AD list-experiment
Разрабатывает и диагностирует списочные эксперименты (метод подсчета элементов) — целесообразность косвенных измерений, построение контрольных списков для предотвращения эффектов потолка и пола, варианты дизайна, такие как двойной список и сопоставление прямых вопросов, оценщики разницы средних и максимального правдоподобия через ictreg, предположения об отсутствии эффекта дизайна и отсутствии лжецов с помощью ict.test и ict.hausman.test, исправления для распространенных ошибок и планирование мощности с учетом большой погрешности. Используйте, когда пользователь измеряет чувствительное отношение или поведение и спрашивает о списочных экспериментах, подсчете элементов, несопоставленном подсчете или завуалированных вопросах, или когда результат показывает отрицательную или неправдоподобную распространенность. Решение о наличии смещения чувствительности принимается на этапе разработки опроса.
машинный переводПоказать оригиналСкрыть оригинал«Designs and diagnoses list experiments (the item count technique) — wh…»
Designs and diagnoses list experiments (the item count technique) — whether indirect measurement is warranted at all, control-list construction against ceiling and floor effects, design variants such as double list and direct-question pairing, difference-in-means and maximum-likelihood estimators via ictreg, the no-design-effect and no-liar assumptions with ict.test and ict.hausman.test, corrections for common failures, and power planning that accounts for the large precision penalty. Use when the user is measuring a sensitive attitude or behavior and asks about list experiments, item count, unmatched count, or veiled questioning, or has one returning a negative or implausible prevalence estimate. Deciding whether sensitivity bias exists at all goes to survey-design.
Разрабатывает и диагностирует списочные эксперименты (метод подсчета элементов) — целесообразность косвенных измерений, построение контрольных списков для…
Как процесс D 48/100 · 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 48/100
- 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
- 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
- 70Стоимость исполнения. Тело инструкции 4470 токенов
- 100Шаги. Шагов: 54
- 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
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 777 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 12 заголовков
- +3Пошаговые инструкции: 54 пунктов
- +4Есть примеры (0 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (1 из 1)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 88.