fw1201 學術論文資料視覺化工具 v2.0
哲學定位
「一張好的學術圖表，能讓審稿人在 30 秒內理解你的研究邏輯。」
Step 0：讀取必要文件
references/academic_viz_types.md— 學術圖表類型與規範references/apa7_figure_format.md— APA/APA 7th 圖表格式要求../../tw_edu_guided_collection.md— 引導式收集框架
若 Excalidraw MCP 可用：
→ 優先使用 Excalidraw 生成可編輯圖表
→ 調用 Excalidraw:create_view 工具
概念對齊協議（必要前置步驟）：
../../tw_edu_concept_alignment.md
→ 在執行任何工作前，先完成概念對齊確認卡。
Step 1：引導式資訊收集（三輪）
第一輪（核心，必問）
Q1: 「要視覺化什麼類型的內容？
A. 研究架構 / 概念框架
B. 文獻關係圖（如：文獻引用網絡、主題分群）
C. 研究流程圖（含 PRISMA/SLR 流程）
D. 理論模型（變數關係、路徑圖）
E. 統計數據視覺化（長條圖/折線/雷達圖）
F. 心智圖 / 主題概念地圖
G. 其他（請描述）」
Q2: 「請提供核心資料：
・研究題目 / 主題
・要呈現的主要元素（節點/變數/步驟等）
・元素之間的關係（A→B、A←→B、A包含B）」
第二輪（細節，選填）
Q3: 「圖的最終用途？
A. 嵌入 Word/PDF 論文（需高解析度）
B. 學術報告/簡報（.pptx）
C. 研討會海報
D. 線上分享 / 可編輯版本」
Q4: 「格式 Preset（投稿/提交目標）？
A. 臺灣學位論文格式（標楷體、Times New Roman）
B. APA 7th 社會科學期刊（SSCI，單欄較寬）
C. 國際理工期刊（Nature/Science 雙欄，sans-serif 字體）
D. 無特殊要求（使用預設學術格式）」
Q5: 「色彩模式？
A. 標準學術配色（現有深藍主色系）
B. 色盲友善模式（Okabe-Ito 8色系，推薦投稿期刊時使用）
C. 黑白灰階（適合單色列印、部分老期刊要求）」
確認摘要
✅ 圖表類型：{類型}
📐 元素數量：{N 個節點/步驟}
🎨 風格：{黑白/有限色/全彩}
🔧 生成工具：{Excalidraw MCP / SVG / matplotlib}
📄 輸出格式：{svg/png/pptx 嵌入}
Step 2：圖表類型規範
A. 研究架構圖 / 概念框架
適用：展示研究的整體架構、各構念之間的關係
Excalidraw 元素設計：
・矩形（圓角）= 構念/變數
・箭頭 = 影響方向（實線 = 假設正向影響）
・虛線箭頭 = 調節/中介關係
・雙向箭頭 = 相關但無因果方向
分層建議：
├── 前置變數（左側或上方）
├── 核心構念（中央）
└── 結果變數（右側或下方）
標記規範（APA 7th）：
H1, H2... = 假設編號（在箭頭旁標注）
β = 標準化路徑係數（若有統計結果）
B. PRISMA 系統性文獻回顧流程圖
標準 4 階段結構（PRISMA 2020）：
識別（Identification）
│ 資料庫搜尋（N = ）
│ 移除重複（n = ）
↓
篩選（Screening）
│ 標題/摘要篩選（n = 排除 / 原因）
↓
資格審查（Eligibility）
│ 全文審查（n = 排除 / 原因清單）
↓
納入（Included）
└── 最終納入文獻（n = ）
Excalidraw 樣式：
・識別 = 藍色框
・篩選 = 黃色框
・資格 = 橘色框
・納入 = 綠色框
・排除原因 = 側邊虛線框
C. 文獻關係圖 / 主題群聚
適用：展示不同文獻/學者之間的引用關係或主題分群
元素設計：
・圓形節點 = 重要文獻/學者
・節點大小 = 被引用次數（越大越重要）
・線條粗細 = 關係強度
・色彩分群 = 研究主題/時期
若文獻數量 > 20：建議使用 Python 腳本生成圖表（matplotlib + networkx）
D. 路徑模型圖（SEM / 迴歸）
元素設計：
・橢圓 = 潛在變數（latent variable）
・矩形 = 觀測變數（observed variable）
・單向箭頭 = 因果路徑（標注路徑係數）
・雙向彎曲箭頭 = 相關/共變
・小圓圈 e = 誤差項
標注規範：
顯著路徑：β = .XX, p < .001（標注 ***）
非顯著路徑：β = .XX, ns（虛線箭頭）
E. 統計數據視覺化
