登录
下载

Skill UI

浏览并发现 12463+ 精选技能
全部 编程开发 人工智能 设计创意 产品商业 数据科学 市场营销 职场通用 效率工具 硬件工程 语言学习
搜索 AR ，共找到 853 条记录
默认排序 最新上传 最多下载

教育研究设计论证与规范

aerj-research-design
brycewang-stanford/Awesome-Journal-Skills
439
本技能旨在为教育学研究稿件提供高级方法论论证框架，适用于顶级学术期刊。它指导用户系统性地论证研究设计的合理性，涵盖了定量（多层级模型、准实验）、定性（民族志、案例研究）和混合方法等多种范式。核心在于应对审稿人对因果关系、可信度、选择偏差的质疑，确保设计符合严谨的学术报告标准。
查看详情

陆气通量与过程评估

agricultural-and-forest-meteorology
brycewang-stanford/Awesome-Journal-Skills
468
本工具旨在帮助作者评估其关于农业或森林生态系统的研究是否符合侧重“陆地-大气”相互作用的期刊要求。它强调核心贡献必须是生物物理过程（如能量、水或碳的交换），而非单纯的农学或生态学结果。可用于对研究进行重构，突出微气象学过程和稳健的通量测量方法。
查看详情

可持续农业研究与定位指南

agronomy-for-sustainable-development
brycewang-stanford/Awesome-Journal-Skills
478
本指南旨在帮助作者将农学或耕作系统研究，从单纯的产量提升，提升到具有明确、可量化环境、经济或社会可持续贡献的层面。它强调可持续性贡献必须是可证据化的，指导用户优化研究框架、方法论和数据报告，以符合高标准的学术期刊要求。
查看详情

模型数据与性能评估指南

agsy-data-and-model-evaluation
brycewang-stanford/Awesome-Journal-Skills
73
本技能指导用户如何为复杂的系统模型进行科学、严谨的评估和验证。核心在于模型必须使用独立的、未参与校准的数据进行测试。内容涵盖了标准拟合统计量（如RMSE、NSE）、敏感性分析（找出关键驱动因素）、不确定性传播以及多目标权衡分析，确保模型的科学可靠性。
查看详情

系统科学图表展示规范

agsy-figures-and-tables
brycewang-stanford/Awesome-Journal-Skills
387
本指南为复杂系统科学（尤其农业系统）论文提供了严谨的图表设计规范。它指导作者放弃展示单一因素的柱状图，转而构建能展现系统交互作用、权衡关系（如Pareto前沿）、动态变化、资源流和模型拟合度的系统性图表。所有图表必须具备自洽性、可重复性并准确展示不确定性。
查看详情

农业系统建模与框架构建

agsy-systems-framing-and-modeling
brycewang-stanford/Awesome-Journal-Skills
275
本指南为农业系统（AgSy）研究提供严谨的方法论框架。它指导用户如何清晰地定义系统边界、核心要素、关键相互作用和层次结构。同时，它详细说明了如何选择、论证和描述复杂的模型（如过程模型、基于主体的模型），确保研究具有科学性和高度可重复性。
查看详情

农业系统期刊投稿适用性评估

agsy-topic-selection
brycewang-stanford/Awesome-Journal-Skills
346
本工具旨在指导研究人员评估项目是否符合高水平农业系统期刊的“系统分析”要求。它帮助用户将研究焦点从单一因素的田间试验，提升至关注跨层级（农场到食物系统）的相互作用、权衡取舍和系统行为的复杂系统科学分析，是优化研究框架和文章类型的关键指南。
查看详情

AI/统计学术证据包构建指南

aistats-artifact-evaluation
brycewang-stanford/Awesome-Journal-Skills
330
本指南为AI、统计学和机器学习领域的学术论文提供证据包构建方法。指导作者如何系统化地打包所有补充材料，包括证明、模拟脚本、基准数据和随机种子，确保研究过程的高度可复现性和可检查性，以满足顶级学术会议的要求。
查看详情

AISTATS作者回复策略指南

aistats-author-response
brycewang-stanford/Awesome-Journal-Skills
330
本指南详细介绍了在AISTATS等顶级会议上撰写作者对审稿人评论的回复策略。它指导作者如何以匿名、文本形式，结构化地解决关于统计有效性、新颖性、清晰度等技术性质疑。掌握如何分类质疑、锚定现有证据，并应对具体的统计学挑战。
查看详情

AISTATS实验设计与验证指南

aistats-experiments
brycewang-stanford/Awesome-Journal-Skills
64
本指南为设计和审计实证或模拟实验提供严格的学术规范，尤其适用于理论机器学习和统计学论文。它强调将每个实证主张映射到具体的证据，确保统计严谨性（如报告不确定性、基线模型、随机种子），核心目的是验证理论假设而非追求排行榜上的最佳性能，极大地提升研究的可复现性。
查看详情

AI统计学可复现性指南

aistats-reproducibility
brycewang-stanford/Awesome-Journal-Skills
153
本指南为AI和统计学研究论文作者提供的方法论指导。它要求作者将论文中的每个论点（理论、算法或实验）都对应到可验证的证据链，需详细报告数据集、超参数、随机种子、计算资源和不确定性估计。旨在帮助作者达到高水平的科学可复现性标准，确保研究的严谨性。
查看详情

AISTATS审稿流程指南

aistats-review-process
brycewang-stanford/Awesome-Journal-Skills
368
本指南详细介绍了AISTATS的学术论文同行评审流程，涵盖了从OpenReview提交工作流到作者-审稿人互动、决策标准（正确性、意义、实证支持）等全方位知识点。它旨在帮助研究人员制定优化的投稿和回复策略，提升在统计学和机器学习领域的投稿成功率。
查看详情
上一页123...53545556575859...707172下一页
语言
简体中文
English