今天要处理
四域二十维科研画像测评
按 4 条公开框架设计：Vitae 科研人员发展框架（RDF 2011）、KSAO 能力结构模型、心理资本理论（PsyCap 2007）与坚毅量表（Grit-S 2007）、ACRL 信息素养框架（2016）。全部维度统一 0–10 分制，且每个维度都在匹配算法里有明确去向。打分不是一份静态报告——20 维自评会双向驱动：既算出「匹配哪条赛道」（由平台匹配模型），又拆出「今天该做什么」（按你的阶段 × 终极目标生成任务）；改任何一个维度，两侧结果同步刷新。
自评校准提示：打分时请以「相比同级同学的实际情况」为参照，而不是「理想中的自己」。常见两种偏差：乐观偏差（高估自己，常发生在「理论梳理 / 创新自我效能 / 时间投入」等维度，会让匹配结果偏高估你的能力型赛道）与保守偏差（低估自己，常发生在「外语 / 学术网络」等维度，会压低标榜国际化或平台依赖的赛道）。拿不准的维度保持 5 分即可——系统对中性值不奖不罚，比拍脑袋打 8 分更接近真实。
本评测体系依据什么？（点开看理论来源与评分锚点）
四条理论依据（均为公开可核验的成熟框架）：
- Vitae Researcher Development Framework（RDF，2011，英国）—— 把科研人员的发展分为「知识与智力能力 / 个人效能 / 研究治理与组织 / 参与与影响」四大领域。本体系的领域划分参照它，并做本土化改写。
- KSAO 模型（Knowledge / Skill / Ability / Other characteristics）—— 人力资源管理中能力结构的经典框架，用于把「知识基础」与「研究方法技能」拆成两个独立领域；这也是本体系不设单一「科研能力总分」的理由。
- 心理资本理论 PsyCap（Luthans, Youssef & Avolio, 2007）与坚毅量表 Grit-S（Duckworth et al., 2007）—— 科研韧性、长期坚毅两个维度的量表学依据。
- ACRL《高等教育信息素养框架》（2016）、Bloom 认知目标分类（分析 / 评价层次）、社会资本理论（Coleman, 1988）—— 分别支撑信息素养、批判性思维、学术合作网络三个维度。
评分口径：20 个维度统一 0–10 分，采用行为锚定等级（BARS）—— 0–2 起步 / 3–5 熟练 / 6–8 优秀 / 9–10 专家级。5 分为中性值，拿不准时保持默认即可，系统不会因默认值偏袒或惩罚任何维度。
合成路径：维度（0–10）→ 领域分（0–100，领域内等权）→ 平台匹配模型。两级构造是量表编制的常规做法：先聚合成理论上同质的领域，再进入预测模型。每个维度在匹配模型里的具体去向、各因子权重与调节系数，属平台内部方法，不在页面公开。
一个分值，两条输出：同一次打分同时输入「未来赛道匹配」的平台匹配模型，与「时序分层任务清单」的阶段 × 终极目标拆解——画像既选赛道方向，又拆执行动作。两条线共用同一份维度分，所以不会出现「画像说不适合、任务却让你做」的自相矛盾。
诚实声明：本体系是自评量表，不是标准化测验。维度与锚点由编辑依据上述框架设计，尚未做信效度检验（无重测信度、无内部一致性系数）。页面给出的是相对匹配度，不是录取概率。正式版应引入 Cronbach α 与因子分析后再作为测评工具使用。
未来赛道匹配
匹配结果 = 终极目标 + 能力画像 + 现有资源 + 赛道行情本库评级为经验判断，非官方统计数据口径 · 可信度分层 · 标定方法
匹配是怎么算的？（点开看口径说明）
- 学科门类口径：采用教育部《研究生教育学科专业目录（2022年）》的 14 个学科门类（01 哲学 … 13 艺术学，第 14 类是交叉学科）。649 条赛道按「主学科 + 交叉学科」标注门类代码，例如 t26 环境大数据与生态遥感 = 理学（主）× 工学（交叉）。每条赛道另有「学科归属」与「权威依据」原文，逐条展示在赛道卡上。
- 赛道库范围：面向高校师生真实科研与就业选择的全景赛道库，覆盖全部 14 个门类的通用方向（理论攻坚 / 应用落地 / 交叉跨界三类），每条赛道都给出来源依据、就业去向与资源门槛提示，可直接用于选方向、找导师、定选题。
