Pular para o conteúdo
Skillpedia
Imagens e ícones51 mil · #1973

scientific-visualization

Ajuda seu agente a criar figuras científicas prontas para publicação. Ele garante que as figuras sejam claras, acessíveis e sigam os padrões de revistas.

O que ela faz

Esta ferramenta ajuda a criar gráficos científicos claros e precisos para publicações. Ela garante que os dados não sejam alterados ou distorcidos, foca na clareza e acessibilidade, e ajuda a preparar os gráficos para revistas científicas.

Quando usar

  • ✓Ao criar um gráfico para uma revista científica.
  • ✓Quando você precisa garantir que um gráfico mostre os dados de forma honesta.
  • ✓Para verificar se um gráfico é acessível para daltônicos ou outras deficiências visuais.

Exemplo do que pedir para a IA

“Crie um gráfico de barras mostrando as vendas mensais, garantindo que o eixo Y comece em zero e que os dados ausentes sejam claramente indicados.”

Quer saber mais? Abra as seções abaixo.

Como usar

O jeito mais fácil: copie a mensagem abaixo e cole no Claude, ChatGPT, Cursor ou outra IA. Ela lê a skill e segue as instruções.

Link da skill

https://github.com/K-Dense-AI/scientific-agent-skills/blob/main/skills/scientific-visualization/SKILL.md

Mensagem pronta para colar

Use esta skill para me ajudar: https://github.com/K-Dense-AI/scientific-agent-skills/blob/main/skills/scientific-visualization/SKILL.md Leia o arquivo SKILL.md desse link e siga as instruções dele na minha tarefa.
Como funciona

A ferramenta funciona definindo claramente o que o gráfico deve mostrar, escolhendo como representar os dados de forma honesta (cores, escalas, etc.) e garantindo que o gráfico seja acessível a todos, antes de implementá-lo com código.

Instalação

Jeito mais fácil: copie o link da skill e cole no Claude, ChatGPT ou Cursor pedindo para seguir as instruções.

No terminal (Claude Code, Codex, Cursor), na pasta do projeto:

npx skills add K-Dense-AI/scientific-agent-skills --skill scientific-visualization

Ou baixe só o arquivo:

curl -L https://raw.githubusercontent.com/K-Dense-AI/scientific-agent-skills/main/skills/scientific-visualization/SKILL.md -o SKILL.md
Conteúdo técnico (SKILL.md)

Tradução do texto original do autor no GitHub. Os comandos e códigos estão como no original.

Visualização Científica

Crie figuras que preservem o significado científico antes de otimizar a aparência. Separe princípios universais de regras datadas de editoras, preserve dados brutos e transformações, use cores de forma redundante e inspecione arquivos entregues em vez de confiar nos padrões de plotagem.

Diretrizes inegociáveis

  • Nunca altere, oculte, invente ou aprimore seletivamente dados para melhorar uma figura.
  • Preserve tabelas/imagens brutas, exclusões, códigos de valores ausentes, código de análise, normalização, discretização, ajustes de imagem e sementes aleatórias.
  • Não infira requisitos de revista. Identifique a revista exata, o tipo de artigo, o tipo de figura e a fase de submissão; verifique suas orientações oficiais ativas.
  • Não afirme que uma paleta, valor de DPI, formato ou relatório automatizado torna uma figura acessível ou compatível com a revista.
  • Não conecte silenciosamente observações ausentes, suprima pontos inconvenientes, aumente a amostragem de imagens como se o detalhe tivesse aumentado ou ajuste eixos/eixos duplos para exagerar uma conclusão.
  • Mantenha saídas interativas e estáticas como entregas distintas. O hover interativo não substitui rótulos, texto alternativo, acesso por teclado, uma tabela de dados acessível ou um fallback estático.

Leia references/publication_guidelines.md para codificação enganosa e verificações de integridade. Leia references/journal_requirements.md somente após o destino e a fase serem conhecidos.

Fluxo de trabalho

1. Defina a evidência e o destino

Registre:

  • público e meio: manuscrito, web, slide, pôster, suplemento;
  • editora/revista exata, tipo de artigo, fase de submissão e largura final pretendida;
  • semântica da variável, unidades, estrutura de amostra/réplica, valores ausentes/censurados;
  • estimador e definição de incerteza;
  • transformações: filtragem, agregação, normalização, suavização, discretização, processamento de imagem;
  • caminhos/identificadores de dados de origem e proveniência da saída.

