scientific-critical-thinking
과학 연구의 엄격성 평가
Auch verfügbar von: K-Dense-AI
과학적 주장은 방법론적 결함, 편향, 과장된 결론을 포함함에도 불구하고 종종 의심 없이 받아들여집니다. 이 스킬은 GRADE 및 Cochrane ROB와 같은 확립된 방법론을 사용하여 연구 품질을 평가하는 체계적인 프레임워크를 제공하며, 정확한 증거 평가를 가능하게 합니다.
Die Skill-ZIP herunterladen
In Claude hochladen
Gehe zu Einstellungen → Fähigkeiten → Skills → Skill hochladen
Einschalten und loslegen
Teste es
Verwendung von "scientific-critical-thinking". 이 연구를 평가하세요: 50명의 환자를 대상으로 한 무작위 시험에서 치료 효과에 대해 p=0.04를 발견했으며 약물이 효과적이라고 결론지었습니다.
Erwartetes Ergebnis:
- 방법론적 우려사항: 작은 표본 크기(n=50)는 효과 크기를 과대평가하고 재현성을 감소시킬 수 있음
- 통계적 문제: P=0.04는 임계값 바로 아래이므로 다중 비교 또는 선택적 보고를 확인해야 함
- 결론 과장: '효과적'이라는 표현은 통계적 유의성뿐만 아니라 임상적 유의성 평가가 필요함
- 누락된 정보: 검정력 분석, 효과 크기, 신뢰 구간 및 탈락 데이터가 보고되지 않음
- 권장사항: 결과는 시사적이지만 적절한 검정력을 갖춘 시험에서 재현이 필요함
Verwendung von "scientific-critical-thinking". 이 주장을 평가하세요: 200명을 대상으로 한 설문조사에서 명상이 스트레스를 50% 감소시킨다는 결과를 보여줍니다.
Erwartetes Ergebnis:
- 설계 문제: 설문조사 데이터는 인과관계가 아닌 상관관계만 확립할 수 있음
- 측정 우려사항: '50% 감소'는 명확한 조작적 정의와 검증된 도구가 필요함
- 표본 제한: 200명의 참가자가 목표 모집단을 대표하지 못할 수 있음
- 자기 보고 편향: 설문조사 응답은 사회적 바람직성과 회상 정확도에 영향을 받음
- 누락: 대조군, 무작위화 및 객관적 스트레스 측정이 없음
Verwendung von "scientific-critical-thinking". 이 초록을 검토하세요: 커피 소비와 생산성 사이에 강한 상관관계(r=0.85)를 발견했습니다.
Erwartetes Ergebnis:
- 상관관계 오류: 높은 상관관계가 인과관계를 의미하지 않음
- 교란 변수: 수면, 업무 유형 및 성격이 관계를 설명할 수 있음
- 측정 타당성: '생산성'은 명확한 정의와 객관적 측정이 필요함
- 일반화 가능성: 표본 특성과 맥락을 명시해야 함
- 제안: 인과 효과를 확립하기 위해 통제된 실험 설계가 필요함
Sicherheitsaudit
SicherPure documentation skill containing educational content about scientific methodology and critical thinking frameworks. All static findings are false positives triggered by research terminology. No executable code, network calls, or system modifications detected.
Risikofaktoren
🌐 Netzwerkzugriff (1)
Qualitätsbewertung
Was du bauen kannst
논문 비판적 검토
제출된 원고 또는 출판된 연구의 방법론적 건전성과 편향을 평가
증거 평가 학습
과학적 주장을 평가하고 연구 품질을 이해하는 기술 개발
근거 기반 의사결정 지원
정책 또는 비즈니스 의사결정을 뒷받침하는 연구 평가
Probiere diese Prompts
이 연구 방법론의 엄격성과 편향을 비판적으로 평가하세요. 연구 설계, 통계적 방법, 교란 변수 통제 및 데이터에 의해 결론이 정당화되는지 평가하세요.
이 과학적 주장을 평가하세요. 어떤 증거가 이를 뒷받침합니까? 어떤 편향이나 논리적 오류가 존재할 수 있습니까? 증거의 강도는 어느 정도입니까?
내 실험 설계를 검토하세요. 내적 및 외적 타당성에 대한 어떤 위협이 존재합니까? 어떤 편향을 통제해야 합니까? 방법론을 어떻게 개선할 수 있습니까?
GRADE 기준을 사용하여 이러한 연구들의 증거 품질을 비교하세요. 어떤 결과가 가장 신뢰할 수 있으며 그 이유는 무엇입니까? 주요 편향 출처는 무엇입니까?
Bewährte Verfahren
- 통계적 유의성과 실용적 중요성을 구별
- 항상 대안적 설명과 교란 변수를 고려
- 연구 설계 수준뿐만 아니라 연구 품질에 따라 증거의 가중치를 부여
Vermeiden
- 상관 데이터로부터 인과적 주장을 받아들임
- 유의성을 평가할 때 표본 크기와 검정력을 무시
- 출판된 연구를 확정적으로 입증된 것으로 취급