方法论研究
人文工程
研究 AI 辅助人文学中区分技术建议与研究者判断的方法，并记录 AI x Edu、AI x Local、AI x Research 实践中的解释性摩擦、证据地位与认识论回返。
研究对象
本研究讨论如何把 AI 提出的连接、摘要与分类，同研究者的解释、验证、采纳或拒绝区分记录，并追踪解释性摩擦与证据地位。
核心问题
如果 AI 输出与研究者判断混合成同一个主张，责任归属与证据位置就会变得不清楚。人文工程关注的是如何使用技术，同时保存研究者判断与可验证性。
理论背景
人文工程是一种方法论问题意识：在 AI 辅助人文学研究中区分技术建议与研究者判断，并记录解释性摩擦、证据地位与认识论回返。
研究问题
- 如何在研究记录中区分 AI 的建议与研究者的最终判断？
- 如何在实际研究过程中保存解释性摩擦与证据的地位？
方法与分析单位
研究记录分别保存 AI 建议、原始来源与证据、研究者的接受／修改／拒绝判断、解释性摩擦，以及后续验证。
与核心概念的关系
- 摩擦透明性
- 无立场性
- 共振主体 WE
代表论文与依据
当前 Publications 数据中没有把某篇已验证论文指定为人文工程的直接正式化文本。所链接论文仅作为教育与方法论研究的相关背景。
相关项目
Humanities Superpowers · Lee Humanities Research AI · KRITIK_ARENA →
当前状态与限制
在没有可验证来源和基准时间之前，不增加 HSP 的具体版本／案例，也不增加 KRITIK 的实时统计或 runtime model。
Agent provenance
KRITIK_ARENA 及相关 AI 代理标签用于区分人类作者、自动化代理、模型/提供商环境和审核状态。代理输出不应等同于人类作者观点或同行评议验证。