Community研究与数据分析github.com

پژوهش-نگارش-فارسی

راهنمایی یک دانشجو از صفر تا مقاله علمی یا پایان‌نامه کامل با کمک مسئولانه هوش مصنوعی، مطابق با درس «از صفر تا صد نگارش و انتشار مقاله علمی با کمک مسئولانه هوش مصنوعی»، شامل ۱۰ پوشه، ۱۸ بخش با معیارهای قبولی (ایستگاه)، فرم‌های راست‌به‌چپ ورد، جزوات جلسات و کتابچه پرامپت‌ها. مسیر C برای مطالعه با داده‌های پرسشنامه‌ای خود دانشجو (طراحی، حجم نمونه، اخلاق، روش، پالایش، تحلیل، نتایج، بحث) و مسیر پایان‌نامه (پروپوزال، فصول).

پژوهش-نگارش-فارسی 是什么?

این مهارت، یک دوره جامع و ساختاریافته برای راهنمایی دانشجویان در نگارش مقالات علمی و پایان‌نامه‌ها با کمک مسئولانه هوش مصنوعی است. این مهارت که توسط حمید علاei طراحی شده، بر این اصل استوار است که دانشجو ابتدا منطق پژوهش را بیاموزد و هوش مصنوعی به‌عنوان یک دستیار کنترل‌شده، مسیر را سریع‌تر و دقیق‌تر کند. این مهارت با ایجاد یک پروژه پوشه‌بندی شده (۱۰ پوشه) و پیروی از یک برنامه درسی ۱۸ بخشی، دانشجو را گام به گام از انتخاب موضوع تا ارسال مقاله هدایت می‌کند. این مهارت از پلتفرم‌های مختلفی مانند ChatGPT، Claude، Google Scholar و Zotero پشتیبانی می‌کند و شامل کتابچه پرامپت، فرم‌های ورد راست‌به‌چپ و اسکریپت‌های پایتون برای خودکارسازی است. قوانین سختگیرانه‌ای مانند ممنوعیت منابع ساختگی، ثبت هرگونه استفاده از هوش مصنوعی در گزارش، و حفظ صدای دانشجو، از جمله ویژگی‌های کلیدی این مهارت است.

兼容平台✓Claude Code~Codex CLI~Cursor✓Gemini CLI
npx skills add https://github.com/alaeys-cell/persian-research-writing/tree/HEAD/skills/persian-research-writing

Installed? Explore more 研究与数据分析 skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →

在你喜欢的 AI 中提问

打开一个已预加载此 Agent Skill 的新对话。

文档

نگارش پژوهش فارسی

این مهارت، درس حمید علاei با عنوان «از صفر تا صد نگارش و انتشار مقاله علمی با کمک مسئولانه هوش مصنوعی» را به‌عنوان یک روش کار اجرا می‌کند. قانون اصلی درس: دانشجو ابتدا منطق پژوهش را می‌آموزد و هوش مصنوعی یک دستیار کنترل‌شده است که این مسیر را سریع‌تر و دقیق‌تر می‌کند. هوش مصنوعی هرگز نویسنده نیست، هرگز داور علم نیست و هرگز منبع حقایق نیست.

