AI 与科研

为整所大学的课程目录做地图。AY2025/26–AY2026/27 目录共 1,780 个唯一模块。85 个通过可持续筛选（27 个聚焦 / 58 个包含）；34 个通过创业筛选（12 / 22）。

只有 1 个模块同时进入两组——BF3122 碳市场；0 个达到 GreenComp“行动” × EntreComp“付诸行动”的强交叉。

85 个模块中的短语覆盖：GreenComp 28 · 绿色议题 62 · SDG 85 个中的 7 个。字段为空是课程大纲语言的缺口，并不能证明该主题没有被教授。

方法：筛选 → 标注 → 对照 → 审计。全词匹配、剔除假朋友词、社区学院前缀覆盖。决定入选的领域词只留在筛选层，绝不复制进 12 项能力——否则同一短语会被重复计算。

AASHE / EntreComp 入选规则：标题命中，或标题 + 大纲中出现两个不同术语。UNESCO ESD 8 由 GreenComp 经 Wiek 2021 对照表推导，不是第二次筛选。

全国培训目录，对照需求检查。官方目录共 25,813 门课程；2,137 门通过绿色 / ESG 筛选（8.3%）；122 项官方 SWDA 绿色技能；写出 2,789 条课程—技能链接。

122 项官方技能的覆盖：29 项无匹配课程 · 7 项薄弱（1–2 门）· 17 项中等（3–8 门）· 69 项拥挤（9+ 门）· 0 项与实时页面核验。

供给缺口所在行业：海运 5 · 景观 5 · 能源与电力 4 · 食品制造 3 · 碳服务 3 · 金融服务 2。

下一步：针对空白行建设行业技术模块；把披露报告与碳、循环运营课程配对，让一份报告有据可依。

需求是一份官方清单，供给是目录文本。这里的缺口是目录缺口——招生与就业结果并不在公开文件中。

一条能在笔记本上跑的 RNA-seq 流程。计数输入 → QC + CPM 过滤 → DESeq2 → GO + GSEA → 报告。

• 不用 FASTQ——接收 iDEP 风格的基因 × 样本计数矩阵，无需集群即可运行。
• 硬性停止——每组少于 3 个重复，或批次与条件混杂，就停止差异表达。
• 两个引擎——DESeq2 配合 apeglm 收缩；若矩阵为 FPKM/TPM，则用 limma-trend。
• 浏览器模式——Cloudflare Worker 在 PyDESeq2 中重跑病例对照，文件不离开页面。

演示运行：68 个基因上调 · 1 个下调 · CPM 过滤后 1,998 个基因 · PC1 解释 31.2% 方差。示例：6 个样本、2,000 个基因、padj < 0.05 且 |log2FC| ≥ 1。最高基因 RNU6-163P：log2FC 2.65，padj 6.1e-11。

在信任差异表达之前，PCA 已把病例与对照分开；Hallmark GSEA 在全排名上运行，不设硬截断；summary.json + HTML 报告携带完整 sessionInfo。此演示规模下 GO 富集无显著结果——如实报告，不做修饰。

六个免密钥数据集变成生态系统账户：

• io-lulc v2——10 米年度土地覆盖，2017–2023
• CTrees AGB——100 米年度生物量，2000–2025
• Sentinel-1 RTC——10 米 SAR 后向散射，VV 与 VH
• MODIS 13Q1——250 米 NDVI，16 天合成
• MODIS 64A1——500 米月度过火面积
• geoBoundaries——ADM0–ADM3 单元，48 个亚洲国家

输出形态——SEEA-EA 账户：范围（按类别公顷数）· 状况（NDVI、SAR、过火）· 服务（碳储量、CO₂e、2000–2025 序列）· 历史变化——每一项都带来源区块，数字旁标注不确定性。

方法陷阱：不设上限会统计每个像元（每单元 7.5 秒；新加坡 1,320 万像元；超过约 4,400 万像元失败），面积绝对数正确。max_size 抽稀到 2,048 像素（每单元 0.8 秒；新加坡 220 万像元），比例成立但面积低估 6 倍。写进引擎的规则：面积用不设上限，比例用设上限——每个缩放过的数字都标注“估算”。

用课堂自己的语言做前后测。课前问卷：一句话问题陈述、AI 工具熟悉度 1–10、在自身工作上的实践 1–10、根因清晰度 / 信心 / 可行性，以及已经开始做了什么。课后问卷重复同样的 1–10 量表，必答“今天是否使用 AI 工具”是 / 否，并询问提案发生了什么变化。

全程中英双语；匿名；不收集邮箱。

量表设计：不直接问动机（无论如何都会顶到 8–10；从已采取的行动推断动机）· 熟悉度 ≠ 实践 · 每个题项都锚定到本人的提案 · 删掉一堂课内不可能变化的题项 · 每个题项、量表标签和选项都双语呈现，而不只是题干。

局限：单堂课无法证明两周路演是否进步。课堂量表测的是课堂；要在路演时加第三轮，才能测结果。

从 77 分钟录音到归档案例。语音转录（两段录音，约 77 与 18 分钟）→ AI 起草（会议纪要 + 案例写作）→ 案例记录（EL-01 至 EL-07，每项实践一个）→ 人工更正（归档前修正姓名、日期与职称）。

日期来自录音时间戳，而不是会场里说过的任何话；AI 子组的驱动因素留给演讲者补充，而不是编造。

一份 AI 只起草、绝不编造证据的提案。

• 阶段 0 · 8–12 周——垃圾组分分析、筛分馏分，给出三个候选产品。不涉及机场设备。
• 阶段 1 · 校园内——把樟宜原料放上 miniTRASHPRESSO。首篇文章、测试表、基于实测产率的 LCA。
• 阶段 2 · 单一场景——一个产品、一条物流、一个地点，通过绿色采购购买。单独决策。

起草时坚守的主张边界：不把 Miniwiz 的市政碳数据当作樟宜结果；不编造处理量、功率或设备原料；不把 FY2024/25 垃圾组分改挂到 FY2025/26。