可复现性
Reproducibility
学到 会用 就够：能亲手用起来
你可能会说
“同学拿到我同一份数据和代码，能否重新得到论文里的表格和图形？”
可复现性在计算研究中通常指别人使用相同数据、步骤和分析条件，能够重新得到一致或在可说明范围内一致的结果。
使用 AI
科研里的例子
假设经济学同学从指定数据版本启动总脚本，得到相同县级面板结果表，说明计算过程可复现；这并不单独证明政策效应的因果解释成立。
要让别人重做，需要的不只是最终表格，还包括所用数据版本、处理步骤、软件及依赖、参数和执行顺序。先说明“重复什么”：同一数据上的计算复现，与另收一批数据检验同一问题不同，中文用词在不同学科也可能有差异。对随机过程应说明种子及允许变化范围，必要时保存关键中间结果；遇到不能公开的数据，应交代合法取得方式和限制。能运行不等于计算正确，同一个错误脚本也可能重复生成同样的错误。因此，复现检查应同时关注结果一致、步骤可追溯与方法是否合理。
在你的学科里，直接拿去用
把数据分析要求写成可复现说明
请先为这项分析形成可复现的任务说明，再建议代码。 问题：[填写] 数据字典及已有规则：[提供] 可用软件与现有代码：[提供] 明确一行数据代表什么、样本范围、连接键、单位、缺失码、变量构造、估计对象和输出。区分描述分析与因果分析；缺少识别依据时不要把回归系数直接称为因果影响。给出小样本核对、异常记录和可重跑顺序。保留原始数据，所有转换写到派生结果并留记录；不能为得到显著结果修改数据或筛选规则。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》PG08
判断
亲手检查一次
从一个干净的工作环境按说明重跑关键结果，记录软件版本、所需文件、差异及可以解释的随机波动。
它做不到的
可复现不等于结论适用于所有人群，也不等于已经用新样本验证。具体一致标准应根据研究过程预先说明。
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。