xiaoningwang/shidiao-skills

Vérifie la conformité aux règles, la mise en œuvre de l'enquête, l'authenticité des données, la chaîne de preuves, la confidentialité, l'utilisation de l'IA et les documents soumis pour le concours national d'étude de marché des étudiants universitaires. Utilisé pour les notes de participation, la validation par étapes, la détection des lacunes du rapport, la vérification avant soumission et le diagnostic des risques de soutenance.

Qu'est-ce que shidiao-skills ?

Cette compétence permet aux participants au concours national d'étude de marché des étudiants universitaires (ainsi qu'à leurs superviseurs et jurés) d'effectuer une vérification de conformité complète et un contrôle qualité. Elle se concentre sur les règles de candidature, la conception de l'enquête, la collecte et l'authenticité des données, la construction de la chaîne de preuves, la confidentialité et la conformité éthique, la divulgation et la vérification de l'IA, ainsi que l'exhaustivité des documents soumis. L'outil guide l'utilisateur pour vérifier les exigences officielles pour chaque édition, groupe et étape spécifiques, et évalue le contenu du rapport par étapes, de la définition du problème à la soumission finale. Il combine l'analyse de documents officiels et des listes de contrôle structurées pour identifier les problèmes de conformité, les lacunes de preuves, les erreurs méthodologiques, les risques de confidentialité et l'utilisation abusive de l'IA. L'objectif principal est d'améliorer la qualité de la recherche, de garantir l'intégrité des données et d'éviter les pénalités lors de l'examen formel. La compétence insiste sur le fait de ne pas fabriquer de données ou de preuves, et de marquer les points non vérifiés pour examen ultérieur.

Compatible avec~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/xiaoningwang/shidiao-skills/tree/HEAD/skills/shidiao-quality-review

Installed? Explore more Développement et programmation skills: steipete/bluebubbles, steipete/eightctl, steipete/blucli · View all 6 →

Demander à votre IA préférée

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

Documentation

Notes sur l'étude de marché et vérification qualité

Principes de travail

Lisez d'abord Sources et règles pour confirmer la base du manuscrit et le champ d'application des règles. Pour les délais, le nombre de pages, les pondérations, l'anonymat, l'IA et les méthodes de soumission, vérifiez en ligne les documents officiels de l'édition, du groupe et de l'étape cibles ; si la vérification échoue, marquez comme « à vérifier », sans entraver la recherche de contenu. N'écrivez pas les exemples de manuscrits comme des règles impératives du concours.

Par défaut en chinois. Consultez d'abord les documents et l'avancement de l'utilisateur ; ne demandez que les informations manquantes qui modifieront le plan, sinon supposez et continuez. En l'absence de données brutes, fournissez uniquement des plans, des modèles à remplir ou des démonstrations clairement identifiées, sans fabriquer d'échantillons, de statistiques, d'entretiens, de références bibliographiques ou d'identités de lauréats. Livrez selon la profondeur de la tâche de l'utilisateur ; une modification partielle n'oblige pas à refaire l'ensemble du processus.

Objectifs

Basé sur les chapitres 3-4, 7-9 du manuscrit et les documents de l'édition en cours, transformez les notes en questions vérifiables et actions correctives. La profondeur de la vérification doit correspondre à l'étape en cours ; ne masquez pas les problèmes de conception ou de données par une vérification formelle.

Déterminer d'abord le périmètre de vérification

Vérifiez l'édition, le groupe, l'école et la région, le sujet libre/entreprise, l'étape en cours, le délai, les documents existants. Établissez un tableau de règles : Élément | Édition/Groupe/Étape | Emplacement et lien du texte original | Date de publication/Date de vérification | Exigence officielle | Exigence de mise en œuvre locale | Statut. Si les documents ne sont pas fournis ou ne peuvent pas être lus, indiquez « non vérifié », sans conclure automatiquement à une violation.

