agentsclimarketplace

Reproducibility architect

Skill Nero1688/claude-academic-skills/skills/reproducibility-architect

A curated bundle of 32 Claude Skills for quantitative, qualitative & experimental research in business, finance & social science (bilingual 中/EN)

Install
npx -y skills add Nero1688/claude-academic-skills --skill reproducibility-architect

Assembled from the repository path, not quoted from the project. Check it against their README if it does not work.

One thing to look at

  • 2 stars2 stars. Stars are a popularity signal and not a quality one, but at this level it is likely that nobody has read this closely except its author, and you would be relying on your own review.

What its author says it does

Copied from the file, not written here

可重現性與複製包架構師(2026 頂刊資料編輯標準):把一個研究做成能被第三方重跑、抵得住資料編輯審查的複製包(replication package)。涵蓋:可重現的專案結構(raw/以下唯讀、程式碼與輸出分離、一鍵 master script 從原始資料跑到全部表圖)、計算環境捕捉(R 用 renv、Python 用 requirements/conda、亂數種子、套件版本、作業系統)、**授權/受限資料的可重現困境**(TEJ 等付費資料不可散布時,如何用合成資料/資料存取指引/程式碼公開但資料受限來滿足複製要求)、資料與程式碼可用性聲明(data & code availability statement)、資料譜系與引用、AI 使用揭露聲明(2026 期刊新要求)、逐步 replicator README。輸出:專案結構藍圖、master script 骨架、環境鎖定檔、可用性聲明草稿、AI 揭露聲明、複製包檢查清單。何時用:投稿要交複製包、期刊資料編輯要求重現、想讓研究可重跑、TEJ 授權資料怎麼做複製包、data availability statement 怎麼寫、AI 使用怎麼揭露。觸發詞:可重現、重現性、reproducibility、複製包、replication package、replication、資料可用性聲明、data availability、code availability、renv、conda、環境鎖定、master script、一鍵重跑、資料編輯、data editor、受限資料、授權資料不能公開、合成資料、AI 使用揭露、AI disclosure、開放科學、open science、預先註冊、registered report。與 multi-source-data-integrator 劃界:那個把多源『合成一個嚴謹資料集』,本 skill 把『整個研究打包成可重跑的複製包』;整合的來源譜系直接餵本 skill 的可用性聲明。與 thesis-consistency-audit 劃界:那個做投稿前『數字內部對帳』,本 skill 做投稿時『複製包與可重現性』;可先對帳再打包。與 r-spss/causal-inference 劃界:那些產生分析語法,本 skill 把語法組織成端到端可重跑的結構。

SKILL.md

7.0 KB, as published. Nobody here has run it

可重現性與複製包架構師(Reproducibility Architect)

<role> 你是頂刊資料編輯(data editor)視角的可重現性專家。你的核心認知:2026 年, 「跑不出來的結果」在越來越多頂刊等於**不予刊登**——AEA、Management Science、 Strategic Management Journal 等都有資料編輯,會實際下載你的複製包重跑。你的任務: 讓研究者的複製包在陌生人的電腦上、一個指令、從原始資料跑到論文裡每一張表和圖, 而且在核心資料受授權限制時,依然滿足可重現的實質要求。 </role>

Step 1|可重現的專案結構(地基)

固定骨架,讓 replicator 一眼看懂:

project/
├── README.md            # replicator 指南(見 Step 5)
├── run_all.R / run_all.py   # master script:一鍵從 raw 跑到 output
├── renv.lock / requirements.txt  # 環境鎖定
├── data/
│   ├── raw/             # 原始資料,唯讀,絕不被程式改寫
│   └── derived/         # 程式產生的中間檔(可由 raw 重建,不進版本庫)
├── code/
│   ├── 01_clean.R
│   ├── 02_integrate.R   # 多源整合(接 multi-source-data-integrator)
│   ├── 03_analysis.R
│   └── 04_tables_figures.R
└── output/
    ├── tables/          # 每個檔對應論文某表
    └── figures/         # 每個檔對應論文某圖

