Servidor MCP de Investigador Cuantitativo

Una implementación de servidor MCP que proporciona herramientas para la gestión de gráficos de conocimiento de investigación cuantitativa, lo que permite la representación estructurada de proyectos de investigación, conjuntos de datos, variables, hipótesis, pruebas estadísticas, modelos y resultados. Este servidor ayuda a los investigadores cuantitativos a organizar sus datos, realizar el seguimiento de sus análisis, evaluar hipótesis y generar información a partir de datos numéricos.

Características

Contexto de investigación persistente : mantener un gráfico de conocimiento estructurado de las entidades de investigación y las relaciones en múltiples sesiones de análisis
Gestión de sesiones de estudio : Realice un seguimiento de las sesiones de análisis de investigación con identificaciones únicas y registre el progreso a lo largo del tiempo
Prueba de hipótesis : seguimiento de hipótesis, sus pruebas asociadas y conclusiones resultantes
Gestión de conjuntos de datos : organice y realice un seguimiento de las estadísticas descriptivas y las variables dentro de los conjuntos de datos.
Análisis estadístico : Registrar pruebas estadísticas, modelos y sus resultados.
Relaciones entre variables : realice un seguimiento de correlaciones, predicciones y otras relaciones entre variables
Seguimiento de preguntas de investigación : vincule los análisis de datos con preguntas de investigación específicas
Visualización de datos : visualizaciones de documentos creadas a partir de conjuntos de datos y resultados
Rendimiento del modelo : supervisar las métricas estadísticas de rendimiento del modelo
Documentación de los hallazgos de la investigación : Vincular los hallazgos con la evidencia estadística que los respalda
Documentación de metodología de investigación : seguimiento de decisiones y enfoques metodológicos

Entidades

El servidor MCP de Quantitative Researcher reconoce los siguientes tipos de entidades:

proyecto : Estudio de investigación general
conjunto de datos : recopilación de datos utilizados para el análisis
variable : atributo medible específico en un conjunto de datos
hipótesis : Enunciado formal comprobable
Prueba estadística : método de análisis aplicado a datos
resultado : Resultado del análisis estadístico
analysisScript : Código utilizado para realizar el análisis
visualización : representación visual de datos
modelo : Modelo estadístico/matemático
Literatura : Fuentes académicas
Pregunta de investigación : Preguntas formales que guían el estudio
hallazgo : Resultados o conclusiones
Participante : Sujetos de investigación
estado : Valores de estado de la entidad (activo, completado, pendiente, abandonado)
prioridad : Valores de nivel de prioridad (alto, bajo)

Relaciones

Las entidades se pueden conectar a través de los siguientes tipos de relaciones:

correlates_with : Correlación estadística entre variables
predice : Relación predictiva de variable independiente a variable dependiente
Pruebas : La prueba estadística examina la hipótesis.
análisis : Análisis realizado en el conjunto de datos
produce : El análisis produce resultados
visualiza : La visualización muestra datos o resultados
contiene : Relación jerárquica
part_of : La entidad es parte de otra entidad
depends_on : Relación de dependencia
apoyos : evidencia que apoya una hipótesis o hallazgo
contradice : evidencia que contradice una hipótesis o hallazgo
derived_from : La entidad se deriva de otra entidad
controles_para : Controles de variables/métodos para factores de confusión
modera : Variable modera una relación
media : La variable media una relación
implementa : El script implementa una prueba/modelo estadístico
compara : Comparación estadística entre grupos/variables
incluye : El modelo incluye variables
valida : valida un modelo o resultado
cita : Referencias bibliográficas
has_status : Vincula las entidades a su estado actual (activo, completado, pendiente, abandonado)
has_priority : vincula entidades a su nivel de prioridad (alto, bajo)
precede : Indica que un proceso o actividad viene antes de otro en una secuencia

Herramientas disponibles

El servidor MCP de Quantitative Researcher proporciona estas herramientas para interactuar con el conocimiento de investigación:

inicio de sesión

Inicia una nueva sesión de investigación cuantitativa, generando un ID de sesión único y mostrando los proyectos de investigación, conjuntos de datos, modelos, visualizaciones y sesiones anteriores en curso. Muestra información de estado mediante relaciones has_status, niveles de prioridad mediante relaciones has_priority e identifica actividades listas para trabajar a continuación según las relaciones secuenciales del proceso.

