Scientific Critical Thinking

方法論評価、実験デザインレビュー、統計的妥当性分析、バイアス検出、GRADE と Cochrane フレームワークを使用したエビデンス品質評価による科学的厳密さの系統的評価プロセス。

主な利点

• 研究方法論と厳密さの系統的評価
• 認知、選択、測定、分析領域全体のバイアス検出
• 統計分析の検証と落とし穴の識別
• GRADE 考慮事項を含むエビデンス品質評価
• 科学的議論における論理的誤謬の識別
• 厳密な研究を計画するための研究デザインガイダンス
• 妥当性とサポートのための主張評価

主な機能

• 方法論批評：研究デザイン評価、妥当性分析（内的/外的/構成概念/統計的）、対照と盲検化、測定品質
• バイアス検出：認知バイアス、選択バイアス、測定バイアス、分析バイアス、交絡の識別
• 統計評価：サンプルサイズ/検出力、検定の適切性、多重比較、p 値の解釈、効果量/CI、欠測データ、回帰モデリング
• エビデンス評価：研究デザイン階層、デザインタイプ内の品質、GRADE フレームワーク、エビデンスの収束、文脈要因
• 誤謬の識別：因果関係の誤謬、一般化の誤謬、権威/情報源の誤謬、統計的誤謬、構造的誤謬
• デザインガイダンス：質問の洗練、デザイン選択、バイアスの最小化、サンプル計画、測定戦略、分析計画、透明性

使用するタイミング

• 研究方法論と実験デザインの評価
• 統計的妥当性とエビデンスの質の評価
• 研究におけるバイアスと交絡の識別
• 科学的主張と結論のレビュー
• 系統的レビューまたはメタ分析の実施
• GRADE または Cochrane バイアスリスク評価の適用
• 研究論文の批判的分析の提供
• 新しい研究の計画

包括的な参考資料を含む：scientificmethod.md、commonbiases.md、statisticalpitfalls.md、evidencehierarchy.md、logicalfallacies.md、experimentaldesign.md

ソース：https://github.com/K-Dense-AI/claude-scientific-writer/tree/main/skills/scientific-critical-thinking ライセンス：MIT