20% de desconto no seu primeiro mêsConte sobre sua pesquisa e escolhemos o plano certoComeçar →

Escreva. Revise. Responda. Navegue pela revisão por pares com confiança.

O Fukurō AI Peer Review usa agentes de IA especializados para identificar fragilidades em manuscritos, avaliar as respostas aos revisores e comparar as versões originais e revisadas.

Escaneie seu artigo →
PDF DocumentTextPDF
Attention-Based Transfer Learning in fMRI Decoding
M. Ribeiro · A. Chen · L. Okafor
AI Review(4/5)
ProcessingCompletedDownloadDelete
Chat & ReportIssues (12)Compliance (8)
All (12)Critical (2)Major (3)Moderate (4)Minor (2)Polish (1)
Critical · 5/5MethodsstatisticsHigh confidenceI03
“…an a-priori power analysis indicated n = 42 would suffice for the primary contrast…”

The reported sample size (n = 38) falls short of the preregistered power analysis target.

The headline interaction may be underpowered, which weakens the paper's central claim.

Suggested action: Report an updated power analysis or justify the deviation in the Methods section.

Weak example: Our results demonstrate that the intervention causes a lasting improvement.

Stronger example: Our results are consistent with a short-term improvement; the design cannot establish durability.

Methods, paragraph 3Show in PDF
Major · 4/5ResultsstatisticsHigh confidenceI07
“Table 3 reports accuracies for all conditions across the five folds.”

Table 3 lacks confidence intervals, so readers cannot judge the stability of the reported effects.

Suggested action: Add 95% CIs over folds for every condition in Table 3.

Moderate · 3/5DiscussionclarityMedium confidenceI11

The limitations paragraph conflates generalization across scanners with generalization across tasks.

Back

Post-Check Analysis

3 reviewers

February 14, 2026

Completed
Rebuttal AnalysisCopyChatDownload PDF

1. Detailed Analysis

Reviewer 1

Fully addressed — Comment 1.1, multiple-comparison correction: Holm-Bonferroni is now applied in Section 3.2.

Partially addressed — Comment 1.2, sample-size justification added, but the post-hoc power analysis is still missing.

Not addressed — Comment 2.1, no discussion of the scanner site confound raised by Reviewer 2.

2. Adequacy Assessment

Seven of nine reviewer comments are fully resolved. Prioritize the power analysis and the site confound before resubmission; both are addressable within the current dataset.

Draft 1 vs Draft 2Completed100%
Additions+1515 lines added
Deletions88 lines removed
Moved Sections22 paragraphs relocated
Bibliography+33 new references
VisualList
Text Changes
Line 27We evaluate our method on CIFAR-100 and report top-1 accuracy.
Line 31+We additionally evaluate on ImageNet-1k to test cross-dataset generalization.
Line 44Results are averaged over three seeds.+Results are averaged over five seeds with 95% confidence intervals.
Line 96+[38] Deng et al., ImageNet: A large-scale hierarchical image database, CVPR 2009.

Attention-based transfer learning in fMRI decoding

CompletedAPA 7Life sciences18 pages
Export PDF
All24
Must fix6
Should fix11
Optional polish7
ManuscriptTextPDF

Recent advances in neuroimaging have enabled increasingly fine-grained decoding of cognitive states.The data suggests that treatment effects was consistent across cohortsThe data suggest that treatment effects were consistent across cohorts, motivating a closer look at cross-site transfer.

We trained the decoder on Site A and evaluated on Site B without fine-tuning. Performance degradation being observed primarily in deeper cortical regions, consistent with prior reports of scanner-specific noise profiles.

Must fixShould fixOptional polishAccepted
Suggestions24 suggestions
Must fixSubject verb agreementGrammarAccepted

Your text

The data suggests that treatment effects was consistent across cohorts.

Suggested

The data suggest that treatment effects were consistent across cohorts.

