CommunityPesquisa e Análise de Dadosgithub.com

mkaremm80/lecture-survey-gap-finder

Transforme qualquer tópico de pesquisa, de qualquer área, em um PDF colorido de palestra/survey com artigos recentes, figuras, lacunas de pesquisa e uma tabela de ideias para artigos Q1.

O que é lecture-survey-gap-finder?

Esta skill é projetada para estudantes e pesquisadores que precisam de uma revisão de literatura abrangente e visualmente atraente, juntamente com a identificação de lacunas de pesquisa e ideias para artigos de alto impacto (jornais Q1). Ela automatiza o processo de busca, análise e síntese de artigos acadêmicos, transformando um tópico fornecido pelo usuário em um PDF LaTeX de 8 a 12 páginas. A skill suporta diversas plataformas de busca acadêmica, como SciSpace, Google Scholar e PubMed, e é adaptável a qualquer campo, desde medicina e engenharia até ciências sociais. O processo envolve a busca paralela de 20 a 30 artigos, análise temática, criação de matrizes de cobertura e figuras (como linha do tempo e mapas de novidade), e a geração de ideias de pesquisa viáveis para o estudante. O resultado é um documento profissional, com estilo de escrita em inglês de nível B2, que pode ser usado como base para uma seção de 'Trabalhos Relacionados' ou como ponto de partida para um novo projeto de pesquisa.

Funciona com~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/mkaremm80/-my-claude-skills/tree/HEAD/skills/lecture-survey-gap-finder

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

Perguntar na sua IA favorita

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

Documentação

Pesquisa e Localizador de Lacunas (Lecture Survey and Gap Finder)

Use esta skill quando um estudante ou pesquisador fornecer um tópico (qualquer área: engenharia, medicina, educação, negócios, física, ciências sociais...) e pedir uma revisão de literatura, uma "palestra survey", lacunas de pesquisa ou ideias para um artigo em um jornal Q1.

A saída é um PDF A4 colorido (LaTeX), com cerca de 8 a 12 páginas, chamado <Topic_Resumido>_Survey_Gaps_Ideas_v1.pdf. Ele contém: os artigos de relance, uma pesquisa escrita como uma palestra, figuras, uma tabela de lacunas, uma tabela de ideias e um plano inicial para as três melhores ideias.

Estilo de escrita: inglês, frases curtas, palavras simples (nível B2), profissional. Cada número deve vir de um artigo. Qualquer coisa que seja sua própria estimativa ou classificação deve ser rotulada como tal.

Passo 0 - Perguntar (uma mensagem curta, ou AskUserQuestion)

Pergunte apenas o que você não pode adivinhar. Use padrões se a pessoa não responder.

  1. Tópico e área (obrigatório).
  2. Intervalo de anos (padrão: os últimos 2-3 anos até hoje) e número de artigos (padrão 20).
  3. A formação e as habilidades do estudante (por exemplo, programação, estatística, acesso a laboratório, dados clínicos). Isso preenche a coluna "Adequação" da tabela de ideias. Se desconhecido, escreva "Adequação" com base na viabilidade geral.
  4. Algum jornal ou evento alvo (opcional).

Passo 1 - Encontrar os artigos

  1. Use search-papers do SciSpace se ele estiver disponível (carregue-o com ToolSearch). Caso contrário, use WebSearch no Google Scholar, Semantic Scholar, arXiv, PubMed (medicina), ERIC (educação), SSRN (negócios), etc.
  2. Execute 5 a 7 pesquisas, cada uma uma pergunta completa em linguagem natural, cada uma cobrindo uma subárea do tópico (métodos, aplicações, experimentos, revisões, direções emergentes). Execute-as em paralelo.
  3. Mantenha os artigos dentro do intervalo de anos. Remova: duplicatas (mesmo título no arXiv e no jornal - mantenha a versão do jornal), artigos fora do intervalo e envios não confiáveis (repositórios com alegações extraordinárias, ferramentas de IA listadas como autores, sem afiliação, sem método). Diga no PDF o que você removeu e por quê.
  4. Marque pré-impressões (arXiv, medRxiv, SSRN, Preprints.org) como "ainda não revisado por pares".
  5. Para cada artigo mantido, registre: ID, título curto, autores, veículo, data, DOI/URL, tipo (Experimento / Teoria-Método / Revisão / Conjunto de dados / Ensaio clínico / Estudo de caso ...), tema e cada número no resumo (resultados, tamanhos, distâncias, precisão, tamanho da amostra, valores-p...).

