データをもとに書く

結果の段落は、その裏にある計算が近くにあるほうが信頼しやすくなります。研究プロジェクトを使って、分析の手順とその出力を、原稿のそばに置いておきます。

プロジェクトを設定する

再現可能な分析のひな形を選びます。データのフォルダをリンクすると、調査ツールが、元の測定値を論文の中に移さずに読み取れます。

分析を頼む前に、列の意味、単位、除外した項目を記録しておきます。

アシスタントに範囲を決めた仕事を任せる

/oleafly-data-analysis か、分析の調査タスクを使います。

リンクした Data フォルダの測定値を読んでください。analysis-plan.md の方法で、2 つの条件を比べてください。スクリプトと、単位付きの表と、除外した項目を説明するメモを保存してください。入力データは変更しないでください。

分析スクリプトには、該当するローカルの実行環境とライブラリが必要です。アシスタントにそれらの要件を確認させ、作業を再実行する方法を保存させてください。

出力を確認する

スクリプトを読み、選ばれたデータと方法が問いに合っていることを確かめます。結果を受け入れる前に、単位、標本数、欠測値、不確かさを確認します。

表と図は、それを生成したスクリプトと一緒に保管します。図の準備スキルは、確認済みの結果を原稿用の図に仕上げる助けになります。

CLI エージェントでは、再現性チェックの出発点が、各結果を再現するために何がまだ必要かを尋ねます。コード、データ、ソフトウェアのバージョン、乱数のシード、ビルドの手順です。図のチェックは、キャプション、ラベル、軸の単位、読みやすさを確認します。どちらも、エージェントに research/ へレポートを書かせ、原稿には手を触れさせません。

結果を書く

アシスタントに、確認済みの出力だけを使って、結果の段落を下書きさせます。すべての数値を表と照らし合わせ、方法と解釈を分けておきます。

文書をコンパイルし、PDF で、ラベルとキャプションを含む表や図の全体を確認します。