BD cross-national-design
Разрабатывает многострановые экспериментальные опросы — выбор случаев с заявленной компаративной логикой, локализация инструмента и перевод TRAPD, выбор стимулов по стране происхождения и составу, управление мощностью и ошибками по странам, а также аналитическая стратегия объединенного или странового анализа с проверкой эквивалентности измерений. Используйте, когда пользователь проводит тот же эксперимент в нескольких странах, спрашивает, какие страны включить и почему, как перевести или адаптировать инструмент, не нарушая сопоставимость, следует ли объединять данные или оценивать по странам, или какой размер выборки необходим для каждой страны. Формулировка вопросов относится к survey-design, отчетность по CONSORT и DA-RT по странам — к methods-reporting, а план на уровне исследования — к pre-registration-writing.
машинный переводПоказать оригиналСкрыть оригинал«Designs multi-country survey experiments — case selection with a state…»
Designs multi-country survey experiments — case selection with a stated comparative logic, instrument localization and TRAPD translation, origin-country and composition choices for stimuli, per-country power and error management, and a pooled-versus-per-country analytical strategy with measurement-equivalence checks. Use when the user is fielding the same experiment in several countries, asks which countries to include and why, asks how to translate or adapt an instrument without breaking comparability, asks whether to pool or estimate per country, or asks how large each country sample must be. Question wording goes to survey-design, per-country CONSORT and DA-RT reporting to methods-reporting, and the study-level plan to pre-registration-writing.
Разрабатывает многострановые экспериментальные опросы — выбор случаев с заявленной компаративной логикой, локализация инструмента и перевод TRAPD, выбор…
Как процесс D 49/100 · Процесс не доведён — слабые места: результат и критерий готовности, входы и предусловия, ошибки и развилки
Как улучшить
- Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
- spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.
Находки guard · 0
✓ Критических и высоких находок нет
Просканировано файлов: 3. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
✓ По спецификации Agent Skills замечаний нет
Процессный рейтинг: все десять параметров 49/100
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 0Ошибки и развилки. Линейный процесс без обработки сбоев
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 30Повторный запуск. Изменяющих операций: 4, без проверки текущего состояния
- 60Инструменты и файлы. Используются инструменты (bash), но во frontmatter они не объявлены
- 70Стоимость исполнения. Тело инструкции 4545 токенов
- 85Шаги. Шагов: 53, расплывчатых формулировок: 1
- 100Когда включается. Сказано, когда применять и когда не применять
- 100Согласованность. Имя и обязательные поля на месте
Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.
Сигналы качества
- +5В description нет примеров фраз, по которым скилл должен срабатывать
- +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
- +3Формат ответа не описан: модель каждый раз решает сама
- +4Нет примеров входа/выхода
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 757 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 9 заголовков
- +3Пошаговые инструкции: 53 пунктов
- +4Справочные файлы упоминаются в инструкциях (1 из 1)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 84.