scholar-evaluation

scholar-evaluation 技能为学术论文、研究提案、文献综述及学术写作提供了一套严谨且标准化的评估方法。本技能专为研究人员、审稿人及学术工作者设计，利用全面的 ScholarEval 框架，确保各研究领域的质量、方法论严谨度与学术完整性。通过定义明确的维度（包括问题定义、研究方法、数据分析及引用准确度）进行评估，该技能能够实现客观的定量评分与深入的定性分析。用户可以将研究工作与既定的同行评审标准进行对照，识别关键的研究缺口，并为目标期刊优化文稿。

• 执行多维度评估，涵盖研究问题、理论意义、研究方法及科学可重复性。

• 使用 5 分制准则产生结构化的定量评分，提供清晰的表现基准。

• 提供针对具体优缺点的详细定性反馈，以及促进学术成长的具体改进步骤。

• 与 scientific-schematics 技能整合，自动生成出版级别的图表、流程图与决策树，可视化呈现复杂的学术概念。

• 支持多种学术格式，包括实证研究、理论框架、论文章节及研讨会摘要。

• 在开始评估流程前，请务必先确定研究工作的类型以及期望的评估范围（全面性或针对性评估）。

• 使用内置的程序工具（如 calculate_scores.py）以确保累计评分的一致性。

• 为获得最佳效果，输入内容应包含清晰的研究问题与详细的方法论说明，以便 AI 进行深度分析。

• 本技能旨在辅助而非取代人工同行评审；适合作作为提交前的审计工具或结构化的自我反思工具。

• 进行复杂学术写作的深入分析时，请务必参考 internal evaluation_framework.md 中的特定评分标准与准则。

• 务必利用可视化能力，在最终评估报告中绘制工作流程或概念架构图，以提升信息传达效率。