SuperAPI AI 工具集

chi-reproducibility

数据与分析

查看项目

更新于 10-15 20:08

技能介绍

用途:面向 ACM CHI 论文作者,在投稿前强化研究透明性与可复现性,降低因方法不透明被桌拒的风险。

主要能力:按三个层次组织材料。协议层要求他人实验室能重跑研究,需提供任务描述、读给被试的脚本、刺激材料、设备规格、招募文本、筛选标准与报酬说明。分析层要求怀疑者能据数据重新推导结果,需提供分析代码、编码本与编码决策、排除规则及数量理由、模型设定、软件版本。数据层按同意范围共享,需去标识量化数据、聚合表、转录摘录,或说明不共享的理由。

用法:量化研究需给出从原始到清洗的完整流程、排除计数与原因、确切的统计模型,并固定 R/Python 及包版本;确证性研究可使用 OSF、AsPredicted 预注册,评审期只链接匿名视图,具名 OSF 项目属匿名化违规。质性研究需提供访谈提纲或日记提示逐字稿(含追问)、编码本或反身性主题发展说明、分析过程记录(谁编码、分歧处理、备忘录样本),并在同意允许下提供论文引用之外的转录摘录。数据共享按阶梯选择:完整去标识数据集;部分公开(量化公开、录音保留);聚合数据加工具与编码本;不共享但记录理由并提供中介访问途径。涉及 AI 系统须补充模型名称、版本或日期、提示与参数、研究期缓存的模型输出。可用性说明需按材料类别写明有无、位置与原因,评审期用匿名链接,camera-ready 换为具名存档,两版同日撰写以保持一致。

验证与限制:可用性声明须实证检验,可用命令清点目录、搜索“available upon request”、用虚拟环境冷启动复现脚本、扫描去标识化问题。“应要求提供”在 CHI 不被认可。资料未提供具体收费、价格与支持平台信息。