AIKraft/Skills/scholar-evaluation

scholar-evaluation

Обеспечивает качественную оценку научных работ с прослеживаемыми доказательствами и аудит рубрик. Подходит для локального контроля качества, но не для ранжирования людей или принятия решений.

KDK-Dense official Документы ★ 47.7k

Что делает навык

Обеспечивает качественную оценку научных работ (статей, черновиков, протоколов) с прослеживаемыми доказательствами и аудит процесса оценки по рубрике. Предназначена для локального контроля качества и развития, строго запрещая использование для принятия кадровых или финансовых решений.

Когда применять

  • Развительная обратная связь по научной статье или исследовательской идее
  • Аудит процесса оценки на соответствие критериям справедливости, доступности и прослеживаемости
  • Локальная проверка качества работы с использованием приватных данных (без передачи во внешние системы)
  • Оценка соответствия работы заявленным конструктам и критериям рубрики

Как работает

  1. Подтвердить разрешенное использование (только развитие, не принятие решений) и зафиксировать контекст, классификацию данных и ответственных лиц
  2. Определить оцениваемый конструкт, исключенные аспекты и требования к доказательствам до выбора критериев
  3. Адаптировать и валидировать рубрику через скрипт validate_rubric.py, получив экспертную проверку
  4. Собрать прослеживаемые записи доказательств в evidence_manifest, четко разделяя наблюдаемые факты, интерпретации и отсутствующие данные
  5. Провести независимую оценку по шаблону evaluation_template.json с указанием якорных баллов, неопределенности и ссылок на доказательства
  6. Запустить локальные проверки качества (calculate_scores, check_traceability, summarize_agreement) и синтезировать качественные выводы по критериям

Примеры запросов агенту

Оценивай этот черновик научной статьи с точки зрения обоснованности и вклада, используя локальную рубрику и предоставляя обратную связь для доработки.
Проведи аудит процесса оценки исследовательского предложения: проверь, задокументированы ли прослеживаемость доказательств, неопределенность и конфликты интересов.
Проверь соответствие данной работы заявленным критериям рубрики и подготовь отчет с ссылками на конкретные доказательства, избегая общих оценок.

Что понадобится

  • Локальная среда Python 3 с установленными скриптами из репозитория (validate_rubric.py, calculate_scores.py и др.)
  • Локальные JSON/CSV файлы с псевдонимизированными данными (rubric_template.json, evaluation_template.json, evidence_manifest_template.json)
  • Доступ к локальным файлам справочных материалов (references/local_tooling.md, references/evaluation_framework.md)

Описание составлено по SKILL.md навыка, сверено 08.10.2026.

Как подключить

1Скачать навык
# возьмите папку навыка «k-dense-ai-scholar-evaluation» из репозитория: # https://github.com/k-dense-ai/scientific-agent-skills
2Положить папку с SKILL.md к навыкам ассистента
# положите папку навыка туда, где ассистент ищет skills: cp -r k-dense-ai-scholar-evaluation/ ~/.claude/skills/k-dense-ai-scholar-evaluation/

Навык — папка с файлом SKILL.md (описание + инструкции) и опциональными скриптами. Ассистент (Claude, Claude Code и совместимые) подхватывает его по описанию и следует шагам.