科学批判性思维

解决的问题

科研论文、实验方案和科学主张常见的问题不是“有没有结果”，而是结果能否支持结论：设计是否匹配问题、统计推断是否可靠、偏倚是否被控制、证据强度是否足够、推理是否跳跃。本技能把这些检查点拆成可执行流程，用 GRADE 和 Cochrane ROB 框架帮助工程师或研究者审阅方法、设计与结论。

如何工作

• 方法论批判：检查研究设计、内部/外部/构念/统计结论有效性、随机化、盲法、测量质量。
• 偏倚识别：覆盖确认偏倚、发表偏倚、选择偏倚、测量偏倚、分析偏倚和混杂因素。
• 统计评估：审查样本量、功效、多重比较、P 值解释、效应大小、置信区间、缺失数据和模型假设。
• 证据质量：结合研究设计层级、收敛性和 GRADE 上调/下调因素判断结论可信度。
• 主张评估：从相关性到因果性、从数据到结论，检查逻辑谬误和过度泛化。

执行时，技能会先判断需求属于哪类审查，再按需读取 references 中的对应清单；信息不足时补问研究设计、样本量、结局指标等关键信息，最后按“严重问题 → 重要问题 → 轻微局限”输出建设性反馈。

适用边界

适合论文审阅、研究方案评审、系统性综述、元分析和科学主张评估。它不提供医学诊断、统计计算或领域专业判断；证据矛盾或信息缺失时，应列出待确认事项，而不是强行给出结论。