Le cadre de rapport de licence (20/30/30/20) peut servir de référence pour le diagnostic, mais ne peut pas être considéré comme le barème officiel de la 17e édition. Le nombre de pages, le format, l'anonymat, la détection de plagiat, la divulgation de l'IA, la dénomination des fichiers et la durée de la soutenance doivent être vérifiés dans les annexes applicables de l'édition en cours. La date de clôture nationale n'est pas la date de soumission des documents par l'école ; planifiez à rebours en fonction du point d'opération le plus précoce applicable. Les groupes d'étudiants internationaux et les examens de connaissances nécessitent une vérification séparée.

Points de contrôle par étape

ÉtapePreuves vérifiéesProblèmes typiques et corrections
Définition du projetDéfinition du problème, périmètre global, canaux et autorisations, tableau des ressourcesPérimètre trop large ou inaccessible : réduire le sujet/modifier la conception ; ne peut pas être compensé en ajoutant un modèle
PlanProcédure d'échantillonnage, planification de l'échantillon, matrice problème-variable-item, description éthiqueSe dit aléatoire sans base de sondage, les questions ne répondent pas à l'objectif : réécrire le plan d'inclusion et de mesure
Pré-enquêteEnregistrements de recrutement, retour cognitif, durée et sauts, nettoyage et analyse d'essai, tableau de révisionSeulement un remplissage d'essai sans vérification du flux : compléter les processus clés ; 10 formulaires en classe ne sont pas un seuil universellement valable pour l'échantillon de pré-enquête
Mise en œuvre officielleFormation, contact avec l'échantillon et refus, lots et canaux, version et enregistrements de suiviRemplacements arbitraires, réponses induites, mélange de versions : localiser l'impact et réviser ou compléter, conserver les changements
Validation des donnéesFichiers bruts, dictionnaire, flux, règles de nettoyage et vérification des anomalies, version geléeSuppression en masse des réponses rapides/mêmes IP : vérifier les preuves et vérifier la sensibilité du nettoyage ; ne pas modifier directement les valeurs brutes
AnalyseCorrespondance des problèmes, diagnostic des prérequis, qualité de mesure, code, robustesseEmpilement de méthodes, fuite de données, échec de mesure mais interprétation du chemin : simplifier ou suspendre cette conclusion
RédactionIndex des résultats, citations, tableau conclusions-recommandations, sources réellesConclusions hors périmètre, ROI fictif, accumulation de captures d'écran : revenir aux résultats et réécrire
Soumission/SoutenanceListe officielle, anonymat et version, fichiers ouvrables, PPT et sauvegarde, répétition minutéeConfusion des délais, omission de l'anonymat, numéros différents selon les versions : vérifier point par point et conserver la preuve de soumission

Authenticité et qualité du processus

Vérifiez si l'échantillon correspond réellement aux critères de sélection, si le canal d'enquête et le plan sont cohérents, si l'entretien est retraçable, si les photos appartiennent réellement au projet. Le nombre de contacts, de réponses, d'exclusions, de n valides et de n pour chaque modèle doivent être reliés ; vérifiez les doublons et les codages en cas de fusion de canaux multiples. En cas de doute sur l'authenticité, enregistrez les anomalies visibles et les preuves à vérifier, sans conclure directement à une falsification en raison d'un même appareil, de réponses rapides ou d'une certaine régularité.

Ne générez pas de réponses de questionnaire pour simuler des retours, ne fabriquez pas de preuves d'adoption par l'entreprise, d'autorisation de coopération, d'enregistrements d'entretiens, de photos sur place ou de signatures de tuteurs. Si des lacunes de preuves clés sont constatées, vous pouvez d'abord terminer les autres parties ; marquez les conclusions affectées comme « à vérifier », et si nécessaire, suggérez de compléter, supprimer la conclusion ou ajuster le périmètre, sans chercher à embellir.

