热门角色不仅是灵感来源,更是你的效率助手。通过精挑细选的角色提示词,你可以快速生成高质量内容、提升创作灵感,并找到最契合你需求的解决方案。让创作更轻松,让价值更直接!
我们根据不同用户需求,持续更新角色库,让你总能找到合适的灵感入口。
生成具有教育性和互动性的在线课程模块摘要。
模块摘要:数据分析入门——探索性分析与可视化 本模块的论点是:探索性数据分析(Exploratory Data Analysis, EDA)与数据可视化构成数据科学实践的基础环节,其核心价值在于通过系统的图形与统计摘要揭示数据的结构、质量与模式,从而生成可检验的假设、降低后续建模的偏差风险,并提升基于证据的决策质量(Tukey, 1977)。为此,课程以可复制的工作流程为主线,整合数据整洁化、图形感知原理与多变量探索方法,强调方法选择的证据依据与可视化的解释效度。 学习目标 - 能够以结构化方式开展EDA:明确问题、制定探索策略、记录发现与不确定性,并形成后续分析假设(Tukey, 1977)。 - 运用图形感知与可视编码原理选择合适的图表类型与标度,以最大化信息传达效率并减少误读(Cleveland & McGill, 1984;Tufte, 2001)。 - 识别并处理数据质量问题,包括异常值诊断与稳健统计摘要,以及缺失数据机制判别与应对(Huber & Ronchetti, 2009;Little & Rubin, 2002)。 - 实施单变量、双变量与多变量的探索性方法,并在必要时应用降维技术以揭示结构与冗余(Jolliffe & Cadima, 2016)。 - 构建“语法化”的可组合图形,确保分析的可复用性与可审计性(Wilkinson, 2005;Wickham, 2016)。 - 通过“整洁数据”与可重复计算实践,保证探索过程的透明性与复现性(Wickham, 2014;Sandve et al., 2013)。 核心内容与方法 - 数据整洁化与初步剖析:数据类型识别、变量尺度判断、分布与偏度评估、稳健的集中趋势与离散度度量(例如中位数与MAD),以减少异常值对结论的影响(Huber & Ronchetti, 2009;Wickham, 2014)。 - 缺失数据的模式与机制:利用可视化矩阵、相关热图和指示变量回归等方法,辨识完全随机缺失(MCAR)、随机缺失(MAR)与非随机缺失(MNAR),并依据机制选择合适的处理策略(如多重插补用于MAR)(Little & Rubin, 2002)。 - 图形感知与图表选择:基于实证研究,优先使用位置与长度等高感知精度的编码,谨慎使用面积、角度与色相,避免扭曲坐标轴与不当聚合(Cleveland & McGill, 1984;Tufte, 2001)。 - 单变量与双变量探索:直方图、核密度、箱线图/小提琴图、散点图与误差带,关注分布形态、极端值、异方差与非线性关系,避免将相关性误解为因果(Anscombe, 1973)。 - 多变量与降维:成对图、相关矩阵与网络可视化;在高维背景下引入主成分分析(PCA)以刻画主变异方向、检测冗余并辅助特征工程,强调载荷解释与方差贡献率的审慎使用(Jolliffe & Cadima, 2016)。 - 语法化图形与工作流:采用图形语法思想以分离“数据-映射-几何-尺度-主题”,提高图表的可组合性与一致性;配合脚本化与笔记本式报告实现可复制EDA流水线(Wilkinson, 2005;Wickham, 2016;Sandve et al., 2013)。 - 案例驱动的证据意识:以“安斯库姆四重奏”等经典数据集展示图表在揭示统计摘要不可见结构中的必要性,强调“先看图后建模”的实践规范(Anscombe, 1973)。 学习产出 - 形成一套可执行的EDA清单,覆盖数据质量诊断、变量关系探索、图表选择与解释、记录与复现。 - 产出结构化的探索性报告:以清晰的问题导向组织图表与文字叙述,提供可重复代码与版本化数据依赖。 - 基于探索证据提出合理的后续建模与数据采集建议,识别关键风险与不确定性来源。 教学与评估 - 实践为主:小型数据集的快速迭代探索与反思;真实数据的综合性小项目(数据整洁化、探索、可视化叙事、复现文档)。 - 形成性评估:图表质量与解释力、方法选择的证据依据、对不确定性的报告、可重复性与代码组织;同伴互评以提升可读性与说服力(Sandve et al., 2013)。 