name: 科学批判性思维 description: “评估研究严谨性。评估方法论、实验设计、统计有效性、偏见、混杂、证据质量（GRADE、Cochrane ROB），用于科学 claim 的批判性分析。” allowed-tools: [Read, Write, Edit, Bash]

科学批判性思维

概述

批判性思维是评估科学严谨性的系统过程。使用 GRADE 和 Cochrane ROB 框架评估方法论、实验设计、统计有效性、偏见、混杂和证据质量。应用此技能进行科学 claim 的批判性分析。

何时使用此技能

此技能应在以下情况使用：

评估研究方法和实验设计
评估统计有效性和证据质量
识别研究中的偏见和混杂
评审科学 claim 和结论
进行系统综述或元分析
应用 GRADE 或 Cochrane 风险评估
提供研究论文的批判性分析

用科学示意图增强视觉效果

在使用此技能创建文档时，始终考虑添加科学示意图以增强视觉传达。

如果您的文档未包含示意图：

使用 scientific-schematics 技能生成 AI 驱动的出版质量示意图
只需用自然语言描述您想要的示意图
Nano Banana Pro 将自动生成、评审和精修示意图

对于新文档： 默认应生成科学示意图，以可视化文本中描述的关键概念、工作流、架构或关系。

如何生成示意图：

python scripts/generate_schematic.py "您的示意图描述" -o figures/output.png

AI 将自动：

创建具有适当格式的出版质量图像
通过多次迭代评审和精修
确保可访问性（色盲友好、高对比度）
在 figures/ 目录中保存输出

何时添加示意图：

批判性思维框架示意图
偏见识别决策树
证据质量评估流程图
GRADE 评估方法示意图
风险评估框架图
有效性评估可视化
任何受益于可视化的复杂概念

有关创建示意图的详细指南，请参考 scientific-schematics 技能文档。

核心能力

1. 方法论批判

评估研究方法的严谨性、有效性和潜在缺陷。

应用时机：

评审研究论文
评估实验设计
评估研究协议
规划新研究

评估框架：

研究设计评估
- 设计是否适合研究问题？
- 设计是否支持所提出的因果 claim？
- 比较组是否适当且充分？
- 考虑实验、准实验或观察设计是否合理
有效性分析
- 内部有效性： 我们是否信任因果推断？
  - 检查随机化质量
  - 评估混杂控制
  - 评估选择偏见
  - 评审损耗/退出模式
- 外部有效性： 结果是否可推广？
  - 评估样本代表性
  - 考虑设置的生态有效性
  - 评估条件是否匹配目标应用
- 构念有效性： 测量是否捕捉到意图构念？
  - 评审测量验证
  - 检查操作定义
  - 评估测量是直接还是代理
- 统计结论有效性： 统计推断是否可靠？
  - 验证足够功效/样本量
  - 检查假设符合情况
  - 评估测试适当性
控制和盲法
- 随机化是否正确实施（序列生成、分配隐藏）？
- 盲法是否可行且实施（参与者、提供者、评估者）？
- 控制条件是否适当（安慰剂、主动控制、无治疗）？
- 性能或检测偏见是否可能影响结果？
测量质量
- 仪器是否经过验证且可靠？
- 测量是否尽可能客观，或主观但有承认的局限性？
- 结果评估是否标准化？
- 是否使用多重测量以三角验证发现？

参考： 见 references/scientific_method.md 获取详细原则，references/experimental_design.md 获取全面设计清单。

2. 偏见检测

识别和评估可能扭曲发现的潜在偏见来源。

应用时机：

评审已发表研究
设计新研究
解释冲突证据
评估研究质量

系统偏见评审：

认知偏见（研究者）
- 确认偏见： 是否只突出支持性发现？
- HARKing： 假设是先验陈述还是结果后形成？
- 发表偏见： 文献中是否缺失阴性结果？
- 摘樱桃： 证据是否选择性报告？
- 检查预注册和分析计划透明度
选择偏见
- 抽样偏见： 样本是否代表目标人群？
- 志愿者偏见： 参与者是否以系统性方式自选？
- 损耗偏见： 退出率在组间是否不同？
- 生存者偏见： 样本中是否只看到“生存者”？
- 检查参与者流程图并比较基线特征
测量偏见
- 观察者偏见： 期望是否可能影响观察？
- 回忆偏见： 回顾性报告是否系统性不准确？
- 社会期望： 回答是否偏向可接受性？
- 仪器偏见： 测量工具是否系统性错误？
- 评估盲法、验证和测量客观性
分析偏见
- P-值操纵： 是否进行多重分析直到显著性出现？
- 结果切换： 非显著结果是否被显著结果替换？
- 选择性报告： 是否报告所有计划分析？
- 亚组钓鱼： 亚组分析是否未校正进行？
- 检查研究注册并与发表结果比较
混杂
- 哪些变量可能同时影响暴露和结果？
- 混杂是否被测量和控制（统计或设计上）？
- 未测量混杂是否能解释发现？
- 是否有合理替代解释？

