科学同行评审
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @org-02qudk26/peer-review-zh。
技能介绍
要解决的问题
科学稿件与基金申请常缺少统一评审口径:方法细节是否足够复现、统计检验是否恰当、图表达是否完整、伦理与报告规范是否合规,以及写作是否过度解读结论。peer-review 把这类评审拆成可执行的检查流程,帮助工程师、研究者或审稿人输出更严谨的反馈。
技能如何工作
该技能按阶段推进评审:先用 2–3 句话判断研究问题、主要结论与整体严谨性;再逐部分审查摘要、引言、方法、结果、讨论与参考文献。核心能力包括:
- 方法学与实验设计:检查样本量、随机化、盲法、对照、混杂因素与验证实验。
- 统计严谨性:核查假设条件、效应量、置信区间、多重比较校正与缺失数据处理。
- 可重复性与透明度:关注数据、代码、材料、协议和
CONSORT、PRISMA、STROBE等报告标准。 - 图表呈现:评估轴标签、误差棒、色盲友好性、代表性与是否存在选择性呈现。
- 伦理与写作:核实 IRB/IACUC、知情同意、利益冲突、署名与语言表达。
输出通常采用分层报告:总结陈述给出总体建议,主要意见解释关键缺陷与修复方案,次要意见指出位置并建议改进,也可追加逐行意见与给作者的问题。对于幻灯片评审,资料强调必须先将 PDF 转为图像再逐页检查文字溢出、重叠、对比度、字号、引用和时长匹配,避免直接读取文本遗漏视觉格式问题。
适用边界
它适合评审原创研究、综述、方法学论文、短报、预印本和学术演讲;对纯工程代码审计、商业方案或法律合规评估不适用。评审深度应随稿件类型调整:预印本可更关注建设性修改,期刊论文则需更严格核实方法、统计与证据链。
使用场景
- 为期刊稿件逐部分检查方法、统计、结果与讨论,输出主要意见和次要意见。
- 评审基金申请书中的研究问题、样本量、实验设计、伦理审批与报告规范。
- 把学术演讲 PDF 转成图像后逐页检查字号、对比度、文字溢出、引用和结构。
- 核对稿件是否满足 `CONSORT`、`PRISMA`、`STROBE` 等报告指南及数据可重复性要求。
适合人员
- 需要给科学稿件写建设性审稿意见的研究人员
- 要评估基金申请中方法学与统计严谨性的项目评审人
- 负责检查论文图表、误差棒、引用和写作清晰度的编辑
- 准备学术汇报并需要检查幻灯片视觉格式与内容的科研人员