"Data" is plural in scientific writing, and "effects" requires a plural verb.

APA 7 §4.12

AcceptDismissUndo

Pare de perder tempo com revisões intermináveis

Submeter. Esperar. Revisar. Resubmeter. A publicação acadêmica é essencial, mas o processo pode ser lento, seletivo e difícil de navegar. Identificar fragilidades evitáveis antes da submissão pode ajudar os pesquisadores a enfrentar a revisão por pares com um manuscrito mais forte.

60–65%
Proporção estimada de submissões rejeitadas por revistas acadêmicas de renome1
9–18 meses
Da submissão à publicação, dependendo da área2
¹ Björk, B.-C. (2019). Acceptance rates of scholarly peer-reviewed journals: A literature survey.
² Björk, B.-C., & Solomon, D. (2013). The publishing delay in scholarly peer-reviewed journals. Journal of Informetrics, 7(4), 914–923.

Antes de submeter

O que é um revisor por pares com IA e você deveria usar um?

Um revisor por pares com IA lê um manuscrito acadêmico completo e devolve feedback estruturado, no estilo de um revisor, antes de você submeter. Use um quando uma primeira leitura cética ainda puder mudar o rascunho. Orientadores, coautores e revisores do periódico continuam no processo.

O que ele faz na práticaEle avalia contribuição, métodos, resultados, argumento, estrutura, citações, limitações e conclusões segundo os critérios que os revisores costumam aplicar. Cada achado é localizado, explicado e classificado por severidade. Você decide o que aplicar. A ferramenta não escreve o artigo nem substitui um revisor humano. Ela não pode garantir aceitação.

Use quando

  • Seu artigo tem um rascunho completo que pode ser verificado em busca de problemas com os métodos, a estrutura ou afirmações sem respaldo, e você tem tempo para revisá-lo.
  • Você quer uma revisão inicial antes de enviar o artigo ao orientador ou submetê-lo à revisão por pares.
  • Você já tem comentários de revisores e precisa conferir se a sua resposta e o artigo revisado atendem aos comentários.
  • Você está aprendendo o que os revisores procuram e quer feedback específico que possa avaliar, não uma reescrita do artigo.

Espere se

  • Você precisa decidir se a sua contribuição é nova na sua área de pesquisa. Julgar originalidade exige especialistas que conhecem a literatura dessa área.
  • Você não tem permissão para enviar o artigo para análise com IA, ou ainda não conferiu as regras do periódico sobre o uso e a declaração de IA.

Agente de IA interativo

Discuta e refine suas revisões em um chat em tempo real

Não percorra um relatório longo sozinho. Abra o chat da sua revisão por pares para fazer perguntas de acompanhamento, priorizar o que corrigir e planejar mudanças concretas no manuscrito antes de submeter.

  • Perguntas com contextoO agente conhece o texto exato do seu manuscrito e os achados da revisão, então as perguntas de acompanhamento permanecem ancoradas no seu artigo.
  • Priorize o que importaPergunte quais problemas têm mais chance de bloquear a aceitação e receba uma ordem clara de revisões.
  • Orientação de revisãoTransforme achados ranqueados por severidade em edições concretas para Métodos, Resultados e Limitações antes do próximo rascunho.

Qual é o problema mais forte de Métodos nesta revisão, e como eu deveria revisar o manuscrito?

O achado de Métodos com maior severidade na sua revisão é:

Severidade 4/5MétodosstatisticsI12
“n = 42 pacientes de um único centro terciário”

O tamanho da amostra é insuficiente para o efeito reivindicado, e o desenho unicêntrico limita a validade externa.

Provavelmente gerará pedido de revisão maior se a validação e as limitações não forem reforçadas.

Revisão sugerida

Adicione uma justificativa de poder na Seção 4.2, destaque mais os resultados da validação cruzada de 10 dobras e amplie Limitações (página 12) para declarar explicitamente a restrição unicêntrica.