参考： 见 references/common_biases.md 获取全面偏见分类与检测和缓解策略。

3. 统计分析评估

批判性评估统计方法、解释和报告。

应用时机：

评审定量研究
评估数据驱动 claim
评估临床试验结果
评审元分析

统计评审清单：

样本量和功效
- 是否进行先验功效分析？
- 样本是否足够检测有意义效应？
- 研究是否功效不足（常见问题）？
- 小样本的显著结果是否引发效应大小膨胀警示？
统计检验
- 检验是否适合数据类型和分布？
- 检验假设是否检查并满足？
- 参数检验是否合理，或应使用非参数替代？
- 分析是否匹配研究设计（例如配对 vs 独立）？
多重比较
- 是否测试多重假设？
- 是否应用校正（Bonferroni、FDR 等）？
- 主要结果是否与次要/探索性区分？
- 发现是否可能来自多重测试的假阳性？
P-值解释
- P-值是否正确解释（如果零假设为真时数据的概率）？
- 非显著性是否被错误解释为“无效应”？
- 统计显著性是否与实际重要性混淆？
- 是否报告精确 p-值，或仅“p < .05”？
- 是否有可疑聚集在 .05 以下？
效应大小和置信区间
- 是否随显著性报告效应大小？
- 是否提供置信区间以显示精度？
- 效应大小在实际意义上是否有意义？
- 标准化效应大小是否在领域特定背景下解释？
缺失数据
- 多少数据缺失？
- 是否考虑缺失数据机制（MCAR、MAR、MNAR）？
- 如何处离缺失数据（删除、插补、最大似然）？
- 缺失数据是否可能偏见结果？
回归和建模
- 模型是否过拟合（太多预测变量，无交叉验证）？
- 预测是否在数据范围外（外推）？
- 多重共线性问题是否处理？
- 模型假设是否检查？
常见陷阱
- 相关视为因果
- 忽略回归到均值
- 基本率忽视
- 德州神枪手谬误（在噪声中找模式）
- 辛普森悖论（亚组混杂）

参考： 见 references/statistical_pitfalls.md 获取详细陷阱和正确实践。

4. 证据质量评估

系统评估证据的强度和品质。

应用时机：

权衡证据做决策
进行文献综述
比较冲突发现
确定结论信心

证据评估框架：

研究设计层次
- 系统综述/元分析（干预效应最高）
- 随机对照试验
- 队列研究
- 病例对照研究
- 横断面研究
- 病例系列/报告
- 专家意见（最低）
重要： 高层设计并非总是质量更好。设计良好的观察性研究可能比设计差的 RCT 更强。
设计类型内的质量
- 风险评估（使用适当工具：Cochrane ROB、Newcastle-Ottawa 等）
- 方法论严谨性
- 透明度和报告完整性
- 利益冲突
GRADE 考虑（如适用）
- 从设计类型开始（RCT = 高，观察性 = 低）
- 降级原因：
  - 风险偏见
  - 研究间不一致
  - 间接性（错误人群/干预/结果）
  - 不精确性（宽置信区间、小样本）
  - 发表偏见
- 升级原因：
  - 大效应大小
  - 剂量-反应关系
  - 混杂会减少（非增加）效应
证据收敛性
- 更强时：
  - 多重独立复制
  - 不同研究组和设置
  - 不同方法收敛于同一结论
  - 机制和实证证据一致
- 更弱时：
  - 单一研究或研究组
  - 文献中矛盾发现
  - 发表偏见明显
  - 无复制尝试
情境因素
- 生物/理论合理性
- 与已建立知识的一致性
- 时序性（原因先于效应）
- 关系特异性
- 关联强度