圖表選擇指南：
比較多組 → 長條圖（bar chart）
趨勢/時序 → 折線圖（line chart）
比例/組成 → 圓餅圖/環形圖
多維度比較 → 雷達圖（spider chart）
相關關係 → 散佈圖（scatter plot）
分佈情況 → 箱形圖（box plot）
生成工具：
→ Python matplotlib / seaborn 腳本
→ 或呼叫 Three.js 3D Viewer（3D 資料呈現）
Step 3：Excalidraw MCP 調用規範
優先使用 Excalidraw MCP 的情境
✅ 研究架構圖、概念框架
✅ PRISMA 流程圖
✅ 文獻關係圖（< 20 節點）
✅ 心智圖
✅ 任何需要「可編輯」的圖表
Excalidraw 調用前的準備
Step 1：讀取 Excalidraw read_me
→ 呼叫 Excalidraw:read_me 取得元素格式規範
Step 2：設計元素結構（JSON）
元素類型：rectangle / ellipse / arrow / text / diamond
元素屬性：x, y, width, height, backgroundColor, strokeColor, label
Step 3：呼叫 create_view
Excalidraw:create_view(elements: JSON 陣列字串)
色彩系統（依 Q5 選擇套用）
A. 標準學術配色（預設）
ACADEMIC_PALETTE = {
"primary": "#1A5276", # 深藍：主要節點
"secondary": "#2471A3", # 中藍：次要節點
"accent": "#D4AC0D", # 金色：強調節點
"boundary": "#1E8449", # 綠色：邊界節點
"background": "#EBF5FB", # 淺藍：背景
"text": "#1C2A35", # 深色：文字
}
B. Okabe-Ito 色盲友善 8 色系（推薦投稿使用）
OKABE_ITO = [
"#E69F00", # 橙色
"#56B4E9", # 天藍
"#009E73", # 藍綠
"#F0E442", # 黃色
"#0072B2", # 深藍
"#D55E00", # 深橙
"#CC79A7", # 紫粉
"#000000", # 黑色（第8色備用）
]
# 適用情境：投稿 Nature/Science/PLOS ONE 等國際期刊時強烈推薦
# 原理：對三種最常見色盲類型（紅綠色盲、藍黃色盲、全色盲）均可辨識
C. 灰階模式（單色列印）
GRAYSCALE = ["#000000", "#404040", "#808080", "#B0B0B0", "#D8D8D8", "#FFFFFF"]
# 使用時搭配不同形狀/線條樣式（實線/虛線/點線）作為主要區分手段
學術圖表元素設計原則
顏色系統（依上方選擇套用）：
主要節點：ACADEMIC_PALETTE["primary"] 或 OKABE_ITO[4]（深藍）
次要節點：ACADEMIC_PALETTE["secondary"] 或 OKABE_ITO[1]（天藍）
強調節點：ACADEMIC_PALETTE["accent"] 或 OKABE_ITO[0]（橙色）
邊界節點：ACADEMIC_PALETTE["boundary"] 或 OKABE_ITO[2]（藍綠）
背景色：#EBF5FB（淺藍，避免純白）
文字：#1C2A35（深色）
字型：
節點標題：14px 粗體
路徑標注：12px 細體
圖注：12px 斜體
連接器：
因果關係：實線箭頭
相關關係：雙向箭頭
包含關係：虛線框
調節關係：虛線箭頭
Step 4：Python 輔助腳本（無 Excalidraw MCP 時）
# 生成 PRISMA 流程圖
python scripts/generate_prisma.py \
--identified [N] \
--duplicates [n] \
--screened [n] \
--eligible [n] \
--included [n] \
--output "/mnt/user-data/outputs/PRISMA流程圖.png"
# 生成研究架構圖
python scripts/generate_framework.py \
--nodes "[節點1:類型,節點2:類型,...]" \
--edges "[節點1->節點2:標籤,...]" \
--output "/mnt/user-data/outputs/研究架構圖.svg"