参考文献(APA第7版) - Anscombe, F. J. (1973). Graphs in statistical analysis. The American Statistician, 27(1), 17–21. https://doi.org/10.1080/00031305.1973.10478966 - Cleveland, W. S., & McGill, R. (1984). Graphical perception: Theory, experimentation, and application to the development of graphical methods. Journal of the American Statistical Association, 79(387), 531–554. https://doi.org/10.1080/01621459.1984.10478080 - Huber, P. J., & Ronchetti, E. M. (2009). Robust statistics (2nd ed.). Wiley. - Jolliffe, I. T., & Cadima, J. (2016). Principal component analysis: A review and recent developments. Philosophical Transactions of the Royal Society A, 374(2065), 20150202. https://doi.org/10.1098/rsta.2015.0202 - Little, R. J. A., & Rubin, D. B. (2002). Statistical analysis with missing data (2nd ed.). Wiley. - Sandve, G. K., Nekrutenko, A., Taylor, J., & Hovig, E. (2013). Ten simple rules for reproducible computational research. PLoS Computational Biology, 9(10), e1003285. https://doi.org/10.1371/journal.pcbi.1003285 - Tufte, E. R. (2001). The visual display of quantitative information (2nd ed.). Graphics Press. - Tukey, J. W. (1977). Exploratory data analysis. Addison-Wesley. - Wickham, H. (2014). Tidy data. Journal of Statistical Software, 59(10), 1–23. https://doi.org/10.18637/jss.v059.i10 - Wickham, H. (2016). ggplot2: Elegant graphics for data analysis (2nd ed.). Springer. https://doi.org/10.1007/978-3-319-24277-4 - Wilkinson, L. (2005). The grammar of graphics (2nd ed.). Springer.
模块标题:微观经济学:供需与弹性 模块摘要与学习目标 本模块系统阐述竞争性市场中需求与供给的决定、均衡的形成及比较静态分析,并以弹性为核心工具解释价格变动、政策干预与市场绩效之间的因果机制。通过理论推导、图形与数据练习相结合的方式,学习者将能够: - 准确认识需求与供给曲线的含义、位移与沿曲线移动的区别,掌握市场均衡与均衡调整的基本逻辑(Varian 2014;Pindyck and Rubinfeld 2018)。 - 定义与计算主要弹性指标(需求与供给的价格弹性、交叉价格弹性、收入弹性),理解其决定因素与经济含义(Marshall 1920;Varian 2014)。 - 应用弹性分析税收与补贴的经济归宿、价格管制的效果、福利变化与无谓损失的形成机制,并据此评估政策与商业定价方案(Harberger 1964;Pindyck and Rubinfeld 2018;Weyl and Fabinger 2013)。 - 基于实证证据理解短期与长期弹性的差异及其政策含义(Espey 1998;Hughes, Knittel, and Sperling 2008)。 核心内容结构 1) 需求与供给的基本原理 - 需求:在其他条件不变时,价格上升导致需求量下降之规律;决定因素包括偏好、收入、相关商品价格与预期等(Varian 2014)。 - 供给:价格、技术、要素价格与制度环境共同作用下的供给决策;短期与长期供给的弹性差异(Pindyck and Rubinfeld 2018)。 - 市场均衡与比较静态:均衡价格与数量由需求与供给的交点决定;外生冲击(如技术进步、偏好变动)通过曲线位移影响均衡,并可用图形与代数进行比较静态分析(Varian 2014)。 2) 弹性:定义、度量与决定因素 - 定义与类型:价格弹性为数量的百分比变化对价格百分比变化的比率;交叉价格弹性衡量替代/互补关系;收入弹性界定正常品、劣等品与奢侈品(Marshall 1920;Pindyck and Rubinfeld 2018)。 - 计算方法:点弹性(基于导数或微分近似)与弧弹性(中点法,以避免基期选择偏差);中点法为[(Q2−Q1)/((Q1+Q2)/2)] ÷ [(P2−P1)/((P1+P2)/2)](Varian 2014)。 - 决定因素与经济直觉:替代品可得性、预算份额、时间维度与市场定义影响弹性大小;一般而言,替代品越多、时间越长,需求与供给的价格弹性越大(Pindyck and Rubinfeld 2018)。 3) 弹性的应用:政策与市场分析 - 税收归宿与传导:单位税在竞争市场中的负担分配取决于相对弹性;在小税近似下,消费者承担份额约为 供给弹性/(供给弹性+|需求弹性|),更不具弹性的一侧承担更多税负(Pindyck and Rubinfeld 2018;Weyl and Fabinger 2013)。 - 福利与无谓损失:消费者与生产者剩余衡量市场福利;扭曲(税、价格上限/下限、配额)引致的无谓损失随税率平方与弹性增大而上升(Harberger 1964;Varian 2014)。 - 价格管制与数量管制:有约束力的价格上限导致短缺与配给问题,价格下限导致过剩;数量配额在需求(或供给)较不具弹性时引致更大的福利损失(Pindyck and Rubinfeld 2018)。 - 价格与收入策略:沿同一需求曲线,总收益在需求弹性绝对值等于1处达到最大;当需求富有弹性(|ε|>1)降价可增收,缺乏弹性(|ε|<1)涨价可增收(Varian 2014)。 4) 实证与案例导向 - 短期与长期的需求弹性:能源与交通品通常表现为短期低弹性、长期较高弹性。汽油需求的国际元分析显示短期中位数弹性约为−0.26、长期约为−0.58(Espey 1998);美国在2000年代初期的短期弹性有下降迹象(约−0.03至−0.08),提示政策效果的时变性(Hughes, Knittel, and Sperling 2008)。 - 政策评估与商业决策:结合弹性估计,比较“燃油税 vs. 里程费”的效率与分配效果;或以农产品支持价格与租金管制为例,分析不同干预工具的福利权衡(Pindyck and Rubinfeld 2018)。 学习活动与评估设计 - 交互式图形实验:拖动外生参数(税率、补贴、价格上限)观察均衡、税负与无谓损失的变化,并用弹性解释机制。 - 数据练习:给定价格与数量的离散观测,使用中点法估算需求价格弹性与交叉弹性,判断替代/互补关系与收入性质。 - 案例讨论:比较不同市场(燃油、网约车、租房)的短期与长期弹性;预测政策干预在不同时间尺度上的效果。 - 形成性测验:识别“位移”与“沿曲线移动”的区别;计算弹性并解释其经济含义;运用相对弹性规则判断税收归宿与福利影响。 能力与成果 完成模块后,学习者应能以弹性为核心分析框架,解释市场对价格与政策的响应,量化福利影响,并在规范与实证证据的支持下提出可检验的政策或商业建议(Mas-Colell, Whinston, and Green 1995;Varian 2014)。 参考文献(AEA 引用风格) - Espey, Molly. 1998. “Gasoline Demand Revisited: An International Meta-Analysis of Elasticities.” Energy Economics 20 (3): 273–295. - Harberger, Arnold C. 1964. “The Measurement of Waste.” American Economic Review 54 (3): 58–76. - Hughes, Jonathan E., Christopher R. Knittel, and Daniel Sperling. 2008. “Evidence of a Shift in the Short-Run Price Elasticity of Gasoline Demand.” Energy Journal 29 (1): 113–134. - Marshall, Alfred. 1920. Principles of Economics. 8th ed. London: Macmillan. - Mas-Colell, Andreu, Michael D. Whinston, and Jerry R. Green. 1995. Microeconomic Theory. Oxford: Oxford University Press. - Pindyck, Robert S., and Daniel L. Rubinfeld. 2018. Microeconomics. 9th ed. Pearson. - Varian, Hal R. 2014. Intermediate Microeconomics: A Modern Approach. 9th ed. New York: W. W. Norton & Company. - Weyl, E. Glen, and Michal Fabinger. 2013. “Pass-Through as an Economic Tool.” Journal of Political Economy 121 (3): 528–583.
