研究方法论
本平台如何区分观察、解读和判断。
本内容由德语机器翻译而成，尚未经母语人士审校。技术和监管术语以德语或英语版本为准。
版本 1.0，截至 2026年9月22日。 未经专业审阅：本文件是为本平台撰写的，未进行过独立审阅。
陈述类型
每个实质性内容块都标注了其陈述的类型。这可以防止 DeFi 报道中最常见的错误：把一项指标直接变成风险判断。
- 事实
- 一项可核实的观察或定义。必须可以核查；一旦超出定义的范围，就需要提供来源。
- 数据
- 一个具有具名出处的测量值。需要提供来源。
- 解读
- 对观察的解读。解读可能是错的，而观察本身并不因此错误。
- 假设
- 为使陈述成立而必须作出的假设。
- 风险
- 一项具名的风险，而非其发生概率。
- 不确定性
- 一个明确的未决问题。不是缺陷，而是一项发现。
- 评估
- 由某个人负责的评估。绝非审计，绝非保证。
来源层级
并非每个来源都具有相同的分量。层级由来源类型决定，不按条目随意指定。
- 层级 1原始数据（链上）
- 层级 2官方协议文档
- 层级 3监管机构 / 立法机构
- 层级 3中央银行
- 层级 4同行评审研究
- 层级 5工作论文
- 层级 5专业研究
- 层级 6二手媒体
- 层级 7社区来源
为什么采用提取练习和间隔复习
本 Academy 在每节课后提出提取练习题，并将已学完的课程放入 1、3、7、14、30 和 60 天的复习阶梯。这并非设计上的心血来潮：研究表明，与反复阅读相比，间隔练习和提取练习具有稳健的学习优势，而反馈在其中起着重要作用。由此得到证实的是该方法的有效性——而不是本平台任何具体学习内容在专业上的正确性，并且所研究的情境大多是学校和课堂。这两项限制均在条目本身中注明。
证据：EVD-2026-0002, EVD-2026-0003
本 Academy 采用的五种方法，以及研究对每种方法的结论：
1. 提取练习
每节课都以提取练习题结束，其反馈会指出答案遗漏了什么。在 Dunlosky 等人的综述中，练习测试是效用评级最高的两种技巧之一。
2. 分散练习
已学完的课程位于 1、3、7、14、30 和 60 天的复习阶梯上，该阶梯根据实际的提取表现进行调整。分散练习是另一种效用评级高的技巧。
3. 先看计算示例，再做变式
每个公式旁边都有一个完整演算的示例；在数字可调的地方，交互模型正是从这些数字开始。研读示例而非解题，可以显著减轻初学者的负担——即样例效应（worked-example effect）。
4. 文字与图表并列
模型会显示输入值所在的曲线，读数就在调节它的控件旁边。文字配合相应的图形、突出结构以及舍弃装饰性细节，是有据可查具有效果的原则；这些效果为小到中等，而且研究越接近真实课堂，效果越小。
5. 先估计，再检验
在调节控件之前，先有一个读者应当作出明确回答的问题。在该综述中，自我解释和精细化提问被评为中等效用——有据可查，但证据基础不如提取练习和分散练习广泛。
这四个来源研究的都是在学校、大学或实验室中使用学术材料的学习者。没有任何一个来源证实本 Academy 正确地实施了这些方法，或其内容在专业上是正确的——这两个问题均在条目本身中注明。
分析笔记（Analyst Notebook）
记录您自己分析的结构。共十一个字段，顺序如下：
- 研究问题
- 假设
- 数据来源
- 观察
- 计算
- 解读
- 反方论点
- 风险
- 不确定性
- 结论
- 证据
本平台不存储任何用户文本。它既没有用户账户，也没有数据库，其隐私政策也正是这样说明的。因此，这份笔记是一个供您自行记录的结构——服务器端存储将是一项带有数据保护法律后果的产品决策，而不仅仅是实现层面的问题。