设计理念
- 不替代计量学习，而是降低门槛：学生不懂 Stata 命令没关系，能向 AI 准确描述研究问题、看懂结果即可
- AI 工具栈作为认知支架：stata-mcp 跑数据，cnki-skills 查文献，scansci-pdf 管 PDF，mcp-zenodo 找开放数据
- 覆盖完整研究生命周期：开题前 → 开题报告 → 实施收集 → 实施分析 → 写作发表
6 阶段研究过程
| 阶段 | 对应章节 | 核心内容 | 关键 AI 工具 |
|---|---|---|---|
| 开题前 | 单元 1-4 | 像研究者思考、理论识别、研究问题 | cnki-skills |
| 开题报告 | 单元 5-8 | 研究设计、构念测量、抽样 | scansci-pdf + ima-skill |
| 实施·收集 | 单元 9-12 | 调查/实验/案例/诠释研究 | scansci-pdf + mcp-zenodo |
| 实施·分析 | 单元 13-15 | 定性分析、定量分析 | stata-mcp ⭐ |
| 写作发表 | 单元 16 | 研究道德 | cn-academic-humanizer + peer-review |
6 张速通卡
| 卡号 | 名称 | 用途 |
|---|---|---|
| C1 | 像研究者一样思考 | 学术诚信基础，科学方法四特征 |
| C2 | 研究设计选择决策树 | 从问题到设计类型的选择路径 |
| C3 | 量表设计五步法 | 从概念化到 CFA 验证 |
| C4 | 抽样方法速查 | 概率/非概率抽样对照 |
| C5 | 案例研究八步路线图 | Eisenhardt 1989 经典框架 |
| C6 | 定性 vs 定量 vs 混合 | 三种范式对比 |
5 张研究模板
| 模板 | 名称 | 用途 |
|---|---|---|
| T1 | 开题报告书 | 科研入门终结作业 |
| T2 | 调研方案 | 实证研究设计 |
| T3 | 案例研究方案 | 教指委案例研究化 ⭐ |
| T4 | 访谈提纲 | 半结构化访谈 |
| T5 | 数据分析代码本 | 定量+定性分析规范 |
AI 工具栈 4 层架构
Layer 1 📚 文献收集层
├─ cnki-skills（中文）
├─ scansci-pdf + nber-cli-mcp（英文）
└─ mcp-zenodo（开放数据/补充材料）
Layer 2 🗂 文献管理层
├─ scansci-pdf zotero_push（Zotero 一键入库）
├─ scansci-pdf parse（PDF 结构化）
└─ ima-skill（笔记与知识库）
Layer 3 📊 数据分析层 ⭐
├─ stata-mcp（核心！自然语言→Stata 命令）
├─ iFinD EDB / Tushare（金融数据）
├─ World Bank / OECD / IMF / FAO（宏观数据）
└─ Python fallback（Stata 出错时）
Layer 4 ✍️ 写作辅助层
├─ cn-academic-humanizer（中文去 AI 腔）
├─ academic-humanizer（英文）
├─ peer-review（自检）
└─ mcp-server-chart（图表）AI 工具教程
- stata-mcp 六步急救包：不懂计量的关键补救
- AI 工具配置指南：学生开课前必读