scientific-critical-thinking

“科学批判性思考”技能是为研究人员、科学家及分析师设计的系统性架构，用于对科学文献与实验计划进行严谨的技术评估。通过整合 GRADE 证据分级架构与 Cochrane 偏误风险 (ROB) 工具等既定方法，本技能协助使用者剖析复杂的研究宣称、识别方法论缺陷，并评估统计推论的可靠性。这是进行系统性回顾、撰写综合分析，以及确保研究方案维持高度内部、外部与构念效度之必要工具。

• 执行全面的方法论批评，包括研究设计评估、随机化质量检查与盲法验证。

• 针对认知偏误、选择偏误、测量偏误及分析偏误（如 HARKing、p-hacking、发表偏误）进行系统性检测。

• 应用证据分级架构以决定科学发现的强度与品质。

• 识别并处理潜在的干扰因子以及对统计推论有效性的威胁。

• 与 scientific-schematics 技能协作，自动生成高质量的出版级图表、决策树与偏误识别流程图。

• 当您在临床或实验室环境中审查论文、规划新实验或诠释冲突的证据时，请使用此技能。

• 输入数据通常为研究方案、论文手稿或原始实验设计；输出则包含结构化的批判性摘要、验证清单及建议的图表规划。

• 请务必验证统计假设，并确保所选的实验设计适用于特定的研究问题。

• 请注意，若要撰写正式的同行评审文件，本技能可作为 peer-review 技能的辅助，专注于分析的严谨性而非编辑语气。

• 在记录研究发现时，优先使用图表将偏误路径或实验有效性架构可视化，并确保所有视觉对象符合无障碍标准。