试学模块:卡片笔记法入门(模块摘要) 论点陈述 本模块旨在以基于证据的方式引导学习者快速理解并实操卡片笔记法(Zettelkasten)的核心原理与最小化工作流,帮助学习者在真实学习与写作任务中构建可复用、可连接且可检索的知识网络。模块内容将卡片笔记法与学习科学中的检索练习、间隔效应与生成性学习等已验证策略系统对接,以确保方法论具有可迁移性与可评估性(Dunlosky et al., 2013; Roediger & Karpicke, 2006; Cepeda et al., 2006; Fiorella & Mayer, 2015)。 学习目标 完成本试学模块后,学习者应能够: - 准确认知卡片笔记法的核心原则(“原子化”“连接性”“语境化命名”“可复用”),并区分快速捕获、文献笔记与永久笔记的不同功能(Ahrens, 2017)。 - 独立构建最小可行工作流:从输入(阅读或课堂)到卡片化处理、语义链接与检索问题设计。 - 将检索练习与间隔复习嵌入卡片体系,提高迁移与长期保持(Roediger & Karpicke, 2006; Cepeda et al., 2006)。 - 识别低效的逐字抄录倾向,采用生成性加工(总结、重述、提问)以提升理解与抽象(Mueller & Oppenheimer, 2014; Fiorella & Mayer, 2015)。 - 依据认知负荷与任务情境,选择纸质或数字化工具,并应用模板降低外在负荷、聚焦内在与相关负荷(Kirschner et al., 2006)。 核心内容与结构 1) 方法框架与历史脉络 - 定义:卡片笔记法是一种以“原子化知识单元”为基本粒度,通过显式链接与索引结构积累并重组知识的外部认知系统,强调从阅读到思考再到写作的连续性(Ahrens, 2017)。 - 实证关联:该方法倡导的概念重述、交叉链接与定期回顾,与检索练习、间隔效应和生成性学习的高效策略一致(Dunlosky et al., 2013)。 2) 概念与术语 - 原子化卡片:一张卡片表达一个可独立复用的观点或论证。 - 文献笔记与永久笔记:前者聚焦来源要点与引文管理,后者以自身语句重写并连接既有卡片,服务长期写作与研究(Ahrens, 2017)。 - 连接与结构卡:通过显式链接(主题、因果、对比、证据—论点)和结构卡(索引/目录卡)形成可导航的知识图谱。 - 反抄录原则:避免逐字抄写,优先采用释义、例证与反例以促进深层加工(Mueller & Oppenheimer, 2014; Fiorella & Mayer, 2015)。 3) 最小可行工作流(可在任意工具实现) - 捕获:快速记录观点与问题,标注来源与时间戳。 - 加工:以自身语言重写为原子化卡片,补充背景与限定条件,拟定明确标题与检索标签。 - 连接:为每张卡片至少创建一条语义链接(如“支持/质疑/延伸/对比”),并在相关卡片中建立双向参照。 - 检索化:为关键卡片编写“检索问题”(用于自测),并安排间隔复习计划(Roediger & Karpicke, 2006; Cepeda et al., 2006)。 - 输出:以结构卡汇聚主题脉络,迭代形成提纲与草稿。 4) 学习科学对齐与方法边界 - 对齐:检索练习与间隔复习可显著提升长期保持;生成性学习(总结、提问、图示)促进理解迁移(Dunlosky et al., 2013; Fiorella & Mayer, 2015)。 - 边界:卡片笔记法并非任务管理系统;其效能依赖于对概念的重述与链接质量,而非卡片数量。为避免过度复杂,建议采用模板与批处理策略以控制外在认知负荷(Kirschner et al., 2006)。 交互式活动与评估 - 引导式练习:选取一段约300字材料,将其转化为3–5张原子化卡片;为每张卡片撰写1–2条语义链接与1个检索问题;以结构卡汇总逻辑脉络。 - 即时自测:5道选择/配对题,检验对核心术语与步骤的理解(如“原子化”与“永久笔记”的区别)。 - 同伴互评清单(简化版):可读性(标题清晰)、可复用性(边界与适用条件明确)、连接性(至少一条有效语义链接)、检索性(问题可用于自测)。 预期成效与证据基础 - 以原子化与链接为核心的卡片系统,能将被动记录转化为主动生成与检索,符合高效学习策略的证据共识(Dunlosky et al., 2013; Roediger & Karpicke, 2006)。 - 通过在工作流中嵌入生成性活动与间隔复习,学习者可更稳定地将阅读输入转化为写作产出与长期知识网络(Ahrens, 2017; Cepeda et al., 2006; Fiorella & Mayer, 2015)。 - 在操作层面,避免逐字抄录并采用自述与提问的做法,有助于提升概念理解与迁移(Mueller & Oppenheimer, 2014)。 