SuperAPI AI 工具集

methods-section-guide

通用与其它

查看项目

更新于 10-16 06:15

技能介绍

用途:指导撰写清晰、完整、可复现的方法学章节,遵循学科惯例与最佳实践。方法部分需回答“研究如何做、他人能否复现”,并提供独立研究者可复现的细节、选择各方法的理由,以及研究设计、对象、材料、流程、统计分析和伦理等内容。

标准结构:通常按研究设计、参与者/样本、材料/仪器、流程、数据分析、伦理考量组织,可按学科调整。

分学科写法:实验科学需列出细胞培养、检测操作、试剂货号、浓度、温度、时长、仪器型号,引用既有方案而非全文重写,全篇用过去时。计算/机器学习研究需说明数据集、模型架构、训练细节(表格列出超参数、优化器、学习率、批大小、训练轮数、数据增强等)、软硬件版本与训练时间、代码可用地址。社会科学/调查研究需说明参与者人口学信息、纳入排除标准、样本量先验依据(如 G*Power)、量表及其信度、固定流程、伦理审批与知情同意。

可复现性清单:研究设计与理由、样本/数据集与纳入排除、样本量依据、测量工具与心理测量学属性、按时间顺序的流程、统计方法及软件版本、显著性水平、缺失数据处理、伦理审批与同意;计算研究另需硬件规格、框架版本、超参数表、随机种子策略、代码数据可用性、评价指标与基线。

常见陷阱:描述含糊、缺软件版本、样本量无依据、顺序不清、结果混入方法、过度引用。语言上,所做操作多用过去时,既有方法可用现在时,施动不重要时可用被动语态,强调清晰时可用主动语态。