Step 5：APA 7th 圖表格式規範
圖注格式（Figure caption）：
Figure X
[圖表標題（首字大寫，不加句點）]
注意。[說明文字，如有]。[資料來源，如改編自其他研究]
範例：
Figure 1
Conceptual Framework of Teacher AI Competency and Student Learning Outcomes
注意。本架構整合 Davis (1989) 科技接受模型與 Bandura (1977) 自我效能理論。
圖表編號規則：
・全論文連續編號（Figure 1, 2, 3...）
・圖注置於圖的正下方
・圖標題與論文正文字體一致（通常為 Times New Roman 12pt）
Step 6：MCP 整合對照表
| 功能 | Claude Code | Claude.ai | Codex | Antigravity |
|---|---|---|---|---|
| Excalidraw 互動圖 | ✅ MCP | ✅ MCP（若連接） | ✅（需設定 config.toml） | ✅（MCP Hub） |
| 統計圖（matplotlib） | ✅ Bash | ✅ Bash | ✅ | ✅ |
| 匯出為 .png/.svg | ✅ | ✅ | ✅ | ✅ |
| Three.js 3D 視覺化 | ✅ MCP | ✅ MCP（若連接） | ✅（需設定 config.toml） | ✅（MCP Hub） |
Excalidraw MCP 未連接時的降級方案
- 使用 Python
matplotlib生成.png靜態圖表 - 生成 SVG 代碼（可貼入 Inkscape 或 Figma 繼續編輯）
- 生成 Mermaid 語法（flowchart/graph）輸出供用戶複製
- 提供 draw.io XML（可匯入 diagrams.net 編輯）
Step 7：期刊格式 Preset 規範
依 Q4 選擇的格式，套用以下規範：
A. 臺灣學位論文格式
字型：
中文標題/標注：標楷體 12pt（粗體用於標題）
英文/數字：Times New Roman 12pt
圖表尺寸：單欄全寬（文字區寬度，通常約 14-16 cm）
解析度：≥ 300 DPI（印刷用）
格式：PNG 或 PDF（嵌入 Word）
圖注語言：中英對照，Figure 1 / 圖1
B. APA 7th 社會科學期刊（SSCI）
字型：
圖表內文字：Sans-serif（如 Arial、Calibri）8-12pt
圖注：Times New Roman 12pt（與正文一致）
圖表尺寸：單欄（8.5 cm）或全寬（17.8 cm）
解析度：≥ 300 DPI（點陣圖）/ 向量格式優先（EPS/PDF）
格式：EPS > PDF > TIFF > PNG（JPEG 禁用）
色彩：強烈建議使用 Okabe-Ito 色盲友善色系
注意：圖注（caption）在圖的下方，標題僅首字大寫
C. 國際理工期刊（Nature/Science 系）
字型：
圖表內文字：Helvetica 或 Arial（sans-serif），最小 6pt
單欄圖時，字體縮放後仍需 ≥ 6pt（列印版）
圖表尺寸：
單欄：8.9 cm（89 mm）
雙欄：18.3 cm（183 mm）
最大高度：24.7 cm（247 mm）
解析度：線條藝術圖 ≥ 1,000 DPI；混合圖 ≥ 600 DPI；照片 ≥ 300 DPI
格式：PDF（向量）> EPS > TIFF；JPEG 僅限照片
色彩：CMYK 色彩空間（非 RGB，提交出版時注意）
強制使用色盲友善色系（Nature 期刊編輯政策要求）
Step 8：Publication-quality 輸出標準
Python 高品質圖表匯出模板
import matplotlib.pyplot as plt
import matplotlib as mpl
# === 依格式 Preset 設定參數 ===
# --- Preset A：臺灣學位論文 ---
# plt.rcParams.update({
# "figure.dpi": 300,
# "savefig.dpi": 300,
# "font.family": ["Noto Sans CJK TC", "Times New Roman"],
# "font.size": 12,
# "axes.labelsize": 12,
# "xtick.labelsize": 10,
# "ytick.labelsize": 10,
# })
# --- Preset B：APA 7th / SSCI（推薦） ---
plt.rcParams.update({
