Paper Review

Paper Review — Review & Sintesis Literatur

Skill ini membuat tabel review terstruktur dari paper akademik — format Literature Review / Data Extraction (synthesis matrix): tabel silang dengan blok sitasi + blok ekstraksi, dan ekspor 5 format (CSV, Excel XLSX, BibTeX, XML, RIS). Merupakan subset terfokus dari bimajanuri/academic-writing-skill: hanya bagian pengumpulan literatur + ekstraksi metadata + penyusunan tabel (setara Tahap 1 "Explorasi"), tanpa pipeline penulisan/sitasi/revisi.

Bahasa: konten skill bilingual (Indonesia utama, English ringkas). Output mengikuti preferensi user per sesi.

Input Modes

Pipeline

STEP 0: KLARIFIKASI   → mode input, topik/kata kunci, jumlah, kolom, filter, bahasa, format ekspor
STEP 1: AKUISISI      → kumpulkan paper (search ATAU folder ATAU hybrid) + dedup + verifikasi
STEP 2: EKSTRAKSI     → baca abstract/teks tiap paper, isi setiap kolom + kumpulkan metadata biblio
STEP 3: TABEL         → simpan papers.json (data terstruktur) → render markdown + export 5 format
STEP 4: TRIASE        → laporan statistik + verifikasi DOI + quality gate

Setiap step punya quality gate; minta konfirmasi user sebelum langkah besar.

STEP 0 — Klarifikasi

Tanyakan parameter berikut (minimalkan bila konteks sudah jelas):

Kolom default (literature review matrix — blok sitasi dulu, lalu blok ekstraksi; user boleh menghapus/menambah):

Kolom custom (fitur "Add Columns"): user dapat menambah kolom apa saja, mis. Relevance (0–10), Citations, Sampling Method, Instruments, Recommendations. Kolom custom diisi dari isi paper, atau dari pertanyaan tambahan yang diminta user. Tambahkan ke tabel & JSON, jangan dihapus kolom default tanpa izin.

STEP 1 — Akuisisi Paper

Load references/search-sources.md untuk pencarian online. Load references/extracting-papers.md untuk membaca folder PDF/LaTeX.

Mode A — Search

1. Pecah topik menjadi 3–5 konsep inti → buat 8–15 kombinasi kata kunci.
2. Cari dengan kata kunci di OpenAlex API dulu (gratis), lalu Semantic Scholar / arXiv bila perlu, atau gunakan web search tools yang tersedia di lingkungan agent.
3. Kumpulkan 1.5× jumlah target sebagai kandidat; skor relevansi 0–10 dari judul+abstract.
4. Pertahankan kandidat dengan relevansi ≥ 7/10 hingga mencapai jumlah target.
5. Ambil doi, title, abstract, authors, year, journal/publisher dari metadata API.

Mode B — Folder

1. Scan folder target (mendukung rekursif).
2. Pisahkan: file *.pdf (perlu ekstraksi teks, lihat scripts/extract_text.sh) vs *.tex (baca langsung).
3. Untuk PDF, ekstrak teks; cara cepat tanpa Script: gunakan pdftotext <file> - (poppler) atau python -c "import pypdf..." bila tersedia.
4. Dari teks, ambil abstract/intro/method/conclusion sesuai panduan references/extracting-papers.md.

Mode C — Hybrid

Gabung hasil keduanya, dedup berdasarkan DOI (atau judul, bila DOI tidak ada). Kandidat yang sama muncul sekali; prefer data dari file lokal (lebih lengkap) atas metadata search.

Dedup & Verifikasi

• Dedup berdasarkan DOI; tanpa DOI, berdasarkan judul normalisasi (lowercase, hilangkan tanda baca).
• Setiap DOI harus dapat di-resolve (https://doi.org/<doi>). Yang gagal → tandai UNVERIFIED.
• Jika paper hanya disebut tapi tidak ada bukti keberadaan (DOI/title di sumber terverifikasi) → JANGAN masukkan.

Output Step 1

candidate_papers.md   — FILE KERJA INTERNAL (bukan output utama)
                         daftar kandidat + skor relevansi + status quartile + status verifikasi DOI

⚠️ JANGAN berhenti di Step 1. Daftar kandidat hanyalah working file internal. Output yang wajib diserahkan ke user adalah tabel penuh per-paper (literature_table.md + papers.json + export), di mana setiap paper = satu baris dengan semua kolom review terisi. Recap/count hanya pelengkap di akhir.

