核心工作：该项目基于 210 个城市 10 年间两千三百万字的政府工作报告文本库，通过 Guided-LDA 机器学习算法进行政策主题划分。后续构建政策均衡度时间序列与政策协同度空间矩阵，并结合 M-K 检验与 SAR 模型，分析政策协同网络的时间变化及其对城市可持续发展的溢出效应，旨在揭示政策协同在城市可持续发展治理中的重要作用。

能力匹配：系统掌握 Guided-LDA 文本分析方法，熟练运用空间计量分析框架，能够围绕科学问题提炼模型并开展系统研究。

核心工作：本项目通过 Python 处理中国官员数据库，获得 2001 至 2017 年中国地级市领导人简历与调任信息；在地级市层面构建双重差分模型，定量评估领导人调任对城市可持续发展的积极影响，并通过异质性检验分析“调任效应”的潜在动机、阻力与影响因子。

能力匹配：熟练掌握 Stata 与 Python，对双重差分模型具有清晰理解，能够围绕科学问题开展系统文献综述与实证分析。

量化成果：项目成果已在“第十一届青年地学论坛”进行学生代表汇报，并转化为一篇英文论文，目前正在投稿阶段。