参考文献(APA第7版) Ahrens, S. (2017). How to take smart notes: One simple technique to boost writing, learning and thinking. CreateSpace. Cepeda, N. J., Pashler, H., Vul, E., Wixted, J. T., & Rohrer, D. (2006). Distributed practice in verbal recall tasks: A review and quantitative synthesis. Psychological Bulletin, 132(3), 354–380. Dunlosky, J., Rawson, K. A., Marsh, E. J., Nathan, M. J., & Willingham, D. T. (2013). Improving students’ learning with effective learning techniques: Promising directions from cognitive and educational psychology. Psychological Science in the Public Interest, 14(1), 4–58. Fiorella, L., & Mayer, R. E. (2015). Learning as a generative activity: Eight learning strategies that promote understanding. Cambridge University Press. Kirschner, P. A., Sweller, J., & Clark, R. E. (2006). Why minimal guidance during instruction does not work: An analysis of the failure of constructivist, discovery, problem-based, experiential, and inquiry-based teaching. Educational Psychologist, 41(2), 75–86. Mueller, P. A., & Oppenheimer, D. M. (2014). The pen is mightier than the keyboard: Advantages of longhand over laptop note taking. Psychological Science, 25(6), 1159–1168. Roediger, H. L., & Karpicke, J. D. (2006). Test-enhanced learning: Taking memory tests improves long-term retention. Psychological Science, 17(3), 249–255.
使用该提示词,快速为新课程生成标准化模块摘要,含学习目标、互动练习与评价建议;统一品牌语调,支持批量产出课程页文案,加速课程上线与转化。
减少备课时间,一键获得结构清晰的章节摘要与关键论证,附参考线索;据班级水平自动调整难度,并生成思考题与作业建议,提升课堂参与度。
以学术而不枯燥的风格提炼课程卖点,输出可直接用于海报与着陆页的文案;同时生成试学模块摘要与互动问题,促进用户试用与订阅。
为不同岗位定制模块摘要与可衡量学习目标,生成评估与复训建议;支持中英双语,便于全球团队同步学习,提升培训效果与合规性。
作为课程大纲到课件的中间产物,自动优化逻辑结构与层次;快速对齐教学目标、评价方式与内容比重,确保课程闭环与学习路径清晰。
一键输出多语言模块摘要,兼顾本地化表达与SEO关键词;用于课程目录、平台详情页与邮件推广,提升国际市场曝光与报名率。
将“课程摘要撰写助手”打造成面向教育从业者与培训团队的高效创作工具:在几分钟内生成严谨、清晰且具互动性的课程模块摘要,帮助课程页面转化更高、章节学习更聚焦、品牌风格更统一。适用场景包括:在线课程章节导读、课程上线页简介、课堂讲义开篇、复习提要、企业内训知识卡片与多语版本发布。核心价值: - 更快:从输入模块标题与受众信息,到获得可发布的结构化摘要,显著缩短成稿周期。 - 更准:基于证据的表达与可核查的参考,引导学习者建立正确认知,降低误导风险。 - 更懂学员:在摘要中自然嵌入互动问题/练习与下一步行动,提升参与感与完课率。 - 更易管理:输出格式稳定、语调统一,可跨团队复用,便于规模化生产与质量把控。 - 更自由:支持多语言输出与学术风格选择,满足不同学科与发布渠道的规范需求。 推荐输入要素(可选其一或组合):模块标题、目标受众与难度、课程目标、希望使用的语言与引用风格、关键资料或教材线索。输出建议包含:学习目标、核心概念与要点、示例/活动提示、评估与复盘建议、参考资料与引用、预计学习时长、行动指引。
将模板生成的提示词复制粘贴到您常用的 Chat 应用(如 ChatGPT、Claude 等),即可直接对话使用,无需额外开发。适合个人快速体验和轻量使用场景。
把提示词模板转化为 API,您的程序可任意修改模板参数,通过接口直接调用,轻松实现自动化与批量处理。适合开发者集成与业务系统嵌入。
在 MCP client 中配置对应的 server 地址,让您的 AI 应用自动调用提示词模板。适合高级用户和团队协作,让提示词在不同 AI 工具间无缝衔接。
免费获取高级提示词-优惠即将到期