brycewang-stanford/Auto-Empirical-Research-Skills

解決する課題

Auto-Empirical Research Skills（AERS）は、社会科学における実証研究のための包括的で自動化された、介入可能なパイプラインを提供します。文献レビュー、データ取得、因果推論、頑健性監査、執筆などのタスクを自動化することで、漠然とした研究アイデアと出版可能な論文の間のギャップを埋めます。

仕組み

このプロジェクトは、1100以上の「スキル」のライブラリとして機能します。これらは、AIエージェント（Claude CodeやCodexなど）が特定の研究タスクを実行するために呼び出すことができる専門ツールです。ユーザーはこれらのスキルをグローバルまたはプロジェクトごとにインストールできます。パイプラインの核となるのはPaper-WorkFlowスキルで、これらの個々のツールを順次的なエンドツーエンドのプロセスに編成します。パイプラインのどの時点でも、研究者は手動で介入して方法や変数を調整でき、パイプラインはその時点から自動的に再開します。

対象者

このツールは、学術的厳密性と分析の各ステップの監査可能性を維持しながら、AIエージェントを活用して研究ワークフローを加速したい実証研究者、経済学者、社会科学者向けに設計されています。

ハイライト

• エンドツーエンドの自動化： 初期アイデアの洗練から最終原稿の提出とAIGC検出まで、研究の9つの段階をカバーします。
• 多言語サポート： Python、Stata、R用の専用「完全実証」スタックが含まれており、既存の研究ツールとのシームレスな統合が可能です。
• 厳格な検証： エージェントの出力の信頼性を確保するために、19の数値ベンチマークタスクと42の行動評価シナリオを備えています。
• 介入可能： 自動化されたパイプラインの各ステップは、人間の介入を可能にする出力を生成し、研究者が方法論の制御を維持できるようにします。
• StatsPAI統合： DID、RD、IV分析などの複雑な計量経済タスクを実行するためにAIエージェント向けに特別に設計されたPythonベースの因果推論エンジンであるStatsPAIと深く統合されています。