research-ideation · meleantonio — скилл для Claude Code: что делает и установка
Скилл research-ideation помогает экономистам превращать наблюдения, парадоксы и наборы данных в проверяемые исследовательские вопросы. Пригодится на старте диссертации или при анализе мер экономической политики.
CC0-1.0 196 установок ★ 675 обновлён 2026-09-26
npx skills add meleantonio/awesome-econ-ai-stuff --skill research-ideation -a claude-codeЧто делает research-ideation
Скилл ведёт исследователя от сырой идеи к строгой академической гипотезе в три шага. Сначала агент выясняет исходные данные: раздел экономики, методологию (теория, эмпирика или структурный подход) и доступные источники. После этого запускаются четыре сценария поиска: поиск несоответствий в текущих моделях, оценка пробелов в регулировании, новые срезы данных или развитие классических статей.
На выходе пользователь получает не абстрактные темы, а матрицу оценки. В ней агент проверяет доступность данных, возможность чистой идентификации причинно-следственных связей и новизну вклада. Без конкретной привязки к методам эконометрики формулировки рискуют остаться банальными темами вроде общих рассуждений о неравенстве.
Какие задачи решает
- сформулировать тему для диссертации по экономике
- найти естественный эксперимент в доступном датасете
- проверить исследовательский вопрос на проблемы с идентификацией
- перенести метод анализа из одной области экономики в другую
Примеры запросов агенту
- Я занимаюсь экономикой труда и получил выгрузку профилей LinkedIn. Предложи темы для эмпирической статьи.
- Помоги найти тему диссертации на стыке макроэкономических шоков и поведения отдельных фирм.
- У меня есть данные по новой налоговой реформе. Как превратить это в исследование с естественным экспериментом?
Как установить research-ideation
1Через Skills CLI (Vercel)
npx skills add meleantonio/awesome-econ-ai-stuff --skill research-ideation -a claude-code2Вручную: положить файлы
~/.claude/skills/research-ideation/SKILL.mdПапка скилла целиком; для одного проекта — .claude/skills/research-ideation/
1Через Skills CLI (Vercel)
npx skills add meleantonio/awesome-econ-ai-stuff --skill research-ideation -a codex2Вручную: положить файлы
.agents/skills/research-ideation/SKILL.mdДля всех проектов — ~/.agents/skills/
1Через Skills CLI (Vercel)
npx skills add meleantonio/awesome-econ-ai-stuff --skill research-ideation -a cursor2Вручную: положить файлы
.cursor/skills/research-ideation/SKILL.mdCursor читает и .agents/skills/, и .claude/skills/
1GitHub CLI
gh skill install meleantonio/awesome-econ-ai-stuff _skills/ideation/research-ideation2Вручную: положить файлы
.github/skills/research-ideation/SKILL.md1Через Skills CLI (Vercel)
npx skills add meleantonio/awesome-econ-ai-stuff --skill research-ideation -a gemini-cli2Командой платформы
gemini skills install https://github.com/meleantonio/awesome-econ-ai-stuff --path _skills/ideation/research-ideationВручную: положить файлы
.devin/skills/research-ideation/SKILL.mdСтарый путь .windsurf/skills/ тоже читается
Через Skills CLI (Vercel)
npx skills add meleantonio/awesome-econ-ai-stuff --skill research-ideation -a opencodeClaude.ai
Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills
По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов
Вопросы о research-ideation
Как установить research-ideation в Claude Code?
Выполните команду npx skills add meleantonio/awesome-econ-ai-stuff --skill research-ideation -a claude-code. Спецификация сохранится в ~/.claude/skills/research-ideation/SKILL.md.
Для чего нужен скилл research-ideation?
Он структурирует академический поиск в экономике: опрашивает исследователя об ограничениях и превращает наблюдения в проверяемые гипотезы.
Как скилл отсеивает неудачные темы исследований?
Скилл проверяет каждую идею через матрицу: оценивает доступность данных, возможность чистой оценки эффекта и новизну вклада, отсекая слишком широкие формулировки.
Исходный текст
SKILL.md · CC0-1.0
---
name: research-ideation
description: Generate research questions from economic phenomena
workflow_stage: ideation
compatibility:
- claude-code
- cursor
- codex
- gemini-cli
author: Awesome Econ AI Community
version: 1.0.0
tags:
- research
- ideation
- hypothesis
- brainstorming
---
# Research Ideation
## Purpose
This skill helps economists generate and refine research questions by applying economic thinking frameworks. It guides the process from observing phenomena to formulating testable hypotheses.
## When to Use
- Starting a new research project
- Brainstorming dissertation topics
- Finding angles for policy analysis
- Developing extensions of existing work
## Instructions
### Step 1: Understand the Starting Point
Ask the user:
1. Do you have a phenomenon, puzzle, or data source in mind?
2. What field/subfield of economics?
3. What's your methodological preference? (Theory, empirical, structural)
4. Any constraints? (Data access, timeline, etc.)
### Step 2: Apply Ideation Frameworks
Use these approaches:
**1. The Puzzle Approach**
- What's surprising about current patterns?
