🎓 Academic & Research AI Skills Suite (v2.0)

Este repositório apresenta uma coleção de Skills especializadas para o Manus, meticulosamente projetadas para otimizar e aprimorar o fluxo de trabalho acadêmico. Cada skill foi desenvolvida com foco no rigor científico, na precisão metodológica e na eficiência operacional, fornecendo suporte contextualizado e acionável em todas as etapas da pesquisa.

---

📑 Índice

• Academic Data Visualizer
• Bio-Psico-Stats Expert
• Academic Document Oracle
• Academic Methodology Builder
• Academic Network Intelligence
• Academic Researcher
• Academic Theory Analyzer
• Scite AI Assistant
• Scientific Writing Reviewer
• Theory Mapper
• Ethics Committee Assistant
• Academic Core Orchestrator
• Como Usar
• Diferenciais Técnicos
• Licença

---

📊 Academic Data Visualizer (academic-data-visualizer)

Descrição: Esta skill converte dados brutos (CSV, Excel) em visualizações gráficas de alta qualidade, adequadas para publicações acadêmicas, com ênfase em clareza, precisão e personalização estética.

Funcionalidades e Nuances Técnicas: Esta skill opera como um orquestrador de bibliotecas de visualização de dados em Python (matplotlib, seaborn), gerando código específico para cada solicitação. Sua inteligência reside na interpretação semântica do pedido do usuário para selecionar o tipo de gráfico mais apropriado e configurar seus parâmetros de forma academicamente rigorosa.

•Importação e Pré-análise de Dados: Ao receber um comando para importar dados (ex: "Importe o arquivo dados_experimento.csv e mostre as primeiras 5 linhas e um resumo estatístico das variáveis numéricas."), a skill executa um script Python que utiliza pandas para carregar o arquivo. Ela então infere os tipos de dados das colunas e gera um resumo estatístico para variáveis numéricas. A nuance aqui é a capacidade de identificar automaticamente a estrutura do dado e sugerir a melhor abordagem para a visualização subsequente. •Geração de Gráficos Acadêmicos: Para prompts como "Gere um boxplot do desempenho (variável escore) por grupo (variável condicao), com títulos e rótulos de eixo apropriados.", a skill constrói dinamicamente um script Python. A escolha do tipo de gráfico é guiada por heurísticas baseadas na natureza das variáveis (categóricas vs. contínuas) e no objetivo da visualização (distribuição, relação, comparação). •Personalização de Visualizações: Solicitações como "Personalize o gráfico de dispersão, adicionando um título 'Relação entre Variável A e Variável B' e alterando a cor dos pontos para azul escuro." são traduzidas em comandos de matplotlib ou seaborn para ajustar elementos visuais. A especificidade reside na manutenção da consistência visual e na aderência a padrões estéticos valorizados em publicações científicas. •Exportação em Alta Qualidade: Ao receber um prompt como "Exporte o gráfico para um arquivo PNG com 300 DPI.", a skill utiliza parâmetros de resolução e formato que garantem a integridade visual para submissão em periódicos.

---

📈 Bio-Psico-Stats Expert (bio-psico-stats-expert)

Descrição: Esta skill atua como especialista em estatística aplicada, cobrindo o espectro da Psicometria, Bioestatística e Psicoestatística. Integra metodologias de análise de sinais (Zebende), desempenho comportamental (Marinho), controle de estímulo (Reynolds) e delineamento experimental (Shaughnessy), operando sob protocolo anti-alucinação.

Funcionalidades e Nuances Técnicas: A skill transita entre os extremos da análise estatística em ciências da saúde e humanas, garantindo precisão e validade em cada etapa. Sua funcionalidade reside na capacidade de adaptar a abordagem metodológica à natureza dos dados e aos objetivos da pesquisa, ancorada em evidências científicas e no reporte de tamanhos de efeito e intervalos de confiança conforme Shaughnessy et al. (9ª ed.).

Análise de Sinais (Pilar Zebende): Para dados como EEG, variabilidade da frequência cardíaca ou outros sinais biológicos ruidosos e não estacionários, a skill emprega o Detrended Cross-Correlation Analysis (DCCA) e o Detrended Multiple Cross-Correlation (DMC). Estes métodos identificam correlações e dependências de longo alcance, removendo tendências espúrias que comprometeriam análises lineares. A nuance técnica reside na capacidade de discernir a escala temporal das correlações, evitando interpretações simplistas de fenômenos dinâmicos.

Análise de Desempenho Comportamental (Pilar Marinho): Focada na psicometria aplicada e psicoestatística educacional, a skill utiliza os princípios do Precision Teaching. Isso envolve a medição da frequência/taxa de resposta e a análise da aceleração através do Standard Celeration Chart (GPA). A especificidade é a avaliação da fluência (precisão + velocidade) para fundamentar decisões clínicas e pedagógicas, indo além da contagem de acertos.

Modelagem de Equações Estruturais (SEM), Redes e Ordem: A skill integra o SEM para validar constructos latentes e investigar mecanismos de mediação e moderação. A Análise de Redes (via Gaussian Graphical Models) mapeia a interconectividade entre sintomas ou variáveis, identificando "nós centrais". Para dados não-paramétricos e escalas Likert, aplica relações de ordem e posto como Spearman ($\rho$) e Kendall ($\tau$), além de Modelos de Crescimento Latente (LGCM) para trajetórias longitudinais.

Validade e Controle (Pilar Reynolds): Em experimentos online (Gorilla/PsyToolkit), a skill aplica a lógica de Reynolds (1961) para verificar o controle de estímulo. A nuance técnica é a detecção de se o participante responde ao constructo pretendido ou a pistas periféricas, tratando o ruído de hardware via Modelos Lineares de Efeitos Mistos (LMM).