Perguntas Frequentes

Fale conosco →
O que o Fukurō AI Peer Review faz?+

O Fukurō AI Peer Review analisa manuscritos acadêmicos completos e fornece feedback estruturado no estilo de revisor antes da submissão. Ele pode ajudá-lo a identificar pontos fracos em áreas como contribuição da pesquisa, metodologia, design experimental, resultados, argumentação, estrutura, citações, limitações e conclusões. O Fukurō AI Peer Review também oferece suporte à análise de respostas a revisores e comparação entre as versões original e revisada do manuscrito.

Para quem é o Fukurō AI Peer Review?+

O Fukurō AI Peer Review foi projetado para pesquisadores, estudantes de pós-graduação, professores, grupos de pesquisa e autores acadêmicos que desejam avaliar um manuscrito antes de submetê-lo ou melhorá-lo durante a revisão. Ele pode apoiar tanto pesquisadores experientes quanto autores que ainda estão aprendendo como os artigos acadêmicos são avaliados.

O Fukurō AI Peer Review escreve meu artigo?+

Não. O Fukurō AI Peer Review não escreve ou reescreve seu manuscrito. Ele analisa o conteúdo que você fornece, identifica possíveis problemas e explica o que você pode precisar orientar ou melhorar. Você continua sendo o único responsável por decidir se aplica cada descoberta e por fazer todas as alterações no manuscrito. Suas ferramentas de resposta a revisores podem ajudá-lo a analisar os comentários dos revisores, organizar sua resposta e identificar preocupações que não foram totalmente abordadas.

O Fukurō AI Peer Review substitui um orientador ou revisor humano?+

Não. O Fukurō AI Peer Review foi projetado para apoiar, e não substituir, orientadores, editores, coautores ou revisores por pares humanos. Suas descobertas podem ser incompletas ou inadequadas para uma disciplina ou estudo específico. Você deve avaliar cada recomendação e consultar um especialista qualificado quando necessário.

O Fukurō AI Peer Review pode garantir que my artigo será aceito?+

Não. As decisões de aceitação dependem de muitos fatores, incluindo qualidade científica, novidade, escopo do periódico, julgamento do revisor, prioridades editoriais e concorrência entre as submissões. O Fukurō AI Peer Review ajuda a identificar possíveis pontos fracos antes da submissão, mas não pode garantir aceitação, publicação ou um resultado de revisão específico.

O Fukurō AI Peer Review analisa meu manuscrito?+

O Fukurō AI Peer Review examina o manuscrito usando processos de revisão especializados que cobrem todas as dimensões de qualidade acadêmica. Ele avalia diferentes partes do artigo, consolida descobertas relacionadas, identifica preocupações de maior prioridade e apresenta os resultados em um relatório estruturado.

Quanto tempo demora uma revisão?+

A maioria das revisões é concluída em poucos minutos, embora o tempo de processamento possa variar de acordo com o comprimento do manuscrito, a complexidade do arquivo, a demanda do sistema e o tipo de análise selecionado.

O que a verificação de linguagem cobre em comparação com a revisão por pares?+

A revisão por pares avalia argumento, metodologia, estrutura e contribuição segundo os critérios que os revisores aplicam antes da aceitação. A verificação de linguagem trabalha linha por linha no texto: gramática e mecânica, clareza e concisão, consistência terminológica entre seções e convenções de linguagem da área. Use a revisão por pares para preparar a submissão. Use a verificação de linguagem quando quiser polir a escrita sem mudar o que o artigo argumenta.

Posso fazer perguntas sobre o feedback?+

Sim. Você pode examinar descobertas individuais e usar os recursos de revisão interativos para entender melhor o problema, sua localização no manuscrito e por que ele pode ser importante. Você ainda deve verificar a explicação e usar seu próprio julgamento acadêmico antes de alterar o artigo.

