Files

T

hehaiguang1123 a6f05ab2d5 Phase 0-2: Schema cleanup, typed relations, event-driven automation

- Phase 0: AGENTS.md cleanup (dedup quotes, renumber sections, merge qmd)
- Phase 1: typed relations (manage-relations.py, graph-search.py, check-staleness.py, detect-conflicts.py)
- Phase 2: frontmatter validator, weekly lint, knowledge promotion, git hooks
- Fix .gitignore to track tools/ and .githooks/
- Fix git remote URL (remove plaintext token)
- New wiki pages: 504 pages, 34 raw sources

2026-07-01 08:05:43 +08:00

7.6 KiB

Raw Blame History

质量评估报告生成器 - 使用说明

📚 脚本简介

质量评估报告生成器 是一个自动化文献质量评估工具，用于生成标准化的文献质量评估报告（OFM格式）。

核心功能：

交互式单篇文献评估
批量生成多篇文献评估报告
自动计算时效性分数和信源权威性分数
生成标准OFM格式评估报告

🚀 快速开始

1. 交互式单篇评估

适用于评估单篇高质量文献，需要详细输入各个维度的分数和评语。

cd d:\Applications\app\kepano-obsidian-main\raw\教育AI研究\tools
python 质量评估报告生成器.py

操作流程：

输入文献基本信息（ID、标题、作者、来源、年份、PDF路径）
系统自动计算时效性分数和信源权威性分数
手动输入其他5个维度分数（数据质量、方法严谨性、实证基础、理论框架、影响力）
输入核心发现、优势、局限、适用场景、使用建议（选填）
自动生成评估报告并保存到 文献库/ 目录

输出文件：文献库/论文质量评估-{文献ID}-{YYYYMMDD}.md

2. 批量评估模式

适用于快速评估多篇文献，采用简化评估方式（平均分）。

cd d:\Applications\app\kepano-obsidian-main\raw\教育AI研究\tools
python 质量评估报告生成器.py --batch

操作流程：

从 文献库/文献索引数据库.json 读取未评估文献
列出前10篇未评估文献
确认后逐篇评估
系统自动计算时效性分数和信源权威性分数
手动输入5个维度的平均分（数据质量、方法严谨性、实证基础、理论框架、影响力）
生成简化版评估报告并保存

输出文件：文献库/论文质量评估-{文献ID}-{YYYYMMDD}.md

3. 查看帮助

python 质量评估报告生成器.py --help

📊 评估维度说明

7个维度，总分105分制

维度	满分	评估方式	评分标准
时效性	15分	自动计算	2026年=15分，2025年=12分，2024年=9分，2023年=6分，2022年及以前=3分
信源权威性	20分	自动计算	Nature/Science=20分，顶刊/顶会=18分，一区期刊=16分，其他=12分
数据质量	20分	手动输入	完整清晰+量化=20分，部分量化=15分，基本描述=10分，缺乏数据=5分
方法严谨性	20分	手动输入	RCT=20分，准实验=15分，问卷调研=10分，理论分析=5分
实证基础	20分	手动输入	大样本+高效应量=20分，中等样本=15分，小样本=10分，理论分析=5分
理论框架	15分	手动输入	清晰完整=15分，基本清晰=10分，模糊或缺失=5分
影响力	15分	手动输入	高引用量+高影响因子=15分，中等=10分，较低=5分

质量等级划分

总分	质量等级	说明	使用建议
≥95分	A+级	顶尖文献，可作为核心引用源	优先引用，重点推荐
90-94分	A级	高质量文献，可作为重要引用源	重要引用，强烈推荐
85-89分	A-级	良好文献，可作为辅助引用源	辅助引用，推荐使用
80-84分	B+级	合格文献，特定场景有用	谨慎使用，特定场景
70-79分	B级	一般文献，谨慎使用	谨慎使用，少量引用
60-69分	B-级	较差文献，尽量少用	尽量少用，避免引用
<60分	C级	低质量文献，不建议引用	不建议引用，避免使用

