【結論】研究者向けに文献・Data・Codeの来歴を管理する
研究者はClaude Codeを文献管理、解析Code、再現手順、Figure生成の補助に使えます。
ただし引用、統計値、研究結果は原典と実行Logで検証し、AI利用の開示要件をJournalや所属機関で確認します。
未公開原稿、査読資料、患者・参加者Dataは契約と倫理審査に従います。
# ターミナルで実行：研究Projectの構造を作成
mkdir -p research/{data_raw,data_processed,scripts,reports,provenance}
# ターミナルで実行：原DataをRead-onlyにする
chmod -R a-w research/data_raw
# ターミナルで実行：Environmentを記録
python3 --version > research/provenance/environment.txt
pip freeze >> research/provenance/environment.txt
# ターミナルで実行：解析を再実行
python research/scripts/run_analysis.py --config config.yaml具体的な手順・設定方法
研究質問とData management planを確認します。
Raw data、Processed data、Code、Resultを分離します。
引用候補はDOIと原文を人間が確認します。
別環境で再実行し、差分とSeedを記録します。
実践プロンプト / 活用テクニック
# 起動後のセッション内で入力
この研究Repositoryの再現性を監査してください。
Data provenance、Environment、Seed、除外基準、Figure生成、引用検証、Licenseを確認してください。
研究結果や因果関係を新たに断定しないでください。注意点・よくあるエラーと対処法
Claude CodeがPDFを読めても、表、数式、画像、補遺を正確に解釈できるとは限りません。
査読や研究倫理の責任をAIへ移せません。
再現性を高めるため、PromptよりScript、Config、Test、Versionを成果物として残してください。