登录
下载

Skill UI

浏览并发现 15554+ 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 IM ，共找到 995 条记录
默认排序 最新上传 最多下载

估计结果到政策的福利模型桥梁

aejpol-theory-model
brycewang-stanford/Awesome-Journal-Skills
218
该框架指导研究人员将还原形式的因果估计（如弹性、处理效应）转化为明确的政策声明。它帮助构建福利、成本效益或最优政策模型，明确识别充分统计量，并阐述分配效应，确保政策论证具有严谨的实证基础。
查看详情

实证论文因果识别策略指南

aeri-identification
brycewang-stanford/Awesome-Journal-Skills
490
本指南为顶级期刊（如AER: Insights）实证论文提供了严格的方法论指导。它系统阐述了在因果推断（如DID、RDD、IV）和结构模型中的识别策略，强调必须将设计、假设和关键诊断结果做到极致的清晰、透明和简洁，确保结论具备高度可信度。
查看详情

AER期刊五图表限制预算指南

aeri-tables-figures
brycewang-stanford/Awesome-Journal-Skills
262
本技能指导作者如何根据顶级学术期刊（如AER: Insights）的严格要求，将复杂的实证研究结果（表格和图表）压缩到最多五个、每张不超过一页的“展示件”预算内。它涵盖了从选择核心发现、遵循特定格式（如用标准误代替显著性星号），到精算字数预算的全流程，确保学术报告的严谨性和可读性。
查看详情

学术数据分析报告标准

aerj-data-analysis
brycewang-stanford/Awesome-Journal-Skills
446
本指南提供了符合AERA标准的严谨学术数据分析报告要求。它覆盖了多层次模型、测量学、准实验设计和定性分析等多种方法，旨在确保研究结果具备足够的证据支持和透明度，达到可重复研究的学术标准。
查看详情

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

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
上一页123...32333435363738...818283下一页
语言
简体中文
English