lzh-phd GitHub avatar

topic-feasibility-screener

lzh-phd

一个Codex技能,通过结合数据集画像、真实文献检索、透明的理论与数据评分以及二次验证,对CSV或Stata数据集进行实证研究选题筛选,并生成交互式HTML报告。

Stars

481

7 天增长

暂无数据

Fork 数

7

开放 Issue

0

开源协议

MIT

最近更新

2026-07-04

AI 仓库情报摘要
FR-AI / ANALYSIS

为什么值得关注

该工具明确区分了缺乏理论基础的选题与拥有桥接文献支持(潜在前沿缺口)的选题,这一区分是传统关键词工具常常忽略的;同时它提供了一个可视化、有证据支撑的仪表盘,适用于会计、金融、经济学等领域的学位论文和期刊论文早期选题阶段。

适合谁使用

  • 会计、金融、经济学、管理学方向的博士研究生和早期研究者
  • 希望从现有数据集中挖掘新实证选题的学术研究人员
  • 教授系统性选题筛选方法的研究方法课程讲师
  • 使用CSV或Stata数据工作的商学院或研究所数据分析人员

典型使用场景

  • 从单个数据集中筛选多个候选论文选题
  • 在投入完整分析前评估一个粗略想法是否同时具备理论和数据可行性
  • 利用变量画像和邻近数据集生成并优先排序选题创意
  • 为导师或评审提供透明的选题筛选审计线索

项目优势

  • 提供多项可行性维度(实证可行性、理论支持、理论缺口等)的0-100百分制透明评分
  • 智能处理桥接文献:当直接证据缺失但相邻文献支持时,不会断然判定选题不可行
  • 输出交互式HTML仪表盘,并强制生成自检CSV文件以增强信任
  • 集成真实文献检索(含检索族、数据源状态、命中数、错误信息等诊断)并将证据分为直接、桥接、背景、弱四类

使用前须知

  • 筛选阶段的显著性不能被视为因果证明,最终因果识别仍需人工判断
  • 依赖Codex环境,需要将技能文件夹复制到特定目录才能使用
  • 仅支持CSV和Stata .dta数据格式,未提及Excel或SQL等其他来源

README 快速开始

使用边界

相关仓库与替代方案

根据分类、Topic 和编程语言匹配的相似项目。

lopopolo
精选
lopopolo GitHub avatar

harness-engineering

Harness Engineering is a methodology for improving coding agent outputs by carefully crafting the environment around them—providing curated context, tools, and executable constraints that encode an organization’s nonfunctional requirements and cumulative lessons.

AI 与机器学习AI 智能体
2,390
slvDev
精选
slvDev GitHub avatar

esp32-ai

A 28.9 million parameter language model runs on an $8 ESP32-S3 microcontroller entirely on-device, generating simple stories at about 9.5 tokens per second.

AI 与机器学习大语言模型
1,960
littledivy
精选
littledivy GitHub avatar

mimic

mimic captures traffic from any iOS or web app and automatically generates a Python client library that lets you call the app's API like a regular library.

AI 与机器学习
1,482