과학적 가설 생성

무엇을 해주나

• 관찰 사실과 해석을 분리해 '동결된 관찰 기록'을 먼저 작성하게 합니다.
• PICO/PECO 등 적합한 프레임으로 연구 질문을 정의하고, 검색 날짜·데이터베이스·필터를 기록한 **근거 경계(evidence boundary)**를 남깁니다.
• 제안 메커니즘 외에 측정 오류, 교란, 선택 편향, 충돌 변수 조건화, 역인과 등 서로 다른 계열의 경쟁 가설을 함께 생성합니다.
• 주장 유형(기술/연관/예측/인과/기전)과 인과 추정량(estimand)을 명시하고, 경쟁 가설을 구분해 낼 수 있는 예측과 대조군을 설계합니다.
• HARKing(결과를 본 뒤 가설 조작)을 막는 사전등록 초안, 편차 기록, 재현·복제 계획까지 이어집니다.
• 로컬에서 동작하는 파이썬 CLI로 가설 레코드, 측정 조작화, 예측-경쟁 매트릭스, 인과 표현 린트, 근거 원장을 형식 검증합니다(점수 매기지 않음, 네트워크 불필요).

이런 분께 추천

• 논문·학위논문 연구 계획을 세우는 대학원생과 연구자
• 사전등록(Preregistration)이나 Registered Report를 준비하는 팀
• 관찰 데이터에서 인과 주장을 함부로 하지 않도록 문서 품질을 관리해야 하는 R&D·임상연구 그룹
• 리뷰어 관점에서 연구 설계의 허점을 점검하고 싶은 분

활용 예시

1. "코호트 데이터에서 A군의 재입원율이 낮게 나왔다"는 관찰을 넣으면, 교란·선택 편향·역인과를 포함한 경쟁 가설 목록과 각 가설을 구분할 예측표를 만들어 줍니다.
2. 작성 중인 초록을 lint_causal_claims.py로 검사해 "~를 유발한다" 같은 과도한 인과 표현을 연관 표현으로 다듬습니다.
3. 정리된 가설 레코드(JSON)로 generate_preregistration_scaffold.py를 돌려 OSF 제출용 사전등록 초안 마크다운을 뽑습니다.

클로드스킬마트에서 찾은 스킬을 설치해줘.
GitHub 저장소 K-Dense-AI/scientific-agent-skills 의 skills/hypothesis-generation 폴더를 내 ~/.claude/skills/hypothesis-generation/ 에 그대로 복사해줘.
설치가 끝나면 이 스킬로 무엇을 할 수 있는지 한 줄로 알려줘.