因果推断
Causal inference
学到 认得 就够：听到能明白
你可能会说
“我想知道新课程是否提高成绩，怎么区分课程效果和本来就不同的学生？”
因果推断试图回答：对同一类对象来说，采取某个行动与没有采取相比，会让结果发生什么变化。难点在于同一个对象同时只能经历其中一种情况。
使用 AI
科研里的例子
假设教育学研究按班级随机安排新课程，先核对分配执行、学生流失和班级间交流，再估计适用于这些班级的课程效果。
先把行动、比较状态、结果、研究对象和时间说清楚，再考虑怎样构造可信的参照。观察到参加课程的学生成绩更好，可能来自课程，也可能来自原有能力、家庭条件或选择差异。随机分配或合适的准实验设计，可以在特定条件下帮助回答这个问题；每种办法都有自己的假设和适用范围。分析应说明参照组为什么能代表没有行动时的情况，并检查其他可能解释。因果问题还涉及效应属于哪些人、在哪个时期，以及对象之间是否互相影响。资料不足以形成可信比较时，应明确只能描述关系，而不是用方法名称代替证据。
在你的学科里，直接拿去用
把研究问题变成可审查的识别设计
我研究[政策或处理 X]对[结果 Y]的影响，目标人群为[人群]。请仅依据我提供的[实施规则、日期、数据说明和设计材料]，先区分描述性、关联性与因果性问题，再定义处理、比较状态、分析单位、时间和目标效应。提出至多两种与现有条件相符的候选设计，逐项列明所需假设、当前支持材料、主要威胁和缺失信息。涉及分期实施时，说明谁与谁在何时比较。输出设计对照表及需要我补充的最少信息；不能识别时明确说只能回答什么。方法名称或提示词本身不能补出可信比较，未提供的制度事实和数据不要编造。方括号里的内容换成你自己的。来自知识增量《科研中英表达与 Prompt 指南》PE01
设计可解释的教学实验或准实验
我想比较[教法或工具]与[现有教学]，对象为[学校、班级、学生]，条件见[材料]。请先判断能否随机分配、在何层级分配及可能的组间交流污染，再提出符合实际的一种设计和一种条件不足时的备选。列明主要学习结果、前测、比较组、实施忠实度、学生实际接触、流失记录和分析单位。把满意度、参与度和学习表现分开。输出设计表、数据采集表与主要威胁；若只能观察单组前后变化，明确其不能单独证明教学因果效果。样本量与效能只列所需输入，不编数字。方括号里的内容换成你自己的。来自知识增量《科研中英表达与 Prompt 指南》PJ04
判断
亲手检查一次
用一句话写清要比较的两个状态，再指出没有行动时的结果由谁提供参照，以及最可能破坏这种参照的原因。
它做不到的
先发生、相关很强或预测准确，都不自动证明因果。因果解释来自设计和可辩护的假设，不能由 AI 或软件直接认证。
增量，由你来写
读完这张，你的理解变了什么？
留言功能会在后面的版本开放。现在可以先在 X 上 @knowledgedelta 告诉我。
来源
卡片底稿由 AI 协助整理，经过核对；发现错误请告诉我。