SuperAPI AI 工具集

isr-methods

通用与其它

查看项目

更新于 10-16 06:52

技能介绍

用途:该技能针对 ISR 投稿,帮助作者在写作前选定并检验研究设计,判断设计能否回答所提出的信息系统研究主张。适用触发情形包括:不确定哪种研究范式支撑自己的 IS 主张;设计可能无法识别效应(实证)或依赖未经论证的假设(分析);组合多种方法但整合逻辑不成立;审稿人反馈“方法无法回答该问题”或“制品未被评估”。

主要能力:按主张匹配研究范式。IT 设计或政策对行为、结果的因果效应,适合田野/实验室实验或带识别的准实验;IT 使用如何发生、被采纳与组织,适合定性/诠释方法(访谈、民族志、案例);平台、定价、安全、合同的均衡行为,适合分析经济学/博弈论模型;解决一类问题的新颖 IT 制品,适合设计科学(构建加严谨评估);企业或市场层面的 IT 投资价值,适合带可信识别策略的档案计量;需要机制、范围与泛化合一,适合多方法并给出明确整合逻辑。

各范式的设计要求:行为实证需通过设计建立构念效度(多题项验证量表、操控/注意力检查),用不同来源或波次限制共同方法偏差,论证抽样框,实验需预注册并针对交互效应而非仅主效应做功效分析。分析建模中,设计即模型,需说明主体、时序、信息结构与均衡概念,为每个假设辩护,规划比较静态与扩展/稳健性,完整证明放入电子附录。设计科学需说明制品、设计目标及证明效用的评估(基准、受控研究、真实部署);只构建不评估不构成贡献。档案/因果研究需点名识别策略(DiD、IV、RDD、匹配)及其应对的威胁;无识别的回归只是描述性的。

层次与执行:需说明分析层次,确保设计在机制发生的层次上观察变异;跨层主张需跨层数据。在实证/因果路径中,可用 StatsPAI / Stata MCP 估算与审计,包括 detect_design → recommend → fit(as_handle=true)→ audit_result,面板/交错 DiD 用 callaway_santanna / sun_abraham 加 bacon_decomposition 与 honest_did_from_result,IV 用 effective_f_test 与 anderson_rubin_ci,RDD 用 rdrobust 与 mccrary_test,实验用随机化推断与 romano_wolf 做多重结果族错误率校正。需按目标期刊审稿池匹配工具链并报告所需效应量。

检查清单:范式匹配主张而非出于习惯或数据可得性;实证点名充分识别/效度策略;分析论证假设并规划比较静态与稳健性;DSR 有制品加效用评估;在机制层次观察;多方法有显式整合逻辑;规划页码预算(正文上限 32 页,溢出转入电子附录)。

反模式包括:因方便选方法(用现有数据而非主张所需设计)、回归表演(无识别的档案回归冒充因果)、只构建不评估的 DSR、多方法装饰(未做理论整合的附加方法)。输出格式含主张、范式与设计、识别或假设、观察层次、效度/稳健性计划、页码/EC 预算与下一步。具体工具可用性、费用与平台信息暂未提供。