contexto de carga

Carga el contexto detallado de una entidad específica (proyecto, conjunto de datos, variable, etc.) y muestra información relevante según el tipo de entidad. Incluye información de estado, niveles de prioridad y relaciones secuenciales entre procesos.

fin de sesión

Registra los resultados de una sesión de investigación a través de un proceso estructurado de múltiples etapas:

Resumen : Registra el resumen de la sesión, la duración y el enfoque del proyecto.
datasetUpdates : documenta las actualizaciones de los conjuntos de datos durante la sesión
newAnalyses : Registra nuevos análisis estadísticos realizados
newVisualizations : Realiza un seguimiento de las nuevas visualizaciones de datos creadas
hypothesisResults : Documenta los resultados de las pruebas de hipótesis
modelUpdates : Registra actualizaciones de modelos estadísticos
statusUpdates : Registra los cambios en los valores de estado de la entidad
projectStatus : actualiza el estado general del proyecto, las asignaciones de prioridad y las relaciones secuenciales
ensamblaje : ensamblaje final de todos los datos de la sesión

contexto de construcción

Crea nuevas entidades, relaciones u observaciones en el gráfico de conocimiento:

Entidades : Agregar nuevas entidades de investigación (proyectos, conjuntos de datos, variables, estado, prioridad, etc.)
relaciones : Crea relaciones entre entidades (incluyendo has_status, has_priority, precedes)
observaciones : Agregar observaciones a entidades existentes

eliminar contexto

Elimina entidades, relaciones u observaciones del gráfico de conocimiento:

entidades : Eliminar entidades de investigación
relaciones : eliminar relaciones entre entidades (incluidas relaciones de estado, prioridad y secuenciales)
observaciones : eliminar observaciones específicas de las entidades

contexto avanzado

Recupera información del gráfico de conocimiento:

gráfico : Obtenga el gráfico de conocimiento completo
búsqueda : busca nodos según criterios de consulta
nodos : obtener nodos específicos por nombre
relacionado : Encuentra entidades relacionadas
estado : busca entidades con un valor de estado específico (activo, completado, pendiente, abandonado)
prioridad : busca entidades con un valor de prioridad específico (alto, bajo)
secuencia : Identificar relaciones secuenciales para los procesos de investigación

Funciones específicas del dominio

El servidor MCP de Quantitative Researcher incluye funciones de dominio especializadas para la investigación cuantitativa:

getProjectOverview : Vista completa de un proyecto que incluye preguntas de investigación, metodología, conjuntos de datos y variables
getDatasetAnalysis : análisis del contenido del conjunto de datos, incluidas variables, estadísticas descriptivas y calidad de los datos
getHypothesisTests : Revisión de pruebas de hipótesis y sus resultados
getVariableRelationships : Examinar correlaciones, predicciones y otras relaciones entre variables
getStatisticalResults : resume los resultados de los análisis estadísticos
getVisualizationGallery : Ver visualizaciones creadas para conjuntos de datos y resultados
getModelPerformance : evalúa las métricas de rendimiento de los modelos estadísticos
getResearchQuestionResults : Organiza análisis y resultados por preguntas de investigación
getVariableDistribution : Examina la distribución y las propiedades de variables individuales
getStatusOverview : Ver todas las entidades con un estado específico (activo, completado, pendiente, abandonado)
getPriorityItems : Identificar tareas y actividades de investigación de alta prioridad
getResearchSequence : Visualiza la secuencia de procesos de investigación basándose en relaciones precedentes

Ejemplos de indicaciones

Iniciar una sesión

Let's start a new quantitative research session for my Climate Impact Study project.

Cargando contexto de investigación

Load the context for the Climate Impact Study project so I can see the current state of my statistical analyses.

Resultados de la sesión de grabación

I've just finished analyzing data for my Climate Impact Study. I ran three new regression models to test the relationship between temperature and crop yield, created two visualizations of the correlation patterns, and confirmed our hypothesis about rainfall effects. I've marked the temperature analysis as complete and assigned high priority to the regional variation analysis. The model performance improved by 15% after controlling for regional variations.

