ISEF Topic Scoping 2027

候选课题 ／ 技术：增强艺术 ／ T15

T1572–90

同一个人换个体裁写作，"风格指纹"还认得出来吗

1 · 研究问题

作者身份验证的实用场景是"这份提交的作业是不是这位学生写的"。但学生在不同任务下的写作风格差异可能很大——议论文、实验报告、反思日志、非正式邮件在句长、被动语态、连接词、标点习惯上系统不同。一个在同体裁样本上训练的"风格指纹"，在跨体裁配对上的验证准确率是多少？跨体裁的同一作者，会不会被判为不同人（假阴性）？ 在教育应用中，假阴性意味着诬告一名诚实的学生——这是比假阳性更严重的错误，而摘要报告的指标里看不出它。 在预先固定的样本、对照与统计口径下，主效应的方向、幅度和不确定度分别是多少，结论能否在独立留出数据或独立重复中成立？

2 · 研究背景与空白

背景。 这条课题研究的不是“能不能做出一个结果”，而是一个现有结论在测量误差、样本差异和外推条件改变后还能不能站住。核心逻辑是把观察量、真实目标量与混杂因素分开：先用已知答案校验工具，再固定对照和重复单位，最后用误差棒判断差异。只给一个最高分、一次演示或一条相关关系，不能说明方法在新样本上可靠。

已有工作到哪一步。 TECA020（2025 TECA Grand Award + Special Award）"VerifyMe"（与 T2 同源，此处针对另一组主张）——摘要原文的应用定位明确是学术场景："OpenAI's ChatGPT has blurred the line between human and AI-written text, challenging academia's ability to verify authorship. Existing AI detection systems fail with paraphrased content or mimicked writing styles and misclassify human work."（注意最后半句：它明确把"误判人类作品"列为现有系统的缺陷之一——那么它自己的误判率是多少？摘要只给了准确率与 MCC/AUC，没有在教育基率下给出假阴性的绝对数量）；训练语料是 BAWE（学术写作）与 Gutenberg（文学），两者内部体裁都相对单一；"When tested on unseen authors, VerifyMe achieved 85% accuracy on human-human verification from BAWE"。摘要未报告跨体裁验证。

空白在于：三个自产结果：(a) 体裁内 vs 体裁间的验证准确率对照（用带作者与体裁双标注的公开语料）；(b) 假阴性率的绝对量——在教育场景的实际基率下（绝大多数提交是诚实的），一个 85% 准确率的系统每 100 名学生会误伤几个？这是一条基率曲线，也是本课题最有说服力的一张图；(c) 需要多少样本才能建立稳定指纹——每位作者的参考样本数从 1 篇到 20 篇，验证准确率的收敛曲线，直接对应"新学期开学时系统还没有足够样本"这个真实约束。 五字段原文的研究问句是：作者身份验证的实用场景是"这份提交的作业是不是这位学生写的"。但学生在不同任务下的写作风格差异可能很大——议论文、实验报告、反思日志、非正式邮件在句长、被动语态、连接词、标点习惯上系统不同。一个在同体裁样本上训练的"风格指纹"，在跨体裁配对上的验证准确率是多少？跨体裁的同一作者，会不会被判为不同人（假阴性）？ 在教育应用中，假阴性意味着诬告一名诚实的学生——这是比假阳性更严重的错误，而摘要报告的指标里看不出它。 这适合一年期学生课题，因为可以把主任务裁成一个对象、一个主指标和一个独立复核；即使预期差异不出现，只要校验与统计功效过关，零结果仍能界定已有结论的适用边界。

3 · 可检验假设

H1 在加入本课题预先规定的控制、校正或独立验证后，主指标将沿五字段框架所述预期方向变化，且相对基线变化 ≥ 10% 或标准化效应绝对值 ≥ 0.5；若 95% 置信区间同时排除这两个门槛，则 H1 被否证。两种尺度只选与主指标有意义的一种，并在预实验前写死。

