scientific-critical-thinking

scientific-critical-thinking 技能提供了一个系统化的流程，用于评估科学研究的严谨性与效度。该技能专为研究人员、同行评审者及学生设计，旨在对方法论、实验设计以及科学主张的强度进行深度分析。通过利用成熟的临床与实证框架，此技能能协助用户客观评估证据质量，超越表层解读，进而识别复杂研究中的潜在缺陷或系统性问题。

• 方法论批判：评估内效度、外效度与建构效度；评估研究设计、随机化、隐匿分配及盲法程序。

• 系统性偏差检测：识别认知偏差、选择偏差、测量偏差及分析偏差，包含 HARKing（事后假说）、p-hacking（数据操弄）、流失偏差及观察者偏差。

• 证据分级：应用 GRADE 与 Cochrane 风险评估框架（ROB）对证据强度进行分级与信心评估。

• 视觉传达整合：与 scientific-schematics 技能无缝连接，自动生成出版级图表，例如偏差决策树、证据流程图及效度评估示意图。

• 统计结论效度：验证统计检定力、假设合规性，以及推论性统计方法的适当性，以支持因果或相关性主张。

• 用户应在阅读论文、执行系统性回顾或设计新实验时使用此技能，以确保研究质量符合高标准。

• 预期输入为研究方案、期刊文稿或数据报告；输出则包含批判性评估报告、风险偏差表格及设计注释。

• 若需撰写正式同行评审意见，建议切换至专用的 peer-review 技能，此工具侧重于科学评估的核心分析与调查阶段。

• 请确保生成的示意图符合无障碍标准（如对色盲友好的配色及高对比度），以最大化证据评估的可读性。