Communitygithub.com

academic-paper-strategist

哲学および学際的な学術論文向けの体系的な戦略計画フレームワークです。プリプリントプラットフォーム（PhilArchive、arXiv、PhilSci-Archive）を対象とし、論文計画、研究ギャップの特定、アウトラインの最適化、プラットフォーム要件の理解を支援します。

academic-paper-strategist とは？

このスキルは、哲学および学際的な研究における学術論文の戦略的な計画を支援するための体系的なフレームワークを提供します。ユーザーは「plan a paper on...」や「identify research gaps in...」などのフレーズでこのスキルを起動し、3つのフェーズを通じて論文を設計します。第1フェーズでは、PhilArchiveやarXivなどのターゲットプラットフォームを分析し、サンプル論文から執筆基準を抽出します。第2フェーズでは、AI駆動の文献検索と研究ギャップの特定、独創性の評価を自動的に行います。第3フェーズでは、査読者の視点から自己評価を行い、品質管理された詳細なアウトラインを生成します。各フェーズには品質評価基準と検証チェックポイントが組み込まれており、最終的には査読準備が整った最適化されたアウトラインを出力します。

対応~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/lishix520/academic-paper-skills/tree/HEAD/strategist
オリジナルを見る→すべてのスキルを見る

お気に入りのAIに質問する

このエージェントスキルを事前に読み込んだ状態で新しいチャットを開きます。

OpenAIChatGPTClaudeClaudeGeminiGeminiGrokGrokPerplexityPerplexityDeepSeekDeepSeek

ドキュメント

Academic Paper Strategist

概要

このスキルは、哲学および学際的な研究における学術論文の戦略的な計画を支援する体系的なフレームワークを提供します。プラットフォームの選択から最適化されたアウトラインの作成まで、3つのフェーズをガイドします。AI駆動の文献検索、研究ギャップの特定、独創性の評価、品質管理されたアウトライン設計を特徴としています。

出力: レビュー準備が整った詳細な論文アウトラインと、それを補完するドキュメント（プラットフォームスタイルガイド、文献レビュー、ギャップ分析、査読者評価）。

関連スキル: academic-paper-composer を使用して、このアウトラインに基づき論文全体を執筆します。

このスキルを使用するタイミング

academic-paper-strategist は、以下のような状況で使用します。

計画段階:

  • 初期のアイデアから構造化されたアウトラインまで、研究論文を設計する
  • 適切な公開プラットフォーム（PhilArchive、arXivなど）を特定する
  • 特定のプリプリントプラットフォームの執筆基準を理解する

研究段階:

  • 体系的な文献検索を実施する
  • 証拠に基づいて研究ギャップを特定する
  • 研究アイデアの独創性を評価する
  • 潜在的な影響を予測する

設計段階:

  • 論文の章立てと議論を構成する
  • 査読者の視点からアウトラインを最適化する
  • 投稿準備ができた戦略を準備する

トリガーフレーズ:

  • 「[トピック]について論文を計画して」
  • 「[主題]に関する論文の設計を手伝って」
  • 「[分野]の研究ギャップを特定して」
  • 「このアイデアは独創的ですか？」
  • 「どのプラットフォームに提出すべきですか？」

ワークフロー概要

フェーズ1: プラットフォーム分析（ターゲット選択 + スタイル学習）
    ↓
フェーズ2: 理論的フレームワーク（AI駆動によるギャップ特定）
    ↓
フェーズ3: アウトライン最適化（品質管理された設計）
    ↓
出力: 詳細なアウトライン + 補足ドキュメント

品質ゲート: 3つの検証チェックポイントにより、各フェーズが基準を満たしてから次に進むことを保証します。

フェーズ1: プラットフォーム分析

目標

最適な投稿プラットフォームを特定し、体系的なサンプル論文分析を通じてその執筆基準を理解します。

ユーザーからの入力

  • 研究の核となるアイデアまたはトピック（簡潔な説明）
  • ターゲットプラットフォーム（任意 - 不明な場合はこちらで推奨）
  • 分野 / 専門領域（哲学、認知科学、学際など）

ワークフロー

ステップ1.1: プラットフォーム選択（必要な場合）

ターゲットプラットフォームが不明な場合、以下を実施します。

  1. 研究内容に基づいて候補プラットフォームをリストアップ:

    • PhilArchive / PhilPapers: 哲学論文、現象学、形而上学
    • arXiv (cs.AI, q-bio.NC): 計算論、神経科学、AI関連
    • PhilSci-Archive: 科学哲学、形式的手法
    • PsyArXiv: 心理学、認知科学
    • SocArXiv: 社会科学、学際研究