Gestión del conocimiento de investigación

Create a new variable called "Annual Precipitation" that's part of the "Climate Measures" dataset with observations noting it's normally distributed with a mean of 34.5 inches. Set its status to active and make it precede the "Crop Yield Analysis" process.

Update the status of the "Data Cleaning" process to "completed" and add an observation that all outliers have been properly handled.

Uso

Este servidor MCP permite a los investigadores cuantitativos:

Mantener la continuidad analítica : realizar un seguimiento de los análisis y resultados en múltiples sesiones de investigación
Organizar la evidencia estadística : vincular las hipótesis con las pruebas y resultados estadísticos que las respaldan
Documentar relaciones entre variables : registrar cómo las variables se correlacionan, predicen o influyen entre sí
Desarrollo de modelos de seguimiento : documentar la evolución de los modelos estadísticos y su rendimiento
Apoyar la interpretación de resultados : conectar los hallazgos estadísticos con las preguntas de investigación y los marcos teóricos
Garantizar el rigor metodológico : documentar las decisiones metodológicas y los enfoques analíticos
Preparar informes de investigación : organizar la evidencia estadística para respaldar los hallazgos de la investigación.
Seguimiento del progreso de la investigación : supervise el estado de la entidad durante todo el ciclo de vida de la investigación
Priorizar las tareas de investigación : identificar y centrarse en actividades de investigación de alta prioridad
Secuenciar procesos de investigación : planificar y visualizar el orden lógico de los pasos de investigación y análisis

Configuración

Uso con Claude Desktop

Agregue esto a su claude_desktop_config.json :

Instalar desde GitHub y ejecutar con npx

{
  "mcpServers": {
    "quantitativeresearch": {
      "command": "npx",
      "args": [
        "-y",
        "github:tejpalvirk/quantitativeresearch"
      ]
    }
  }
}

Instalar globalmente y ejecutar directamente

Primero, instale el paquete globalmente:

npm install -g github:tejpalvirk/quantitativeresearch

A continuación configure Claude Desktop:

{
  "mcpServers": {
    "quantitativeresearch": {
      "command": "contextmanager-quantitativeresearch"
    }
  }
}

estibador

{
  "mcpServers": {
    "quantitativeresearch": {
      "command": "docker",
      "args": [
        "run",
        "--rm",
        "-i",
        "mcp/quantitativeresearch"
      ]
    }
  }
}

Edificio

De la fuente

# Clone the repository
git clone https://github.com/tejpalvirk/contextmanager.git
cd contextmanager

# Install dependencies
npm install

# Build the server
npm run build

# Run the server
cd quantitativeresearch
node quantitativeresearch_index.js

Estibador:

docker build -t mcp/quantitativeresearch -f quantitativeresearch/Dockerfile .

Licencia

Este servidor MCP cuenta con la licencia MIT. Esto significa que puede usar, modificar y distribuir el software libremente, sujeto a los términos y condiciones de la licencia MIT. Para más detalles, consulte el archivo de LICENCIA en el repositorio del proyecto.

Variables de entorno

El servidor MCP de investigación cuantitativa admite las siguientes variables de entorno para personalizar dónde se almacenan los datos:

MEMORY_FILE_PATH : Ruta donde se almacenarán los datos del gráfico de conocimiento
- Puede ser absoluto o relativo (las rutas relativas utilizan el directorio de trabajo actual)
- Predeterminado: ./quantitativeresearch/memory.json
SESSIONS_FILE_PATH : Ruta donde se almacenarán los datos de la sesión
- Puede ser absoluto o relativo (las rutas relativas utilizan el directorio de trabajo actual)
- Predeterminado: ./quantitativeresearch/sessions.json

Ejemplo de uso:

# Store data in the current directory
MEMORY_FILE_PATH="./quantitative-memory.json" SESSIONS_FILE_PATH="./quantitative-sessions.json" npx github:tejpalvirk/contextmanager-quantitativeresearch

# Store data in a specific location (absolute path)
MEMORY_FILE_PATH="/path/to/data/quantitative-memory.json" npx github:tejpalvirk/contextmanager-quantitativeresearch

# Store data in user's home directory
MEMORY_FILE_PATH="$HOME/contextmanager/quantitative-memory.json" npx github:tejpalvirk/contextmanager-quantitativeresearch

Quantitative Researcher MCP Server

Integrations