empirical-paper-analysis-skill

📊 学术级实证论文深度解析框架

🥥59总安装量 13评分人数 8
100% 的用户推荐

基于结构化五维框架,为法律经济学研究者提供实证论文深度解析,精准识别识别策略与因果推断逻辑。

A

基本安全,请在特定环境下使用

  • 来自社区或个人来源,建议先隔离验证
  • ✅ 纯文档型资产,无可执行代码,无运行时安全风险
  • ✅ 无网络通信与数据收集功能,用户隐私完全隔离
  • ✅ 无外部依赖与动态代码加载,供应链攻击面为零
  • ⚠️ 来源为T3级个人开发者,建议审查版本更新与维护状态
  • ✅ 功能边界清晰,仅读取用户主动提供的PDF文件,权限最小化

使用说明

该技能专为法律经济学实证研究设计,通过结构化五维框架(问题陈述→核心实证难题→识别策略→关键发现→学术贡献)深度解析学术论文。用户上传PDF并补充出版信息后,系统将生成包含因果推断逻辑评估、计量方法审视与学术价值判断的专业分析报告。

核心用法围绕五个递进维度展开:首先识别研究问题及其政策/理论动机,其次诊断选择偏差、遗漏变量等实证挑战,随后解析DID、IV、RDD等识别策略的适用性与假设合理性,再量化总结主要发现的经济显著性,最后评估方法论创新与跨学科贡献。全程支持中英文学术术语对照与数学公式标注。

显著优点体现在学术专业性上:框架严格遵循实证研究规范,要求分析者具备博士级别的计量经济学素养;强制引入批判性思维,不满足于简单总结而是质疑识别假设;输出模板标准化,便于研究者快速生成文献笔记与教学材料。

潜在局限性包括:仅适用于定量实证论文,无法处理理论模型或案例研究;高度依赖用户提供的PDF解析质量,对扫描版或复杂排版文档可能失效;要求使用者熟悉因果推断术语(如内生性、外部效度),对跨领域学者存在门槛;作为T3来源的个人项目,长期维护与更新存在不确定性。

适合群体主要为法律经济学、实证法学领域的博士研究生、青年教师及政策研究机构分析师,特别是频繁处理计量经济学、机器学习与自然语言处理交叉研究的学者。

使用风险方面,该技能为纯文档型提示词模板,无代码执行与网络通信,不存在数据泄露或系统入侵风险。但需注意:AI生成的分析内容可能遗漏关键细节或误读复杂模型,不可直接用于学术发表而不经人工校验;对PDF中的表格数据解读依赖大语言模型的OCR与理解能力,关键数值建议人工核对原始文献。

empirical-paper-analysis-skill 内容

手动下载zip · 12.9 kB
examples.mdtext/markdown
请选择文件