  2. 各プラットフォームを評価:

    • 主題分野の整合性（あなたのトピックに適合するか？）
    • 方法論の適合性（哲学的 / 実証的 / 計算論的）
    • 受理基準
    • 一般的な査読期間

  3. 推奨事項とその根拠を提示

  4. 判断ポイント1: プラットフォームを確認するか、代替案を提案してください。

ステップ1.2: サンプル論文検索（AI駆動、品質管理済み）

8～10件の代表的な論文に対して多次元検索を実施します。

検索戦略（詳細は references/search_strategy.md を参照）:

時間軸:

  • 最近（過去6ヶ月）: 3本 - 最新のトレンドを把握
  • 現在（1～2年）: 3本 - 確立された基準を把握
  • 古典（高被引用）: 2本 - 品質のベンチマーク

関連性軸:

  • あなたのトピックからのキーワードの組み合わせを使用
  • 各論文を関連性で0～10点で評価
  • スコア7/10以上の論文のみを保持

多様性軸:

  • 複数の著者（5人以上）
  • 異なる研究の視点
  • 多様な論文の長さ

使用ツール:

  • Exa MCP（意味検索）
  • Tavily MCP（ウェブ検索）
  • プラットフォーム固有の検索（PhilPapers、arXiv）

品質検証: 検索後、scripts/evaluate_samples.py を実行して評価レポートを生成します。

python scripts/evaluate_samples.py

これにより以下が生成されます。

  • サンプル品質メトリクス
  • 時間分布チェック
  • 関連性統計
  • 多様性評価
  • 合格/不合格の推奨

品質ゲート1（通過必須）:

  • ✓ サンプル論文数 ≥8
  • ✓ 時間分布がバランスしている
  • ✓ 平均関連性 ≥8/10
  • ✓ ユニークな著者数 ≥5

不合格の場合: 調整した基準で再検索

ステップ1.3: 執筆基準の抽出

8～10件のサンプル論文から以下を抽出します。

構造パターン:

  • アブストラクトの構成（問題→方法→結果→貢献？）
  • 章構成（セクション数、典型的な流れ）
  • 平均的な割合（序論15%、本文70%、結論15%？）

文体パターン:

  • 一人称 vs. 受動態の使用
  • 議論の構成方法
  • 引用密度と形式
  • 専門用語の使用

フォーマット仕様:

  • 典型的な語数範囲
  • 参考文献の数範囲
  • セクション見出しの規則

出力: [Platform]_Writing_Standards_Guide.md

フェーズ2: 理論的フレームワーク

目標

AI駆動による体系的な文献検索、研究ギャップの特定、独創性の評価。

ユーザーからの入力

  • 研究の核となる問い / テーゼ（主要な主張）
  • 背景コンテキスト（なぜこのテーマに興味があるのか）
  • 任意: 既に知っている論文があれば

ワークフロー

ステップ2.1: 文献検索（AI駆動、完全自動化）

重要: このフェーズはAI駆動です。あなたがアイデアを提供すると、こちらで包括的な文献検索とギャップ分析を実施します。

マルチラウンド検索戦略:

ラウンド1: 直接検索（一次文献）

  1. あなたのアイデアから核となる概念を抽出（3～5概念）
  2. キーワードの組み合わせを生成（10～15組み合わせ）
    • 概念 + 概念
    • 概念 + 方法
    • 類義語や分野別のバリエーションを含む
  3. Exa / Tavilyを使用して各組み合わせを検索
  4. 30～50件の候補論文を収集
  5. 品質フィルター: 上位20論文を保持（関連性 ≥7/10）

ラウンド2: 拡張検索（隣接分野）

  1. ラウンド1の論文から新しいキーワードを抽出
  2. 隣接分野を検索:
    • 哲学 → 認知科学
    • 神経科学 → 心の哲学
    • AI → 意識研究
  3. 10～20件の橋渡し論文を収集

ラウンド3: 古典文献（基礎的著作）

  1. 高被引用論文を特定（>100引用）
  2. ラウンド1～2の論文からの引用を追跡
  3. 5～10件の基礎的論文を収集

総文献ベース: 35～50論文

参照: 詳細な方法論は references/search_strategy.md

ステップ2.2: 研究ギャップの特定（AI分析）

収集した文献を使用して、自動的に3～5の研究ギャップを特定します。

ギャップ特定方法:

