discover-research

Research Skills の探索

自動有効化

タスクに次の内容が含まれる場合、このスキルは自動的に有効になります。

• 研究知見の統合、文献レビュー、メタ分析
• 定量的研究、統計分析、調査、実験
• 質的研究、インタビュー、エスノグラフィー、ケーススタディ
• 研究デザイン、仮説検定、サンプリング戦略
• データ収集、調査票の設計、インタビュープロトコル
• データ分析、コーディング、統計検定、可視化
• 研究論文の執筆、学術論文、引用、報告

利用可能な Research Skills

基本的な方法論スキル

1. research-synthesis - 情報の統合とメタ分析の実施

• ナラティブ統合の手法
• Python によるメタ分析の実装
• 質的知見のテーマ別統合
• エビデンスマッピングとギャップ分析
• 質評価のための GRADE フレームワーク
• 使用場面：複数の研究の知見を統合するとき

2. quantitative-methods - 定量的研究と統計分析

• 検出力分析を用いた実験デザイン
• 調査手法と分析
• 仮説検定のフレームワーク
• 診断を伴う回帰分析
• 効果量と報告
• 使用場面：数値データで仮説を検証するとき

3. qualitative-methods - 質的研究の手法

• 詳細なインタビュープロトコル
• テーマ分析（6 つの段階）
• グラウンデッド・セオリーのコーディング
• ケーススタディの研究デザイン
• 品質基準と厳密性
• 使用場面：経験や意味を探るとき

4. research-design - 研究の計画とデザイン

• 研究課題の設定（FINER 基準）
• 妥当性に対する脅威の分析
• Python ツールを使ったサンプリング戦略
• 実験統制のフレームワーク
• デザインの品質評価
• 使用場面：新しい研究をゼロから計画するとき

実装スキル

5. data-collection - 研究データを収集する手法

• 調査票の設計と妥当性確認
• インタビュープロトコルの作成
• 観察手法とフィールドノート
• データ品質管理のフレームワーク
• 回答率の最適化
• 使用場面：データ収集を実施するとき

6. data-analysis - 定量データと質的データの分析

• 包括的な記述統計
• 完全な報告を伴う推測統計検定
• 系統的な質的コーディング
• テーマの展開プロセス
• 出版可能な品質の可視化
• 使用場面：収集したデータを解釈するとき

7. research-writing - 研究論文とレポートの執筆

• ガイドライン付き IMRAD 構成
• APA 形式の統計報告
• 引用文献の管理
• 論旨の構築
• 査読への回答戦略
• 使用場面：研究成果を伝えるとき

スキルの読み込み

個別のスキルを読み込む

skills ディレクトリから

Read ../research/research-synthesis.md Read ../research/quantitative-methods.md Read ../research/qualitative-methods.md Read ../research/research-design.md Read ../research/data-collection.md Read ../research/data-analysis.md Read ../research/research-writing.md

よく使われるワークフローの組み合わせ

定量的研究：

計画段階

Read ../research/research-design.md

データ収集

Read ../research/data-collection.md Read ../research/quantitative-methods.md

分析と報告

Read ../research/data-analysis.md Read ../research/research-writing.md

質的研究：

計画段階

Read ../research/research-design.md

データ収集

Read ../research/data-collection.md Read ../research/qualitative-methods.md

分析と報告

Read ../research/data-analysis.md Read ../research/research-writing.md

文献レビュー／メタ分析：

統合段階

Read ../research/research-synthesis.md

定量的統合を含める場合

Read ../research/quantitative-methods.md

執筆段階

Read ../research/research-writing.md

混合研究法：

すべての手法

../research/research-design.md を読み込む ../research/quantitative-methods.md を読み込む ../research/qualitative-methods.md を読み込む ../research/data-collection.md を読み込む ../research/data-analysis.md を読み込む ../research/research-writing.md を読み込む

段階的な読み込み

研究フェーズに応じて、スキルを段階的に読み込みます。

フェーズ 1：計画（1～2 個のスキルを読み込む）

• research-design（常に読み込む）
• quantitative-methods または qualitative-methods（アプローチに応じて選択）