H2 若 H1 被否证，备择机制是假定原观察主要由测量误差、样本构成、基础率、时间漂移或未控制混杂驱动；比较“仅含原变量”与“加入机制变量”的模型，若主效应方向改变或绝对值下降 ≥ 20%，则支持机制解释，否则报告当前分辨率下未找到证据。

4 · 量化验收标准

  1. 方法学校验硬门槛。 用自建管线、装置或代码重跑一个答案已知的合成算例/标准样；主量反算偏差须 ≤ 5%。不过关则停止，且后续全部结论无效。
  2. 统计口径预先写死。 独立样本、技术重复和连续观测分开计数；测量类每个关键条件至少 3 次独立重复，技术重复只估计仪器噪声，并用误差传播或方差分量合成不确定度。极不平衡分类主报 PR-AUC、precision、recall，不以 accuracy 为主，因为全猜多数类也会虚高；时间序列按时间划分并把随机划分仅作泄漏对照。
  3. 正式采集前固定主指标、排除规则、对照、效应方向与 10%（或标准化效应 0.5）判据；报告全部独立重复、效应量和 95% 置信区间，不只报 p 值或最佳一次。
  4. 至少完成一项阴性对照和一项敏感性分析；改变关键阈值、预处理或模型选择时，主结论不得仅由单一任意选择决定。
  5. 用独立批次、独立留出段或第二种原理不同的方法复核主量；不一致时优先报告不一致与误差预算，不平均成一个“更好看”的数字。
  6. 可复现性。 保存原始数据、清洗记录、参数、环境版本、随机种子、脚本和排除日志；第三方应能重建主表与主图。

5 · 数据与工具

用途 来源 / 工具
研究对象与主问题 作者身份验证的实用场景是"这份提交的作业是不是这位学生写的"。但学生在不同任务下的写作风格差异可能很大——议论文、实验报告、反思日志、非正式邮件在句长、被动语态、连接词、标点习惯上系统不同。一个在同体裁样本上训练的"风格指纹"，在跨体裁配对上的验证准确率是多少？跨体裁的同一作者，会不会被判为不同人（假阴性）？ 在教育应用中，假阴性意味着诬告一名诚实的学生——这是比假阳性更严重的错误，而摘要报告的指标里看不出它。
原创切口 三个自产结果：(a) 体裁内 vs 体裁间的验证准确率对照（用带作者与体裁双标注的公开语料）；(b) 假阴性率的绝对量——在教育场景的实际基率下（绝大多数提交是诚实的），一个 85% 准确率的系统每 100 名学生会误伤几个？这是一条基率曲线，也是本课题最有说服力的一张图；(c) 需要多少样本才能建立稳定指纹——每位作者的参考样本数从 1 篇到 20 篇，验证准确率的收敛曲线，直接对应"新学期开学时系统还没有足够样本"这个真实约束。
前作与对照基准 TECA020（2025 TECA Grand Award + Special Award）"VerifyMe"（与 T2 同源，此处针对另一组主张）——摘要原文的应用定位明确是学术场景："OpenAI's ChatGPT has blurred the line between human and AI-written text, challenging academia's ability to verify authorship. Existing AI detection systems fail with paraphrased content or mimicked writing styles and misclassify human work."（注意最后半句：它明确把"误判人类作品"列为现有系统的缺陷之一——那么它自己的误判率是多少？摘要只给了准确率与 MCC/AUC，没有在教育基率下给出假阴性的绝对数量）；训练语料是 BAWE（学术写作）与 Gutenberg（文学），两者内部体裁都相对单一；"When tested on unseen authors, VerifyMe achieved 85% accuracy on human-human verification from BAWE"。摘要未报告跨体裁验证。；仅用于校验与对比，不计入本项目的数据贡献
数据/样本 需核实：可取得数量、独立单位、标签/测量定义、许可与缺失情况；未确认内容不得写成已具备
分析工具 纯 CPU、16 GB 笔记本可运行的开源工具优先；需核实版本、许可、输入格式、分组/时序划分和不确定度输出能力
校验材料 已知答案的合成数据、标准样或公开基准；仅用于校验与对比，不计入本项目的数据贡献
风险边界 最可能死在语料——需要同一作者、多个体裁的标注语料。这是 go/no-go。 可能的来源：博客作者语料（同一博主的不同类型文章）、公开的学生写作语料、Gutenberg 中同时写小说与书信/散文的作者（后者完全公开且免费，是最稳妥的起点）。 与 T2 的区别必须写清楚：T2 问"跨作者的区分是否靠话题"，T15 问"同作者的跨体裁是否仍被认作同一人"——一个是假阳性方向，一个是假阴性方向，实验设计与结论都不同。同时选这两条投同一个赛季会构成自我重复，只能选一条。 人类受试者：不触发（公开既有文本语料）。若使用任何真实学生写作，必须确认其为已公开发布的去标识化语料。 可行性高：特征提取 + 距离度量，纯 CPU。

