ID scr toolkit

scr-toolkit-nulis — pekerjaan deterministik tinjauan cakupan

Read this in English

scr-toolkit-nulis 2.0.0 · 9 tool · sumber

Sembilan alat yang mengerjakan bagian deterministik alur scoping review: memeriksa, menghitung, mencocokkan, mengunduh. Tidak satu pun memutuskan eligibility — penilaian tetap milik peneliti.

Ini pelengkap modul kursus Alur SLR AI, dan tetap begitu. Deskripsi tiap alat menyebut titik modul yang dilayaninya (M6 Langkah 2, M5 L3, M9 L8). Rujukan itu sengaja dipertahankan karena di dalam kursus ia memberi tahu peserta persis kapan sebuah alat dipakai. Tabel di bawah cukup untuk memakainya tanpa mengikuti modulnya — alatnya sendiri tidak menuntut kursus apa pun untuk berjalan.

Untuk apa sebenarnya alat ini

Menyaring beberapa ratus rekaman dengan tangan adalah tempat tinjauan cakupan diam-diam melenceng — bukan karena penilaiannya buruk, melainkan karena aritmetika, nama berkas, dan kelelahan. Empat alat berikut menangani bagian yang seharusnya tidak pernah bergantung pada ketelitian. Keluaran di bawah nyata.

1. Dua pass screening tidak sepakat dan Anda perlu tahu persis di mana

Menjalankan dua pass mandiri itu bagian gampangnya. Membandingkannya, menghitung kesepakatan, dan menyusun daftar yang perlu diputus adalah pekerjaan melelahkan yang rawan salah bila dikerjakan manual.

"Rekonsiliasi dua pass screening saya, lalu berikan antrean arbitrasenya."

{ "summary": {
    "records_compared": 5, "identical_decisions": 3, "identical_pct": 60,
    "arbitration_queue": 2,
    "forwarded_union": 3, "forwarded_intersection": 1, "forwarded_final_range": [1, 3],
    "disagreement_patterns": { "EXCLUDE vs INCLUDE": 1, "UNCERTAIN vs EXCLUDE": 1 } } }

forwarded_final_range adalah jawaban jujur atas "berapa studi yang lolos?" sebelum arbitrase: antara 1 dan 3. Bukan satu angka karangan.

Antreannya sendiri kembali berupa baris dengan kedua pass berdampingan dan kolom Author_Decision / Author_Reason yang sengaja dikosongkan menunggu Anda — alat ini menyiapkan keputusan, bukan mengambilnya.

Satu detail yang layak dilihat: pada eksekusi itu, satu rekaman ber-Reason_Code "-" di pass 1 dan "NA" di pass 2. Ia tidak masuk antrean. Memperlakukan -, NA, n/a, dan sel kosong sebagai nilai yang sama itu disengaja — perbedaan penulisannya pernah melahirkan 182 sengketa palsu pada satu tinjauan nyata.

2. Sampel kalibrasi Anda harus dapat dipertahankan

"Ambil sampel kalibrasi terstratifikasi sebanyak 4, seed 42."

Jalankan dua kali, dapat empat rekaman yang sama:

jalan 1: S03, S04, S06, S07
jalan 2: S03, S04, S06, S07
seed 7 : S04, S06, S07, S09

Itulah sebabnya seed wajib, bukan opsional. Math.random tidak dapat diberi benih, sehingga sampel yang ditariknya tidak akan pernah bisa ditarik ulang — padahal kemampuan menarik ulang itulah seluruh alasan langkah kalibrasi ada. Laporkan seed-nya di Metode, dan siapa pun dapat mereproduksi sampel Anda persis.

3. Anda tidak yakin PDF-nya benar artikel yang diakuinya

Ini terdengar paranoid sampai benar-benar terjadi. Pengunduh mengembalikan HTTP 200 dan berkas yang diawali %PDF — dan isinya artikel yang sepenuhnya berbeda. Pemeriksaan berbasis nama tidak bisa melihatnya, karena berkas dari scholar-nulis atau Zotero memang tidak bernama SCR[ID]_ sejak awal.

"Periksa integritas semua PDF di folder ini, lalu cocokkan ke record saya lewat isinya."

Ketiga alatnya berjalan berurutan — nulis_pdf_integrity → nulis_pdf_match_records → nulis_pdf_verify_record — dan pencocokannya berbobot posisi, sehingga judul yang hanya ditemukan di daftar pustaka dibaca sebagai "artikel ini disitir di sini", bukan "ini artikel itu".

4. Angka di naskah Anda harus cocok dengan datanya

nulis_manuscript_numeric_audit membandingkan setiap angka di draf terhadap daftar fakta yang Anda pasok. Ini gerbang terakhir sebelum submisi, tempat "kami menyaring 412 rekaman" di abstrak dan "411" di diagram alir adalah persis jenis ketidaksesuaian yang ditemukan reviewer dan luput dari Anda.

Tool

Tool	Fungsi	Titik modul
nulis_pdf_integrity	Deteksi unduhan terpotong yang lolos cek magic byte	M6 L2
nulis_pdf_verify_record	Cari judul record di seluruh teks PDF, bukan halaman pertama saja	M6 L2
nulis_pdf_match_records	Cocokkan PDF ke record lewat isi, bukan nama berkas	M6 L2
nulis_reconcile_two_pass	Rekonsiliasi dua pass mandiri + antrean arbitrase	M5 L3 · M6 L5 · M7 L5
nulis_calibration_sample	Sampel kalibrasi acak berbenih dan terstratifikasi	M5 L3
nulis_retrieve_fulltext	Akuisisi full-text via Unpaywall + citation_pdf_url	M6 L1
nulis_xlsx_read / nulis_xlsx_write	Baca/tulis .xlsx	seluruh modul yang menyentuh screening.xlsx
nulis_manuscript_numeric_audit	Audit angka naskah terhadap daftar fakta	M9 L8

Tanpa dependensi, dan itu disengaja

Tidak ada package.json, tidak ada node_modules/, tidak ada bundler. ZIP, .xlsx, dan PDF ditangani langsung di atas modul bawaan Node.

