
de auto-empirical-research-skills1,712
Recettes pratiques et code pour appliquer des méthodes computationnelles — fouille de texte, modélisation thématique, analyse de réseaux et techniques spatiales/archivistiques — à la recherche en sciences humaines.
Présente une boîte à outils pratique pour les chercheurs en sciences humaines souhaitant appliquer des méthodes computationnelles : préparation de corpus, TF-IDF et modélisation thématique (LDA), analyse de réseaux sociaux pour la correspondance, flux de travail SIG/humanités spatiales, encodage archivistique TEI et considérations éthiques. Le skill inclut des fragments de code (Python) démontrant le prétraitement, le TF-IDF, la modélisation thématique LDA et la construction de réseaux.
À utiliser lors de la conduite de projets de humanités numériques nécessitant l'analyse de texte, la découverte de thèmes, la cartographie de données historiques, la construction de réseaux de correspondance ou la préparation d'éditions numériques conformes à la norme TEI. Utile pour les chercheurs passant d'un travail qualitatif traditionnel à des méthodes quantitatives reproductibles.
Convient parfaitement aux agents assistants de recherche et aux chaînes d'outils capables d'exécuter du Python (par exemple, Codex/GPT code models, agents d'automatisation de la recherche).
Cette compétence n'a pas encore été examinée par notre pipeline d'audit automatisé.
Obsidian CLI
Contrôlez et automatisez un coffre Obsidian depuis la ligne de commande : lire, créer, rechercher, mettre à jour des notes, gérer des tâches et supporter le développement de plugins et de thèmes.
Compétences de Recherche de Base de Données (31)
Une collection de 31 compétences de recherche bibliographique spécifiques aux bases de données (guides arXiv, PubMed, OpenAlex, IEEE, Google Scholar) pour découvrir, interroger et récupérer des p