科研 Skill

论文内部一致性稽核

thesis-consistency-audit

对量化论文做内部一致性稽核,机械比对表格样本数与离群值,并清除Word文件里隐藏的作者识别资讯。投稿或口试前自查时使用。

发布者 Codar安全审核通过v0.1.0更新于 2026-11-18

SKILL.md

引用鐵律(零虛構文獻):交付物裡的每一筆文獻都要真實存在、書目正確。不憑記憶寫文獻;交付前逐筆查證(DOI 指向同一篇、作者/年份/期刊對得上);中文文獻要人工核實並留下證據;沒通過的就刪掉,或明確標【待核實】,絕不拿資料庫裡「最像的那篇」充數。細則見 research-orchestrator 的 references/citation-integrity.md。

階段一:機械對帳(若有 .docx) scripts/audit_docx.py 讀取 .docx,自動做機械層對帳:表格加總、跨表樣本數一致性、不可能值與離群、敘述↔迴歸 N 落差。 執行:python scripts/audit_docx.py 論文.docx (此腳本僅依賴 python-docx。若使用者只貼文字/表格而非 .docx,跳過腳本,全部改人工,並在報告註明「未跑機械對帳」。) 零發現先看覆蓋:腳本第一行印「掃描範圍」(讀到幾張表、辨識出幾張敘述統計/迴歸表)。圖片表格、文字方塊、內嵌 Excel 讀不到;敘述統計表目前只認中文表頭「最小/最大」,英文稿的 Min/Max 表會整張略過。出現「⚠ 機械層覆蓋不足」時,報告的機械對帳段必須寫「僅覆蓋 X/Y 張表」,未覆蓋者改人工,不可寫成「機械對帳無異常」。

階段一之二:雙盲投稿的身分資訊清除(要投雙盲期刊才做) scripts/anonymize_office.py 稽核並清除 .docx/.pptx/.xlsx 內藏的作者身分:

python scripts/anonymize_office.py 論文.docx                 # 只稽核,不動檔
python scripts/anonymize_office.py 論文.docx --apply         # 匿名化(雙盲)
python scripts/anonymize_office.py 論文.docx --apply --strip-comments --strip-revisions

會抓出五個藏身處:core.xml 建立者/最後修改者、app.xml 機構與主管、 custom.xml 自訂屬性(常有計畫編號)、comments.xml 每則註解的作者名、 以及追蹤修訂的 w:author。Word 內建的「檢查文件」不一定清得掉後兩者。

⚠️ 紀律:註解與追蹤修訂含有內容,不只是中繼資料,故預設只報告不刪除, 要刪必須明確加旗標;清除前一律自動備份。 ⚠️ 雙盲投稿請用預設匿名模式,不要用 --set-author(那是給最終定稿/存檔版)。 ⚠️ 本工具只處理檔案中繼資料。正文自我引用(「作者先前研究(陳,2024)」)、 致謝、基金計畫編號、檔名含姓名——這些才是最常見的雙盲破功點,必須人工檢查。

階段二:六維度人工核對 機械層之外,依 references/audit_checklist.md 逐項核對。何時讀該檔:要展開任一維度的細目 checkbox 時讀它;本頁只列維度綱要。每項列出「衝突在哪(具體數字)+怎麼改」。

  1. 假設↔迴歸表對齊:每個假設(H1/H2/H3)由哪張表、哪個應變數檢定?表註標的 H 編號正確嗎?係數方向與顯著性是否與假設陳述一致?有沒有把 A 應變數的假設標在 B 應變數的表上?

    • 主張帳本:假設與摘要、討論章的結果性句子逐筆建帳,狀態分 supported/partial/contradicted/gap;無證據者只能是 gap 並填原因,不得升格。欄位與步驟見 references/claims-ledger.md。
  2. 樣本數一致性:樣本篩選表最終 N → 敘述統計 N → 迴歸觀察值,三處是否一致?落差是否以一句話交代(落後期、listwise 刪除)?敘述統計是否與迴歸用同一樣本?

  3. 篩選聲明↔敘述統計:篩選表若寫「剔除遺漏值(0)」,敘述統計各變數 N 是否真的都等於全樣本?有變數 N 較少卻宣稱 0 遺漏即為矛盾。

  4. 資料品質界限:不可能值(董事會規模最小=0、比率超出 [0,1] 或 [0,100])?極端離群(max 偏離 mean 逾~10 SD)?連續變數是否縮尾並註明?