フェーズ 2：データ収集（1～2 個のスキルを追加）

• data-collection（常に読み込む）
• 特定の手法のスキルは読み込んだままにする

フェーズ 3：分析（1 個のスキルを追加）

• data-analysis（常に読み込む）
• 参照用に、手法とデータ収集のスキルは読み込んだままにする

フェーズ 4：執筆（1 個のスキルを追加し、ほかは読み込み解除できます）

• research-writing（常に読み込む）
• research-synthesis（文献を統合する場合）
• 詳細を報告するために、いずれかの手法のスキルを読み込んだままにする

フェーズ 5：統合（レビューを実施する場合）

• research-synthesis（早めに読み込む）
• quantitative-methods（メタ分析の場合）
• qualitative-methods（テーマ別統合の場合）

判断ツリー

Research Task
    ↓
Conducting new study?
    YES → Load research-design
        ↓
        Quantitative approach?
            YES → Load quantitative-methods + data-collection
        Qualitative approach?
            YES → Load qualitative-methods + data-collection
        Mixed methods?
            YES → Load both methods + data-collection
        ↓
        Ready to analyze?
            YES → Load data-analysis
        ↓
        Ready to write?
            YES → Load research-writing

    NO → Synthesizing existing research?
        YES → Load research-synthesis
            ↓
            Quantitative synthesis (meta-analysis)?
                YES → Also load quantitative-methods
            Qualitative synthesis?
                YES → Also load qualitative-methods
            ↓
            Ready to write?
                YES → Load research-writing

コンテキストに応じた読み込み

タスクに含まれるキーワードに基づいて、これらのスキルが自動的に読み込まれます。

キーワード → スキルの対応関係：

• "literature review"、"meta-analysis"、"systematic review" → research-synthesis
• "survey"、"experiment"、"hypothesis"、"statistical" → quantitative-methods
• "interview"、"ethnography"、"case study"、"lived experience" → qualitative-methods
• "study design"、"sampling"、"validity"、"research plan" → research-design
• "questionnaire"、"data collection"、"measurement" → data-collection
• "analyze data"、"coding"、"statistical test"、"thematic" → data-analysis
• "write paper"、"manuscript"、"citation"、"peer review" → research-writing

関連するスキルカテゴリ

• statistics：高度な統計手法
• data-science：機械学習とビッグデータの手法
• visualization：高度なデータ可視化
• academic-writing：一般的な学術文書の執筆スキル
• scientific-computing：研究用コンピューティングのための Python/R

クイックスタートの例

「アンケート調査を設計する必要があります」

../research/research-design.md を読み込む ../research/data-collection.md を読み込む ../research/quantitative-methods.md を読み込む

「インタビューの逐語録を分析する必要があります」

../research/qualitative-methods.md を読み込む ../research/data-analysis.md を読み込む

「メタ分析を実施する必要があります」

../research/research-synthesis.md を読み込む ../research/quantitative-methods.md を読み込む

「結果をまとめて執筆する必要があります」

../research/research-writing.md を読み込む ../research/data-analysis.md を読み込む

ベストプラクティス

1. 設計から始める：新しい研究を計画するときは、最初に research-design を読み込みます
2. 手法に応じて読み込む：必要な手法のスキル（quant または qual）のみを読み込みます
3. 段階的に追加する：研究フェーズの進行に合わせてスキルを追加します
4. 完了したら読み込み解除する：コンテキストを管理するため、完了したフェーズのスキルを読み込み解除します
5. 執筆スキルは読み込んだままにする：research-writing は文書作成のため、全過程で役立ちます

スキルのメンテナンス

すべての研究スキルは、次の基準に従います。

• 実践的なコード例（主に Python、適切な場合は R）
• 実際のテンプレートとプロトコル
• ベストプラクティスとアンチパターン
• 関連スキルへの相互参照
• コンテキスト効率を高めるため、250～400 行に最適化

ほかのスキルとの連携

研究スキルは、次のスキルと相性よく連携します。

• python-data-science：高度な分析に使用
• python-visualization：論文掲載用のグラフィックに使用
• academic-latex：論文の書式設定に使用
• git-workflow：研究プロジェクトの管理に使用
• reproducibility：再現可能な研究の実践に使用