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。」

設計系統 V2.0：Academic Clean

基於 Claude Design（2026-04-17）+ canvas-design 字型庫（Instrument Sans + Lora）

Academic Clean 皮膚

--bg: #faf9f5;   --text: #141413;
--primary: #6a9bcc;  --accent: #d97757;  --success: #788c5d;
--font-heading: 'Instrument Sans', sans-serif;
--font-body: 'Lora', 'Georgia', serif;  /* canvas-design 官方推薦 */
--font-mono: 'IBM Plex Mono', monospace;

禁用字型：Inter、Roboto、Times New Roman（LLM 預設）——改用 Instrument Sans + Lora 學術配對
色覺無障礙：使用 Okabe-Ito 色盤（#0072B2 / #E69F00 / #009E73 / #CC79A7）確保色盲友善
色彩延伸：用 oklch() 衍生中間色階（如 oklch(65% 0.10 230) 衍生學術藍灰）

學術圖表色彩系統（V2.0 升級）

主要節點:   #6a9bcc（Academic Blue，取代原深藍 #1A5276）
次要節點:   #2471A3（保留）
強調節點:   #d97757（暖橙，Academic Accent）
成果節點:   #788c5d（綠，Academic Green）
背景色:     #faf9f5（Academic Light，取代純白）
文字:       #141413（Academic Dark）

字型規格（canvas-design Lora 配對）

節點主標題:   Instrument Sans Bold 14px
節點副文字:   Instrument Sans Regular 12px
路徑標注:    Instrument Sans Regular 12px / italic
圖注標題:    Instrument Sans Bold 14px（Figure X）
圖注說明:    Lora Regular 12px（body text for captions）

Step 0：讀取必要文件

1. references/academicviztypes.md — 學術圖表類型與規範
2. references/apa7figureformat.md — APA/APA 7th 圖表格式要求
3. ../../tweduguided_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）： ../../tweduconcept_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

Excalidraw MCP 未連接時的降級方案

1. 使用 Python matplotlib 生成 .png 靜態圖表
2. 生成 SVG 代碼（可貼入 Inkscape 或 Figma 繼續編輯）
3. 生成 Mermaid 語法（flowchart/graph）輸出供用戶複製
4. 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）
• 色彩是否通過 Okabe-Ito 色盲測試（多色圖表必做）？
• 無 SVG 插圖嘗試（圖表元素用 Excalidraw/matplotlib 生成，非手繪 SVG）？