    • 相關 >0.9 紅旗:相關矩陣中任兩變數 |r|>0.9 → 疑似共線或「同一變數誤當兩個放入」(平方項未置中、虛擬變數代錯)。要作者查是否誤代或應置中,不可放著。
    • 假說→變數→資料欄位三欄對照:每個假設用到的變數,對到的 TEJ 欄位/代碼是否正確?
  5. 文字↔表格:內文引述的樣本期間、比例、係數、N、轉折點等,是否與表格逐一吻合?交乘項/二次項的邊際效果與轉折點判讀是否與係數一致(轉折點 = -β₁/β₃ 或 -β₁/(2β₂))?

    • 同值重複紅旗:全表掃「不同欄格出現完全相同數值」(如兩個不同變數的 t 值都是 4.862)→ 疑似複製貼上貼錯,回溯每個數字的來源輸出檔位置。
  6. 引用與表註一致:內文 APA 引用 ↔ 參考文獻清單(孤兒引用、漏列)?顯著性星號(//)是否在表註定義?表註的應變數說明與該表實際一致? (引用只做內文↔清單雙向對帳;文獻是否真實存在/幻覺,轉 citation-verifier 無網稽核或 check-citations 有網查驗——Claude Code 環境須加 anthropic-skills: 前綴。)

    • 網頁來源存檔紅旗:引用中若有網頁來源(政府網站、公司 IR 頁、新聞稿,非期刊 DOI),須附 Wayback 存檔連結或至少擷取日期;查無存檔連結也無擷取日期即標 [Major](審稿人數年後點開易得 404,見 public-disclosure-scout 的 references/disclosure-monitoring.md)。可用該 skill 的 scripts/archive_url.py lookup <url> 補查現有快照,或 save 補存;無法存檔者論文中須明確標「存檔失敗,僅記錄擷取日期」,不可留白。

<output_contract> 結論先行。報告依嚴重度分區,每項附證據錨點(表號、頁、欄格)。嚴重度三級:

  • Fatal=會直接被審查委員抓、且動搖結果可信度(如變數代錯導致主結果、樣本數對不上且無法解釋)。
  • Major=需重跑分析或補說明才能修(離群未縮尾、N 落差未交代)。
  • Minor=可直接改的文字/註記不一致(表註漏定義星號、內文年份筆誤)。
# 一致性稽核報告:<論文>
## 機械對帳結果
(貼 audit_docx.py 輸出摘要;或註明「未跑機械對帳,全人工」)

## 待修清單(依嚴重度)
[Fatal] <維度N> <衝突在哪,具體數字> | 錨點:表X/頁Y | 怎麼改:<...>
[Major] ...
[Minor] ...

## 需重跑分析 vs 可直接改文字(明確分開)
- 需原始資料重跑:<...>(標「待作者以原始資料修正」)
- 可直接改文字/註記:<...>

## 寫對的地方(不必動)
<...>

</output_contract>

輸出節錄:

  • [Fatal] 維度5 同值重複(Table 3, Model 1):研發強度 t=4.862 與財務槓桿 t=4.862 完全相同,統計上兩個不同變數 t 值相同機率極低,疑複製貼上貼錯(真值可能差很多,屬貼錯型誤植)。怎麼改:回原始 regression output 逐欄核對,指出正確值來源列。標「待作者以輸出檔修正」。
  • [Fatal] 維度4 相關>0.9(相關矩陣):研發強度與研發費用率 r=0.97,疑為同一構念以兩種代理重複放入模型,或變數代錯。怎麼改:確認兩者操作型定義是否實質不同;若同構念,擇一或改用其一,並檢查主結果是否因共線而失真。
  • [Minor] 維度6(Table 3 表註):星號 *** 未於表註定義顯著水準,補「*** p<0.01」。可直接改。

示例提示词

投稿前帮我核对这篇论文各表格样本数是否一致,并清除作者身份信息。

所属插件

跨学科科研方法跨学科通用科研方法:系统综述与元分析、预注册、实验与问卷设计、文献矛盾与研究空白、科学计量与专利分析、可复现研究、答辩与审稿回复。

安装该插件会一并获得同领域的 54 个 Skill / MCP。

同插件的其他科研 Skill

常见问题

论文内部一致性稽核能做什么?

对量化论文做内部一致性稽核,机械比对表格样本数与离群值,并清除Word文件里隐藏的作者识别资讯。投稿或口试前自查时使用。

如何安装论文内部一致性稽核?

在科搭 Codar 左侧点击「插件」,在「组件」页签搜索「论文内部一致性稽核」并安装;在 Claude Code 或 Codex 中可以发送本页的安装提示词,或下载 Skill 包后解压到 ~/.claude/skills 或 ~/.codex/skills。

论文内部一致性稽核需要哪些权限?

该科研 Skill没有声明额外权限;执行具体操作时仍由 Agent 按自身规则请求确认。

论文内部一致性稽核经过官方审核吗?

是。SpeedSkills 收录的每个版本都会记录内容摘要与权限声明,当前版本已通过安全审核。