學術論文資料視覺化工具 v1.0
哲學定位
「一張好的學術圖表，能讓審稿人在 30 秒內理解你的研究邏輯。」
Step 0：讀取必要文件
references/academic_viz_types.md— 學術圖表類型與規範references/apa7_figure_format.md— APA/APA 7th 圖表格式要求../../tw_edu_guided_collection.md— 引導式收集框架
若 Excalidraw MCP 可用： → 優先使用 Excalidraw 生成可編輯圖表 → 調用 Excalidraw:create_view 工具
概念對齊協議（必要前置步驟）： ../../tw_edu_concept_alignment.md → 在執行任何工作前，先完成概念對齊確認卡。
Step 1：引導式資訊收集（三輪）
第一輪（核心，必問）
Q1: 「要視覺化什麼類型的內容？
A. 研究架構 / 概念框架
B. 文獻關係圖（如：文獻引用網絡、主題分群）
C. 研究流程圖（含 PRISMA/SLR 流程）
D. 理論模型（變數關係、路徑圖）
E. 統計數據視覺化（長條圖/折線/雷達圖）
F. 心智圖 / 主題概念地圖
G. 其他（請描述）」
Q2: 「請提供核心資料：
・研究題目 / 主題
・要呈現的主要元素（節點/變數/步驟等）
・元素之間的關係（A→B、A←→B、A包含B）」第二輪（細節，選填）
Q3: 「圖的最終用途？
A. 嵌入 Word/PDF 論文（需高解析度）
B. 學術報告/簡報（.pptx）
C. 研討會海報
D. 線上分享 / 可編輯版本」
Q4: 「有沒有特定的學術格式要求？
APA 7th / 臺灣學位論文格式 / 期刊特定格式」
Q5: 「色彩偏好？
A. 黑白（適合列印）
B. 有限色彩（2-3 色，正式感）
C. 全彩（簡報/海報用）」確認摘要
✅ 圖表類型：{類型}
📐 元素數量：{N 個節點/步驟}
🎨 風格：{黑白/有限色/全彩}
🔧 生成工具：{Excalidraw MCP / SVG / matplotlib}
📄 輸出格式：{svg/png/pptx 嵌入}Step 2：圖表類型規範
A. 研究架構圖 / 概念框架
適用：展示研究的整體架構、各構念之間的關係
Excalidraw 元素設計：
・矩形（圓角）= 構念/變數
・箭頭 = 影響方向（實線 = 假設正向影響）
・虛線箭頭 = 調節/中介關係
・雙向箭頭 = 相關但無因果方向
分層建議：
├── 前置變數（左側或上方）
├── 核心構念（中央）
└── 結果變數（右側或下方）
標記規範（APA 7th）：
H1, H2... = 假設編號（在箭頭旁標注）
β = 標準化路徑係數（若有統計結果）B. PRISMA 系統性文獻回顧流程圖
標準 4 階段結構（PRISMA 2020）：
識別（Identification）
│ 資料庫搜尋（N = ）
│ 移除重複（n = ）
↓
篩選（Screening）
│ 標題/摘要篩選（n = 排除 / 原因）
↓
資格審查（Eligibility）
│ 全文審查（n = 排除 / 原因清單）
↓
納入（Included）
└── 最終納入文獻（n = ）
Excalidraw 樣式：
・識別 = 藍色框
・篩選 = 黃色框
・資格 = 橘色框
・納入 = 綠色框
・排除原因 = 側邊虛線框C. 文獻關係圖 / 主題群聚
適用：展示不同文獻/學者之間的引用關係或主題分群
元素設計：
・圓形節點 = 重要文獻/學者
・節點大小 = 被引用次數（越大越重要）
・線條粗細 = 關係強度
・色彩分群 = 研究主題/時期
若文獻數量 > 20：建議使用 Python 腳本生成圖表（matplotlib + networkx）D. 路徑模型圖（SEM / 迴歸）
元素設計：
・橢圓 = 潛在變數（latent variable）
・矩形 = 觀測變數（observed variable）
・單向箭頭 = 因果路徑（標注路徑係數）
・雙向彎曲箭頭 = 相關/共變
・小圓圈 e = 誤差項
標注規範：
顯著路徑：β = .XX, p < .001（標注 ***）
非顯著路徑：β = .XX, ns（虛線箭頭）E. 統計數據視覺化
圖表選擇指南：
比較多組 → 長條圖（bar chart）
趨勢/時序 → 折線圖（line chart）
比例/組成 → 圓餅圖/環形圖
多維度比較 → 雷達圖（spider chart）
相關關係 → 散佈圖（scatter plot）
分佈情況 → 箱形圖（box plot）
生成工具：