  1. 概念マッピング:

    • 概念 × 方法のマトリックスに論文をプロット
    • 空白（未探索の組み合わせ）を特定

  2. 問題-解決分析:

    • 文献はどのような問題に対処しているか？
    • 著者が認めている限界は何か？
    • 未回答の疑問は何か？

  3. 時間的分析:

    • かつて研究されていたが放棄されたものは？
    • 最近登場したが未探索のものは？

ギャップの種類:

  • 完全ギャップ: 既存の研究なし
  • 部分ギャップ: 予備的研究のみ、発展が必要
  • 論争ギャップ: 競合理論あり、解決なし

各ギャップについて、以下を文書化:

  • 明確な定義（50～100語）
  • エビデンス（ギャップが存在することを示す3～5の引用）
  • 重要性評価（高/中/低）
  • 実現可能性評価（あなたが対処できるか？）

検証: scripts/gap_analysis.py を実行して品質を確保:

python scripts/gap_analysis.py

これにより以下が検証されます。

  • 各ギャップに3つ以上のエビデンスがある
  • 定義が具体的かつ明確である
  • 重要性が正当化されている

品質ゲート2（通過必須）:

  • ✓ 文献ベース ≥20論文
  • ✓ 特定されたギャップ ≥3
  • ✓ 各ギャップに3つ以上のエビデンス引用
  • ✓ 少なくとも1つの高重要度ギャップ

不合格の場合: 検索を続行するか、研究方向を転換

出力: Literature_Review_Report.md + Research_Gap_Analysis.md

ステップ2.3: 独創性評価（AI分析）

自動的にあなたのアイデアの独創性を評価します。

ステップ1: 類似性分析

  • あなたのアイデアと最も類似した上位15論文を比較
  • 類似性マトリックスを作成（トピック / 方法 / 結論の重複）
  • 全体的な類似性の割合を計算

解釈:

  • 80%: 類似性が高い、再ポジショニングが必要

  • 50～80%: 中程度、差異を強調する
  • <50%: 独創性が高い、そのまま進める

ステップ2: 革新タイプの分類

該当する革新タイプを特定（2つ以上必要）:

  1. 方法論的: 既知の問題への新しいアプローチ
  2. 理論的: 新しいフレームワークやモデル
  3. 応用的: 既存理論の新しい領域への適用
  4. 統合的: 別々の文献の統合

ステップ3: インパクト予測（1～10スケール）

スコアリング基準:

  • ギャップの重要性（5点）: 核となる問題 vs. 周辺的問題？
  • 一般化可能性（3点）: 広く適用可能か？
  • 説明力（2点）: 既存のパズルを解決するか？

目標: 良好なインパクトの可能性として ≥7/10

出力: Originality_Assessment_Report.md（類似性分析 + 革新タイプ + インパクト予測 + 300語の正当性）

ステップ2.4: 核となる概念に関する議論（対話型）

判断ポイント2: 文献分析に基づき、以下を実施します。

  1. 強調すべき3～5の核となる概念を提案
  2. 根拠を説明（ギャップ分析と文献頻度に基づく）
  3. フィードバックを依頼: 同意する？ 調整する？ 追加する？

これにより、貢献を最大化するために論文が適切な概念に焦点を当てることが保証されます。

フェーズ3: アウトライン最適化

目標

査読者の視点から最適化された、構造化されたレビュー準備完了のアウトラインを設計します。

入力

  • フェーズ2からの文献分析
  • ステップ2.4で確認された核となる概念
  • フェーズ1からのプラットフォーム基準

ワークフロー

ステップ3.1: 初期構造設計

プラットフォーム基準に基づき、以下を実施します。

  1. 章構成を設計:

    • アブストラクト
    • 序論（サブセクション付き）
    • 本文（3～5章、各章にサブセクション）
    • 結論

  2. 語数の配分:

    • 序論: 全体の15～20%
    • 本文: 全体の60～70%
    • 結論: 全体の10～15%

  3. 議論の流れを決定:

    • アイデアの論理的な進行
    • 概念を導入する場所
    • 反論に対処する場所

出力: Initial_Outline_Draft.md

ステップ3.2: 査読者視点の自己評価

あたかもプラットフォームの査読者であるかのように、7つの次元でアウトラインを評価します（基準は references/quality_standards.md を参照）:

7次元評価（各5点、合計35点）:

  1. 議論の明確さ（1～5）

    • テーゼは明確か？
    • それを支持する議論は特定できるか？

  2. 議論の完全性（1～5）

    • 論理的なギャップや飛躍はないか？
    • すべての前提は正当化されているか？

  3. 文献サポート（1～5）

    • 期待される引用数（哲学では40+）
    • 主要な著作はカバーされているか？

  4. 方法論の明確さ（1～5）

    • アプローチは明示されているか（哲学的議論 / 現象学的など）？
    • 方法は正当化されているか？

  5. 独創性の表現（1～5）

    • 貢献は明確か？
    • 既存の研究と差別化されているか？

  6. 組織化（1～5）

    • 論理的な流れか？
    • 割合のバランスは取れているか？

  7. プラットフォームへの適合（1～5）

    • プラットフォームのスタイルに合致しているか？
    • フォーマット要件を満たしているか？

スコアリング:

  • 合計: X/35
  • 合格ライン: ≥28/35 (80%)

要件: 具体的な改善提案とともに、少なくとも3～5の具体的な問題を特定する必要があります。

出力: Reviewer_Assessment_Report.md

ステップ3.3: 最適化推奨（データ駆動）

各次元でスコアが<4/5の場合、以下を提供します。

問題の説明:

  • 具体的にどのような問題があるか？

重大度（高/中/低）:

  • 高: 論文の受理可能性に影響
  • 中: 論文の品質に影響
  • 低: マイナーな改善

具体的な解決策:

  • 具体的な実行可能な修正
  • 実装方法の例

期待される改善:

  • スコアがどれだけ上がるか？

優先順位付け:

  1. すべての高重大度の問題を最初に
  2. 次に中重大度
  3. 最後に低重大度（任意）

判断ポイント3: 推奨事項を提示します。あなたが決定します。

  • すべて受け入れる（すべて実装）
  • 選択的（実装するものを選ぶ）
  • 修正（推奨事項を調整）

ステップ3.4: 最終アウトラインの生成

承認された最適化を実装した後、以下を作成します。

詳細なアウトライン構造:

# [論文タイトル]

## アブストラクト（250語）
- [カバーすべき主要ポイント]

## 1. 序論（1,500語）
### 1.1 問題提起（400語）
- [具体的な内容のガイダンス]
### 1.2 既存のアプローチ（600語）
- [議論すべき特定の理論]
### 1.3 本論文の貢献（500語）
- [主張すべき具体的な主張]

## 2. [メインの章]（1,200語）
### 2.1 [セクション]（400語）
- [議論の構造]
- [主要な引用]
...

[3レベル見出しまでの完全な構造]

## 参考文献
- [予想される40～60の情報源]

品質ゲート3（通過必須）:

  • ✓ 査読者スコア ≥28/35 (80%)
  • ✓ すべての高重大度の問題が対処されている

出力

academic-paper-strategist の最終出力は、あなたの論文を書くための完全なブループリントです。

output/
├── 01_Platform_Analysis/
│   ├── Platform_Selection_Report.md
│   └── [Platform]_Writing_Standards_Guide.md
├── 02_Literature_Review/
│   ├── Literature_Review_Report.md
│   ├── Research_Gap_Analysis.md
│   └── Originality_Assessment_Report.md
├── 03_Outline/
│   ├── Initial_Outline_Draft.md
│   ├── Reviewer_Assessment_Report.md
│   └── Final_Optimized_Outline.md
└── references/
    ├── search_strategy.md
    ├── evaluate_samples.py
    ├── gap_analysis.py
    └── quality_standards.md

このスキルはacademic-paper-composerと組み合わせて使用するように設計されており、この構造化された設計を効率的かつ品質重視の論文執笔に変換します。

関連スキル

steipete/sag

ElevenLabs text-to-speech with mac-style say UX.

community

steipete/oracle

Oracle CLI second-model review/debug/refactor/design with selected files, dry-run token checks, API or browser engine.

community

steipete/peekaboo

Capture and automate macOS UI with the Peekaboo CLI.

community

mattpocock/design-an-interface

Generate multiple radically different interface designs for a module using parallel sub-agents. Use when user wants to design an API, explore interface options, compare module shapes, or mentions "design it twice".

community

mattpocock/prototype

Build a throwaway prototype to flesh out a design — a runnable terminal app for state/business-logic questions, or several radically different UI variations toggleable from one route.

community

mattpocock/grill-me

Interview the user relentlessly about a plan or design until reaching shared understanding, resolving each branch of the decision tree. Use when user wants to stress-test a plan, get grilled on their design, or mentions "grill me".

community