- What contradicts conventional economic wisdom?
- Where do standard models fail?
**2. The Policy Approach**
- What policies lack rigorous evaluation?
- What natural experiments remain unexploited?
- What interventions might solve important problems?
**3. The Data Approach**
- What new data sources have become available?
- What can existing data tell us that hasn't been explored?
- What linkages between datasets are possible?
**4. The Extension Approach**
- How can seminal papers be extended?
- What mechanisms remain unexplored?
- Can methods from one field apply to another?
### Step 3: Evaluate and Refine
For each idea, assess:
- **Feasibility**: Can this be done with available data/methods?
- **Contribution**: What's new here?
- **Interest**: Who cares about this question?
- **Identification**: Can effects be credibly estimated?
## Example Interaction
**User Query:** "I'm interested in labor economics and have access to LinkedIn data"
**Generated Response:**
## Research Ideas: LinkedIn Data × Labor Economics
### 1. Network Effects in Job Search
**Question:** How do professional networks affect job transitions and wage changes?
**Puzzle:** Standard search models assume random matching, but most jobs come through networks. How much do networks matter for outcomes?
**Approach:**
- Track profile updates signaling job changes
- Measure network overlap between current/future employers
- Instrument with exogenous network shocks (school alumni connections)
**Contribution:** Quantify the causal role of networks vs. unobserved ability
---
### 2. Skill Signaling and Returns
**Question:** Do workers who list specific skills on profiles earn wage premiums?
**Puzzle:** Are listed skills signals of ability, or just cheap talk? What's the return to skill acquisition vs. skill signaling?
**Approach:**
- Compare wages before/after workers add skills
- Use skill endorsements as validation
- Exploit skill assessment features as quasi-experiments
---
### 3. Gender Gaps in Self-Promotion
**Question:** Do men and women describe equivalent achievements differently?
**Puzzle:** Lab evidence shows women understate accomplishments. Does this appear in real profiles and affect outcomes?
**Approach:**
- NLP analysis of profile language (adjectives, quantification)
- Compare language for workers in same role/company
- Link to recruiter contact rates if available
---
### 4. Remote Work and Labor Market Geography
**Question:** How has remote work changed the geographic reach of job matching?
**Approach:**
- Compare pre/post-2020 job applications by distance
- Measure changes in location signals on profiles
- Study wage convergence across cities
---
## Evaluation Matrix
| Idea | Data Feasibility | Identification | Policy Relevance |
|------|-----------------|----------------|------------------|
| Network effects | High | Medium (need IV) | High |
| Skill signaling | High | Medium | Medium |
| Gender language | High | High (descriptive) | High |
| Remote geography | High | High (COVID natural experiment) | High |
## Recommended Next Steps
1. **For empirical work:** Start with Idea #4 (clearest identification)
2. **For policy impact:** Idea #1 has most implications for job matching platforms
3. **For methodological novelty:** Idea #3 combines NLP with quasi-experimental methods
---
## Frameworks for Generating Questions
### The "5 Whys" for Economics
Start with an observation and drill down:
1. GDP growth is slowing → Why?
2. Productivity is stagnant → Why?
3. Investment is low → Why?
4. Uncertainty is high → Why?
5. Policy is unpredictable → **Testable: Does policy uncertainty cause low investment?**
### The "What If" Generator
- What if [policy X] were implemented?
- What if [technology Y] became widespread?
- What if [assumption Z] were relaxed?
### The Cross-Field Pollinator
Take a method from one field and apply to another:
- IO techniques → Labor markets (how do firms choose wages like prices?)
- Finance models → Education (returns to schooling as asset pricing)
- Macro shocks → Micro outcomes (firm-level effects of exchange rate changes)
## Common Pitfalls
- ❌ Questions that are too broad ("What causes inequality?")
- ❌ Questions without clean identification ("Does education cause income?")
- ❌ Questions without data ("Were medieval peasants happy?")
- ❌ Questions already well-answered
## References
- [Shapiro (2022) How to Get Started on Research in Economics](https://www.brown.edu/Research/Shapiro/pdfs/research.pdf)
- [Angrist & Pischke on Mostly Harmless research design](https://www.mostlyharmlesseconometrics.com/)
- [AEA Research Pipelines](https://www.aeaweb.org/rfe/)
## Changelog
### v1.0.0
- Initial release with ideation frameworks
© Awesome Econ AI Community · CC0-1.0 · meleantonio/awesome-econ-ai-stuff
Похожие скиллы
Все скиллы по теме «Наука и исследования» →Сначала — research-ideation от других авторов.