Community연구 & 데이터 분석github.com

영어 과학 논문 교정

사용자가 제공한 영어 과학 작문 문단을 구조화된 워크플로우를 사용하여 교정합니다: 원고 섹션과 문단 기능 식별, 과학적 명확성 및 증거 보정 개선, 주요 변경 사항 설명, 다듬어진 교정본 제공. 일반 번역이나 허구적 과학 콘텐츠가 아닌 학술 영어 교정에 사용하세요.

영어 과학 논문 교정란 무엇인가요?

이 스킬은 사용자가 제공한 영어 과학 작문 문단을 학술 논문 작성 원칙에 따라 구조적으로 교정하는 AI 어시스턴트용입니다. 사용자가 문단을 입력하면, 먼저 해당 문단이 원고의 어느 섹션(초록, 서론, 방법, 결과, 토론 등)에 속하는지와 그 기능을 식별합니다. 이후 주장-증거 정렬, 인과 언어의 적절성, 용어 일관성, 능동/수동태 사용, 문장 간 응집력 등을 과학적 스타일 관점에서 감사합니다. 마지막으로, 변경 이유와 증거 경계를 명확히 설명한 후 다듬어진 교정본을 제공합니다. 이 스킬은 Claude Code, Cursor, Codex 등 주요 AI 에이전트 플랫폼에서 사용할 수 있으며, 데이터를 조작하거나 허구적인 과학 주장을 생성하지 않고 원저자의 과학적 의미를 보존하는 데 중점을 둡니다. 특히 학술 영어 교정이 필요한 연구자, 대학원생, 저널 투고자에게 유용합니다.

지원 대상~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/aviation-whiz/codex-skills/tree/HEAD

Installed? Explore more 연구 & 데이터 분석 skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →

즐겨 사용하는 AI에게 물어보기

이 에이전트 스킬이 미리 로드된 새 채팅을 엽니다.

문서

영어 과학 논문 교정은(는) 무엇을 하나요?

사용자가 영어 문단이나 짧은 글을 제공하고 과학 논문 작성 원칙에 따라 교정을 요청할 때 이 스킬을 사용하세요.

핵심 제약 사항

  • 저자의 과학적 의미, 용어, 숫자, 방법 및 증거 범위를 보존합니다.
  • 데이터, 메커니즘, 인용, 참신성, 표본 크기, 통계적 유의성 또는 결론을 조작하지 마세요.
  • 주장이 명시된 증거보다 강할 경우 완화하거나 필요한 증거를 표시하세요.
  • 간결하고 정확하며 출판 지향적인 영어를 사용하고, 단지 학술적으로 들리기 위해 문장을 장식하지 마세요.
  • 한 문단은 하나의 주요 커뮤니케이션 작업에 집중하도록 유지하세요.
  • 사용자가 저널을 명시하지 않는 한 대상 저널은 일반적인 것으로 간주하고, 명시하는 경우 해당 요구 사항을 알 때만 따릅니다.

필수 워크플로우

  1. 원고 위치 및 문단 기능 식별. 글을 제목, 초록, 서론/배경, 지식 격차, 목적, 방법, 결과, 토론, 결론, 한계 또는 전환으로 분류합니다. 가장 가능성 있는 분류를 명시하고 모호할 경우 간략히 설명합니다.
  2. 논증 매핑. 주요 주장, 뒷받침 증거, 비교/조건, 함의, 한계를 식별합니다. 순서(맥락 → 격차/질문 → 접근법 → 증거 → 해석)를 확인합니다.
  3. 과학적 스타일 감사. 주장-증거 정렬, 인과 언어, 양식(modality), 용어 일관성, 능동/수동태, 명사화, 불필요한 관계절, 문단 응집력, 시제, 관사, 수 일치, 대명사 참조, 분야별 연어(collocations)를 확인합니다.
  4. 글 교정. 원래 범위를 유지합니다. 강한 동사, 명확한 주어, 논리적 연결어, 간결한 문장을 선호합니다. 과정이나 결과(행위자가 아닌)에 초점이 맞춰져 있을 때 수동태를 사용합니다. 정밀성을 높이거나 기술적 개념을 묶을 때만 명사화를 사용합니다.
  5. 교정 설명. 구조, 과학적 정밀성, 언어, 문법별로 간결한 이유를 제시합니다. 저자 확인이 필요한 진술을 강조합니다.
  6. 최종 버전 반환. 사용자가 대안이나 변경 추적을 요청하지 않는 한 설명 후 다듬어진 문단만 제공합니다.