💡 使用建议

何时使用单篇评估模式

评估A+级/A级高质量文献
需要详细记录各个维度的分数和评语
需要生成完整的评估报告（包括核心发现、优势、局限等）

何时使用批量评估模式

快速评估多篇中低质量文献（B级、C级）
时间预算有限，需要提高效率
只需了解文献大致质量，无需详细评估

评估频率建议

A+级/A级文献：单篇评估，详细记录
B级文献：批量评估，简化记录
C级文献：批量评估或暂不评估

📝 评估报告格式

生成的评估报告采用标准OFM格式，包含以下部分：

Frontmatter

---
created: YYYY-MM-DD
title: 论文质量评估 - 文献标题
tags: [质量评估, A+级]
source: 文献来源
category: quality_assessment
---

内容结构

文献基本信息：文献ID、标题、作者、来源、年份、PDF路径、评估日期
质量评估得分：各维度得分、总分、质量等级
核心发现与价值：核心发现、优势、局限（单篇评估模式）
适用场景与使用建议：适用场景、使用建议（单篇评估模式）
质量等级说明：评分标准说明

🔧 技术细节

依赖要求

Python 3.6+
仅使用标准库（sys, os, json, argparse, datetime, pathlib），无需额外安装

路径配置

脚本路径：tools/质量评估报告生成器.py
文献库目录：文献库/
文献库JSON：文献库/文献索引数据库.json
输出目录：文献库/

文件编码

脚本文件：UTF-8编码
输出文件：UTF-8编码
支持中文输入和输出

📊 效率提升

评估方式	每篇耗时	适用场景
完全手动	15-20分钟	无脚本辅助
脚本辅助（单篇）	3-5分钟	详细评估
脚本辅助（批量）	1-2分钟	简化评估

效率提升：约 4-10倍（20分钟 → 2-5分钟）

🎯 最佳实践

建立评估标准：预先确定各维度的评分标准，保持评估一致性
分优先级评估：A+级/A级文献优先评估，详细记录；B级/C级文献批量评估
定期更新评估：新文献及时评估，保持文献库质量评估覆盖率
善用批评估：遇到多篇中低质量文献，使用批量评估模式提高效率
记录评估依据：在评估报告中记录评分依据，便于后续查阅和验证

❓ 常见问题

Q1: 如何修改自动计算的分数规则？

A: 编辑 tools/质量评估报告生成器.py 文件中的以下函数：

calculate_timeliness_score()：修改时效性分数计算规则
calculate_source_authority()：修改信源权威性分数计算规则

Q2: 如何添加新的评估维度？

在 __init__() 方法中的 self.assessment_dimensions 添加新维度
在 generate_single_assessment() 方法中添加新维度的输入逻辑
在 calculate_quality_grade() 方法中调整总分计算
在 generate_report_content() 方法中更新报告模板

Q3: 批量评估时如何修改评估数量？

A: 编辑 tools/质量评估报告生成器.py 文件，找到以下代码：

for entry in unassessed[:10]:  # 修改此处的数字

将 10 改为你想要评估的文献数量。

Q4: 如何自定义报告模板？

A: 编辑 tools/质量评估报告生成器.py 文件中的 generate_report_content() 方法，修改报告生成的字符串模板。

📚 相关文档

.learnings/FEATURE_REQUESTS.md - 功能需求记录
.learnings/LEARNINGS.md - 学习记录
tools/质量评估报告生成器.py - 脚本源代码
文献库/文献索引数据库.json - 文献库数据

✅ 版本信息

版本：v1.0
创建日期：2026-04-25
作者：教育AI研究项目
状态：已测试，可正常使用

如有问题或建议，请联系项目维护者或查看 .learnings/ 目录中的相关记录。

7.6 KiB Raw Blame History Unescape Escape