CommunityPesquisa e Análise de Dadosgithub.com

affaan-m/scholar-evaluation

Avaliação estruturada de trabalhos acadêmicos para artigos, propostas, revisões de literatura, seções de métodos, qualidade de evidências, suporte de citações e feedback de escrita científica.

O que é scholar-evaluation?

Esta skill capacita agentes de IA a realizarem avaliações estruturadas e criteriosas de trabalhos acadêmicos, abrangendo artigos completos, propostas de pesquisa, revisões de literatura, seções de métodos, qualidade de evidências e suporte de citações. É especialmente útil para pesquisadores, estudantes e profissionais que desejam feedback rápido e consistente sobre a solidez de argumentos, a adequação metodológica e a qualidade das referências em textos científicos. A skill foi projetada para ser utilizada em plataformas como Claude Code, Cursor, Codex e outros agentes que suportem a execução de skills via linha de comando ou integração direta com o repositório. Ao invocar `affaan-m/scholar-evaluation`, o agente analisa o texto fornecido (ou carregado de um arquivo) e retorna um relatório detalhado com seções como avaliação geral, pontos fortes, pontos fracos, sugestões de melhoria e uma pontuação quantitativa para cada critério. O processo segue uma metodologia transparente e baseada em heurísticas de revisão por pares, garantindo que o feedback seja acionável e alinhado com as boas práticas da comunicação científica.

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

Installed? Explore more Pesquisa e Análise de Dados skills: affaan-m/uspto-database, affaan-m/literature-review, affaan-m/everything-claude-code · View all 6 →

Perguntar na sua IA favorita

Abre um novo chat com esta habilidade de agente já pré-carregada.

Documentação

O que scholar-evaluation faz?

Avaliação estruturada de trabalhos acadêmicos para artigos, propostas, revisões de literatura, seções de métodos, qualidade de evidências, suporte de citações e feedback de escrita científica.

Visão Geral

Esta skill fornece um framework sistemático para avaliação crítica de produções acadêmicas. Ela analisa a coerência argumentativa, a adequação metodológica, a relevância das evidências e a precisão das citações, gerando relatórios detalhados e objetivos.

Plataformas Suportadas

  • Claude Code (via MCP)
  • Cursor (via extensão)
  • Codex CLI (via skill)
  • Qualquer agente que suporte a execução de skills a partir de repositórios git

Como Usar

Uso Básico

  1. Instalação: Adicione o repositório affaan-m/scholar-evaluation ao seu agente ou configure-o como uma skill no seu ambiente de desenvolvimento.
  2. Entrada de Dados: Forneça o texto acadêmico que deseja avaliar, seja diretamente via prompt, seja carregando um arquivo (.md, .txt, .pdf, .docx).
  3. Execução: Invoque a skill com o comando:
agent run skill affaan-m/scholar-evaluation --input path/to/document.md

Ou, se o agente suportar MCP:

mcp run affaan-m/scholar-evaluation --args '{"text": "..."}'

Parâmetros de Avaliação

Você pode personalizar a avaliação definindo critérios específicos:

  • --criteria: Lista de critérios a serem avaliados (ex.: clareza,metodologia,evidencias)
  • --output-format: Formato do relatório (markdown, json, html)
  • --language: Idioma do relatório (pt, en, es)

Exemplo de Entrada

# Título do Artigo

## Introdução
Este estudo investiga o impacto da inteligência artificial na educação superior...

## Metodologia
Utilizamos uma abordagem mista com questionários e entrevistas semiestruturadas...

## Resultados
Os dados indicam que...

Exemplo de Saída (Trecho)

# Relatório de Avaliação Acadêmica

## Pontos Fortes
- Introdução clara e contextualizada
- Metodologia descrita com detalhes suficientes
- Citações bem integradas ao texto

## Pontos a Melhorar
- Seção de resultados carece de análise estatística
- Revisão de literatura não cobre estudos recentes (pós-2020)
- Ausência de discussão sobre limitações

## Pontuação Geral: 7.5/10

Funcionalidades

  • Avaliação Multi-critério: Analisa aspectos como clareza, originalidade, rigor metodológico, qualidade das evidências e suporte de citações.
  • Feedback Estruturado: Gera relatórios com seções claras e recomendações acionáveis.
  • Suporte Multi-formato: Aceita entrada em Markdown, texto puro, PDF e DOCX.
  • Personalizável: Permite definir critérios e formato de saída.

Contribuição

Contribuições são bem-vindas! Por favor, veja o repositório original em https://github.com/affaan-m/scholar-evaluation para mais detalhes.

Licença

Esta skill é distribuída sob a licença MIT. Consulte o arquivo LICENSE para mais informações.

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/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.

agent-self-evaluation

Use after completing any non-trivial task. The agent self-rates its output on 5 axes — accuracy, completeness, clarity, actionability, conciseness — with concrete evidence per criterion. Produces a structured 1-5 scorecard with specific improvement suggestions.

Habilidades Relacionadas