Skip to content

GCRI · Labs

Labs 的 STEM 基础

The science, technology, engineering and mathematics 实验室 所依托的科学、技术、工程与数学。每种方法在 STEM Commons 中都有一个规范页面，由全球风险与创新中心（Global Centre for Risk and Innovation，GCRI）托管，并在此处有一个页面说明其在本领域中的应用。

打开面向研究设计的统计 返回 Labs
01目录

Labs 的 STEM 基础，分为四个部分。

本档案内容4 个部分
  1. 01方法该领域背后的方法
  2. 02方法组合实验室为何需要这种方法组合
  3. 03为何重要有据可依使论断可核查
  4. 04来源Where this page’s references lead
02方法

该领域背后的方法。

  1. 概率与统计样本量与检验效能规划 · 含偏倚评估的荟萃分析管理方 · 系统科学与建模在此应用
    规范 · STEM Commons
  2. 不确定性量化与模型验证测量不确定性预算 · 模拟模型的敏感性分析管理方 · 系统科学与建模在此应用
    规范 · STEM Commons
  3. 人工智能与机器学习系统综述的辅助筛选 · 指导实验的代理模型管理方 · 人工智能与自主系统在此应用
    规范 · STEM Commons
  4. 系统工程从需求到验证的可追溯性 · 阶段关口就绪审查管理方 · 系统科学与建模在此应用
    规范 · STEM Commons
  5. 因果推断与影响评估随机试点与阶梯式推广 · 准实验计划评估管理方 · 经济发展在此应用
    规范 · STEM Commons
03方法组合

实验室为何需要这种方法组合。

实验室 的工作依靠用于实验设计的概率与统计以及不确定性量化、用于判断干预措施改变了什么的因果推断、既作为工具又作为研究对象的人工智能与机器学习，以及用于试验台的 系统 工程。

04为何重要

有据可依使论断可核查。

当一项发现指明其所依赖的方法时，读者便能看到其假设与局限，该方法的专家也能对其提出质疑。

05来源

Where this page’s references lead.

阅读本页时所对照的机构和文件。状态和版本会变化；每个链接都指向发布机构。

06页面

Labs 的 STEM 基础中的页面。

方法

研究设计统计

方法

实验室中的不确定性量化

方法

实验室科学中的机器学习

方法

面向试验平台的系统工程

方法

面向试点的因果推断

07问题

问题与解答。

什么是管理方平台？
维护某一方法的规范描述并审查其在 Consortium 中应用情况的平台。
报告贡献

从本页贡献证据。

报告 is the Consortium’s quarterly publication. What you know about this subject can become evidence, a case or a correction in the next edition, credited to you and published under CC BY 4.0 where it is your own work.

GCRI实验室Labs 证据方法与技术

切勿发送个人数据、敏感基础设施细节或您无权分享的任何内容。贡献在使用前会经过审查；发送贡献不赋予署名权或编辑权，赞助也绝不能换取研究结论。

实验室

带来一种方法、一个数据集或一个问题。

信息和咨询现已开放。每项咨询都会获得一个编号，并告知下一步；申请、付款、算力分配和注册只有在相应团队、条款和审查能力就绪时才会开放。

提出一种方法 查看全部联系途径
法律

本网站上的地图、数据和图表仅作为背景和一般信息展示。它们不是建议、预测或预警；信息的局限见免责声明和数据说明。