6 · 方法路径

  1. 装环境或搭装置，跑通已知答案算例并完成校验。 锁定版本、单位、坐标/标签定义和误差计算；反算偏差 >5% 时只修方法，不进入正式样本。
  2. 核实工具能力边界并逐条排查静默失败点。 五字段原约束为：最可能死在语料——需要同一作者、多个体裁的标注语料。这是 go/no-go。 可能的来源：博客作者语料（同一博主的不同类型文章）、公开的学生写作语料、Gutenberg 中同时写小说与书信/散文的作者（后者完全公开且免费，是最稳妥的起点）。 与 T2 的区别必须写清楚：T2 问"跨作者的区分是否靠话题"，T15 问"同作者的跨体裁是否仍被认作同一人"——一个是假阳性方向，一个是假阴性方向，实验设计与结论都不同。同时选这两条投同一个赛季会构成自我重复，只能选一条。 人类受试者：不触发（公开既有文本语料）。若使用任何真实学生写作，必须确认其为已公开发布的去标识化语料。 可行性高：特征提取 + 距离度量，纯 CPU。 此外检查单位或标签错位、全数据预处理泄漏、相关观测冒充独立 n、缺失值静默填 0、默认参数改变口径、输出正常但物理量方向或尺度错误；每项用最小反例测试，不能以“软件未报错”作为通过。
  3. 预注册最小设计。 把主问题收敛为一个对象、一个主指标、一个主要对照；写死样本单位、重复数、阈值、排除规则和降级触发条件。
  4. 采集或整理正式数据。 保留原始输入与时间戳/批次，盲化能盲化的标签；协议偏离当天登记，不覆盖原记录。
  5. 估计主效应与不确定度。 同时报原口径与校正口径，给出误差棒、效应量、失败样本和敏感性曲线；分类、时序或测量问题按 §4 执行。
  6. 检验 H2 与边界条件。 H1 不成立时不临时换题，而是量化测量误差、样本构成、基础率、时间漂移或混杂能解释多少。
  7. 独立交叉校验。 使用独立批次、留出时间段或第二种原理不同的方法复算主量；失败时以“不一致”为主结果，不选择性保留支持预期的路径。

7 · 新颖性边界

本课题不声称什么： 不声称首次进入该主题，不声称重新发现或推翻前作，也不把前作的项目编号、年份、奖级、引文和数字据为本项目结果；具体已有工作是：TECA020（2025 TECA Grand Award + Special Award）"VerifyMe"（与 T2 同源，此处针对另一组主张）——摘要原文的应用定位明确是学术场景："OpenAI's ChatGPT has blurred the line between human and AI-written text, challenging academia's ability to verify authorship. Existing AI detection systems fail with paraphrased content or mimicked writing styles and misclassify human work."（注意最后半句：它明确把"误判人类作品"列为现有系统的缺陷之一——那么它自己的误判率是多少？摘要只给了准确率与 MCC/AUC，没有在教育基率下给出假阴性的绝对数量）；训练语料是 BAWE（学术写作）与 Gutenberg（文学），两者内部体裁都相对单一；"When tested on unseen authors, VerifyMe achieved 85% accuracy on human-human verification from BAWE"。摘要未报告跨体裁验证。

