scientific-critical-thinking
Wissenschaftliches kritisches Denken auf Forschung anwenden
Auch verfügbar von: davila7
Wissenschaftliche Behauptungen enthalten oft versteckte Fehler in Methodik, Bias oder Logik. Diese Fähigkeit bietet systematische Rahmenwerke zur Bewertung der Evidenzqualität, zur Identifizierung kognitiver Verzerrungen, zur Bewertung experimenteller Designs und zur Erkennung logischer Fehlschlüsse in wissenschaftlichen Diskursen.
Die Skill-ZIP herunterladen
In Claude hochladen
Gehe zu Einstellungen → Fähigkeiten → Skills → Skill hochladen
Einschalten und loslegen
Teste es
Verwendung von "scientific-critical-thinking". Diese Behauptung bewerten: Eine neue Studie zeigt, dass Kaffeetrinken die Lebensspanne um 10 Jahre verlängert.
Erwartetes Ergebnis:
- **Methodik-Bedenken:** Ist dies beobachtend oder experimentell? Wenn beobachtend, bedeutet Korrelation nicht Kausalität.
- **Potenzielle Verzerrungen:** Selektions-Bias, wenn sich Kaffeetrinker systematisch unterscheiden; Erinnerungs-Bias bei selbstberichtetem Konsum.
- **Evidenzqualität:** Einzelne Studie bedeutet niedrige Qualität. Replikation und mechanistische Evidenz erforderlich.
- **Logische Probleme:** Ohne Randomisierung können Störvariablen wie sozioökonomischer Status nicht ausgeschlossen werden.
- **Empfehlung:** Behauptung übertreibt Evidenz. Kausale Sprache ohne RCT unangemessen.
Verwendung von "scientific-critical-thinking". Diese Zusammenfassung auf methodische Warnsignale analysieren: Ein Medikament zeigte signifikante Verbesserung bei 50 Patienten. P-Wert = 0,04.
Erwartetes Ergebnis:
- **Stichprobengrößen-Bedenken:** 50 Patienten ist klein; Effektgröße kann aufgebläht sein (Winner's Curse).
- **P-Wert-Interpretation:** P = 0,04 ist kaum signifikant; auf P-Hacking oder multiples Testen prüfen.
- **Fehlende Informationen:** Keine Power-Analyse erwähnt; kein Konfidenzintervall berichtet.
- **Verallgemeinerbarkeit:** Waren die Patienten repräsentativ? Keine Informationen zu Demografie oder Auswahlkriterien.
- **Design-Details:** War dies randomisiert? Kontrolliert? Verblindet? Zusammenfassung spezifiziert nicht.
Sicherheitsaudit
SicherThis is a pure documentation skill containing only markdown reference materials for scientific critical thinking. All 206 static findings are FALSE POSITIVES. The scanner misidentified common scientific terms (algorithm, randomization, base rate) as cryptographic patterns, research methodology terminology as reconnaissance patterns, and markdown code block delimiters as shell backtick execution. No executable code, network calls, file system operations, or cryptographic functionality exists. This skill provides educational frameworks for evaluating research methodology and evidence quality.
Risikofaktoren
⚙️ Externe Befehle (1)
Qualitätsbewertung
Was du bauen kannst
Forschungspapiere kritisieren
Veröffentlichte Studien systematisch auf methodische Strenge, Bias und Validität der Schlussfolgerungen bewerten.
Evidenzbewertung lernen
Fähigkeiten entwickeln, um wissenschaftliche Behauptungen mit etablierten Rahmenwerken wie GRADE und Evidenzhierarchie zu bewerten.
Medienbehauptungen überprüfen
Kritische-Denken-Rahmenwerke anwenden, um wissenschaftliche Behauptungen in populären Medien zu bewerten.
Probiere diese Prompts
Diese Forschungsstudie auf Methodikqualität, potenzielle Verzerrungen und ob die Schlussfolgerungen durch Evidenz gestützt werden, bewerten. Etwaige logische Fehlschlüsse im Argument identifizieren.
Das GRADE-Rahmenwerk anwenden, um die Qualität der Evidenz für diese Behauptung zu bewerten. Welche Faktoren verschlechtern oder verbessern die Evidenzqualität?
Alle potenziellen Quellen von Bias in diesem Studienidentifizieren. Für jeden Bias erklären, wie er die Ergebnisse und Schlussfolgerungen beeinflussen könnte.
Die Argumentation in diesem wissenschaftlichen Analysieren. Etwaige vorhandene logische Fehlschlüsse identifizieren und erklären, warum jeder die Validität des Arguments untergräbt.
Bewährte Verfahren
- Korrelationsunterscheiden und Kausalität fordern; experimentelle Evidenz für kausale Behauptungen verlangen
- Konsistente Bewertungsstandards anwenden, unabhängig davon, ob man mit Schlussfolgerungen übereinstimmt
- Unsicherheiten und Einschränkungen anerkennen; Evidenzstärke nicht überbewerten
Vermeiden
- Behauptungen ohne Untersuchung der Methodik oder potenzieller Störvariablen akzeptieren
- Nur das Studiendesign zur Bestimmung der Qualität verwenden; eine gut konzipierte Beobachtungsstudie schlägt ein schlechtes RCT
- Basisraten und Prior-Wahrscheinlichkeit bei der Bewertung statistischer Evidenz ignorieren