Rimagination/good-question

解決する課題

研究者は、広範な関心や曖昧な文献のギャップから、明確で高品質な研究課題へと移行することが困難です。このプロジェクトは、あまりにも広範すぎる、対立仮説が不足している、または検証不可能な「弱い」研究課題を追求しないように防ぎ、時間とリソースを無駄にしないよう、構造化されたフレームワークを提供します。

動作方法

これはCodexやClaude Codeと互換性のあるポータブルエージェントスキルであり、厳格な科学的ワークフローを実装しています。プロセスは以下の通りです：

1. 診断：ユーザーの現在の状態（例：広範な関心、既存の提案、進行中のプロジェクトなど）を特定します。
2. モード選択：状況に応じて、メンター、レビュアー、共同研究者などの役割を切り替えます。
3. 文脈化：分野概要の構築と、分野固有のアダプター（例：AI4Scienceやバイオメディスン）の読み込みにより、証拠に基づいた根拠を確保します。
4. 精緻化：構造化されたレンズを使って候補を生成し、重要性、実現可能性、検証可能性に基づいて収束させます。
5. 検証：最終的な「編集長拒否」ゲートを実行し、プロフェッショナルなレビューに耐えうる十分な堅牢性があるかを確認します。

対象者

生態学、リモートセンシング、AI4Science、社会科学、バイオメディスンなど、さまざまな分野の学術研究者および学生で、研究方向の精緻化、助成金申請書の作成、反論の構築が必要な方々。

特徴

• 良い質問カード：作業タイトル、核心的な仮定、対立仮説、2週間のピロット計画を含む構造化された出力を生成します。
• マルチロールシミュレーション：メンターとレビュアーの異なる視点をシミュレートし、潜在的な反論を特定し、弱い点を修正します。
• 方法論的に根拠ある：Heilmeier CatechismやStrong Inferenceといった確立された科学的思考フレームワークに基づいています。
• ソース監査：文献のギャップや貢献の主張が実際に公開された資料によって裏付けられているかを検証するメカニズムを備えています。