已有工作做到哪一步： 五字段证据表明前作已完成其原始对象、方法或性能演示；本项目完整保留这条事实，不把摘要未写出的信息推断为“没有做”。数据集、器材规格、价格、货期或外部文献的任何补充均标为“需核实”。

本项目贡献（属「评价维度转换」；若使用全新独立对象则同时属「新样本独立检验」，若核心是校准与脚本则同时属「方法可复现性贡献」）： 三个自产结果：(a) 体裁内 vs 体裁间的验证准确率对照（用带作者与体裁双标注的公开语料）；(b) 假阴性率的绝对量——在教育场景的实际基率下（绝大多数提交是诚实的），一个 85% 准确率的系统每 100 名学生会误伤几个？这是一条基率曲线，也是本课题最有说服力的一张图；(c) 需要多少样本才能建立稳定指纹——每位作者的参考样本数从 1 篇到 20 篇，验证准确率的收敛曲线，直接对应"新学期开学时系统还没有足够样本"这个真实约束。 主结论是原结论在预注册控制与独立复核下的效应幅度及适用边界，不是附带造一个更复杂模型或装置。

为何有价值： 它把“看起来有效”转换为“在多大误差、何种样本和什么阈值下仍有效”。差异不显著同样是有效结论，但必须给出误差棒证明有能力分辨预注册的 10% 相对变化或标准化效应 0.5；置信区间过宽只能写“测不出来”。

8 · 决策门槛（go / no-go）

第 5 周末必须同时满足：校验偏差 ≤ 5%、至少取得计划独立样本的 20%、主指标能从原始输入稳定重算。任一不满足，立即启动具名降级路径 “单对象能力边界标定”：砍掉多对象/多模型比较，只保留最可得的一种对象、一个主指标和一个独立复核，转而报告误差、敏感性与最小可分辨效应；主结论仍是“原结论在什么条件下站得住”。

与“附属赛后不得修改”的冲突点：主指标、阈值、样本排除、对照、预处理和降级触发条件必须赛前定死。须提前核实： 最可能死在语料——需要同一作者、多个体裁的标注语料。这是 go/no-go。 可能的来源：博客作者语料（同一博主的不同类型文章）、公开的学生写作语料、Gutenberg 中同时写小说与书信/散文的作者（后者完全公开且免费，是最稳妥的起点）。 与 T2 的区别必须写清楚：T2 问"跨作者的区分是否靠话题"，T15 问"同作者的跨体裁是否仍被认作同一人"——一个是假阳性方向，一个是假阴性方向，实验设计与结论都不同。同时选这两条投同一个赛季会构成自我重复，只能选一条。 人类受试者：不触发（公开既有文本语料）。若使用任何真实学生写作，必须确认其为已公开发布的去标识化语料。 可行性高：特征提取 + 距离度量，纯 CPU。 同时核实许可、设备/软件真实能力、场地、表格和采购可得性。已知困难及其定位：这些限制就是能力边界，不用未经核实的规格填补。选择前提：学生愿意做重复、校验和零结果解释。预算裁剪顺序：先砍多模型/多材料，再砍次要指标，再砍展示性装置；不得砍校验、主要对照、独立重复和交叉验证。

净实验窗口按 2026-08 至 12 月约 3–4 个月规划。按实际对象核实合规：附属赛后项目不得更改；展台禁液体（含水）、土壤、玻璃、锐器、化学品、干燥粉末、>100 Wh 电池和通电无人机，禁网址与二维码；家中不得培养任何潜在危险生物制剂；涉及脊椎动物、人类受试者、激光、高真空或 SDS 标注的致癌致畸化学品时，须在相应动作前确认审批。AI 不得用于撰写研究计划、摘要、展板或引文。

评分： O=8, W=8, F=8, S=7, Fit=10 → base=80.6，h=9 → [72, 90]，置信度：中（跨体裁语料可及性未核实）

自己继续找题

bash python3 analysis/mine_isef.py --cat TECA --awarded-only "你感兴趣的关键词" python3 analysis/score_topics.py your_scores.tsv

