Scientific Critical Thinking

通过方法论评估、实验设计审查、统计有效性分析、偏倚检测和使用 GRADE 和 Cochrane 框架的证据质量评估，系统性评估科学严谨性的过程。

核心优势

• 系统性评估研究方法论和严谨性
• 跨认知、选择、测量和分析领域的偏倚检测
• 统计分析验证和陷阱识别
• 带 GRADE 考虑的证据质量评估
• 科学论证中的逻辑谬误识别
• 规划严谨研究的研究设计指导
• 有效性和支持的声明评估

主要功能

• 方法论批评：研究设计评估、有效性分析（内部/外部/构念/统计）、控制和盲法、测量质量
• 偏倚检测：认知偏倚、选择偏倚、测量偏倚、分析偏倚、混杂识别
• 统计评估：样本量/功效、检验适当性、多重比较、p 值解释、效应量/CI、缺失数据、回归建模
• 证据评估：研究设计层次、设计类型内质量、GRADE 框架、证据汇聚、上下文因素
• 谬误识别：因果谬误、概括谬误、权威/来源谬误、统计谬误、结构谬误
• 设计指导：问题细化、设计选择、偏倚最小化、样本规划、测量策略、分析规划、透明度

使用场景

• 评估研究方法论和实验设计
• 评估统计有效性和证据质量
• 识别研究中的偏倚和混杂
• 审查科学声明和结论
• 进行系统性综述或元分析
• 应用 GRADE 或 Cochrane 偏倚风险评估
• 提供研究论文的批判性分析
• 规划新的研究

包括综合参考材料：scientificmethod.md、commonbiases.md、statisticalpitfalls.md、evidencehierarchy.md、logicalfallacies.md、experimentaldesign.md

来源：https://github.com/K-Dense-AI/claude-scientific-writer/tree/main/skills/scientific-critical-thinking 许可证：MIT