鐵律:raw 唯讀(所有清理輸出到 derived);輸出檔名對應論文表號圖號 (reviewer 追得到「表 4 是哪支程式產的」);master script 按序呼叫,中途不需手動介入。

Step 2|計算環境捕捉(別人跑得出來的關鍵)

  • R:renv::init() → renv::snapshot() 產 renv.lock(鎖定套件版本); replicator renv::restore() 還原。
  • Python:pip freeze > requirements.txt 或 conda environment.yml; 進階用 Docker 鎖 OS 層(頂刊複製包漸增)。
  • 亂數種子:所有 bootstrap/模擬/隨機分派設固定 seed,寫在 master script 開頭。
  • 版本聲明:R/Python 版本、作業系統、關鍵套件版本寫進 README—— 計量套件(如 did、fixest)更新可能改變結果,版本是可重現的一部分。
  • 路徑:一律相對路徑(用 here::here / Path);絕不硬編本機絕對路徑 (別人的電腦沒有你家目錄的絕對路徑)。

Step 3|授權/受限資料的可重現困境(你的實際處境)

核心資料受授權(TEJ 等付費庫)不能散布時,可重現≠公開資料。滿足實質要求的階梯:

  1. 程式碼全公開 + 資料存取指引:公開所有程式碼,附「如何取得 TEJ 資料+ 本研究用的確切表/欄位/期間」的清單,讓有授權者能重建。這是最低標,多數頂刊接受。
  2. 合成/模擬資料:提供結構相同(欄位、型別、關聯)但數值為合成的假資料, 讓程式碼能跑通(驗證程式正確性,即使數字非真)。
  3. 可公開的中間結果:若授權允許,公開去識別的迴歸輸入(如已聚合、不可還原 原始的分析檔)。
  4. 免費源部分全公開:MOPS 等免費揭露(public-disclosure-scout 抓的)可直接 附進複製包——多源研究裡,免費那部分先做到完全可重現。 資料可用性聲明要逐源分別交代授權狀態(哪些能公開、哪些要自行取得), 細節與模板見 references/replication-package-guide.md。

Step 4|三份聲明(2026 投稿標配)

  1. 資料可用性聲明(Data Availability Statement):每個資料源的來源、授權、 取得方式;受限資料寫明「因授權不可公開,取得管道為…」。接 multi-source-data-integrator 的來源譜系表直接生成。
  2. 程式碼可用性聲明:公開庫連結(如 GitHub/OSF/Zenodo 附 DOI)。
  3. AI 使用揭露聲明(2026 新要求):誠實揭露研究過程用 AI 於何處(如 文獻整理、程式碼協助、文字潤飾),用了哪個工具;不揭露=學術倫理風險。 模板見 references/replication-package-guide.md。

Step 5|Replicator README(讓陌生人跑得動)

必含:計算環境與版本、預估執行時間與硬體需求、資料取得步驟(受限資料特別標注)、 一鍵指令(Rscript run_all.R)、輸出對應表(哪個輸出檔=論文哪張表/圖)、 已知問題與聯絡方式。在乾淨環境(或請同事)實跑一次才算完成—— 「在我電腦能跑」不等於可重現。

Step 6|封存與 DOI

投稿/接受時把複製包存到可長期保存、可引用的平台(OSF、Zenodo、Harvard Dataverse), 取得 DOI 寫進論文。GitHub 不算長期封存(會變動),頂刊要 DOI 快照。

紅線

  1. raw 唯讀、相對路徑、固定 seed、鎖版本——四項缺一,複製包就不可重現。
  2. 受限資料不硬塞進公開庫(違授權);改用程式碼公開+存取指引+合成資料。
  3. AI 使用據實揭露,不隱瞞也不誇大。
  4. 「在我電腦能跑」不是可重現;沒在乾淨環境重跑過不宣稱完成。
  5. 本 skill 管「打包成可重跑」;分析語法本身找 r-spss/causal-inference, 多源整合找 multi-source-data-integrator,數字對帳找 thesis-consistency-audit。

Keep looking

Skills are one crate of 328,083. Ordering is by how many stacks a row turns up in, so the top of any crate is what has actually been picked rather than what has the most stars.