شروع با مکان‌یابی دانشجو

  1. حالت. حالت پیش‌فرض یک مقاله مروری تحلیلی مستند است (هسته اصلی درس، ۷۹ جلسه). حالت‌های دیگر عبارتند از مرور سیستماتیک (مسیر B: PRISMA 2020 و Rayyan، فقط برنامه)، مقاله داده یا پرسشنامه (مسیر C، جزوات 21-1 تا 21-8) و پایان‌نامه. یک پایان‌نامه معمولاً مبتنی بر پرسشنامه است، نه مرور: فصل‌های ۱ و ۲ را با بخش‌های اصلی ۳ تا ۸ بسازید، سپس مسیر C را دنبال کنید، جایی که 21-1 طرح را از سؤال تحقیق انتخاب می‌کند و استاد راهنما آن را تأیید می‌کند. یک پایان‌نامه مروری در هسته اصلی باقی می‌ماند و پایان‌نامه مرور سیستماتیک به مسیر B می‌رود. برای یک پایان‌نامه، همچنین references/thesis-questionnaire.md را بخوانید.
  2. ایستگاه. در پوشه پروژه (۰۱ تا ۱۰) نگاه کنید تا ببینید چه تحویلی‌هایی وجود دارد، یا بپرسید. از آخرین ایستگاهی که دانشجو به پایان رسانده ادامه دهید. اگر تحویل‌دادنی قبلی وجود ندارد، آن را نام ببرید و بپرسید که آیا اکنون ساخته شود. فقط زمانی به عقب برگردید که مرحله بعدی به آن وابسته باشد (شکاف به ماتریس ادبیات نیاز دارد). جلوتر نپرید: در مرحله موضوع، تحویل‌دادنی برگه ۳-۲ است (حوزه، موضوع محدودتر، مسئله احتمالی، سؤال اولیه)، نه فرضیه‌ها یا مقیاس‌ها. یک طرح تحقیق کامل که خیلی زود تحویل داده شود در استفاده واقعی کنار گذاشته شد.
  3. استاد راهنما. در یک پایان‌نامه، استاد راهنما در مورد موضوع و روش تصمیم می‌گیرد. به‌جای تصمیم‌گیری برای آنها، گزینه‌ها و سؤالات واضحی برای جلسه بعدی آماده کنید. از کار خود استاد راهنما به‌عنوان یک ورودی استفاده کنید؛ گزینه‌هایی که فقط حول سازه‌های خودشان ساخته شده‌اند در استفاده واقعی رد شدند.

قوانینی که از دانشجو محافظت می‌کنند

  • بدون منابع، استنادها، نقل‌قول‌ها، اعداد، داده‌ها یا نتایج ساختگی. هر منبعی را که یک ابزار هوش مصنوعی پیشنهاد می‌کند تا زمانی که DOI یا صفحه مجله آن باز نشده است، تأییدنشده در نظر بگیرید. یک مرجع جعلی می‌تواند یک دفاعیه را خراب کند.
  • ادعای تازگی یا شکاف قطعی نکنید تا زمانی که ماتریس ادبیات و بانک شواهد از آن پشتیبانی کنند. تا آن زمان بنویسید «نیاز به بررسی دارد».
  • قوت ادعا از شواهد تبعیت می‌کند. یک رابطه یک اثر نیست و داده‌های مقطعی علی نیستند. جلسات ۱۲-۲ و ۱۵-۴ این را آموزش می‌دهند.
  • هر استفاده از هوش مصنوعی را با فرم ai-log در پوشه ۰۹ ثبت کنید: تاریخ، ابزار، مرحله، هدف، ورودی و آنچه انسان بررسی یا تغییر داده است. افشای هوش مصنوعی پایان‌نامه یا مجله از این لاگ نوشته می‌شود.
  • «مرور سیستماتیک» فقط پس از اجرای واقعی مسیر B قابل ادعا است.
  • صدای دانشجو باقی می‌ماند. پیش‌نویس‌های هوش مصنوعی مواد خامی هستند که در مقابل بانک شواهد بررسی می‌شوند. به پنهان‌کردن نویسندگی هوش مصنوعی یا فرار از تشخیص‌دهنده‌های هوش مصنوعی کمک نکنید؛ بخش کتابچه پرامپت در این مورد عمداً حذف شد.
  • نسخه‌ها. هرگز یک نسخه قبلی را بازنویسی یا حذف نکنید. فایل‌ها را با الگوی درس نام‌گذاری کنید: «… ـ نسخه ۱» و «نسخه ۲».
  • متن فارسی. اگر مهارت persian-writing در دسترس است، از آن برای املا (نیم‌فاصله، ارقام فارسی، ی و ک) و اسناد راست‌به‌چپ استفاده کنید.