- 匹配度基准是什么：每条赛道带一个 0–100 的基准分——编辑经验标定值（T3：人工对照官方指南与领域共识，综合国家战略权重 / 岗位需求 / 成长空间等维度标定），不是实测统计、也不由官方目录换算。按「T3 字段不显示伪精确分数」口径，页面只标「经验标定 / T3」、不显示数值；该值不参与你的画像匹配打分 —— 避免「赛道本身热门」被误读成「你适合它」。
- 画像评测（四域二十维）：按 4 条公开框架设计 —— Vitae 科研人员发展框架（RDF 2011）、KSAO 能力结构模型、心理资本理论 PsyCap（2007）与坚毅量表 Grit-S（2007）、ACRL 信息素养框架（2016）。共 20 个维度、全部 0–10 分，5 分为中性值，保持默认不会偏袒或惩罚任何赛道。合成走两级构造：维度（0–10）→ 领域分（0–100，领域内等权）→ 平台匹配模型。
- 匹配模型口径不公开：画像如何折算成匹配度，由平台内部的多因子加权模型完成；各因子的名称、权重、调节系数、取分档位与资格层剔除阈值，均属平台内部方法，不在页面公开（展示层隐藏，非加密保护）。页面给出的分数是相对匹配度，不是录取概率。
- 排行表显示多少：通过资格层的赛道按匹配度从高到低排列，分页展示，每页 20 条。表头右侧的「共 N 条符合条件」是通过资格层的总数，与表格里实际显示的条数不是一个口径。
- 分档：结果分冲刺 / 稳妥 / 保底三档，档位排序键与选取阈值在资格层内部完成（口径不公开）。
- 学科优先：先在「你的门类」的赛道池（主学科或交叉学科命中）内独立选满三档，选不满的档位才用全库补齐 —— 否则小众门类（如 01 哲学 4 条、04 教育学 4 条）的三档会被工学赛道全部占满。若你的门类在全库暂无赛道（如 11 军事学），页面会显式提示「已回退全学科池」，不会悄悄换掉你的学科。
- 跨学科探索开关：默认按「学科契合 < 32」硬剔除弱相关赛道（R-ELIG-02）。若你希望探索跨学科选题，可勾选上方「允许放宽跨学科门槛」——开启后该门槛不再剔除，仅对契合度偏低的赛道作显式风险提示、仍保留推荐；但属跨学科选题，平台不作对口承诺，请自行评估基础。
分数是相对匹配度，不是录取概率。赛道量化指标为学科专家经验标定的 1–5 级相对评级，非官方统计值；每条卡的「数据来源」标注评估口径并把已登记的源名变成可点官网，「权威入口」列出可点原站查看的公开入口，无公开入口的方向诚实标注为经验判断。9 项评级字段（need 能力需求 / gate 资源门槛 / level 院校门槛 / cycle 产出周期(月) / life 赛道寿命 / compound 成果复利 / inv 内卷度 / policy 政策红利 / value 成果含金量）按学科门类与产出周期推导，未接入实测统计数据。
全赛道匹配排行数据来源：你的测评输入 × 赛道库 649 条
共 0 条符合条件赛道，分页展示（每页 20 条）全周期科研指导助手
按 日 / 周 / 月 / 年 四档拆解 → 打卡落地 → 动态迭代想让 AI 围绕一个目标帮你规划一批任务？去「智能规划」（实验功能）
自定义任务 · 我的规划
这是你自己的规划入口：今天要做的事、这学期的安排、乃至年度目标都从这里写进清单 —— 标为日 / 周习惯的到周期自动归零，月度任务与年度里程碑到期未完成会保留并标注逾期。
智能规划 · 科研智能体实验功能
输入一个成长目标，智能体会先查你的画像、已有任务和平台赛道库、机会库、外部文献，再给出一份带依据的计划。计划默认是草稿——你点「采纳」才会写入任务清单，最终判断权在你。计划会保留最近一次生成（离开或刷新页面后可回显，不会白花钱）；只有点「采纳为任务」才会写入任务清单长期保存。
成长地图 · 七个习惯是什么
依赖 → 独立（个人成功）→ 互赖（公众成功）→ 更新（持续生效）七个习惯是「成长叙事主轴」的串联层：把画像 / 匹配 / 任务 / 激励拧成一条你能听懂的成长故事线。点上方「生成 7 天习惯养成日课」即可把这 7 条日课加进任务清单，每天完成还能攒盐粒（沿用每日上限，不另开分口）。
时序分层任务清单今日流程
每日 / 每周习惯按周期自动归零 · 月度任务与年度里程碑到期未完成会保留并标注逾期任务设计规则与思路（点开看规则）
- 任务从哪来：清单由 6 路数据合成 —— ① 重复习惯（12 条：日 7 + 周 5，按阶段过滤，
