scientific-critical-thinking

scientific-critical-thinking 技能概覽

scientific-critical-thinking 技能可幫助你判斷一個科學主張是否真的有證據支持，而不只是說得很有自信而已。它特別適合需要評估研究品質、找出偏誤或混雜因素，以及判斷研究發現是否足夠可信、可引用或可延伸的讀者。如果你想要的是一個超越泛泛懷疑態度的 scientific-critical-thinking 技能，這個版本更偏向證據評估，而不是意見寫作。

這個 scientific-critical-thinking 技能的用途

當真正的工作是評估研究方法、實驗設計、統計有效性與證據強度時，就應該使用 scientific-critical-thinking。它很適合用於文獻回顧支援、主張查核、批判性分析教學，以及搭配 GRADE 或 Cochrane Risk of Bias 這類框架做證據分級。

最適合哪些人

這份 scientific-critical-thinking 指南最適合研究人員、學生、分析師，以及需要有結構地閱讀論文的技術寫作者。它重點不在摘要論文，而是在判斷這篇論文究竟能支持什麼、又不能支持什麼。

主要差異點

它的核心價值在於有紀律的評估：找出薄弱的控制組、隱藏的混雜因素、過度延伸的結論，以及證據層級不相稱的問題。當你需要一種可重複的 scientific-critical-thinking for Peer Review 式分析、但又不打算寫成完整正式審查時，這個技能也很有用。

如何使用 scientific-critical-thinking 技能

安裝並檢視這個技能

先用技能頁面上顯示的目錄指令完成安裝，然後第一步打開 scientific-skills/scientific-critical-thinking/SKILL.md。由於這個 repo 沒有 rules/、resources/ 或 scripts/ 輔助資料夾，核心指令檔就是 scientific-critical-thinking install 與使用行為的主要依據。

提供證據，而不是模糊主題

好的 prompt 應該包含主張、論文或摘要、研究類型，以及你需要做的決策。較好的輸入例如：「請評估這項小鼠研究是否足以支持 X 的因果主張，重點看控制組、樣本數、混雜因素與統計強度。」較弱的輸入則是：「幫我看這篇論文。」更完整的 prompt 會讓 scientific-critical-thinking skill 有足夠脈絡判斷有效性，而不是只改寫內容。

採用有結構的工作流程

先寫出你要回答的問題，再提供來源文字，最後指定評估角度。一個實用的 scientific-critical-thinking usage 模式是：1) 辨識主張，2) 對應證據類型，3) 檢查設計與偏誤，4) 判斷強度與限制，5) 說明哪些結論有正當性。這樣可以讓輸出始終聚焦在決策品質。

先讀對的部分

先從 SKILL.md 開始，尤其是總覽與「何時使用」的指引，接著掃過任何定義評估標準或特殊處理方式的段落，例如 schematics。如果你要把這個技能改造成自己的工作流程，請把這份檔案當成批判檢查表，而不是通用摘要模板。

scientific-critical-thinking 技能 FAQ

這跟一般的批判提示一樣嗎？

不一樣。一般 prompt 常常只會產出表層的稱讚或批評。scientific-critical-thinking 技能更適合用在你需要一種可重複方式來評估嚴謹度、證據品質與推論強度的情境。

初學者適合用嗎？

可以，只要使用者能提供具體的論文、主張或摘要。初學者最容易得到好結果的方式，是要求簡短結論加上理由，而不是完整的方法學長文。

什麼情況下不該用？

如果你需要正式 peer review 語氣、編輯改寫，或投稿回覆信，就不要用 scientific-critical-thinking。這些情境下，專門的 peer-review 工作流程會比硬要這個技能處理不同任務更合適。

這會取代讀論文嗎？

不會。它是幫你用更好的角度去讀。scientific-critical-thinking guide 對於結構化判斷很有幫助，但你仍然需要原文、方法與結果，分析才有意義。

如何改進 scientific-critical-thinking 技能

要求明確的判準標準

最好的結果通常來自你先講清楚「夠好」的標準是什麼：是否足以支持因果關係、是否可接受發表、是否具有臨床意義，或是否符合內部效度。這樣 scientific-critical-thinking skill 才能把證據拿來對準正確基準，而不是只給出泛用評論。

提供會改變答案的研究脈絡

補上會影響解讀的設計細節：隨機或觀察性研究、樣本數、主要終點、對照組、混雜因素，以及主張是機制性還是臨床性。這些資訊會明顯提升 scientific-critical-thinking usage，因為它們決定了最需要注意的是哪一類偏誤或過度推論。

要求帶限制的結論

請求最終輸出時把「支持」、「部分支持」和「不支持」分開，並列出阻礙更強主張的關鍵限制。這對 scientific-critical-thinking for Peer Review 類任務特別有用，因為你需要的是清楚的建議，而不只是評論。

用針對性的追問逐步修正

如果第一輪答案太廣，就只追問一個更窄的面向：只看偏誤、只看統計，或只看主張與資料是否一致。這通常比要求模型「更嚴格一點」更有效，也能讓 scientific-critical-thinking install 工作流程產出更銳利、更實用的分析。