Open Skills Logo
Open Skills

scientific-critical-thinking

评估科学主张及证据质量。适用于检验实验设计的有效性、识别偏倚与混杂因素、应用证据分级框架（如GRADE、Cochrane偏倚风险评估），或开展批判性分析教学。最适用于理解证据质量、发现研究缺陷。若需正式同行评审写作，请使用专业同行评审流程。

作者

@K-Dense-AI

分类

其他工具

安装

热度:7

下载并解压到你的 skills 目录

复制命令，发送给 OpenClaw 自动安装：

下载并安装这个技能 https://openskills.cc/api/download?slug=k-dense-ai-scientific-skills-scientific-critical-thinking&locale=zh&source=copy

科学批判性思维

技能概述

系统评估科学研究质量的专业工具，用于评审实验设计、识别偏倚、评估证据等级，并运用 GRADE 和 Cochrane 框架判断结论的可靠性。

适用场景

  • 论文质量评估：在正式同行评审之前，或个人阅读文献时，系统检查研究的方法学严谨性、统计有效性以及结论是否得到数据的充分支持。

  • 研究设计规划：在启动新研究前，获取关于随机化、盲法、样本量计算、混杂因素控制等方面的专业建议，帮助设计更严谨的实验方案。

  • 证据综合判断：进行系统评价或荟萃分析时，评估纳入研究证据等级，判断不同研究的质量差异，确定结论的可信度。

    • 核心功能

  • 方法学批判：全面评估研究设计是否支持研究问题，检查内部效度、外部效度、构念效度和统计结论效度，识别随机化、盲法、对照组设置中的问题。

  • 偏倚识别：系统检测认知偏倚（如确认偏倚、HARKing）、选择偏倚、测量偏倚、分析偏倚（如 P-hacking、选择性报告）以及混杂因素，评估它们对结果的影响。

  • 证据质量评估：运用 GRADE 系统和证据等级框架，评估研究设计类型、偏倚风险、结果一致性、间接性和精确性，判断证据的可信度等级。

    • 常见问题

    科学批判性思维和正式同行评审有什么区别？

    科学批判性思维主要用于个人研究评估、证据质量判断或同行评审前的内部质量检查。它不生成正式的评审意见书或给作者的反馈。如果需要撰写正式的同行评审报告，应该使用 peer-review 技能。

    如何判断相关性研究能否支持因果结论？

    相关性研究本身不能直接证明因果关系。需要评估：时间顺序（原因是否先于结果）、是否存在剂量-反应关系、混杂因素是否得到控制、生物学机制是否合理、不同研究是否一致。如果论文用相关性语言（"相关"、"关联"）来表述因果结论，这是一个红旗信号。

    GRADE 评估中的"降级"标准是什么？

    GRADE 系统从研究设计类型出发（RCT 初始为高质量，观察性研究初始为低质量），然后考虑五个降级因素：偏倚风险（随机化、盲法、随访是否充分）、不一致性（不同研究结果是否矛盾）、间接性（人群、干预、结局是否与目标一致）、不精确性（置信区间宽、样本小）、发表偏倚。每遇到一个严重问题就降一级。

    怎样识别研究中的 P-hacking 和选择性报告？

    检查：是否报告了所有预设结局（可对比研究注册方案与发表内容）、是否进行了多次分析但只报告显著结果、是否在看到结果后修改假设（HARKing）、是否过度进行亚组分析而无多重比较校正、P 值是否可疑地集中在 0.05 附近。

    小样本研究的结果能信吗？

    小样本研究即使统计显著也应谨慎对待：效应量可能被夸大、置信区间通常很宽、研究可能严重功效不足。需要关注：是否进行了先验功效分析、效应量是否有实际意义、是否有其他研究重复、是否过度解读结果。单个小样本研究通常只能提供低质量证据。