Alasannya diverifikasi dari kode Claude Desktop 1.24012.9: ekstensi bertipe node dijalankan dengan Node bawaan ketika Node sistem tidak ada, sedangkan tipe python hanya "falling back to system exec and hoping". Node bawaan itu tidak punya npm dan tidak dapat memasang paket. Satu dependensi saja akan membuat ekstensinya gagal justru di mesin yang paling ia layani — peserta yang bukan orang IT dan tidak punya toolchain.

Urutan wajib sebelum satu PDF pun dipakai

nulis_pdf_integrity  →  nulis_pdf_match_records  →  nulis_pdf_verify_record

Ini bukan kehati-hatian teoretis. PDF yang diunduh alat lain bernama core_11443100.pdf atau nama lampiran Zotero — bukan SCR[ID]_ — sehingga tidak terlihat oleh pemeriksaan berbasis nama, padahal justru berkas dari luar itulah yang paling perlu diverifikasi. Pada satu tinjauan nyata, download_with_fallback mengembalikan PDF valid berisi artikel yang sepenuhnya berbeda.

Pencocokan memakai bobot posisi. Judul yang hanya muncul di bagian belakang berkas berasal dari daftar pustaka — artinya artikel itu disitir, bukan artikel yang ada di berkas ini. Sebuah berkas pernah tercocokkan ke record lain semata karena record itu ada di catatan kaki ke-56.

Berkas yang sudah bernama SCR[ID]_ tidak pernah di-rename atas dasar isi. Diukur pada 92 PDF nyata, pencocokan isi menetapkan ID berbeda pada 2 berkas. Ketidaksesuaian semacam itu dilaporkan sebagai konflik untuk diputus peneliti, tidak dieksekusi.

Batas yang harus diketahui sebelum dipercaya

Ekstraksi teks. Alat yang membaca lapisan teks PDF memakai pdftotext (poppler) bila terpasang, dan jatuh ke pengekstrak bawaan bila tidak. Diukur pada 432 kutipan dari korpus nyata: pengekstrak bawaan menemukan 73%, dan dari yang tidak ditemukan, 18 dari 23 sesungguhnya ada menurut pdftotext.

Pengekstrak bawaan hanya boleh MEMBUKTIKAN kecocokan; ia tidak pernah menyangkal. Judul yang tidak ditemukan tanpa pdftotext dilaporkan TIDAK_DAPAT_DIPERIKSA, bukan MISMATCH. Verdict yang menuduh hanya keluar bila pdftotext tersedia.

Memasang poppler menaikkan mutu pemeriksaan, tetapi bukan syarat pemakaian.

PDF hasil scan dikenali lewat kepadatan teks, bukan lewat berhasil-tidaknya ekstraksi — berkas hasil scan tetap mengembalikan nomor halaman dan header sehingga ekstraksi tampak berhasil. Ambangnya 800 karakter per halaman; median korpus nyata 2.713. Pernah terjadi satu berkas hasil scan (399 karakter/halaman) dinyatakan tidak memuat artikelnya padahal isinya sah, hanya berupa gambar.

nulis_xlsx_write menulis ulang seluruh berkas. Ia bukan penyunting sel — sertakan semua sheet yang ingin dipertahankan, atau tulis ke berkas baru.

nulis_calibration_sample mewajibkan seed. Math.random tidak dapat diberi benih, jadi sampelnya tidak akan reproducible — padahal reproducibility justru alasan langkah itu ada.

Berdampingan dengan scholar dan zotero

Tidak ada tabrakan nama alat. Yang berbahaya bukan namanya, melainkan berkasnya — dan itulah yang ditangani nulis_pdf_match_records.

Zotero justru menguntungkan bila dipakai bersama: ia menyimpan PDF yang sudah diperoleh lewat akses institusi, persis kelompok record yang nulis_retrieve_fulltext tidak dapat jangkau.

nulis_retrieve_fulltext memisahkan NEED_MANUAL dari NEED_INSTITUTIONAL. Yang pertama Open Access tetapi servernya menolak skrip — cukup dibuka di browser. Menyatukan keduanya membuat peserta menelusuri perpustakaan untuk artikel yang sebenarnya terbuka.

Biaya token

Membaca PDF adalah penyumbang biaya terbesar di seluruh alur. Terukur pada korpus nyata (sampel 5 PDF di sekitar median):

Tahap	Per sumber	Pada 92 / 60 sumber
M6 full-text screening (Pass 1)	±38.000 token	±3,5 juta untuk 92 sumber
M7 charting (Pass 1 + Pass 2)	±40.000 token per pass	±4,8 juta untuk 60 sumber

Karena itu modulnya memerintahkan berhenti dan melapor tiap 5–10 PDF, bukan jalan sampai habis. Konteks yang menumpuk membuat biayanya naik kuadratik, bukan linear.

Detail selengkapnya ada di README server ini.

---

← Kembali · Pemasangan · scholar · zotero · Tanya jawab