claesbackman/AI-research-feedback

解決する課題

このプロジェクトは、学術研究者が自身の研究成果に対して厳密でAI駆動のフィードバックを得るための専門的なツール群を提供します。提出前のレビュー作業という繰り返しでかつ高リスクなプロセスを自動化し、研究論文、助成金申請書、事前分析計画書が人間の査読者に提出される前に、洗練され、内部的に整合性があり、論理的に妥当であることを保証します。

動作方法

このプロジェクトは、Claude Code 向けに設計された「スキル」のコレクションで構成されています。これらのスキルは、Claude Code のスキルディレクトリに .md ファイルとしてインストールされます。スラッシュコマンド（例：/review-paper）で呼び出されると、特定のマルチエージェントワークフローが起動します。たとえば、論文の完全レビューでは、文法チェックから「貢献に対する懐疑者」まで、8種類の専門エージェントがLaTeXソースファイルを分析し、その結果を構造化されたレポートに統合します。

対象ユーザー

主に、LaTeXで執筆し、Stata、R、またはPythonでデータ分析を行う経済学・金融学分野の学術研究者を対象としています。

主な特徴

• マルチエージェントレビュー：スタイル、一貫性、数学、敵対的批判の各分野に特化したエージェントを備えた学術雑誌編集委員会を模倣。
• 論文とコードの整合性チェック：LaTeXで書かれた論文の実証的主張が、付随する分析コードによって実際に裏付けられているかを確認。
• 助成金・PAPレビュー：NSFやNIHなどの助成金申請書や、事前分析計画書（PAP）専用のレビューワークフロー。
• 敵対的監査：元の著者に偏見のないよう、独立したサブエージェントがコード変更を「盲検」で監査し、誤りを発見。
• 教育的差分表示：コード変更をHTMLページに変換し、平易な言葉による説明とクイズを加えて、共同著者に結果への影響を理解させる。