Quality Gate 1

• Jumlah kandidat ≥ jumlah target (atau disepakati)
• Setiap baris dilengkapi DOI atau file lokal (bukti keberadaan)
• DOI gagal diverifikasi sudah ditandai UNVERIFIED
• Izin sekali di awal sudah cukup — jangan minta konfirmasi per-candidate; setelah scope jelas (topik, jumlah, kolom), langsung ekstraksi penuh semua paper yang lolos.

STEP 2 — Ekstraksi Per Paper

Mandat utama skill ini: bangun tabel penuh di mana setiap paper = satu baris dan setiap kolom review terisi (atau — bila data tidak tersedia). Jangan mengganti output ini dengan tabel rekap (jumlah paper, summary gabungan, atau daftar kandidat).

Untuk tiap paper, isi semua kolom. Aturan ringkas:

Cara Mengisi Sel (Meniru Data Extraction)

Sel BUKAN frasa pendek, melainkan 2–5 kalimat lengkap yang memuat detail paper, dan setiap kalimat/klaim diberi penanda sumber (provenance) berupa kode bagian + nomor paragraf di belakangnya:

Contoh (kolom Method, Mode Folder):
Penelitian menggunakan analisis komparatif statistik untuk membandingkan efektivitas
metode Kanban dan Scrum pada proyek Agile berbiaya dan berjadwal tetap [M-2].
Pengumpulan data memakai convenience sampling dari ahli manajemen proyek Agile
berpengalaman ≥ 1 tahun [M-5][M-6]. Analisis data melalui Confirmatory Component
Analysis (CCA) dan uji hipotesis korelasi intra-variabel, serta reliabilitas dengan CR
dan Cronbach [M-7]. Studi mengecualikan batasan jadwal dan biaya, fokus pada sumber
daya, ruang lingkup, dan risiko [M-8].

Kode penanda (legend): | Kode | Bagian paper | (AB = Abstract, I = Introduction, M = Method, R = Results, D = Discussion, L = Limitations, F = Future Work, C = Conclusion). [M-2] = Method paragraf 2; [D-1][D-2] = klaim dari gabungan paragraf. Selipkan penanda tepat setelah kalimat sumbernya.

• Mode Folder/LaTeX (teks lengkap): penanda = bagian + nomor paragraf nyata yang Anda baca.
• Mode Search (hanya abstract/metadata): penanda [AB]; konten sel otomatis lebih ringkas karena keterbatasan sumber — tulis kolom lain yang tak tersedia dengan — (bukan mengarang detail).
• Jika beberapa kalimat berasal dari bagian sama, ulangi penanda di tiap kalimat.

Aturan per kolom:

Metadata biblio (untuk export BibTeX/RIS/XML — kumpulkan bila tersedia dari metadata API/file): authors (daftar, format Surname, Given), title, year, journal, volume, issue, pages, doi, publisher, url, abstract, keywords. Field yang tidak ada → string kosong (bukan —) di JSON, agar tidak ikut ter-export ke sitasi.

1. Minim baca: Abstract → Intro → Method → Results → Conclusion/Future Work.
2. Untuk paper yang tidak terbaca penuh (PDF hasil OCR buruk): isi dari abstract saja, tandai field kosong —.
3. Jika abstract tidak tersedia di metadata API maupun file → tulis —, JANGAN mengarang.

Output Step 2

Sementara hasil ekstraksi disimpan sebagai file draft (mis. extraction_draft.md) atau langsung menjadi baris tabel — ikuti preferensi user; untuk jumlah besar (> 10 paper) sarankan draft per paper dulu.

STEP 3 — Susun Tabel & Export

Load references/table-builder.md untuk detail render & export. Gunakan template templates/paper_review_table_template.md.

Workflow ini menghasilkan satu sumber data → banyak format (data extraction):

1. Bangun papers.json dulu — data terstruktur per paper (metadata biblio + nilai tiap kolom). Ini adalah master data; seluruh format diturunkan dari sini. Format skema JSON ada di scripts/export_formats.py dan references/table-builder.md.