Éthique et IA

Ne collectez que les informations nécessaires à l'accomplissement de la tâche ; les consignes de recrutement doivent mentionner le caractère volontaire, l'usage et la possibilité de se retirer. Pour les groupes vulnérables et les informations sensibles, vérifiez les exigences institutionnelles en fonction du contexte réel. Vérifiez les autorisations et les risques d'identification pour les textes publics, les captures d'écran, les enregistrements, les photos et les échelles tierces. Le fait qu'un élément soit visible en ligne ne signifie pas qu'il peut être collecté et divulgué arbitrairement. Pour les problèmes de confidentialité ou de conformité nécessitant un jugement juridique spécifique, vérifiez séparément les bases officielles en vigueur, sans tirer de conclusions juridiques à partir du manuscrit.

Limitez l'accès aux données sensibles brutes, anonymisez les rapports publics, évitez la réidentification par combinaison de citations, de lieux et d'identités. Conservez des dispositions de stockage et de suppression adaptées au projet, sans collecter indéfiniment des données d'appareil/de localisation pour prouver l'enquête.

Distinguez les recommandations d'intégrité de la recherche des règles officielles sur l'IA de l'édition en cours. L'IA peut aider pour les brouillons d'items, le code, le pré-codage de texte et la révision linguistique, mais doit être vérifiée ; enregistrez l'outil/modèle, la date, l'usage, le type de données d'entrée, la révision humaine et l'impact sur le résultat, et divulguez conformément aux exigences du concours. N'uploadiez pas de données identifiables non autorisées, ne déguisez pas le contenu généré en preuves de terrain ; les étudiants doivent comprendre et pouvoir expliquer de manière indépendante les enquêtes et analyses principales.

Vérification exécutable avant soumission

Vérifiez point par point, selon la liste officielle de l'édition en cours, les fichiers obligatoires tels que le corps du texte, les annexes, le PPT, les déclarations, etc., sans affirmer a priori quels fichiers sont nécessaires. Vérifiez le nom du fichier, la version, le périmètre de comptage des pages, le format, les citations, le périmètre de l'anonymat, les métadonnées/commentaires/traces de révision/en-têtes/pieds de page/identifiants dans les figures ; si les exigences d'anonymat ne sont pas encore obtenues, indiquez « à confirmer », sans supprimer activement les sources de recherche. Ouvrez le fichier exporté final pour vérifier les figures, les formules, la table des matières, la numérotation des pages et la police ; préparez une sauvegarde du PPT pouvant être ouverte hors ligne. Distinguez clairement le brouillon d'évaluation officiel du brouillon archivé avec identité.

Uniformisez la taille de l'échantillon, le calibre des indicateurs et les conclusions principales dans tous les documents. Vérifiez si le téléchargement a réussi et si l'accusé de réception est conservé ; la conclusion de vérification de la compétence ne signifie pas que la soumission a été effectuée, celle-ci est toujours exécutée selon la demande de l'utilisateur et les capacités de l'outil.

Livraison de la vérification

Sortie : Numéro | Étape/Emplacement | Problème | Preuve visible ou lacune | Nature | Impact | Action corrective | Preuve de validation. La nature distingue : non-conformité confirmée aux règles, problème méthodologique, document manquant, règle à vérifier, amélioration d'expression. La priorité est déterminée en fonction de l'impact sur l'authenticité, la validité de l'interprétation, l'admission officielle et le coût de la correction, sans donner de déduction de points prévue sans base officielle.

Utilisez des formulations opérationnelles telles que « peut passer à l'étape suivante », « à revoir après avoir complété les preuves spécifiques », « conclusion clé non soutenue pour l'instant ». Listez les éléments vérifiés et ceux qui n'ont pas pu être vérifiés ; ne déclarez pas de conformité globale ou de garantie de prix en cas de documents incomplets. La revue est basée sur les résultats réels après correction.

Individual skills in this repo

This repo contains 3 individual skills — each has its own dedicated page.

Skills associés