mcpField
R
research-ideation

research-ideation

github.com/meleantonio生产力659195 次安装9 周前更新
代码仓库

关于 research-ideation

面向经济学家的研究构思技能，帮助从现象出发提出并完善可检验的研究问题。它通过谜题、政策、数据和既有研究扩展等框架，并结合可行性与识别评估筛选思路。

主要功能

  1. 01从现象提炼研究问题
  2. 02应用四类构思框架
  3. 03评估可行性与研究贡献
  4. 04检查因果识别条件

适用场景

  1. 01启动新的经济学研究
  2. 02构思论文或学位论文主题
  3. 03寻找政策分析角度
  4. 04为既有研究设计扩展

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/meleantonio/awesome-econ-ai-stuff --skill research-ideation

安装后在 Claude Code 中输入/research-ideation确认已加载。

附带文件index.md

详细介绍

研究构想

目的

此技能通过运用经济学思维框架，帮助经济学家提出并完善研究问题。它将引导你从观察现象到提出可检验假设。

适用场景

  • 开始新的研究项目
  • 构思学位论文选题
  • 寻找政策分析的切入点
  • 拓展现有研究

说明

步骤 1：了解起点

询问用户：

  1. 你是否已经有感兴趣的现象、谜题或数据源？
  2. 你关注经济学的哪个领域或子领域？
  3. 你偏好哪种研究方法？（理论、实证、结构模型）
  4. 有什么限制条件？（数据获取、时间安排等）
步骤 2：运用构想框架

使用以下方法：

1. 谜题法

  • 当前的模式中有哪些令人意外之处？
  • 有什么现象与传统经济学观点相矛盾？
  • 标准模型在哪些方面失效？

2. 政策法

  • 哪些政策缺乏严谨评估？
  • 哪些自然实验尚未得到利用？
  • 哪些干预措施可能解决重要问题？

3. 数据法

  • 有哪些新的数据源可以使用？
  • 现有数据能告诉我们哪些尚未被探索的内容？
  • 哪些数据集可以相互关联？

4. 拓展法

  • 如何拓展具有开创性的论文？
  • 哪些机制尚未得到探索？
  • 能否将一个领域的方法应用于另一个领域？
步骤 3：评估并完善

针对每个构想，评估以下方面：

  • 可行性：能否使用现有数据或方法完成研究？
  • 贡献：有什么新意？
  • 关注度：谁会关注这个问题？
  • 识别：能否可信地估计效应？

交互示例

用户查询：“我对劳动经济学感兴趣，并且可以使用 LinkedIn 数据。”

生成的回复：

研究构想：LinkedIn 数据 × 劳动经济学

1. 求职中的网络效应

**问题：**职业关系网络如何影响工作变动和工资变化？

**谜题：**标准搜索模型假设匹配是随机的，但大多数工作都是通过人际网络获得的。人际网络对结果有多大影响？

方法：

  • 追踪表明工作变动的个人资料更新
  • 衡量现任和未来雇主之间的人际网络重合度
  • 使用外生的人际网络冲击作为工具变量（如校友关系）

**贡献：**量化人际网络相对于未观察到的能力所发挥的因果作用

2. 技能信号与回报

**问题：**在个人资料中列出特定技能的员工，是否能获得工资溢价？

**谜题：**列出的技能是能力信号，还是只是空谈？获得技能与展示技能信号各自能带来多少回报？

方法：

  • 比较员工添加技能前后的工资
  • 使用技能认可作为验证
  • 利用技能评估功能作为准实验
3. 自我推介中的性别差距

**问题：**男性和女性对同等成就的描述方式是否不同？

**谜题：**实验室证据表明，女性会低估自己的成就。这种现象是否会出现在真实的个人资料中，并影响结果？

方法：

  • 对个人资料语言进行自然语言处理（形容词、量化表述）
  • 比较同一职位或公司的员工所使用的语言
  • 在数据允许的情况下，关联招聘人员的联系率
4. 远程办公与劳动力市场地理格局

**问题：**远程办公如何改变工作匹配的地理范围？

方法：

  • 比较 2020 年前后不同距离的求职申请
  • 衡量个人资料中地点信号的变化
  • 研究不同城市间的工资趋同

评估矩阵

构想数据可行性识别政策相关性
网络效应高中（需要 IV）高
技能信号高中中
性别语言高高（描述性）高
远程办公的地理格局高高（COVID 自然实验）高

建议的后续步骤

  1. 实证研究： 从想法 #4 开始（识别最清晰）
  2. 政策影响： 想法 #1 对岗位匹配平台的影响最大
  3. 方法创新： 想法 #3 将 NLP 与准实验方法结合起来

生成问题的框架

经济学中的“5 个为什么”

从一个观察结果出发，逐步深入：

  1. GDP 增长正在放缓 → 为什么？
  2. 生产率停滞不前 → 为什么？
  3. 投资偏低 → 为什么？
  4. 不确定性高 → 为什么？
  5. 政策难以预测 → 可检验的问题：政策不确定性是否会导致投资偏低？
“假设如何”问题生成器
  • 假设实施了 [policy X]，会怎样？
  • 假设 [technology Y] 得到普及，会怎样？
  • 假设放宽了 [assumption Z]，会怎样？
跨领域借鉴法

将一个领域的方法应用到另一个领域：

  • IO 技术 → 劳动力市场（企业如何像制定价格一样决定工资？）
  • 金融模型 → 教育（将教育回报视为资产定价）
  • 宏观冲击 → 微观结果（汇率变动对企业层面的影响）

常见误区

  • ❌ 问题过于宽泛（“什么导致了不平等？”）
  • ❌ 问题缺乏清晰的识别策略（“教育是否会导致收入变化？”）
  • ❌ 问题缺乏数据（“中世纪农民幸福吗？”）
  • ❌ 问题早已有明确答案

参考资料

更新日志

v1.0.0
  • 首次发布，包含构思框架

评论

支持 Markdown