→ Python matplotlib / seaborn 腳本
→ 或呼叫 Three.js 3D Viewer（3D 資料呈現）Step 3：Excalidraw MCP 調用規範
優先使用 Excalidraw MCP 的情境
✅ 研究架構圖、概念框架
✅ PRISMA 流程圖
✅ 文獻關係圖（< 20 節點）
✅ 心智圖
✅ 任何需要「可編輯」的圖表Excalidraw 調用前的準備
Step 1：讀取 Excalidraw read_me
→ 呼叫 Excalidraw:read_me 取得元素格式規範
Step 2：設計元素結構（JSON）
元素類型：rectangle / ellipse / arrow / text / diamond
元素屬性：x, y, width, height, backgroundColor, strokeColor, label
Step 3：呼叫 create_view
Excalidraw:create_view(elements: JSON 陣列字串)學術圖表元素設計原則
顏色系統（學術正式用）：
主要節點：#1A5276（深藍）
次要節點：#2471A3（中藍）
強調節點：#D4AC0D（金色）
邊界節點：#1E8449（綠色）
背景色：#EBF5FB（淺藍，避免純白）
文字：#1C2A35（深色）
字型：
節點標題：14px 粗體
路徑標注：12px 細體
圖注：12px 斜體
連接器：
因果關係：實線箭頭
相關關係：雙向箭頭
包含關係：虛線框
調節關係：虛線箭頭Step 4：Python 輔助腳本（無 Excalidraw MCP 時）
# 生成 PRISMA 流程圖
python scripts/generate_prisma.py \
--identified [N] \
--duplicates [n] \
--screened [n] \
--eligible [n] \
--included [n] \
--output "/mnt/user-data/outputs/PRISMA流程圖.png"
# 生成研究架構圖
python scripts/generate_framework.py \
--nodes "[節點1:類型,節點2:類型,...]" \
--edges "[節點1->節點2:標籤,...]" \
--output "/mnt/user-data/outputs/研究架構圖.svg"Step 5：APA 7th 圖表格式規範
圖注格式（Figure caption）：
Figure X
[圖表標題（首字大寫，不加句點）]
注意。[說明文字，如有]。[資料來源，如改編自其他研究]
範例：
Figure 1
Conceptual Framework of Teacher AI Competency and Student Learning Outcomes
注意。本架構整合 Davis (1989) 科技接受模型與 Bandura (1977) 自我效能理論。
圖表編號規則：
・全論文連續編號（Figure 1, 2, 3...）
・圖注置於圖的正下方
・圖標題與論文正文字體一致（通常為 Times New Roman 12pt）Step 6：MCP 整合對照表
| 功能 | Claude Code | Claude.ai | Codex/gemini-cli |
|---|---|---|---|
| Excalidraw 互動圖 | ✅ MCP | ✅ MCP（若連接） | ❌ → SVG 輸出 |
| 統計圖（matplotlib） | ✅ Bash | ✅ Bash | ✅ |
| 匯出為.png/.svg | ✅ | ✅ | ✅ |
| Three.js 3D 視覺化 | ✅ MCP | ✅ MCP（若連接） | ❌ |
Excalidraw MCP 未連接時的降級方案
- 使用 Python
matplotlib生成.png靜態圖表 - 生成 SVG 代碼（可貼入 Inkscape 或 Figma 繼續編輯）
- 生成 Mermaid 語法（flowchart/graph）輸出供用戶複製
- 提供 draw.io XML（可匯入 diagrams.net 編輯）
Step 7：品質確認清單
- 圖表邏輯清晰，看圖能理解研究核心
- 元素大小與字型符合學術出版標準
- 顏色不超過 3 種（印刷版需考慮灰階辨識度）
- 箭頭方向明確、無歧義
- 有 APA 7th 格式的圖注
- 高解析度輸出（≥ 300 DPI 印刷用，≥ 150 DPI 螢幕用）
- Excalidraw 版本可供後續編輯（若 MCP 可用）