比较材料性能时，别只把几个百分比放在一起排名
器件类型和测试条件决定数值该怎样理解。摘取性能结果时，至少保留它测量的对象与条件，而不只保留最大的数字。
学研新知，按时间读。
论文、工具、研究与发表。值得留意的内容，在这里接着往下看。
最新发布
从新到旧，连续阅读本站发布时间 · 北京时间 · 共 101 篇公开内容
还没说清想分析什么，先别急着选统计软件
数据问题、方法与软件是相关但不同的选择。先明确可以从材料回答什么，再判断需要什么分析和实现工具。
训练样本中事实都出现了，逻辑关系也一定正确吗？
结构化数据与文本对齐，不只涉及有没有提到某个事实，还涉及对象之间的关系。检查资料质量时，应把这两层问题分开。
研究需要的审批可能不止一种，先按实际活动逐项确认
伦理、动物照护、生物安全和辐射安全等要求可能对应不同研究活动。拥有其中一种记录，不能自动说明其他要求也已满足。
拿到一张统计表前，先问每行代表个人、汇总还是时间
数据都装在表格里，并不代表分析单位相同。区分微观记录、汇总统计和时间序列，是理解材料范围的重要起点。
填报上一学年的实验室数据，别把历年累计值直接粘进去
年度统计有特定对象与时间口径。先分清本次要求当期发生量还是其他指标，再使用相应原始记录核对。
项目获资助以后，还要核对哪些接受和执行条件？
申请提交与获批后管理可能由不同环节负责。把资助结果、条款确认和实际执行条件分开记录，不要把一封获奖通知当作全部手续完成。
同一份材料用于多门课，先保留统一的资源入口
机构仓储不一定只存论文，也可能保存教学音视频与文本。复用资源时，明确入口、版本和使用范围，比不断发送无标识的副本更容易管理。
按单位名称检索论文，漏掉的记录可能来自署名信息
机构论文统计依赖原始记录中的单位信息。没有检索到，可能需要核对署名与著录，不能直接认定这篇论文不属于机构成果。
各学科期刊数相加超过总数，先检查分类是否重叠
分类表的分项未必互相排斥。同一种期刊属于多个学科时，直接相加会重复计数，不能据此判断数据一定出错。
地理数据不是一张地图：先分清矢量、区划与影像
地理资源门户中不同材料承担不同任务。先说明需要位置对象、统计边界还是地面影像，再查找相应数据及版本。
有人协助准备伦理申请，不等于研究已经获得批准
论文支持服务可能帮助整理方法、格式与伦理申请材料，但辅导、提交和正式决定仍应分别记录，不能相互替代。
数据咨询表提交了，预约就算成功了吗？
有些咨询表只是收集需求，时间还要由服务团队进一步确认。把需求提交和预约完成分开，避免误排自己的研究进度。
科研合作热力图上的一条联系，究竟代表哪种合作？
可视化把什么记录算成联系，决定了图能说明什么。共同署名网络不能未经解释就变成机构全部合作关系。
学位点材料里的图书资源数量，别用搜索结果条数代替
专业评估和学位点材料需要的文献资源统计，有明确学科与资源类型口径。先提出统计需求，再获得能够对应说明的清单。
组合图只改到最后一张？先看 patchwork 的嵌套层级
patchwork对单图、当前层级和所有嵌套子图的修改并不相同。先确认操作作用范围，再统一多面板图的样式。
一个 Excel 文件有多张表，别在批量读取时漏掉后面的 sheet
readxl可以先列出工作表名称，再逐张读取。先核对清单与结构，才能知道导入完成到底覆盖了哪些数据。
ArviZ 能导入却不能画图，先核对安装了哪些组件
所收录的ArviZ指南把文件读写和绘图作为可选安装能力。排错时，应区分核心包可导入与所需后端已经具备。
把 Durbin–Watson 结果整理成表，别只留下一个 p 值
结果表还应保留统计量、相关信息与备择假设等必要上下文，避免数值脱离原检验设置后被误读。
画模型结果时提示缺少 data，先补原对象而不是重做分析
see的部分绘图方法需要原始数据或模型来准备绘图信息。缺少上下文时，重新估计一次模型并不一定解决问题。
分类统计图没有“缺失”一栏，是数据没缺失还是显示被关了？
绘图参数可能隐藏缺失类别。解释分类图时，应核对显示设置与原始汇总，不能从图上看不见直接推断数据完整。
R 函数没报错，不代表你拼写的参数真的生效
一些结果整理方法保留省略号参数，但不使用其中的额外选项。检查参数文档，比把“运行成功”当作设置成功更可靠。
统计表增加校正列后，别把 q 值当成又一次独立检验
gtsummary的add_q在已有p值列上进行调整。报告时应交代调整方法与对应比较，而不是只多放一列数字。
方法里只写“用了回归”，怎样补上实际估计设置？
从拟合对象读取算法、优化器或采样设置，可以帮助核对方法描述；这些信息说明怎样估计，不等于模型已经可靠。
统计入门资料公式少，就可以跳过方法条件吗？
少公式的教材可以降低起步压力，但具体例子仍要放回研究问题、变量类型和分析目的中理解，不能只记软件操作顺序。