پرونده پروژه

python -B -X utf8 "<skill>/scripts/new_project.py" "<project folder>" --mode article --name "<student name>"

برای یک پایان‌نامه از --mode thesis استفاده کنید. اسکریپت‌ها به پایتون ۳.۹ یا جدیدتر و python-docx ( pip install python-docx ) نیاز دارند. این کار ده پوشه را ایجاد می‌کند، یا پوشه‌های شماره‌گذاری شده‌ای را که از قبل وجود دارند (همچنین زمانی که با ارقام فارسی نوشته شده‌اند، همانطور که جلسه ۰۱-۱ آنها را نام‌گذاری می‌کند) دوباره استفاده می‌کند، و فرم وضعیت (۰۱)، برگه موضوع (۰۲) و لاگ هوش مصنوعی (۰۹) را اضافه می‌کند. هرگز فایلی را بازنویسی نمی‌کند. پوشه‌ها: ۰۱ وضعیت اولیه و برنامه مسیر · ۰۲ ایده‌ها و انتخاب موضوع · ۰۳ جستجو و کلیدواژه‌ها · ۰۴ منابع علمی · ۰۵ مطالعه و تحلیل منابع · ۰۶ جدول‌ها و ماتریس تحلیل · ۰۷ مجله هدف و ضوابط نگارش · ۰۸ پیش‌نویس مقاله · ۰۹ گزارش استفاده از هوش مصنوعی · ۱۰ نسخه نهایی و ارسال. در حالت پایان‌نامه، ۰۷، ۰۸ و ۱۰ تبدیل می‌شوند به ضوابط دانشگاه و مجله هدف، پیش‌نویس پروپوزال و فصل‌ها، نسخه نهایی و دفاع.

مسیر

جزوات جلسات در references/sessions/PP-S.md هستند (مثلاً 03-2.md جلسه ۳-۲ است). معیارهای قبولی ایستگاه و خروجی هر جلسه در references/course-plan.md هستند (جستجوی «ایستگاه»). برنامه، تصمیم مسیر (فرم تصمیم) را در زیر ۱۸-۴ فهرست می‌کند، اما جزوه نوشته‌شده ۱۸-۴ قالب‌بندی مجله را پوشش می‌دهد. تصمیم مسیر را در ایستگاه ۱۷، پایان هسته اصلی، بگیرید.

قسمتسؤالجلساتتحویل‌دادنی‌های ایستگاه
۱مقاله چیست و چه چیزی تولید خواهم کرد؟۰۱-۱ تا ۰۱-۴فرم وضعیت، آناتومی مقاله (ایستگاه ۰)
۲هوش مصنوعی کجا کمک می‌کند و خط اخلاقی کجاست؟۰۲-۱ تا ۰۲-۳منشور اخلاقی، قالب پرامپت، لاگ هوش مصنوعی (ایستگاه ۱)
۳چگونه یک موضوع مناسب پیدا کنم؟۰۳-۱ تا ۰۳-۷فهرست ایده‌ها، برگه موضوع، جدول محدودیت‌ها، امتیازدهی موضوع، بیان مسئله و سؤال اکتشافی (ایستگاه ۲)
۴چگونه منابع را جستجو و انتخاب کنم؟۰۴-۱ تا ۰۴-۶جدول کلیدواژه‌ها و رشته بولین، لاگ جستجو، معیارهای انتخاب (ایستگاه ۳)
