failing layer is unknown, or before shipping an agent stack.

agent-eval

Head-to-head comparison of coding agents (Claude Code, Aider, Codex, etc.) on custom tasks with pass rate, cost, time, and consistency metrics. Use when choosing between coding agents, or when a change to an agent setup needs measured pass rate, cost, and time rather than an impression.

agent-harness-construction

Design and optimize AI agent action spaces, tool definitions, and observation formatting for higher completion rates. Use when defining or revising an agent

agentic-engineering

Operate as an agentic engineer using eval-first execution, decomposition, and cost-aware model routing. Use when planning or executing engineering work that agents will carry out end to end.

agentic-os

Build persistent multi-agent operating systems on Claude Code. Covers kernel architecture, specialist agents, slash commands, file-based memory, scheduled automation, and state management without external databases. Use when building a persistent multi-agent system on Claude Code with its own memory, commands, and scheduling.

agent-introspection-debugging

Structured self-debugging workflow for AI agent failures using capture, diagnosis, contained recovery, and introspection reports. Use when an agent run fails and you need a reproducible diagnosis instead of a retry.

agent-payment-x402

Add x402 payment execution to AI agents with per-task budgets, spending controls, and non-custodial wallets. Supports Base through agentwallet-sdk and X Layer through OKX Payments / OKX Agent Payments Protocol. Use when an agent must pay for something itself and needs per-task budgets, spending controls, and a non-custodial wallet.

Skills associés