但在 TECA，工具的价值有限——两届只有 40 个项目，你应该直接把 40 个摘要全部读一遍，这只需要一个下午，而且比任何关键词检索都可靠。本文件就是这么做的。

动作永远是同一个：拿一个近届获奖作品，问它没问的那个关于自身有效性的问题。

但在 TECA，还有两道前置筛子： 1. 这个结论能不能印在一张静态展板上？ 展台禁液体、禁玻璃、禁锐器、禁网址与二维码。凡是"评委必须亲自试一下才懂"的课题，直接放弃。 2. 剥掉方法学之后，还剩下艺术/文化/表达这个对象吗？ 如果没有，这个课题属于 SOFT 而不是 TECA。

本赛道最高产的五种问法：

  1. 这个指标度量的是艺术性吗。 T5、T6 都是这么来的。生成音乐、重建图像、评价发音——这个类目的评价问题是全 ISEF 最尖锐的，而没有一个获奖项目在做它。
  2. 金标准是谁，他们自己一致吗。 T7 是这么来的。凡是"与专家等效"，先问专家之间等效吗。
  3. 谁在录音/演奏/签署/佩戴。 T3、T8、T9 都是这么来的。凡是感知类系统，先问"换一个人还行吗"。
  4. 链条上还有哪一环没报告误差。 T4 是这么来的。OMR → 音高追踪 → 比对，三环只报了一个总数。
  5. 两个耦合的主张，其中一个有数字吗。 T14 是这么来的。"融合达到高保真"与"用便宜设备省 330 倍成本"是两件事。

几条本文件核查过但没写成课题的线索，留给你： - TECA016T（2025 Grand，eiBraille） 报告"学习速度提升 9 倍，掌握时间从 3 年缩短到 6 个月"、"5 万次循环 100% 致动"、"96% 实时传输准确率"。9 倍的对照组是什么？ "3 年"是一个人群统计量，不是同期对照。另外 5 万次循环的加速寿命测试与真实使用条件的对应关系也从未说明。这条没写成课题是因为重做需要硬件与人类受试者，但它的方法学问题非常清晰。 - TECA017（2026 Grand，EyeR） 报告"总材料成本约 138 美元、工作符合预期"，但没有任何可测量的光学性能指标（视场角、eye box、调制传递函数、色差）。一副 AR 眼镜的价值恰恰在这些量上。 - TECA019（2026，未获奖） 用 35,182 条话语区分言语障碍与双语口音，多层感知器 97.6%——但数据来自"三个障碍数据集、两个双语数据集、两个对照数据集"共七个来源。如果障碍与非障碍来自不同的录音项目，模型完全可能在识别录音条件而非言语特征。这是一个几乎与 C1/B5 同构的数据集来源混杂问题，只是它没有获奖，所以本文件没有选它。 - TECA011（2026，未获奖） 用非谐性与品质因数检测琴弦损伤，自己诚实报告"若干数据组标准差很大，归因于仪器精度不足"——这是一个可以直接接手的、需要更精密测量的物理课题（但更适合 PHYS 类目）。 - TECA002（2025，未获奖，RestART） 在人工制造的损伤上评估艺术品修复模型——与 T10 完全同构的"合成损伤能否代理真实损伤"问题。

一条规矩

凡是"某项目做了/没做 X"的判断，必须回摘要原文核对。

本文件里有三条的核心前提尚待核实，已在各自"约束"栏写明退路：T10（SAMA 的"progressively degrading speech"是真实纵向录音还是人工合成）、T12（Kintsugi-Splitter 的开源代码是否能跑通、算力是否在 CPU 范围内）、T3（SmartStrings 的划分方式，摘要只说数据是"self-recorded"）。

同时必须承认，TECA004（ArticuRace）与 TECA013（2025 年的 ASR 测试）在方法学上做得比多数同类严谨——前者设了人类对照组、用了等效性检验、并诚实报告 AI 在点估计上不如教师；后者用了方差分析与傅里叶分析并明确写出"需要更多研究"。你的课题针对它们时，措辞必须先承认这些。

每一条"它没做 X"，你都要能当场翻到摘要的那一段。