۵چگونه متون کامل را دریافت و مدیریت کنم؟۰۵-۲ تا ۰۵-۴ (۰۵-۱ حذف شده، زیر را ببینید)PDFها، کتابخانه Zotero، استنادهای ورد، فایل اصلی دست‌نویس (ایستگاه ۴)
۶چگونه مقالات را بخوانم و بفهمم؟۰۶-۱ تا ۰۶-۶کارت‌های مطالعه، تشخیص روش، یادداشت‌های تأیید (ایستگاه ۵)
۷کدام منابع قوی‌تر هستند؟۰۷-۱ تا ۰۷-۴مقاله دانه و شبکه استنادی، فرم کیفیت، مجموعه منابع اصلی (ایستگاه ۶)
۸چگونه از منابع به یک شکاف و سؤال نهایی برسم؟۰۸-۱ تا ۰۸-۵ماتریس ادبیات، تم‌ها، پاراگراف‌های سنتز، شکاف، سؤال نهایی، بانک شواهد (ایستگاه ۷)
۹برای کدام مجله می‌نویسم؟۰۹-۱ تا ۰۹-۴مجلات هدف، بررسی نوع مقاله، چک‌لیست مجله (ایستگاه ۸)
۱۰چگونه ساختار و روش را طراحی کنم؟۱۰-۱ تا ۱۰-۳طرح کلی، روش، نقشه شواهد (ایستگاه ۹)
۱۱جدول مقاله چگونه ساخته می‌شود؟۱۱-۱ تا ۱۱-۴برنامه جدول و جدول تأییدشده (ایستگاه ۱۰)
۱۲چگونه علمی بنویسم؟۱۲-۱ تا ۱۲-۶تمرین‌های سطح ادعا، پارافریز و یکپارچگی، پاراگراف سنتز (ایستگاه ۱۱)
۱۳مقدمه چگونه نوشته می‌شود؟۱۳-۱ تا ۱۳-۴مقدمه تأییدشده (ایستگاه ۱۲)
۱۴بدنه تحلیلی چگونه نوشته می‌شود؟۱۴-۱ تا ۱۴-۴بدنه موضوعی (ایستگاه ۱۳)
۱۵بحث چگونه نوشته می‌شود؟۱۵-۱ تا ۱۵-۶تفسیر، تضادها، پیامدها، محدودیت‌ها (ایستگاه ۱۴)
۱۶نتیجه‌گیری چگونه نوشته می‌شود؟۱۶-۱ تا ۱۶-۲نتیجه‌گیری (ایستگاه ۱۵)
۱۷چکیده، عنوان و کلیدواژه‌ها چگونه آماده می‌شوند؟۱۷-۱ تا ۱۷-۳صفحات آغازین (ایستگاه ۱۶)
۱۸مقاله چگونه ممیزی می‌شود و مسیر بعدی انتخاب می‌شود؟۱۸-۱ تا ۱۸-۴ممیزی ادعا، ممیزی نهایی، فرم تصمیم (ایستگاه ۱۷)
Aچگونه آماده و ارسال کنم؟۱۹-۱ تا ۱۹-۵بسته ارسال، افشای هوش مصنوعی، نامه همراه، پاسخ به داور
Bچگونه یک مرور سیستماتیک واقعی انجام دهم؟فقط برنامهcourse-plan.md را ببینید
Cچگونه مطالعه داده‌های خودم را انجام و بنویسم؟۲۱-۱ تا ۲۱-۸نقشه طراحی تحقیق، طرح جمع‌آوری داده و اخلاق (بررسی اخلاق پس از ۲۱-۲)، چک‌لیست گزارش و روش‌ها، فرهنگ داده و لاگ پالایش، گزارش کمی، جدول کیفی (تأیید تحلیل پس از ۲۱-۶)، نتایج و شکل‌ها، دست‌نویس تحقیق (ایستگاه نهایی پس از ۲۱-۸)؛ سپس ارسال از طریق مسیر A

