标签: 可重复性

大型语言模型（LLM）能较准确预测社会科学实验结果，其预测效果接近人类专家集体判断，尤其适用于尚未公开的研究。但模型会系统性高估效应大小，需谨慎用于实际决策。

标签: 人工智能辅助研究 可重复性 大型语言模型 效应预测 社会科学实验

科学数据若无人能发现、理解或复用，价值就大打折扣。FAIR原则（可发现、可获取、可互操作、可重用）旨在提升科研数据的透明度与可信度，让公众和同行更易验证和使用研究成果。

标签: FAIR原则 元数据 可重复性 科研数据共享 科研软件

本文介绍4项新研究，评估社会科学领域论文的可重复性、可复现性和稳健性。结果发现：仅约一半的显著效应能被成功重复；共享原始数据和代码可使复现成功率从38%升至91%。研究呼吁加强透明度、完善期刊政策，以提升科研可信度。

标签: 可重复性 数据共享 科研可信度

本文对110篇经济学与政治学顶级期刊论文进行了计算可重复性检验和稳健性检验。结果发现：85%以上的研究结论能被独立复现；72%的统计显著结果在复现后仍保持显著且方向一致；效应量几乎完全一致（复现值达原值的99%）。这表明当前主流社科研究的计算可靠性总体较高。

标签: 可重复性 数据共享 社会科学 稳健性检验 计算验证

科研软件对现代科学至关重要，但其共享与维护面临挑战。本文提出“超越FAIR”的新方法，强调通过培训、简化归档和制度支持来提升科研软件的可重复性和可持续性。

标签: 可重复性 开源代码 科研软件 计算教育 软件归档