# Scientific Peer Review

> 実験結果の査読・レビュースキル。再現性・統計的妥当性・方法論の 健全性を体系的に評価し、構造化されたレビューレポートを生成する。 「レビューして」「査読して」「実験結果を評価して」で発火。

- Skill: `nahisaho/scientific-peer-review-2` (Agent Skill)
- Install (CLI): `npx get-skill add nahisaho/scientific-peer-review-2`
- Raw SKILL.md: https://api.skillmd.com/api/skills/nahisaho/scientific-peer-review-2/raw
- Safety review: pending (external: skill-scanner PASS, skillspector PASS)
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- Author: nahisaho (https://skillmd.com/u/nahisaho)
- Updated: 2026-09-21
- Page: https://skillmd.com/skills/nahisaho/scientific-peer-review-2

---


# Scientific Peer Review

実験結果を体系的に評価し、再現性・統計的妥当性・方法論の
健全性についてフィードバックを提供するスキル。

## When to Use

- 実験結果の品質を評価するとき
- 論文投稿前のセルフレビューを行うとき
- チームメンバーの実験結果をレビューするとき
- 統計解析の妥当性を確認するとき

## Quick Start

### Step 1: データ・レポートの読解
- 実験データファイルの確認（CSV, JSON, 画像）
- 実験レポート / conversation.md の読解
- 使用手法・パラメータの把握

### Step 2: 方法論の評価
- 実験デザインの適切性（対照群の有無、ブラインド）
- サンプルサイズの十分性
- 測定方法の妥当性
- バイアスの可能性

### Step 3: 統計解析の検証
- 使用された統計手法の適切性
- 多重比較補正の有無
- 効果量の報告
- 信頼区間の記載
- p値の解釈の妥当性

### Step 4: 再現性の評価
- 手順の詳細度（第三者が再現可能か）
- データ・コードの公開状況
- 環境条件の記録

### Step 5: レビューレポート生成

## Output Format

`peer_review.md` を以下の構造で生成:

```markdown
# 査読レポート

## 総合評価
[A: 優秀 / B: 良好 / C: 要修正 / D: 大幅修正]

## 1. 方法論の評価
## 2. 統計解析の妥当性
## 3. 再現性の評価
## 4. データの品質
## 5. 結論の妥当性
## 6. 改善提案
## 7. 推奨事項
```

## Scoring Criteria

| 項目 | 評価基準 |
|------|---------|
| 方法論 | 実験デザインの適切性、対照群、ブラインド |
| 統計 | 手法の適切性、多重比較、効果量 |
| 再現性 | 手順の詳細度、データ公開 |
| 結論 | データに基づいた論理的結論か |

## Examples

**プロンプト例:**
- 「この実験結果をレビューして」
- 「統計解析の妥当性を査読して」
- 「再現性の観点から評価して」

## ToolUniverse 連携

| TU Key | ツール名 | 連携内容 |
|--------|---------|--------|
| `crossref` | Crossref | 査読指摘の文献裏付け検索 |

