Verificação de Participação e Revisão de Qualidade do CMAQ
Princípios de Trabalho
Leia primeiro Fontes e Regras para confirmar a base do manuscrito e o escopo de aplicação das regras. Quando envolver prazos, número de páginas, pesos, anonimato, IA ou método de submissão, verifique online os documentos oficiais da edição, grupo e fase alvo; se a verificação falhar, indique como "a verificar" e prossiga com o conteúdo da pesquisa sem impedimentos. Não transforme exemplos de manuscritos em regras rígidas da competição.
Idioma padrão: Chinês. Primeiro, verifique os materiais existentes do usuário e o andamento atual; pergunte apenas por informações faltantes que possam alterar o plano e, para o restante, prossiga com suposições. Na ausência de dados brutos, forneça apenas planos, modelos a preencher ou demonstrações claramente identificadas; não invente amostras, estatísticas, entrevistas, referências ou status de premiação. Entregue de acordo com a profundidade da tarefa do usuário; modificações locais não exigem refazer todo o fluxo.
Objetivo
Com base nos capítulos 3–4 e 7–9 do manuscrito e nos documentos da edição atual, transforme as observações em perguntas verificáveis e ações corretivas. A profundidade da revisão deve ser adequada ao estágio atual; problemas de design e dados não podem ser mascarados por verificações de formato.
Primeiro, Determine o Escopo da Revisão
Verifique a edição, grupo, universidade e região, problema livre/empresarial, estágio atual, prazo final e materiais existentes. Crie uma tabela de regras: Item | Edição/Grupo/Estágio | Localização Original e Link | Data de Publicação/Data de Verificação | Requisito Oficial | Requisito Local de Execução | Status. Quando os arquivos não forem fornecidos ou não puderem ser lidos, liste como "não verificado" e não julgue automaticamente como violação.
O framework de relatório de graduação 20/30/30/20 pode ser usado como referência diagnóstica, mas não como pontuação oficial para a 17ª edição. Número de páginas, formato, anonimato, verificação de plágio, divulgação de IA, nomeação de arquivos e duração da defesa devem ser verificados nos anexos aplicáveis da edição atual. A data nacional de conclusão não é a data de submissão de materiais da universidade; o cronograma deve ser invertido a partir do ponto de operação mais cedo aplicável. O grupo de estudantes estrangeiros e os participantes do teste de conhecimento precisam de verificação separada.
Pontos de Verificação por Fase
| Fase | Evidências Verificadas | Problemas Típicos e Correções |
|---|---|---|
| Iniciação | Definição do problema, escopo geral, canais e autorizações, tabela de recursos | Escopo muito amplo ou inacessível: Reduzir o tema/redesenhar; não remediar com mais modelos |
| Planejamento | Etapas de amostragem, plano de amostra, matriz problema-variável-item, declaração ética | Amostragem aleatória sem quadro de amostragem, perguntas que não respondem ao objetivo: Reescrever o plano de seleção e medição |
| Pré-teste | Registros de recrutamento, feedback cognitivo, duração e saltos, limpeza e análise de teste, tabela de revisão | Apenas preenchimento de teste sem verificação do fluxo: Complementar testes de processos críticos; 10 respostas em sala de aula não são um limiar universal de amostra para pré-teste |
| Implementação | Treinamento, contato com a amostra e recusas, lotes e canais, versões e registros de revisitas | Substituição arbitrária, respostas induzidas, versões confusas: Identificar o impacto e corrigir ou complementar a coleta, mantendo as alterações |
| Validação de Dados | Arquivos brutos, dicionário, fluxo, regras de limpeza e verificação de anomalias, versão congelada | Exclusão em massa de respostas rápidas/mesmo IP: Revisar evidências e verificar a sensibilidade da limpeza; não alterar valores brutos diretamente |
| Análise | Correspondência de problemas, diagnóstico de pré-requisitos, qualidade da medição, código, robustez | Empilhamento de métodos, vazamento, falha de medição ainda explicada: Simplificar ou suspender essa conclusão |
| Escrita | Índice de resultados, citações, tabela conclusão-recomendação, fontes reais | Conclusões extrapoladas, ROI fictício, empilhamento de capturas de tela: Revisitar resultados e reescrever |
| Submissão/Defesa | Lista de verificação oficial, anonimato e versão, arquivos abertos, PPT e backup, ensaio cronometrado | Confusão de prazos, omissão de anonimato, números diferentes entre versões: Verificar item por item e manter comprovante de submissão |
Autenticidade e Qualidade do Processo
Verifique se a amostra realmente atende aos critérios de seleção, se os canais e o plano de pesquisa são consistentes, se as entrevistas podem ser rastreadas e se as fotos pertencem genuinamente ao projeto. O número de contatos, recuperações, exclusões, n efetivo e n de cada modelo devem ser coerentes; para fusão multicanal, verifique duplicatas e codificação. Ao questionar a autenticidade, registre anomalias visíveis e evidências a verificar; não considere automaticamente o mesmo dispositivo, respostas rápidas ou um determinado padrão como falsificação.
