Rimagination/good-question

해결하는 문제

연구자들은 일반적인 관심사나 모호한 문헌의 공백에서 구체적이고 고품질의 연구 질문으로 전환하는 데 어려움을 겪습니다. 이 프로젝트는 너무 포괄적이거나 경쟁 가설이 없거나 검증 불가능한 '약한' 질문을 피하도록 도와주며, 시간과 자원을 크게 투자하기 전에 아이디어를 정제하고 스트레스 테스트할 수 있는 구조화된 프레임워크를 제공합니다.

작동 방식

Codex와 Claude Code와 호환되는 포터블 에이전트 스킬로, 엄격한 과학적 워크플로우를 구현합니다. 프로세스는 다음과 같습니다:

1. 진단: 사용자의 현재 상태(예: 광범위한 관심사, 기존 제안서, 정체된 프로젝트 등)를 식별합니다.
2. 모드 선택: 맥락에 따라 멘토, 리뷰어, 협업자 등의 역할을 전환합니다.
3. 문맥화: 분야 개요를 구축하고 AI4Science 또는 생물의학과 같은 분야 전용 어댑터를 로드하여 증거 기반의 근거를 확보합니다.
4. 정제: 구조화된 렌즈를 사용해 후보 질문을 생성한 후, 중요성, 실현 가능성, 검증 가능성 기준으로 수렴시킵니다.
5. 검증: 최종적으로 '편집장 거부' 게이트를 실행하여 질문이 전문 리뷰에 견딜 수 있을 정도로 견고한지 확인합니다.

대상

생태학, 원격 탐사, AI4Science, 사회과학, 생물의학 등 다양한 분야의 학술 연구자 및 학생으로, 연구 방향을 정리하거나 기금 신청서를 작성하거나 반박을 수행해야 하는 분들입니다.

주요 기능

• 좋은 질문 카드: 작업 제목, 핵심 가정, 경쟁 가설, 2주간의 피봇 계획을 포함한 구조화된 출력을 생성합니다.
• 다중 역할 시뮬레이션: 멘토와 리뷰어의 서로 다른 관점을 시뮬레이션하여 잠재적인 반론을 식별하고 약점을 보완합니다.
• 방법론적으로 근거 있는 접근: Heilmeier Catechism과 Strong Inference와 같은 확립된 과학적 사고 프레임워크에 기반합니다.
• 출처 감사: 문헌의 공백과 기여 주장이 실제로 공개된 자료에 의해 뒷받침되는지 확인하는 메커니즘을 포함합니다.