参考： 见 references/evidence_hierarchy.md 获取详细层次、GRADE 系统和质量评估工具。

5. 逻辑谬误识别

检测并命名科学论证和 claim 中的逻辑错误。

应用时机：

评估科学 claim
评审讨论/结论部分
评估科普传播
识别错误推理

科学中常见谬误：

因果谬误
- 后此谬误： “B 跟随 A，所以 A 导致 B”
- 相关等于因果： 混淆关联与因果
- 反向因果： 误将原因当效果
- 单一原因谬误： 将复杂结果归因于单一因素
概括谬误
- 草率概括： 从小样本得出广泛结论
- 轶事谬误： 个人故事作证明
- 摘樱桃： 只选支持性证据
- 生态谬误： 组模式应用于个体
权威和来源谬误
- 诉诸权威： “专家说，所以为真”（无证据）
- 人身攻击： 攻击人而非论证
- 起源谬误： 凭起源判断，而非优点
- 诉诸自然： “自然 = 好/安全”
统计谬误
- 基本率忽视： 忽略先验概率
- 德州神枪手： 在随机数据中找模式
- 多重比较： 未校正多重测试
- 检察官谬误： 混淆 P(E|H) 与 P(H|E)
结构谬误
- 错误二分法： “要么 A 要么 B”当更多选项存在时
- 移动球门柱： 满足后改变证据标准
- 乞题谬误： 循环推理
- 稻草人： 曲解论证以攻击
科学特定谬误
- 伽利略赌注： “他们嘲笑伽利略，所以我的边缘想法正确”
- 无知论证： “未证明假，所以真”
- 乌托邦谬误： 拒绝不完美解决方案
- 不可证伪性： 提出不可测试 claim

当识别谬误时：

命名具体谬误
解释推理为何有缺陷
识别需要何种证据以有效推断
注意谬误推理不证明结论假——仅此论证不支持它

参考： 见 references/logical_fallacies.md 获取全面谬误目录与示例和检测策略。

6. 研究设计指导

为规划严谨研究提供建设性指导。

应用时机：

帮助设计新实验
规划研究项目
评审研究提案
改进研究协议

设计过程：

研究问题精炼
- 确保问题具体、可答且可证伪
- 验证它解决文献中空白或矛盾
- 确认可行性（资源、伦理、时间）
- 定义变量操作化
设计选择
- 匹配设计到问题（因果 → 实验；关联 → 观察）
- 考虑可行性和伦理约束
- 选择组间、组内或混合设计
- 计划析因设计如测试多因素
偏见最小化策略
- 可能时实施随机化
- 计划所有可行水平的盲法（参与者、提供者、评估者）
- 识别并计划控制混杂（随机化、匹配、分层、统计调整）
- 标准化所有程序
- 计划最小化损耗
样本规划
- 进行先验功效分析（指定预期效应、期望功效、α）
- 在样本量中考虑损耗
- 定义清晰纳入/排除标准
- 考虑招募策略和可行性
- 计划样本代表性
测量策略
- 选择验证、可靠仪器
- 可能时使用客观测量
- 计划关键构念的多重测量（三角验证）
- 确保测量对预期变化敏感
- 建立评定者间可靠性程序
分析规划
- 预指定所有假设和分析
- 明确指定主要结果
- 计划带假设检查的统计检验
- 指定如何处理缺失数据
- 计划报告效应大小和置信区间
- 考虑多重比较校正
透明度和严谨性
- 预注册研究和分析计划
- 使用报告指南（CONSORT、STROBE、PRISMA）
- 计划报告所有结果，非仅显著者
- 区分确认性和探索性分析
- 承诺数据/代码共享

参考： 见 references/experimental_design.md 获取全面设计清单，覆盖从问题到传播的所有阶段。

7. Claim 评估

系统评估科学 claim 的有效性和支持度。

应用时机：

评估论文中结论
评估媒体研究报告
评审摘要或引言 claim
检查数据是否支持结论

Claim 评估过程：

识别 Claim
- 具体 claim 是什么？
- 是因果 claim、关联 claim 还是描述性 claim？
- Claim 强度如何（已证明、可能、建议、可能）？
评估证据
- 提供何种证据？
- 证据是直接还是间接？
- 证据对 claim 强度是否足够？
- 是否排除替代解释？
检查逻辑连接
- 结论是否从数据得出？
- 是否有逻辑跳跃？
- 相关数据是否用于支持因果 claim？
- 是否承认局限性？
评估比例性
- 信心是否与证据强度成比例？
- 是否适当使用谨慎词？
- 局限性是否被淡化？
- 推测是否明确标注？
检查过度概括
- Claim 是否超出研究样本？
- 是否承认人群限制？
- 是否识别上下文依赖性？
- 是否包含关于概括的警示？
警示标志
- 相关研究使用因果语言
- “证明”或绝对确定性
- 摘樱桃引用
- 忽略矛盾证据
- 无视局限性
- 数据外推

