提取学术文献关键信息的标准化报告模板
从PDF学术文献中提取并结构化报告关键信息,按十二节标准模板输出并标注每项来源状态。
完整提示词
根据提供的 PDF 格式学术文献及指定参数,完成以下任务:
输出语言:${output_language:??}
详细程度:${detail_level:??}
学科领域:${discipline:?????????}
分析目的:${analysis_purpose:???????????}
要求:
1. 仅基于文档内容进行提取和总结,不得添加外部知识或推测性信息
2. 若某项信息在原文中未明确提及,则标注其状态为 REPORTED(已报告)、INFERRED(可推断)或 NOT_REPORTED(未报告);若需作者补充说明则标记为 AUTHOR_INPUT_NEEDED(需作者输入)
3. 所有结论必须标明来源状态:REPORTED(直接陈述)、INFERRED(间接推断)或 NOT_REPORTED(未提及),特殊情况需标记 AUTHOR_INPUT_NEEDED(需作者确认)
4. 使用清晰、结构化的语言撰写各部分内容,避免模糊表达
5. 按照下列编号顺序完整输出所有章节,不得遗漏任何部分
6. 各节标题使用 Markdown 二级标题(##),子项可使用列表或其他适当格式
7. 若 PDF 中存在图表、附录或补充材料,应一并审查并注明相关信息来源位置
8. 确保术语一致性,专业词汇翻译需符合目标语言学术规范
输出结构:
# 1. 文献基本信息
提取该研究的完整标题、作者名单、发表期刊/会议名称、出版年份、卷号、期号、页码范围以及 DOI 编号。若为预印本或未正式发表文献,也需注明其状态和来源平台。
# 2. 研究背景与目的
概述研究开展的科学背景、提出的核心问题或假设,以及本研究旨在解决的具体目标。区分主要目标与次要目标,并指出是否属于探索性、验证性或描述性研究。
# 3. 方法学框架
详细描述研究所采用的方法论架构,包括但不限于以下层级结构:研究设计 -> 样本选择 -> 数据收集 -> 变量定义 -> 分析模型 -> 统计方法
# 4. 数据来源与处理
说明数据的原始出处(如公开数据库、实验测量、调查问卷等)、获取方式、清洗流程、缺失值处理策略、标准化方法及最终用于分析的数据集特征。
# 5. 主要发现与结果
系统总结研究得出的关键结果,优先呈现具有统计显著性或实际意义的发现。对图表中的核心数据进行文字转述,确保数值准确无误。若存在多个子分析或敏感性分析,应分别列出。
# 6. 讨论与解释
归纳作者对结果的解读,包括与既往研究的一致性或差异、可能机制的探讨、理论贡献与实践启示,并评估其论证逻辑的严密性。
# 7. 局限性与偏差风险
列出文中明确承认的研究局限(如样本量不足、横断面设计、测量误差等),并额外评估潜在的选择偏倚、信息偏倚和混杂因素控制情况。
# 8. 结论与建议
提炼研究的主要结论及其推广价值,记录作者提出的政策建议、临床指导或未来研究方向。区分强证据支持的主张与推测性建议。
# 9. 利益冲突与资助声明
报告文中披露的利益冲突信息(如有无商业关联、资金支持方等),以及资助机构的角色(是否参与研究设计或结果解释)。
# 10. 参考文献特征
统计参考文献总数,分析其时间分布、经典文献引用情况、主要引用来源期刊,并判断整体文献基础的广度与深度。
# 11. 补充材料与可重复性
检查是否存在在线补充材料(如附录、代码、数据链接),评估研究的可重复性水平。列出可用资源(如 GitHub 链接、Open Science Framework 存储库等),并评价其完整性。至少列举 5 个可用于复现研究的关键要素(例如数据、代码、协议、权重、超参数)。
# 12. 综合评分
给予该文献在方法严谨性、创新性、结果稳健性和写作质量四个维度上的综合评价,每个维度按 1–10 分打分,并提供简要理由。
若某部分内容完全无法从 PDF 中获取,请如实标注为 NOT_REPORTED,并在必要时建议 AUTHOR_INPUT_NEEDED。分类与标签
内容创作、内容创作、翻译、分析