O Fukurō AI Peer Review pode ajudar depois que eu receber comentários dos revisores?+

Sim. O Fukurō AI Peer Review pode analisar os comentários dos revisores e as respostas propostas para ajudar a identificar: • Solicitações que não foram totalmente respondidas • Preocupações implícitas dentro do comentário de um revisor • Declarações que exigem evidências mais fortes • Mudanças prometidas que podem precisar aparecer no manuscrito • Problemas potenciais com clareza ou tom de resposta Você continua sendo responsável por preparar e verificar a resposta final.

O Fukurō AI Peer Review pode comparar meus manuscritos original e revisado?+

Sim. O Fukurō AI Peer Review pode comparar versões de manuscritos para ajudar a identificar o que mudou e se revisões importantes parecem ter sido implementadas. Isso pode ser útil ao preparar um resumo de revisão ou verificar se as alterações prometidas em uma resposta aos revisores estão refletidas no manuscrito revisado.

Quais tipos de arquivo posso enviar?+

O Fukurō AI Peer Review suporta os formatos de arquivo de manuscrito exibidos na interface de upload. Para obter os melhores resultados, use um arquivo claramente formatado com texto selecionável em vez de páginas digitalizadas.

O uso do Fukurō AI Peer Review constitui plágio?+

O uso de feedback analítico não constitui, por si só, plágio. Você continua sendo responsável pela originalidade, precisão, atribuição e autoria de seu trabalho. Você também deve seguir as políticas de uso e divulgação de IA de sua instituição, periódico, conferência ou editora.

Meu manuscrito é usado para treinar modelos de IA?+

O Fukurō AI Peer Review não usa seu manuscrito, texto extraído, feedback de revisão ou conversas para treinar seus próprios modelos. Seu conteúdo pode ser processado pelos provedores de IA terceirizados necessários para realizar a análise. Informações adicionais sobre esses provedores e seus termos de tratamento de dados estão disponíveis na Política de Privacidade.

Posso enviar o manuscrito de outra pessoa?+

Você deve enviar um manuscrito apenas quando tiver permissão e autoridade para processá-lo. Não envie artigos confidenciais recebidos como revisor de periódicos ou conferências, nem manuscritos de estudantes, colegas ou colaboradores sem a autorização deles.

O que acontece se o Fukurō AI Peer Review identificar um problema com o qual não concordo?+

Você não precisa aceitar todas as descobertas. O Fukurō AI Peer Review fornece possíveis preocupações para você avaliar. Você pode determinar que uma descoberta é irrelevante, específica da disciplina, já tratada ou baseada em uma interpretação incorreta. O julgamento acadêmico final permanece sempre com você.

As informações de identificação são removidas do meu manuscrito?+

O Fukurō AI Peer Review tenta remover automaticamente nomes de autores e endereços de e-mail detectados na seção de informações do autor perto do início do manuscrito. Esta é uma anonimização limitada e não garante que todas as informações de identificação sejam removidas. Nomes, afiliações, agradecimentos, metadados e detalhes de identificação em outras partes do documento ainda podem ser processados. Para uma submissão duplo-cega, você deve anonimizar manualmente o manuscrito completo e seus metadados de arquivo antes de fazer o upload.

Meu manuscrito será armazenado?+

Os arquivos carregados e o texto do manuscrito extraído são retidos temporariamente para fornecer a análise e são excluídos automaticamente dos sistemas ativos do Fukurō AI Peer Review dentro de três dias após a criação da revisão. O feedback estruturado permanece disponível em sua conta até que você exclua a revisão, o projeto ou a conta. Para obter informações completas sobre processamento, provedores de IA, retenção e segurança, consulte a página de Privacidade e Segurança.

Pronto para melhorar seu sucesso em publicações?

Comentários no estilo de um revisor sobre o que fortalecer, com base nos critérios que os revisores de revistas realmente aplicam.

Leia primeiro uma revisão de amostra real.