بررسی نمودار مقاله با هوش مصنوعی
نمودار مقالهتون رو در اندازهای که قراره چاپ بشه بررسی کنید. گزارش نشون میده کدوم ایراد از فایل خروجیه، کدوم از کد رسم و کدوم رو باید با چشم دید.
بررسی نمودار مقاله با هوش مصنوعی وقتی به درد میخوره که شکل در مانیتور واضح به نظر میرسه، ولی در عرض یک ستون، عنوان محور یا تفاوت دو خط به سختی دیده میشه. با elsevier-figure-style میتونید از ایجنتتون بخواید فایل نهایی رو در اندازه موردنظر ببینه و مشخص کنه کجای نمودار خوانایی کم شده. اگر کد رسم رو هم بدید، در نمودارهای پایتون میتونه بعضی از ایرادها رو تا همون خط کد دنبال کنه.
برای نمودارهای عددی مثل نمودار خطی، پراکندگی و نقشه حرارتی، امکان رسم یا اصلاح هم هست. برای یک شکل مفهومی یا چکیده تصویری، خروجی اصلی گزارش بازبینیه. این ابزار مستقل، دستورالعمل مجلهای که انتخاب کردید رو هم در نظر میگیره. نتیجه درباره ظاهر و فایل شکله و پذیرش مقاله دست مجلهست.
کاربردها
- بررسی وضوح نمودار مقاله بعد از تبدیل فایل به تصویر، با توجه به نوع شکل و اندازه چاپ.
- تنظیم اندازه نوشته نمودار برای اینکه عنوان محور و راهنمای رنگ در نسخه تکستونه قابل خوندن باشن.
- بررسی شکل چندبخشی برای پیدا کردن برچسبهای نامرتب یا بخشی که توضیحش معلوم نیست.
- آماده کردن خروجی چاپی نمودار از روی داده و کد رسم برای مقایسه با نسخه قبلی.
- بازبینی چکیده تصویری و گرفتن فهرست اصلاحاتی که میتونید به طراحش بدید.
نصب و استفاده
- برای ابزارهای پایتون، نسخه ۳٫۱۰ یا بالاتر و کتابخونههای لازم رو آماده کنید. مسیر جداگانه رسم در R به ggplot2 و jsonlite نیاز داره.
- فایل شکل، اندازه نهایی و اسم مجله رو مشخص کنید. اگر کد رسم رو دارید و میخواید تغییر کنه، اون رو هم همراه فایل بدید.
- بگید «این نمودار قراره در یک ستون چاپ بشه. روی نسخه خروجی ببین عنوان محور سمت چپ خواناست و نتیجه رو با محل ایراد بنویس.»
- بعد از اصلاح، فایل تازه رو در همون اندازه دوباره ببینید. راهنمای فعلی مجله رو هم برای نسخهای که میفرستید بررسی کنید.
سوالات متداول
منبع
ساخته Peng Ji and contributors. نام اصلی: elsevier-figure-style، منتشرشده در GitHub با مجوز MIT.
مشاهده در GitHub