과학적 글쓰기 규칙

주장 보정

  • 직접적이고 충분히 뒷받침된 증거가 있을 때만 show 또는 demonstrate를 사용합니다.
  • 간접적이거나 상관관계 또는 경향 수준의 증거에는 suggest, indicate 또는 are consistent with를 사용합니다.
  • 그럴듯하지만 검증되지 않은 메커니즘이나 함의에는 may, might 또는 could를 사용합니다.
  • first ever, revolutionary, completely, always, never와 같은 뒷받침되지 않은 보편적이거나 참신한 주장은 피합니다.

구성

  • 서론 문단은 일반적으로 광범위한 관련성에서 확립된 지식, 해결되지 않은 격차, 연구 목적으로 이동합니다.
  • 결과 문단은 질문이나 실험에서 관찰, 정량적 증거, 제한된 결과 진술로 이동합니다.
  • 토론 문단은 주요 발견에서 해석, 이전 연구와의 비교, 함의, 한계, 미래 방향으로 이동합니다.
  • 문제 지향적인 글은 상황-문제-해결-평가 또는 문제-해결-증거 구조를 사용할 수 있습니다.
  • 분류, 정의, 과정, 원인-결과는 문단의 의사소통 목적과 일치할 때만 사용합니다.

태도, 명사화 및 동사

  • 행위자나 책임이 중요할 때 능동태를 선호합니다: The researchers measured....
  • 행위자가 알려지지 않았거나 중요하지 않거나 방법/과정에 초점이 있을 때 수동태를 선호합니다: Samples were collected....
  • 불필요한 명사화를 피합니다: The plan improved performance가 일반적으로 The implementation of the plan resulted in an improvement...보다 명확합니다.
  • 가능하면 약한 동사 + 추상 명사 조합을 대체합니다: analyze, explain, compare, evaluate, affect, reduce.

관계절

  • 정보가 명사를 식별할 때는 쉼표 없이 제한적 관계절을 사용합니다.
  • 부가 정보에는 쉼표와 함께 비제한적 관계절을 사용합니다; 표준 공식 영어는 일반적으로 이 기능에서 that이 아닌 which 또는 who를 사용합니다.
  • 필수 정보를 추가하지 않는 불필요한 관계절은 삭제하거나 압축합니다.

용어 및 문법

  • 약어는 첫 사용 시 정의하고 이후에는 일관되게 하나의 표준 형태를 사용합니다.
  • 하나의 개념에 대해 하나의 용어를 유지하고, 단순히 문체적 다양성을 위해 동의어를 번갈아 사용하지 마세요.
  • 시제, 수, 단위, 기호, 통계 표기법을 일관되게 유지합니다.
  • 대명사 참조를 명확하게 합니다.
  • 공식 과학 영어에서 data are는 보수적인 선택이며, 현대 사용법은 data를 질량 명사로 취급하기도 합니다; 대상 저널을 따르고 일관성을 유지합니다.
  • Compared to와 compared with는 현대 사용법에서 중첩됩니다. 유추에는 전자를, 분석적 비교에는 후자를 더 자주 사용하지만, 절대적인 규칙으로 제시하지는 마세요.

출력 형식

사용자가 다른 형식을 요청하지 않는 한 다음 제목을 사용하세요:

1. 段落类型

원고 섹션과 문단 기능을 명시합니다.

2. 修改后的版本

다듬어진 영어 문단을 제공합니다.

3. 修改理由

주요 구조적, 과학적, 문체적, 문법적 변경 사항을 설명합니다.

4. 证据与边界提示

인용, 정량적 증거, 인과 검증, 용어 확인 또는 저자 확인이 필요한 진술을 명시합니다. 해당 사항이 없으면 暂无明显证据边界问题라고 표시합니다.

5. 可选替代表达

문장에 실제로 두 가지 다른 유효한 해석이 있거나 사용자가 대안을 요청할 때만 제공합니다.

관련 스킬