*为全阶段通用）；② 阶段月度任务（本科低年级 9 / 本科高年级 9 / 硕士 10 / 博士 9 / 青年教师 8）；③ 阶段年度里程碑（各阶段 2–3 条）；④ 目标专项（6 类目标 × 6 条）；⑤ 必做 100 件事（10 类底线清单，与画像无关，独立成卡）；⑥ 画像派生补短板（按你 20 维自评中低于中性线的维度，从固定动作库追加，至多 2 条，标「画像派生」）。全部数值均可逐条点开验证。 - 依据什么拆解：清单里有哪些任务由 阶段（本 / 硕 / 博 / 青年教师）与终极目标（升学 / 学术 / 企业 / 体制 / 跨界 / 稳妥）两个字段决定。20 维自评分数另有两个作用，都不是「凭空造任务」：① 自评低于中性线（5 分）的维度，系统从固定动作库里追加至多 2 条补短板任务（
dm_前缀，标「画像派生」），动作与理由都是编辑预写的固定文案，不是逐人生成；② 与已有任务的标签做匹配，命中的加「补短板」标记并在同一档内排到前面。如实说明边界：同阶段同目标的用户，即使 20 维分数不同，拿到的基础清单完全一致，差异只有那至多 2 条派生任务与同档内的先后次序，因此本系统不宣称「按能力画像量身定制」。 - 为什么用四档时间尺度：科研推进的真实节律是「年定验收标准 → 月出可交付物 → 周保频次 → 日降启动门槛」—— 年（里程碑）是验收标准不是动作（如「第 1 学年 · 筑基年：30 篇精读 + 进 1 个课题组 + 1 份研究现状综述」）；月（阶段动作）是可交付物，用
addMonths按真实月份排期（不是 ×30 天）；周（习惯）保证频次，endOfWeek排期；日（习惯）门槛低到无法拒绝，作为长线的启动器。日 / 周做完按周期自动归零（resetRepeats），月 / 年任务按真实月份排期、到期未完成会保留并标注逾期。 - 为什么每条都写「为什么做」：每条任务带一个
why字段，鼠标移到任务上即弹黄色说明框。设计意图是让任务从「命令」变成「可判断的建议」—— 你不认同这条理由，就可以不勾它。手写why缺失时才回落到通用文案，且绝不把系统任务说成「你自己添加的」。 - 优先级 P0 / P1 / P2 是什么：P0 底线动作（如「当天数据当天归档」「提交版本快照」），漏了会直接损害研究可复现性；P1 常规推进项；P2 加分 / 试错项（竞赛、方向复盘）。如实说明：P 目前只是标签，既不参与打分，也不参与排序（列表按截止日期排序），因此不要把 P0 理解为「系统认为它最重要」。
- 必做 100 件事的口径：按「科研流程必备动作 + 高校培养环节通行要求」整理为 10 类（文献筑基 / 方法工具 / 实验数据 / 论文发表 / 项目课题 / 竞赛荣誉 / 学术交流 / 导师团队 / 职业发展 / 素养心态）。它与你填写的画像无关，不会随测评结果改变；「建议阶段」标记的是这条事项最常见的启动时点。
- 依据强度与已知局限：你有依据的部分 —— 画像 20 维按 4 条公开框架设计（Vitae RDF 2011 / KSAO / PsyCap 2007 + Grit-S 2007 / ACRL 2016），评分采用行为锚定等级 BARS。属于编辑经验判断的部分 —— 全部任务条目与其
why说明由编辑按上述口径撰写，不是文献引证，也没有对照组或前后测数据；本系统是自评与发展引导工具，不是经过有效性验证的干预方案，不声称能提升科研产出。正式版应补充信效度检验与效果数据。
任务条目为专家经验判断（非统计产出），排序依据为截止日期。任务勾选状态保存在本机浏览器；云端同步目前只覆盖画像与分阶段任务。若要用于学术引用，请以本折叠区的口径说明为准，勿作「经科学验证」表述。
必做 100 件事
10 类 · 每条都能看出「为什么必须做」，鼠标移上去即显示 0/100AI辅助预查新
立项前的新颖性初筛 · 与个人后台同一引擎看到感兴趣的机会，先核一遍公开文献再动手：在 11 个公开题录库中交叉检索，给出「未见相同报道」的初步证据。这是立项前初筛，不产出正式查新报告；CNKI、万方、维普等付费中文库与专利未覆盖。
开始查新我的机会订阅
订阅你关心的方向，命中「新机会 / 临期」后在工作台铃铛里提醒你这是「科研机会提醒」的真正入口：采集器每天跑完后，会按你的订阅自动比对，命中就写一条站内通知（点右上角铃铛查看）。 规则匹配，不做相关性打分—— 只比学科门类、名称关键词、层级和截止倒计时，匹配不到就是没有，不猜测。