方法

以这份视频自评数据为例，解释报告中的时间差、部署个人校正、把画像留到下次，需要分别审查。研究者整理证据，程序给出下一步，并记录理由、责任人和复审条件。

证据仍由人判断，行动仍由人负责。程序不会自行验证研究是否真实、完整。

R1使用范围

结论是否超出了实际测试的人群、场景或信息条件？

结果可能依赖特定人群、场景或信息条件。证据不足以支持更广泛用途时，就只在已测试的范围内解释和使用。

R2额外收益

增加传感器或自动调整，真的带来改善了吗？

先与本项研究已经测试过的对照方案比较。没有证明额外收益时，保留该对照方案。

R3用户结果

只改善了模型指标，还是也检验了真实使用中的用户结果？

测量指标改善或表达偏好，不能证明实际使用中的收益。如果部署依据只有这些，就先开展预注册的真实使用研究。

R4长期复用

长期复用前，验证过稳定性、适用性和人群覆盖吗？

画像换到下次实验或其他场景，未必仍然适用；参考数据也可能未覆盖相关人群。证据缺失或不充分时，暂不长期保存或跨场景复用。

R5许可条件

是否有支持这项用途的直接证据，并满足用户控制或可逆等条件？

可逆的个性化操作，也需要与用途匹配的直接用户结果证据。满足全部许可条件、且没有其他规则要求限制时，才可在已测试范围内使用。

证据不足时，不会默认通过。

执行顺序与许可边界

R4 → R2 → R3 → R1 → R5

上方问题按编号介绍，不代表执行顺序。程序按优先级数值从小到大执行，由首个匹配规则决定结果；对应的优先级依次为 10、20、30、40、90。

校准示例

从其他校准视频学到的校正，降低了相对于参考轨迹的误差。这足以支持部署吗？

研究问题

同一段记录可以用来描述本次报告、估计个人时间校正，或建立供以后使用的画像。计算得出这些结果，还不足以说明每种用途都合适。

需要分别判断：差异能解释到哪一步，额外采集的信息是否有帮助，以及校正是否能给使用者带来收益。下面三个研究问题围绕这些判断展开。