Compétences scientific-critical-thinking

🔬

scientific-critical-thinking

Name: scientific-critical-thinking
Author: K-Dense-AI

Sûr ⚙️ Commandes externes

Appliquer la pensée critique scientifique à la recherche

Également disponible depuis: davila7

Les affirmations scientifiques contiennent souvent des failles cachées dans la méthodologie, les biais ou la logique. Cette compétence fournit des cadres systématiques pour évaluer la qualité des preuves, identifier les biais cognitifs, évaluer la conception expérimentale et détecter les erreurs logiques dans le discours scientifique.

Prend en charge: Claude Codex Code(CC)

🥉 72 Bronze

Télécharger le ZIP du skill

Importer dans Claude

Allez dans Paramètres → Capacités → Skills → Importer un skill

Activez et commencez à utiliser

Tester

Utilisation de "scientific-critical-thinking". Évaluez cette affirmation : Une nouvelle étude montre que boire du café prolonge l'espérance de vie de 10 ans.

Résultat attendu:

**Préoccupations méthodologiques :** Est-ce observationnel ou expérimental ? Si observationnel, corrélation n'équivaut pas à causalité.
**Biais potentiels :** Biais de sélection si les buveurs de café diffèrent systématiquement ; biais de rappel dans la consommation auto-déclarée.
**Qualité des preuves :** Une seule étude signifie une qualité faible. Besoin de réplication et de preuves mécanistiques.
**Problèmes logiques :** Sans randomisation, impossible d'exclure les variables confusionnelles comme le statut socio-économique.
**Recommandation :** L'affirmation surestime les preuves. Le langage causal est inapproprié sans ECR.

Utilisation de "scientific-critical-thinking". Analysez ce résumé pour les drapeaux rouges méthodologiques : Un médicament a montré une amélioration significative chez 50 patients. Valeur p = 0,04.

Résultat attendu:

**Préoccupation concernant la taille de l'échantillon :** 50 patients est petit ; la taille de l'effet peut être gonflée (Malédiction du gagnant).
**Interprétation de la valeur p :** P = 0,04 est à peine significatif ; vérifier le p-hacking ou les comparaisons multiples.
**Informations manquantes :** Aucune analyse de puissance mentionnée ; aucun intervalle de confiance rapporté.
**Généralisabilité :** Les patients étaient-ils représentatifs ? Pas d'informations sur les données démographiques ou les critères de sélection.
**Détails de la conception :** Était-ce randomisé ? Contrôlé ? En aveugle ? Le résumé ne le précise pas.

Audit de sécurité

Sûr

v4 • 1/17/2026

This 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.

Fichiers analysés

3,371

Lignes analysées

résultats

Total des audits

Facteurs de risque

⚙️ Commandes externes (1)

SKILL.md:39-41

Audité par: claude Voir l’historique des audits →

Score de qualité

Architecture

100

Maintenabilité

Contenu

Communauté

100

Sécurité

Conformité aux spécifications

Ce que vous pouvez construire

Critiquer des articles de recherche

Évaluer systématiquement les études publiées pour la rigueur méthodologique, les biais et la validité des conclusions.

Apprendre l'évaluation des preuves

Développer des compétences pour évaluer les affirmations scientifiques en utilisant des cadres établis comme GRADE et la hiérarchie des preuves.

Vérifier les affirmations médiatiques

Appliquer des cadres de pensée critique pour évaluer les affirmations scientifiques rapportées dans les médias populaires.

Essayez ces prompts

Critique de base d'un article

Évaluez cette étude de recherche pour la qualité de la méthodologie, les biais potentiels et si les conclusions sont étayées par des preuves. Identifiez les erreurs logiques dans l'argument.

Évaluation des preuves

Appliquez le cadre GRADE pour évaluer la qualité des preuves pour cette affirmation. Quels facteurs abaissent ou augmentent la qualité des preuves?

Identification des biais

Identifiez toutes les sources potentielles de biais dans la conception de cette étude. Pour chaque biais, expliquez comment il pourrait affecter les résultats et les conclusions.

Détection des erreurs logiques

Analysez le raisonnement dans cet argument scientifique. Identifiez les erreurs logiques présentes et expliquez pourquoi chacune compromet la validité de l'argument.

Bonnes pratiques

Distinguer entre corrélation et causalité ; exiger des preuves expérimentales pour les affirmations causales
Appliquer des normes d'évaluation constantes indépendamment de l'accord avec les conclusions
Reconnaître l'incertitude et les limites ; éviter de surestimer la force des preuves

Éviter

Accepter les affirmations sans examiner la méthodologie ou les variables confusionnelles potentielles
Utiliser uniquement la conception de l'étude pour déterminer la qualité ; une étude observationnelle bien conçue bat un ECR médiocre
Ignorer les taux de base et la probabilité a priori lors de l'évaluation des preuves statistiques

Foire aux questions

Qu'est-ce que le cadre GRADE ?

GRADE évalue la qualité des preuves à quatre niveaux : élevé (effet vrai certain), modéré, faible et très faible. Les ECR commencent élevé ; les études observationnelles commencent faible.

Comment détecter le p-hacking ?

Recherchez des valeurs p parfaitement suspectes juste en dessous de 0,05, des analyses multiples non déclarées ou des analyses de sous-groupes sans correction.

Qu'est-ce que le biais de confirmation ?

La tendance à chercher, interpréter et mémoriser des informations qui confirment les croyances préexistantes tout en ignorant les preuves contradictoires.

Quand puis-je déduire une causalité ?

La causalité nécessite une manipulation expérimentale avec randomisation, ou des preuves solides provenant d'expériences naturelles sans alternatives plausibles.

Qu'est-ce que le sophisme du tireur du Texas ?

Trouver des motifs dans des données aléatoires après coup, comme tirer des flèches puis dessiner des cibles autour des groupes pour les rendre significatifs.

Comment évaluer la qualité des preuves ?

Considérez la conception de l'étude, le risque de biais, la cohérence, la directivité, la précision et le biais de publication en utilisant des cadres comme GRADE ou le Risque de biais Cochrane.