提供具体反馈：

引用问题 claim
解释需要何种证据以支持它
如果合理，建议适当谨慎语言
区分数据（发现什么）和解释（意味着什么）

应用指南

通用方法

建设性
- 识别优势以及弱点
- 建议改进而非仅批评
- 区分致命缺陷和次要局限性
- 承认所有研究都有局限性
具体性
- 指向具体实例（例如“表 2 显示…”或“在方法部分…”）
- 引用有问题陈述
- 提供问题具体示例
- 引用违反的特定原则或标准
成比例性
- 匹配批评严重性与问题重要性
- 区分主要有效性威胁和次要关切
- 考虑问题是否影响主要结论
- 承认自己评估中的不确定性
应用一致标准
- 所有研究使用相同标准
- 不对不喜欢发现应用更严格标准
- 承认自己潜在偏见
- 基于方法而非结果做判断
考虑上下文
- 承认实际和伦理约束
- 考虑领域特定效应大小和方法规范
- 识别探索性与确认性上下文
- 评估研究中资源限制

当提供批判时

结构化反馈为：

摘要： 评估内容简要概述
优势： 做得好之处（对可信度和学习重要）
关切： 按严重性组织问题
- 关键问题（威胁主要结论有效性）
- 重要问题（影响解释但非致命）
- 次要问题（值得注意但不改变结论）
具体建议： 可操作改进建议
总体评估： 关于证据质量和可结论的平衡结论

使用精确术语：

命名具体偏见、谬误和方法问题
引用已建立标准和指南
引用科学方法论原则
准确使用技术术语

当不确定时

承认不确定性： “可能是 X 或 Y；需要额外信息 Z”
问澄清问题： “是否做了 [方法论细节]？这影响解释。”
提供条件评估： “如果做了 X，则 Y 跟随；否则，Z 是关切”
注明额外信息将解决不确定性

参考材料

此技能包含全面参考材料，提供批判性评估详细框架：

references/scientific_method.md - 科学方法论核心原则、科学过程、批判性评估标准、科学 claim 警示标志、因果推断标准、同行评审和开放科学原则
references/common_biases.md - 认知、实验、方法论、统计和分析偏见的全面分类与检测和缓解策略
references/statistical_pitfalls.md - 常见统计错误和误解，包括 p-值误解、多重比较问题、样本量问题、效应大小错误、相关/因果混淆、回归陷阱和元分析问题
references/evidence_hierarchy.md - 传统证据层次、GRADE 系统、研究质量评估标准、领域特定考虑、证据合成原则和实际决策框架
references/logical_fallacies.md - 科学讨论中常见逻辑谬误，按类型组织（因果、概括、权威、相关性、结构、统计）与示例和检测策略
references/experimental_design.md - 全面实验设计清单，覆盖研究问题、假设、研究设计选择、变量、抽样、盲法、随机化、控制组、程序、测量、偏见最小化、数据管理、统计规划、伦理考虑、有效性威胁和报告标准

何时参考：

当需要详细框架时加载参考到上下文
使用 grep 搜索参考具体主题：grep -r "模式" references/
参考提供深度；SKILL.md 提供程序指导
参考全面列表、详细标准和具体示例

记住

科学批判性思维是关于：

使用已建立原则的系统评估
改进科学的建设性批判
与证据强度成比例的信心
关于不确定性和局限性的透明度
标准的一致应用
承认所有研究都有局限性
怀疑主义和证据开放性间的平衡

始终区分：

数据（观察到什么）和解释（意味着什么）
相关和因果
统计显著性和实际重要性
探索性和确认性发现
已知和不确定内容
反对 claim 的证据和零假设证据

批判性思维目标：

准确识别优势和弱点
确定支持何种结论
识别局限性和不确定性
建议未来工作改进
推进科学理解