Passo 2 - Analisar

  1. Agrupe os artigos em 4 a 6 temas. Cada tema recebe uma cor.
  2. Para cada tema, encontre: a tendência ao longo do tempo, os melhores números relatados e o problema em aberto que os autores admitem.
  3. Escolha 6 a 9 aspectos que importam neste campo para a matriz de cobertura (exemplos: engenharia - experimento, hardware, modelo de canal, codificação, ML, rede, segurança; medicina - ECR, tamanho amostral >1000, cenário de baixa renda, acompanhamento longo, modelo de IA, análise de custos; educação - K-12, ensino superior, design randomizado, efeito de longo prazo, ferramenta de IA, formação de professores). Marque cada artigo apenas quando seu resumo relatar claramente esse aspecto.
  4. Encontre 6 a 10 lacunas. Cada lacuna precisa de evidências: IDs de artigos e números. Uma coluna com 0 a 2 artigos na matriz de cobertura é uma candidata a lacuna, mas explique por que ela é importante.
  5. Transforme as lacunas em 6 a 8 ideias de artigos. Cada ideia: título, lacunas que preenche, método principal, principal resultado a mostrar, adequação ao estudante, jornal Q1 alvo, esforço.

Passo 3 - Verificação de novidade (obrigatório)

Para as 3 ideias mais fortes, execute uma pesquisa cada ("X já foi feito para Y?"). Registre os artigos mais próximos encontrados (N1, N2, ...). No PDF, diga para cada ideia: "não encontrado em nossa busca", "parcialmente feito por [Nk]", ou "já feito - descarte ou mude". Aviso sempre: uma busca rápida não é uma verificação completa de novidade.

Passo 4 - Figuras (matplotlib, fonte STIX, pdf.fonttype=42, cerca de 6,8 x 4 pol, 10-11 pt)

Faça quantas figuras os dados permitirem; nunca invente dados.

  1. Linha do tempo: x = data, y = tema, formato do marcador = tipo, ID do artigo escrito dentro do marcador.
  2. Gráfico de métrica chave: o número principal do campo versus a condição principal (taxa versus distância, precisão versus tamanho do conjunto de dados, tamanho do efeito versus tamanho da amostra, custo versus ano...). Apenas números dos resumos. Use marcadores preenchidos vs. vazios quando existirem dois regimes (por exemplo, finito vs. assintótico, validação interna vs. externa). Anote a tendência com uma seta e uma caixa de nota.
  3. Gráfico de barras de registros / benchmark: melhor resultado por abordagem, com a compensação escrita ao lado de cada barra.
  4. Diagrama do pipeline do campo (TikZ): a cadeia genérica do campo (por exemplo, dados -> modelo -> avaliação -> implantação; paciente -> diagnóstico -> tratamento -> acompanhamento). Coloque distintivos de lacuna vermelhos G1, G2... nos blocos onde cada lacuna se situa.
  5. Matriz de cobertura: linhas = artigos agrupados por cor do tema, colunas = aspectos, marcas de verificação, linha inferior = totais, totais vermelhos para colunas com <= 2 artigos. Legenda: "nossa classificação a partir dos resumos".
  6. Mapa de ideias: x = esforço/risco, y = impacto esperado, cor = adequação ao estudante; sombreie a caixa "comece aqui". Legenda: "nossa estimativa, não um valor medido".
  7. Mapa de novidade para a melhor ideia: os trabalhos existentes mais próximos em uma linha do tempo por categoria, mais uma estrela para o espaço vazio que a ideia preenche.

Regras de plotagem: renderize cada figura para PNG (pdftoppm -r 70) e observe-a. Corrija rótulos sobrepostos, texto cortado e legendas que cobrem dados (use posições de texto explícitas; coloque caixas de anotação em áreas vazias).

Passo 5 - Construir o PDF (LaTeX)

Preâmbulo: article, a4paper, margem 18 mm, helvet sem serifa, xcolor[table], tcolorbox[most], tikz (arrows.meta, positioning, calc, fit, backgrounds), booktabs, tabularx, xltabular, array, enumitem, titlesec, fancyhdr, float, caption, needspace, graphicx, amsmath, hyperref[hidelinks]. Cores: navy #1B3A5C, teal #00798C, rosered #D1495B, amber #E09F3E, leaf #2E8B57, plum #6A4C93. Caixas (\newtcolorbox{nome}[1]{...title={#1}}): verdict (teal, mensagem principal), stepbox (navy, "Como ler"), goodbox (verde, "O que nos diz"), notebox (amber, abreviações/notas), critical (vermelho, "Antes de começar a escrever"), ideabox[2] (cor como 2º argumento, quebrável). Macros: citação \newcommand{\cit}[1]{\textcolor{navy}{[#1]}} - NUNCA redefinir \ref (quebra referências de seção). Distintivo de lacuna \gap{G1} e distintivo de ideia \idea{I1} como pequenos nós TikZ coloridos.