Não gere respostas de questionário para simular recuperação, não invente comprovantes de adoção empresarial, autorizações de cooperação, gravações de entrevistas, fotos de campo ou assinaturas de orientadores. Se houver lacunas críticas de evidências, conclua primeiro as outras partes; marque as conclusões afetadas como "a verificar" e, se necessário, sugira complementar a coleta, remover conclusões ou ajustar o escopo, sem mascarar com embalagem.
Ética e IA
Colete apenas as informações necessárias para a tarefa; a declaração de recrutamento deve informar voluntariedade, finalidade e formas de desistência. Para grupos vulneráveis e informações sensíveis, verifique os requisitos institucionais com base no cenário real. Para textos, capturas de tela, gravações, fotos e escalas de terceiros disponíveis publicamente, verifique as permissões e os riscos de identificação. Estar visível na internet não significa que pode ser coletado e divulgado arbitrariamente. Para julgamentos legais específicos sobre privacidade ou conformidade, consulte a legislação oficial atual separadamente; não faça conclusões legais com base apenas no manuscrito.
Restrinja o acesso a dados brutos sensíveis; desidentifique relatórios públicos para evitar reidentificação por meio de combinações de citações, localização e identidade. Mantenha acordos de armazenamento e exclusão adequados ao projeto; não colete infinitamente dados de dispositivo/localização apenas para provar a pesquisa.
Diferencie recomendações de integridade acadêmica de regras oficiais de IA da edição atual. IA pode auxiliar na elaboração de itens, código, pré-codificação de texto e revisão de idioma, mas deve ser verificada; registre ferramenta/modelo, data, finalidade, tipo de dados de entrada, revisão humana e impacto no resultado, divulgando conforme os requisitos da competição. Não faça upload de dados identificáveis não autorizados, não disfarce conteúdo gerado como evidência de campo; os alunos devem entender e ser capazes de explicar de forma independente a pesquisa e análise centrais.
Lista de Verificação Executável Pré-Submissão
Confirme item por item, conforme a lista de verificação oficial da edição atual, os arquivos obrigatórios (corpo do texto, apêndice, PPT, declaração, etc.); não afirme previamente quais arquivos são necessários. Verifique nome do arquivo, versão, contagem de páginas, formato, citações, escopo do anonimato, metadados/comentários/rastros de revisão/cabeçalhos e rodapés/identificações em imagens; se os requisitos de anonimato ainda não estiverem disponíveis, liste como "a confirmar" e não exclua proativamente fontes de pesquisa. Abra o arquivo final exportado para verificar gráficos, fórmulas, índice, numeração de páginas e fontes; prepare um backup do PPT que possa ser aberto offline. Diferencie claramente o rascunho de avaliação oficial do rascunho arquivado com identificação.
Uniformize o tamanho da amostra, os indicadores e as conclusões centrais em todos os materiais. Verifique se o upload foi bem-sucedido e se o comprovante foi retido; a conclusão de revisão da skill não equivale à submissão já realizada; a submissão real ainda depende da solicitação do usuário e da capacidade da ferramenta.
Entrega da Revisão
Produza Número | Fase/Localização | Problema | Evidência Visível ou Lacuna | Natureza | Impacto | Ação Corretiva | Evidência de Aceitação. Natureza: Violação de regra confirmada, Problema metodológico de pesquisa, Material faltante, Regra a verificar, Melhoria de expressão. Priorize com base no impacto na autenticidade, validade da explicação, aceitação formal e custo da correção; não forneça deduções de pontos previstas sem base oficial.
Use conclusões operacionais como "Pode prosseguir para a próxima fase", "Revisar após complementar evidências específicas" ou "Conclusões principais temporariamente não suportadas". Liste o escopo revisado e o que não pôde ser verificado; materiais incompletos não garantem conformidade total ou prêmio. A revisão deve ser baseada no resultado real corrigido.