看不懂符号计算教程，先分清卡在 Python 还是数学概念
SymPy入门教程有语言与数学两类前提。识别缺的是编程基础还是某个数学概念，有助于避免把理解障碍误判为软件问题。
自定义绘图后标题和坐标说明丢了？先检查数据上的绘图属性
see的绘图数据可能把标题、坐标标签等保存在属性中。自己重新调用ggplot时，需要区分数值数据与用于说明图形的属性。
研究计划遇到意外，不要悄悄把原方案改成“本来如此”
招募不足、无法入场或合作变化时，需要重新检查问题、证据和执行安排，并保留变化依据，而不是把计划偏离藏在最终写作里。
回归模型会拟合却不会解释？找一份带代码和数据的完整案例
学习回归不应止于得到系数。带数据、代码和研究背景的案例，能够帮助把模型输出放回比较、预测或其他具体任务中理解。
R 代码能运行却看不懂，按错误类型补基础比重学一遍更有用
Advanced R基础部分按对象、向量、索引、控制流程、函数、环境和条件组织，可以帮助定位需要补的知识，而非盲目从第一页重读。
交了数据和代码，就能说研究“可复现”了吗？
先说明自己使用的可复现定义，再检查他人能否按照数据、代码和运行条件重跑分析，不要把上传文件当作验证结论。
实地调研结束了，进度报告就能写“已经得出结论”吗？
材料收集、资料分析与结论形成是不同的完成状态。写研究进度时，把已经做完的工作与后续计划分开，避免让“调研完成”替代结果证据。
使用官方统计时，不懂指标变化可以先查哪些方法说明？
数据表之外的方法说明，能帮助确定下一步需要核对什么。ONS的方法目录将指数、抽样、季节调整、修订和不确定性分开介绍。
机构仓储显示“提交成功”，就代表资料已经公开了吗？
部分Figshare机构仓储允许未登录提交，但成功提交后仍可能进入机构审核。先确认使用的是哪种入口，再理解当前状态。
数据集有了 DOI，作者、机构和不同版本为什么还连不上？
DOI记录中的关联信息也需要准确填写。先分清作者标识、机构标识和资源之间的关系，不要把一个DOI当成全部描述工作的终点。
为研究团队准备数据管理培训，先找面向讲师的资源
给同伴介绍数据管理，不必从工具清单开始。CESSDA的DMEG及其讲师材料，可以作为了解社会科学数据管理培训资源的入口。
在 Zenodo 点“发布”之前，先把文件与草稿检查分开
上传、填写说明和正式发布是不同步骤。先确认文件内容和必要描述，再发布记录，避免把公开发布当作随时可以改文件的普通保存。
AI 找到了数据可用性声明，就证明研究数据能用了？
识别声明有没有出现，与核实数据是否可访问、是否满足条件，是不同任务。解释自动检查结果时，需要说明它实际上测到了哪一层。
发布数据集时，作者贡献别全部勾成“数据整理”
Dryad引入与数据集相关的贡献角色后，可以更明确地说明不同参与者做了什么。填写角色前应核实实际工作，而不是根据作者排序统一分配。
QualCoder 4.0 重建 PDF 编码后，先检查有没有遗漏原标注
升级后的PDF处理能够重新提取文本并映射原编码，但映射失败的部分需要人工查看。不要把项目能够打开等同于原有分析已经完整保留。
多人一起做定性编码，先别同时打开同一个 QualCoder 项目
QualCoder的项目使用方式与在线协同文档不同。安排多位编码者之前，先确认工作方式与交接顺序，避免把可转交项目误认为支持同时编辑。
研究数据不只是 Excel：开题时先列一份材料清单
访谈文本、图片、代码、模型输出和实物记录也可能是研究数据。先辨认项目会产生什么，再考虑保存、描述与使用权限。
方法章节只列访谈、问卷和软件，为什么仍然说不清研究设计？
说明“做了什么”只是方法章节的一部分。还需要解释这些做法为什么能回答你的问题，以及它们允许你得出什么范围的认识。
jamovi 结果出来后找不到设置？从结果返回分析选项
分析结果不仅是用来复制的。利用结果区返回对应设置，能帮助你在改稿时核对变量与选项，而不必重新建立一次分析。
第一次把数据放进 jamovi，先确认表格有没有读对
开始统计分析前，先完成一次可检查的数据导入：确认表头、记录行和分隔结果，而不是看到界面打开就直接运行检验。
统计结果拼不成论文表格？先看 SummaryTables 能接哪一步
jamovi的SummaryTables模块面向汇总表与模型结果整理。它能减少重复拼表，但不能代替研究者决定应该报告什么。
医护手里已有工作资料，准备写研究前先补什么？
先确认资料能否用于研究和分享，再整理变量与处理记录。删掉姓名不是完整的数据管理计划，“用于科研”也不是自动授权。
准备共享研究数据，先让别人看懂：别只打包一个文件夹
愿意共享是一件事，其他人能否理解和复用是另一件事。为文件补充范围、变量和处理说明，也能帮助自己重新检查研究记录。