"figure.dpi": 300,
"savefig.dpi": 300,
"font.family": "Arial",
"font.size": 10,
"axes.labelsize": 10,
"axes.spines.top": False,
"axes.spines.right": False,
"figure.figsize": (8.5 / 2.54, 6 / 2.54), # 8.5 cm 寬，單位轉換
})
# --- Preset C：Nature/Science 雙欄 ---
# plt.rcParams.update({
# "figure.dpi": 600,
# "savefig.dpi": 600,
# "font.family": "Helvetica",
# "font.size": 8,
# "axes.labelsize": 8,
# "xtick.labelsize": 7,
# "ytick.labelsize": 7,
# "figure.figsize": (18.3 / 2.54, 8 / 2.54), # 183 mm 寬
# })
# === 色盲友善色系（Okabe-Ito）===
OKABE_ITO = ["#E69F00", "#56B4E9", "#009E73", "#F0E442",
"#0072B2", "#D55E00", "#CC79A7", "#000000"]
# --- 實際繪圖 ---
fig, ax = plt.subplots()
# [在此加入你的繪圖程式碼，使用 OKABE_ITO 作為色彩清單]
# === 匯出（向量優先）===
fig.tight_layout()
fig.savefig("figure.pdf", bbox_inches="tight") # 向量（最優先）
fig.savefig("figure.svg", bbox_inches="tight") # 向量（可在 Inkscape 編輯）
fig.savefig("figure.png", dpi=300, bbox_inches="tight") # 點陣備份
print("✅ 圖表已匯出：figure.pdf / figure.svg / figure.png")
字型最小值核查
# 確認圖表縮放至目標尺寸後，文字仍 ≥ 6pt
def check_font_size(fig, target_width_cm, min_pt=6):
current_width_inches = fig.get_figwidth()
target_width_inches = target_width_cm / 2.54
scale_factor = target_width_inches / current_width_inches
current_fontsize = plt.rcParams["font.size"]
effective_fontsize = current_fontsize * scale_factor
if effective_fontsize < min_pt:
print(f"⚠️ 警告：縮放後字型大小約 {effective_fontsize:.1f}pt，低於最小值 {min_pt}pt")
print(f" 建議：將 font.size 提高至 {current_fontsize / scale_factor * min_pt / effective_fontsize:.0f}pt")
else:
print(f"✅ 字型大小符合要求（縮放後約 {effective_fontsize:.1f}pt）")
Step 9：品質確認清單（v2.0）
- 圖表邏輯清晰，看圖能理解研究核心
- 已選擇適當格式 Preset（臺灣論文 / APA / Nature）
- 字型符合 Preset 規範（字體名稱、最小 pt 值）
- 色彩選擇已考慮色盲友善性（建議 Okabe-Ito）
- 顏色不超過 3-4 種（印刷版可在灰階下辨識）
- 箭頭方向明確、無歧義
- 有 APA 7th 或目標期刊格式的圖注
- 向量格式已匯出（PDF / EPS / SVG）
- 解析度符合要求（印刷 ≥ 300 DPI；Nature 線稿 ≥ 1,000 DPI）
- 圖表尺寸符合目標欄寬（單欄 / 雙欄 cm）
- Excalidraw 版本可供後續編輯（若 MCP 可用）