Sinh giả thuyết khoa học

Kỹ năng này làm gì

• Buộc bạn ghi lại quan sát gốc (nguồn, dân số, đơn vị, độ bất định) trước khi diễn giải.
• Định khung câu hỏi nghiên cứu bằng PICO/PECO hoặc khung phù hợp với nghiên cứu chẩn đoán, tiên lượng, định tính.
• Ghi ranh giới bằng chứng có ngày tháng: cơ sở dữ liệu, truy vấn, bộ lọc, giới hạn — không bao giờ tuyên bố "chưa có ai làm".
• Sinh nhiều giả thuyết đối lập thuộc các lớp khác nhau: nhiễu (confounding), thiên lệch chọn mẫu, collider, nhân quả ngược, sai số đo lường.
• Khai báo loại tuyên bố và causal estimand, thiết kế dự đoán phân biệt cùng nhóm chứng âm/dương đúng nghĩa.
• Chống HARKing bằng khung tiền đăng ký, nhật ký sai lệch và kế hoạch lặp lại nghiên cứu.
• Có bộ CLI Python chạy cục bộ, không cần mạng, chỉ kiểm tra tính nhất quán cấu trúc chứ không chấm điểm giả thuyết.

Phù hợp với ai

• Nghiên cứu sinh, học viên cao học đang viết đề cương hoặc luận văn
• Nhóm chuẩn bị preregistration trên OSF hoặc Registered Report
• Nhóm R&D, nghiên cứu lâm sàng cần kiểm soát ngôn ngữ nhân quả trong báo cáo
• Người phản biện muốn rà lỗ hổng thiết kế nghiên cứu

Ví dụ sử dụng

1. Đưa quan sát "nhóm dùng ứng dụng có tỷ lệ tái khám thấp hơn" và nhận về danh sách giả thuyết đối lập kèm bảng dự đoán phân biệt từng giả thuyết.
2. Chạy lint_causal_claims.py trên bản nháp bài báo để phát hiện câu suy diễn nhân quả từ dữ liệu quan sát.
3. Từ file JSON hồ sơ giả thuyết, sinh bản nháp preregistration bằng generate_preregistration_scaffold.py.

Hãy cài skill mình tìm thấy trên Claude Skill Mart.
Copy thư mục skills/hypothesis-generation từ repo GitHub K-Dense-AI/scientific-agent-skills vào ~/.claude/skills/hypothesis-generation/ của mình.
Sau khi cài xong, cho mình biết skill này làm được gì trong một câu.