怎样把一个兴趣，变成可以回答的研究问题？
用三个判断把宽泛兴趣收窄：对象是否明确、机制是否可检验、证据是否真正可得。
把知识做成
可以使用的东西。
方法、代码与写作，都用具体问题来讲。先理解为什么，再动手复现。
平行趋势不是一张漂亮的图
从识别假设出发，读懂事件研究图能说明什么、不能说明什么，以及错位处理为何需要额外小心。
文本指标做出来以后，怎样证明它测对了？
文本指标不是模型输出的一列数字；它需要内容、收敛、区分和预测等多层效度证据。
把一次性脚本，变成可复用的研究组件
从输入契约、日志、配置和最小测试开始，让下一次复现不再依赖你的记忆。
结果不显著，论文还可以怎样写？
不搜索更讨喜的规格。回到估计精度、理论边界和测量质量，诚实判断零结果意味着什么。