Estrutura:

  1. Faixa de capa (faixa TikZ navy + faixa teal): tópico, "Revisão de literatura, lacunas de pesquisa e ideias para artigos Q1", número de artigos, intervalo de datas, versão, data, preparado para.
  2. Caixa verdict: a mensagem principal em três frases. stepbox: como usar o guia. notebox: tabela de abreviações (defina cada abreviação uma vez).
  3. Como os artigos foram selecionados (buscas, filtros, o que foi removido).
  4. Os artigos de relance: tabela (ID, título curto, veículo, data, tipo; linhas zebra; cabeçalho navy) + figura da linha do tempo + goodbox.
  5. Revisão de literatura (estilo palestra): uma subseção por tema, 6 a 10 frases, ordem de história (mais antigo para mais novo), números com citações, termine com "Mensagem:" e o distintivo de lacuna. Coloque a figura da métrica chave em seu tema com stepbox + goodbox. Em seguida, a figura de registros + goodbox. Esta seção pode ser reutilizada como o "Trabalhos Relacionados" de um artigo.
  6. Onde as lacunas se situam: diagrama do pipeline + goodbox.
  7. Matriz de cobertura + stepbox + goodbox.
  8. Tabela de lacunas de pesquisa: Lacuna | Nome curto | Evidência dos artigos | Por que é importante.
  9. Tabela de ideias de artigos (xltabular): ID | Ideia | Lacunas | Método principal e principal resultado | Adequação | Jornal alvo. Adicione uma nota cinza: "verifique o quartil atual do jornal (JCR ou Scimago) antes de submeter". Em seguida, o mapa de ideias + goodbox.
  10. Três melhores ideias: uma ideabox cada com Problema, Possíveis contribuições (numeradas, sem negrito), Primeira simulação/experimento, Risco. Coloque o mapa de novidade ao lado da ideia 1.
  11. Caixa critical: antes de começar a escrever (repetir busca de novidade em 2-3 bases de dados, ler textos completos, atualizar pré-impressões).
  12. Referências: os artigos pesquisados [1..n] e os artigos de verificação de novidade [N1..]. Use \sloppy antes da lista. Nota de rodapé cinza: fonte de dados e data, quais figuras são dados exatos e quais são estimativas.

Layout: não coloque \clearpage antes de cada seção (deixa páginas meio vazias). Use \Needspace{12-30\baselineskip} antes de cabeçalhos seguidos por uma tabela ou figura grande, para que um cabeçalho nunca fique sozinho no final de uma página. Compile duas vezes com pdflatex -interaction=nonstopmode. Pacotes faltando: apt-get install -y texlive-latex-extra texlive-fonts-extra texlive-science texlive-pictures.

Passo 6 - Verificar antes de enviar

  • Renderize todas as páginas (pdftoppm -r 55) em folhas de 4 páginas e observe cada folha: sem cabeçalhos órfãos, sem páginas meio vazias, sem sobreposições, tabelas dentro das margens (corrija avisos Overfull hbox acima de ~10pt).
  • Zoom (-r 110) no diagrama do pipeline e na tabela de ideias.
  • Verifique cada número no texto e nas figuras em relação aos resumos; verifique as proporções que você afirma (por exemplo, "cerca de 4 ordens de magnitude").
  • Certifique-se de que toda estimativa (marcações de cobertura, mapa de ideias, adequação) esteja rotulada como estimativa.

Passo 7 - Entregar

Envie o PDF com SendUserFile. Responda em algumas linhas curtas: a principal descoberta, a lista de figuras, as três melhores ideias com uma linha cada e os limites (estimativas, verificação rápida de novidade). Dê uma lista "Fontes:". Qualquer revisão mantém o nome com um novo número de versão (v2, v3, ...).

Adaptação a outros campos (guia rápido)

  • Medicina/saúde: métrica chave = tamanho do efeito, AUC, mortalidade, tamanho da amostra; pipeline = população -> triagem -> diagnóstico -> tratamento -> acompanhamento; alvos como The Lancet Digital Health, JAMA Netw Open, BMJ Open (verifique quartil).
  • Educação: métrica chave = ganho de aprendizado / tamanho do efeito vs. tamanho da amostra ou duração; pipeline = aprendiz -> conteúdo -> método de ensino -> avaliação -> resultado.
  • Negócios/economia: métrica chave = retorno, custo, taxa de adoção vs. tempo ou tamanho da empresa; pipeline = entrada -> processo -> mercado -> desempenho.
  • Ciência da computação/IA: métrica chave = precisão vs. tamanho do modelo ou tamanho dos dados; pipeline = dados -> modelo -> treinamento -> avaliação -> implantação.
  • Ciências físicas/engenharia: métrica chave = desempenho principal vs. distância, potência, temperatura ou tamanho; pipeline = a cadeia do sistema físico.

Individual skills in this repo

This repo contains 2 individual skills — each has its own dedicated page.

Habilidades Relacionadas