Protocolo de Rigor Científico (Anti-Alucinação): Um diferencial técnico é o protocolo integrado que proíbe inferências sem base empírica. Antes de qualquer análise, a skill verifica a validade das premissas matemáticas e exige a ancoragem em constructos validados em repositórios como Google Scholar. Cada sugestão metodológica é acompanhada da referência ao autor ou método (ex: Zebende, 2011; Marinho et al., 2024; Shaughnessy et al., 2012), garantindo a rastreabilidade e a confiabilidade das informações.

Casos de Uso e Especificidades: A skill é para pesquisadores que necessitam de análises estatísticas em diversas áreas:

• Neurociência: Análise de sinais de EEG para correlacionar atividade cerebral com desempenho cognitivo, utilizando DCCA/DMC para filtrar ruídos fisiológicos.

• Psicologia Clínica: Validação de instrumentos psicométricos via SEM, identificação de redes de sintomas em transtornos mentais e avaliação da eficácia de intervenções comportamentais com base na fluência.

• Educação: Monitoramento da aceleração da aprendizagem e tomada de decisão pedagógica baseada em dados de frequência de resposta e análise de controle de estímulo.

• Bioestatística: Análise de séries temporais de dados de saúde (ex: variabilidade cardíaca, níveis hormonais) para identificar padrões e correlações não lineares multiescala.

Integração com Outras Skills Acadêmicas:

• scite-ai-assistant: Utilizada para verificar a recepção e o suporte empírico de métodos estatísticos ou constructos teóricos antes de sua aplicação.

• academic-document-oracle: Garante que as interpretações e conclusões estatísticas sejam estritamente baseadas em documentos fornecidos, minimizando alucinações e fornecendo citações ABNT.

• scientific-writing-reviewer: Assegura que a comunicação dos resultados estatísticos seja clara, concisa e livre de maneirismos de IA, mantendo o rigor e o tom acadêmico para publicações.

🔮 Academic Document Oracle (academic-document-oracle)

Descrição: Um sistema de Geração Aumentada por Recuperação (RAG) rigoroso, que responde a perguntas exclusivamente com base em documentos fornecidos, minimizando alucinações e gerando resumos com citações ABNT.

Funcionalidades e Nuances Técnicas: O academic-document-oracle opera sob um princípio de restrição contextual rigorosa. A chave para sua eficácia é a proibição explícita de busca externa a menos que seja orquestrada por skills específicas.

•Respostas Baseadas em Documentos (RAG Rigoroso): Quando um prompt como "Qual a principal hipótese apresentada no documento?" é recebido, a skill realiza uma busca semântica dentro do corpus carregado. Se a informação não estiver presente, a skill reporta a ausência, evitando a invenção de dados. •Geração Automática de Resumos e Tópicos Principais: Para prompts como "Resuma o capítulo 3 e liste seus tópicos principais.", a skill emprega técnicas de sumarização que priorizam conceitos-chave, garantindo que o resumo não introduza informações externas ao texto-fonte. •Citações ABNT com Notas de Rodapé: Para cada trecho de informação extraído, a skill gera uma nota de rodapé formatada em ABNT, indicando a origem exata (página, parágrafo) dentro do documento. A precisão da citação é fundamental para a verificabilidade e integridade acadêmica.

---

🧪 Academic Methodology Builder (academic-methodology-builder)

Descrição: Auxilia na estruturação e descrição da seção de Metodologia, garantindo rigor, reprodutibilidade e conformidade com as normas científicas.

Funcionalidades e Nuances Técnicas: Esta skill atua como um engenheiro de texto para a seção metodológica, baseando-se em templates estruturais e diretrizes de boas práticas de pesquisa.

•Estruturação do Desenho Experimental: Para prompts como "Estruture a seção de desenho experimental para um estudo longitudinal, incluindo critérios de inclusão e exclusão.", a skill gera um esqueleto textual que inclui subseções para tipo de estudo, população, amostra e delineamento. •Detalhamento de Instrumentos: Ao receber "Descreva as propriedades psicométricas da Escala X, incluindo sua validação para a população brasileira.", a skill gera um parágrafo detalhado com dados de validade e fidedignidade, essenciais para pesquisas empíricas. •Descrição de Procedimentos: Prompts como "Descreva os procedimentos de coleta de dados sequenciais para este experimento." resultam em uma sequência lógica de passos que permite a replicação do estudo por outros pesquisadores.

---

🕸️ Academic Network Intelligence (academic-network-intelligence)

Descrição: Ferramenta para gestão e análise de literatura, permitindo mapeamento visual de pesquisa, descoberta de novos estudos e integração com o Zotero.

Funcionalidades e Nuances Técnicas: Esta skill explora as interconexões da literatura científica através da análise de redes de citação e co-citação.

•Mapeamento Visual de Pesquisa: Para prompts como "Gere um mapa visual da rede de citações para o artigo seminal da área X.", a skill identifica artigos centrais e clusters temáticos, revelando a estrutura subjacente da pesquisa. •Descoberta de Novos Estudos (Seed Paper Analysis): Ao receber "Sugira artigos similares ao seed paper fornecido.", a skill utiliza algoritmos de similaridade e de rede para identificar literatura relevante que pode não ser óbvia em buscas tradicionais. •Integração com Zotero: Para prompts como "Exporte a coleção de referências para o formato BibTeX.", a skill gera arquivos compatíveis com gerenciadores bibliográficos, facilitando o fluxo de trabalho do pesquisador.

---

🔎 Academic Researcher (academic-researcher)

Descrição: Motor de busca espe