scientific-critical-thinking

scientific-critical-thinking 技能提供了一個系統化的流程，用於評估科學研究的嚴謹性與效度。該技能專為研究人員、同行評審者及學生設計，旨在對方法論、實驗設計以及科學主張的強度進行深度分析。透過利用成熟的臨床與實證框架，此技能能協助用戶客觀評估證據品質，超越表層解讀，進而識別複雜研究中的潛在缺陷或系統性問題。

• 方法論批判：評估內效度、外效度與建構效度；評估研究設計、隨機化、隱匿分配及盲法程序。

• 系統性偏差檢測：識別認知偏差、選擇偏差、測量偏差及分析偏差，包含 HARKing（事後假說）、p-hacking（數據操弄）、流失偏差及觀察者偏差。

• 證據分級：應用 GRADE 與 Cochrane 風險評估框架（ROB）對證據強度進行分級與信心評估。

• 視覺傳達整合：與 scientific-schematics 技能無縫連接，自動生成出版級圖表，例如偏差決策樹、證據流程圖及效度評估示意圖。

• 統計結論效度：驗證統計檢定力、假設合規性，以及推論性統計方法的適當性，以支持因果或相關性主張。

• 用戶應在閱讀論文、執行系統性回顧或設計新實驗時使用此技能，以確保研究品質符合高標準。

• 預期輸入為研究方案、期刊文稿或數據報告；輸出則包含批判性評估報告、風險偏差表格及設計註釋。

• 若需撰寫正式同行評審意見，建議切換至專用的 peer-review 技能，此工具側重於科學評估的核心分析與調查階段。

• 請確保生成的示意圖符合無障礙標準（如對色盲友善的配色及高對比度），以最大化證據評估的可讀性。