Se os requisitos não forem conhecidos, crie uma figura geral provisória e rotule todas as escolhas da editora como pendentes de verificação.

2. Escolha uma codificação honesta

Prefira a posição em uma escala comum. Antes de codificar, verifique:

  • Barras/áreas: normalmente incluem zero porque o comprimento/área é medido a partir de uma linha de base.
  • Pontos/linhas: limites diferentes de zero podem ser válidos; mostre o contexto e divulgue quebras.
  • Incerteza: nomeie DP, EP, IC, percentil, posterior ou outro intervalo; declare n e a unidade de replicação.
  • Observações brutas: mostre-as quando viável; não deixe o jitter obscurecer categorias/valores.
  • Dados ausentes: distinga ausente, zero, censurado e excluído; use lacunas ou estilo de modelo/interpolação explícito.
  • Área/volume: escale área/volume, não raio/diâmetro; evite 3D decorativo.
  • Eixos logarítmicos: rotule a base/transformação e declare como valores zero/negativos são tratados.
  • Discretização/suavização: registre limites, largura/janela, método e sensibilidade.
  • Normalização: declare a fórmula/referência e mantenha os limites consistentes entre os painéis comparados.
  • Eixos duplos: prefira painéis alinhados; se inevitável, justifique as unidades e não crie correlação aparente.
  • Imagens: preserve originais, divulgue ajustes de imagem inteira, mostre barras de escala e evite fundos cortados/apagados.

3. Projete a acessibilidade desde o início, não depois

  • Use cor mais marcador, estilo de linha, hachura, rótulo direto ou separação de painel.
  • Escolha cor qualitativa, sequencial, divergente ou cíclica de acordo com a semântica dos dados.
  • Audite o contraste de primeiro plano/fundo no tamanho renderizado.
  • Torne explícitos os valores ausentes e fora do intervalo.
  • Forneça texto alternativo, uma descrição mais longa para figuras complexas e dados subjacentes para entrega na web.
  • Trate o WCAG 2.2 como orientação para a web: 4,5:1 para texto normal, 3:1 para texto grande e 3:1 para objetos gráficos necessários para a compreensão; a cor não pode ser a única pista. Aplicabilidade e exceções importam.

Veja references/color_palettes.md. Uma tela em tons de cinza é útil, mas não é um teste completo de visão de cores ou acessibilidade.

4. Implemente com estilos com escopo

Execute exemplos de shell deste diretório de habilidades. Para seu próprio script de figura, adicione scripts/ e assets/ ao caminho de importação (veja o bootstrap em references/matplotlib_examples.md) e crie o diretório de saída. Use a API orientada a objetos do Matplotlib e contextos de estilo temporários:

import matplotlib.pyplot as plt

from style_presets import style_context

with style_context("default", palette_name="okabe_ito_on_white"):
    fig, ax = plt.subplots(
        figsize=(89 / 25.4, 60 / 25.4),
        layout="constrained",
    )

…
Perguntas frequentes

O que significa 'dados honestos'?

Significa que o gráfico não deve alterar, esconder ou exagerar os dados. Ele deve representar a informação científica de forma fiel.

Como a ferramenta garante acessibilidade?

Ela sugere usar cores combinadas com outros elementos visuais (como formas ou linhas), verificar o contraste e fornecer descrições alternativas para pessoas com deficiência visual.

Posso usar qualquer tipo de gráfico?

A ferramenta foca em gráficos para publicações científicas e orienta sobre as melhores práticas para diferentes tipos de representação de dados, como barras, linhas e imagens.

Detalhes

Descrição original do autor

Creates and audits truthful, accessible, publication-ready scientific figures with Matplotlib, Seaborn, or Plotly. Use it for figure design, multi-panel layouts, uncertainty and missing-data displays, color/contrast review, image metadata validation, and journal export planning.

repo: K-Dense-AI/scientific-agent-skills

Popularidade

Estrelas no GitHub
51 mil
Posição no ranking
#1973
Licença
MIT
Atualizada em
15/10/2026

Essa skill é útil?

0

Entre para votar.

Comentários

  • …

Mais skills deste repositório

Skills parecidas