شکاف‌های شناخته‌شده در جزوات اصلی

جزوات اصلی متن نوشته‌شده درس هستند. هنگام استفاده از آنها این تصحیحات را اعمال کنید:

  • پوشه‌ها. جلسه ۰۱-۱ ده پوشه را تعریف می‌کند، اما جزوات بعدی پوشه‌ها را به نام بخش‌های درس نام‌گذاری می‌کنند. آنها را نگاشت کنید: «۰۵ ـ PDF منابع» به ۰۴؛ «۰۶ ـ کارت‌های مطالعه»، «۰۷ ـ گسترش منابع و کیفیت شواهد» و «۰۴ ـ مطالعه و استخراج از منابع» به ۰۵؛ «۰۸ ـ ماتریس و سنتز منابع» و «۱۱ ـ جدول‌ها و نمایش شواهد» به ۰۶؛ «۰۹ ـ مقصد نگارش و ژورنال» به ۰۷؛ «۱۰ ـ Method و Outline مقاله» و پوشه‌های نگارش «۱۲» تا «۱۷» به ۰۸؛ «۱۸ ـ ویرایش و ممیزی نهایی» به ۱۰. پوشه‌های ۰۲، ۰۳ و «۰۹ ـ گزارش استفاده از هوش مصنوعی» شماره‌های خود را حفظ می‌کنند.
  • تحویل‌دادنی‌های ایستگاه بدون جزوه به‌همان نام (یادداشت‌های تأیید، تأیید نوع، تأیید جدول، گزارش ممیزی نهایی): خروجی جزوه‌ای را بپذیرید که همان بررسی را پوشش می‌دهد و فایل را به‌گونه‌ای نام‌گذاری کنید که آن را پوشش دهد. گزارش ممیزی نهایی ایستگاه ۱۷، بررسی محتوا و ممیزی ادعا (۱۸-۱)، بررسی استناد و مرجع (۱۸-۳)، بررسی قالب‌بندی مجله (۱۸-۴) و یک بررسی نهایی از لاگ هوش مصنوعی را جمع‌آوری می‌کند.
  • مسیر A پس از مسیر B یا C. مسیر A برای مقاله مروری تحلیلی مستند هسته اصلی نوشته شده است. برای یک مرور سیستماتیک یا مطالعه داده، از نوع مقاله واقعی در تناسب مجله، نامه همراه، بیانیه‌ها و پاسخ‌های داور استفاده کنید و از بررسی‌هایی که فقط مربوط به یک مرور هستند صرف‌نظر کنید.
  • متون کامل. جلسه ۵-۱ از این مهارت حذف شده است زیرا سرویس‌های دانلودی را آموزش می‌دهد که از دیوار پرداخت ناشران عبور می‌کنند. متن کامل را از صفحه ناشر، لینک PDF در Google Scholar، Unpaywall یا CORE، یک دست‌نویس پذیرفته‌شده یا پیش‌چاپ در یک مخزن، صفحه نویسنده، کتابخانه دانشگاه یا یک درخواست کوتاه از نویسنده دریافت کنید. هر فایل را به‌صورت AuthorYear_ShortTitle.pdf نام‌گذاری کنید (یکی که هنوز موجود نیست به‌عنوان Pending_Topic_01.pdf) و در پوشه ۰۴ ذخیره کنید.
  • تکراری‌های Zotero (۰۵-۲، ۱۸-۳): آنها را با Merge Items ادغام کنید به‌جای حذف یکی، تا استنادهایی که قبلاً در ورد، یادداشت‌ها، برچسب‌ها و مجموعه‌ها هستند متصل بمانند.
  • بارگذاری در ابزارهای هوش مصنوعی (۰۶-۴، ۰۶-۶، ۰۹-۴، ۱۹-۵): یک متن کامل تنها زمانی وارد NotebookLM یا ابزار آنلاین دیگری می‌شود که مجوز آن یا شرایط ناشر اجازه دهد، مثلاً یک کپی دسترسی آزاد تحت مجوز CC. در غیر این صورت از یادداشت‌ها و چکیده خود دانشجو استفاده کنید. قبل از دادن نامه تصمیم یا گزارش داور به یک ابزار هوش مصنوعی، خط مشی مجله را بررسی کنید و جزئیات شناسایی را حذف کنید.
  • نشانه‌های طراحی (۰۷-۳): کلمه «پیمایش» به تنهایی یک طرح مقطعی را نشان نمی‌دهد. تأیید کنید که داده‌ها در یک نقطه از زمان جمع‌آوری شده‌اند.

کار در یک مرحله

  1. فایل آن جلسه را بخوانید. هر جلسه از الگوی درس پیروی می‌کند: چرا مهارت مهم است، مفهوم، روش استاندارد بدون هوش مصنوعی، روش با کمک هوش مصنوعی، کنترل خطا، نمایش مربی روی موضوع نمونه ثابت درس (استفاده از رسانه‌های اجتماعی در شب و کیفیت خواب دانشجویان)، اجرای خود دانشجو و تحویل‌دادنی.
  2. آن را روی موضوع دانشجو اعمال کنید، نه روی موضوع نمونه.
  3. تحویل‌دادنی را، چه به‌عنوان یک فرم (زیر) و چه به‌عنوان متن، تولید کنید و با یک شماره نسخه در پوشه درست ذخیره کنید.
  4. یک ردیف به لاگ هوش مصنوعی اضافه کنید و فهرست کنید که دانشجو قبل از اعتماد باید چه چیزی را تأیید کند.
  5. قبل از حرکت، معیارهای قبولی ایستگاه را بررسی کنید. در بررسی اخلاق پس از ۲۱-۲، یک درخواست کد اخلاق در انتظار برای ادامه به ۲۱-۳ کافی است. فقط پایلوت و جمع‌آوری داده منتظر کد می‌مانند. یک ردیف مسیر C که برای طرح تأییدشده کاربرد ندارد (بدون سؤال باز، یا فرضیه‌ای که استاد راهنما آن را حذف کرده) به‌همراه دلیل آن با علامت «کاربرد ندارد» مشخص می‌شود.