2. Render markdown dari JSON: tabel GitHub-flavored, satu baris per paper.

3. Export sesuai format yang diminta user:

   python3 scripts/export_formats.py papers.json \
       --formats csv,xlsx,bib,xml,ris --out <folderkeluaran>
   

   • .csv — selaras untuk Excel/Google Sheets (UTF-8 with BOM)
   • .xlsx — Excel: sheet Papers (header terformat + autofilter) + sheet Metadata
   • .bib — BibTeX @article siap import ke Zotero/JabRef/Overleaf
   • .xml — EndNote XML (<records><record>) siap import ke EndNote/Zotero
   • .ris — RIS JOUR siap import ke Zotero/Mendeley/EndNote

4. Tambahkan Metadata Pencarian di atas tabel dan Legenda Penanda Sumber (provenance) di bawah tabel:

   **Legenda — kode bagian paper:**
   | AB | I | M | R | D | L | C | F |
   |----|---|---|---|---|---|---|---|
   | Abstract | Introduction | Method | Results | Discussion | Limitations | Conclusion | Future Work |
   

   Penanda seperti [M-2] = klaim diambil dari bagian Method, paragraf 2. Ini yang membuat hasil dapat ditelusuri ke bagian paper (penandaan kode bagian + nomor paragraf, seperti nomor kutipan kecil).

Jika openpyxl belum terpasang untuk XLSX: jalankan pip3 install openpyxl, atau output CSV sebagai gantinya dan beri tahu user.

Output Step 3

📋 OUTPUT UTAMA (wajib):
  literature_table.md  — tabel review final: setiap paper 1 baris, semua kolom review terisi
  papers.json          — master data terstruktur (metadata biblio + nilai kolom)
🗂 EXPORT (sesuai permintaan):
  literature_table.csv | .xlsx | .bib | .xml | .ris

Pastikan tabel di atas berisi setiap hasil review per paper (bukan ringkasan antar paper). Jika user hanya melihat recap (count / daftar kandidat), itu artinya Anda berhenti terlalu cepat — lanjutkan hingga tabel penuh per-paper selesai.

STEP 4 — Triase Ringkas & Quality Gate

Ringkasan ini pelengkap di akhir (bagian bawah literature_table.md), BUKAN pengganti tabel penuh.

Laporan Triase

Dari [X] kandidat:
- Lolos relevansi ≥ 7/10 : [Y]
- Mode search : [a] | mode folder : [b] | hybrid : [c]
- Scopus Q1 : [q1] | Q2 : [q2] | Q3 : [q3] | Q4 : [q4] | non-Scopus : [n]   (bila filter quartile dipakai)
- DOI terverifikasi : [d] | UNVERIFIED : [e]
- Dibuang (relevansi < 7 / duplikat / tidak terbukti / di luar filter quartile) : [f]

Quality Gate Akhir

• Semua kolom default terisi (atau — bila data tidak tersedia) — tidak boleh sel kosong misterius
• Kolom custom yang disepakati terisi
• Tidak ada referensi/DOI yang diimajinasikan
• Verifikasi kilat: spot-check 2–3 DOI dapat di-resolve
• User setuju hasil akhir

Alur Pemakaian Cepat

Aturan Penting (Selalu Berlaku)

0. Output utama = tabel penuh per-paper. Setiap paper = satu baris, semua kolom review terisi (atau —). Recap count / daftar kandidat hanya pelengkap di akhir — JANGAN menyerahkannya sebagai hasil.
1. Jangan mengarang paper. Setiap baris wajib punya DOI (dapat di-resolve) atau file lokal yang dibaca. Ragu → tandai UNVERIFIED — cek manual.
2. Jangan mengarang isi kolom. Field tidak tersedia → —; inferensi → tandai (diringkas).
3. Ambil klaim, bukan opini. Kolom Novelty/Gaps diisi dari pernyataan paper, bukan penilaian agent.
4. Human-in-the-loop: agent mengusulkan tabel, user memutuskan kolom & jumlah.
5. Simpan artefak sebagai file (markdown/csv) di folder kerja user, jangan hanya di chat.
6. Reproducible: sertakan tanggal search + kata kunci + kombinasi keywords di Metadata Pencarian.

Referensi Internal

Attribution

Subset dari bimajanuri/academic-writing-skill (pencarian literatur + literature matrix), yang mereferensikan metodologi dari Master-cai/Research-Paper-Writing-Skills, SNL-UCSB/paper-writing-skill, dan WenyuChiou/ai-research-skills (literature triage matrix). Struktur tabel & daftar format ekspor meniru fitur Literature Review / Data Extraction pada platform reference-manager AI (synthesis matrix + CSV/XLSX/BIB/XML/RIS). Lihat README academic-writing-skill untuk detail.

Platform Note

Format Agent Skills (SKILL.md) portabel ke OpenCode (~/.config/opencode/skills/), Claude Code (~/.claude/skills/), dan platform lain dengan menyalin folder ini.