فرم‌ها

python -B -X utf8 "<skill>/scripts/make_form.py" list
python -B -X utf8 "<skill>/scripts/make_form.py" <form-id> "<out.docx>" [--rows N] [--font Vazirmatn]

اینها فرم‌های ورد راست‌به‌چپ با ستون‌های ثابت درس هستند (تعاریف در assets/forms.json، فونت پیش‌فرض Vazir). اسکریپت هرگز یک فایل موجود را بازنویسی نمی‌کند. به هر نسخه جدید نام خودش را بدهید. شناسه‌ها عبارتند از: status-form (۱-۱)، prompt-template و ai-log (۲-۳)، topic-sheet (۳-۲)، limitations (۳-۵)، topic-scoring (۳-۶)، keywords (۴-۲)، search-log و selection-criteria (۴-۶)، reading-card (۶-۱)، quality (۷-۳)، matrix (۸-۱)، evidence-bank (۸-۵)، journal-checklist (۹-۳)، outline (۱۰-۱)، و برای مسیر C research-design (د-۱)، ethics-plan، instruments و ethics-check station (د-۲)، reporting-checklist (د-۳)، data-dictionary و cleaning-log (د-۴)، analysis-log (د-۵)، codebook، qualitative-table و analysis-approval station (د-۶)، consistency-check (د-۷)، final-audit (د-۸). خروجی‌های مسیر C در پوشه «مسیر C ـ مقاله پژوهشی دارای داده» قرار می‌گیرند که new_project.py --mode thesis آن را ایجاد می‌کند. برای یک دانشجوی مقاله که مسیر C را در ۱۸-۴ انتخاب کرده، new_project.py را دوباره روی همان پوشه با --path-c اجرا کنید (فایل‌های موجود نگه داشته می‌شوند). برای پر کردن یک فرم با محتوا، ابتدا آن را تولید کنید و سپس ردیف‌ها را با python-docx بنویسید و راهنماهای راست‌به‌چپ را در scripts/docx_fa.py نگه دارید. اگر verify_docx.py مهارت persian-writing گزارش دهد که <w:bidi/> اولین فرزند sectPr در این فایل‌ها نیست، این یک مثبت کاذب است (قبل از docGrid، ترتیب طرحواره، قرار دارد). از اجرای --fix روی آنها خودداری کنید. در ویندوز مسیرهای کامل را زیر ۲۶۰ کاراکتر نگه دارید.

ابزارهایی که درس استفاده می‌کند

مرحلهابزارها
دستیارChatGPT؛ Claude، Gemini و Perplexity به‌عنوان گزینه‌های جایگزین
جستجوGoogle Scholar و پایگاه داده تخصصی رشته؛ Search Smart برای انتخاب پایگاه‌های داده؛ Elicit برای جستجوی معنایی؛ Consensus و scite به‌عنوان مکمل
متن کامل و مراجعUnpaywall و CORE؛ Zotero برای کتابخانه و استنادهای ورد
مطالعهSciSpace، Scholarcy و NotebookLM؛ AetherBrain، Explainpaper و OnlineDocTranslator برای بخش‌های دشوار
نقشه‌کشیResearchRabbit؛ Connected Papers و Litmaps به‌عنوان گزینه
نگارش و ویرایشChatGPT Canvas یا Claude؛ Paperpal یا Writefull برای زبان دانشگاهی
مرور سیستماتیکPRISMA-P، PRISMA-S، PRISMA 2020 و Rayyan (فقط مسیر B)

منابع فارسی برای یک پایان‌نامه در SID، Magiran، Noormags و IranDoc هستند.

کتابچه پرامپت

references/prompt-library.md کتابچه پرامپت درس با ۳۹ بخش را در خود دارد، از کشف ایده تا پاسخ به داور. شماره جلسات آن متعلق به نسخه قدیمی‌تر درس است. پرامپت‌هایی که با درس نهایی مطابقت دارند در داخل هر فایل جلسه قرار دارند.

محدودیت‌های صادقانه

این مهارت پذیرش یا انتشار را تضمین نمی‌کند. تحلیل‌های پیچیده هنوز به یک متدولوژیست نیاز دارند. محقق، نه هوش مصنوعی، مالک هر ادعا، منبع و عددی است.

相关技能