hypothesis-generation

科学的仮説の生成

概要

仮説の生成とは、検証可能な説明を体系的に作り出すプロセスです。観察結果に基づく仮説を立て、実験を設計し、競合する説明を検討して予測を導き出します。さまざまな分野の科学的探究にこのスキルを活用してください。

このスキルを使用する場面

次のような場合に、このスキルを使用してください。

• 観察結果や予備データから仮説を立てる場合
• 科学的な問いを検証する実験を設計する場合
• 現象に対する競合する説明を検討する場合
• 研究に向けて検証可能な予測を立てる場合
• 文献に基づいて仮説を生成する場合
• さまざまな科学分野でメカニズム研究を計画する場合

ワークフロー

堅牢な科学的仮説を生成するには、次の体系的なプロセスに従ってください。

1. 現象を理解する

まず、説明が必要な観察結果、問い、または現象を明確にします。

• 説明が必要な中心的な観察結果やパターンを特定する
• 現象の範囲と境界を定義する
• 制約条件や特定の状況に留意する
• すでにわかっていることと、不確かなことを明確にする
• 関連する科学分野を特定する

2. 包括的な文献検索を行う

仮説の根拠を最新のエビデンスに置くため、既存の科学文献を検索します。PubMed（生物医学のトピック向け）と一般的なウェブ検索（より幅広い科学分野向け）の両方を使用してください。

生物医学のトピックの場合：

• WebFetch と PubMed の URL を使用して、関連文献にアクセスする
• 最近のレビュー、メタ分析、一次研究を検索する
• 類似の現象、関連するメカニズム、または類似システムを探す

すべての科学分野の場合：

• WebSearch を使用して、最近の論文、プレプリント、レビューを探す
• 確立された理論、メカニズム、またはフレームワークを検索する
• 現在の理解におけるギャップを特定する

検索戦略：

• まず幅広く検索して全体像を把握する
• メカニズム、経路、理論を具体的に絞り込む
• 相反する知見や未解決の議論を探す
• 詳細な検索手法については references/literature_search_strategies.md を参照する

3. 既存のエビデンスを統合する

文献検索で得られた知見を分析し、統合します。

• 現象について現在わかっていることを要約する
• 該当する可能性のある確立されたメカニズムや理論を特定する
• 相反するエビデンスや別の見解に留意する
• ギャップ、限界、未回答の問いを認識する
• 関連するシステムや分野から類似性を見いだす

4. 競合する仮説を生成する

現象を説明できる、互いに異なる仮説を3～5個立てます。それぞれの仮説は次の条件を満たす必要があります。

• 単なる記述ではなく、メカニズムに基づく説明を示す
• 他の仮説と区別できる
• 文献の統合から得られたエビデンスに基づく
• 分子、細胞、システム、集団など、異なる説明レベルを考慮する

仮説を生成するための戦略：

• 類似システムで知られているメカニズムを適用する
• 複数の因果経路を検討する
• 異なる説明スケールを探る
• 既存の説明に含まれる前提を問い直す
• メカニズムを新しい方法で組み合わせる

5. 仮説の質を評価する

references/hypothesis_quality_criteria.md に記載されている確立された品質基準に照らして、それぞれの仮説を評価します。

検証可能性： 仮説を実証的に検証できますか？ 反証可能性： どのような観察結果があれば仮説は否定されますか？ 簡潔性： エビデンスに適合する説明のうち、最も単純なものですか？ 説明力： 現象をどの程度説明できますか？ 適用範囲： どの範囲の観察結果を説明できますか？ 整合性： 確立された原則に合致していますか？ 新規性： 既存の説明を超える新たな知見をもたらしますか？

それぞれの仮説の強みと弱みを明記します。

6. 実験を設計する

実行可能な仮説ごとに、それを検証する具体的な実験または研究を提案してください。一般的なアプローチについては、references/experimental_design_patterns.mdを参照してください。

実験設計の要素：

• 何を測定または観察するか
• どのような比較や対照が必要か
• どのような方法や手法を用いるか
• 適切なサンプルサイズや統計的手法は何か
• 交絡要因にはどのようなものがあり、どう対処するか

複数のアプローチを検討してください：

• 実験室での実験（in vitro、in vivo、計算論的）
• 観察研究（横断研究、縦断研究、症例対照研究）
• 臨床試験（該当する場合）
• 自然実験または準実験デザイン

7. 検証可能な予測を立てる

仮説ごとに、具体的かつ定量的な予測を立ててください。

• 仮説が正しい場合に観察されるはずのことを述べる
• 可能であれば、効果の予想される方向と大きさを示す
• 予測が成り立つ条件を特定する
• 競合する仮説間の予測の違いを明確にする
• 仮説を反証する予測に触れる

8. 構造化された出力を提示する

assets/hypothesis_output_template.mdのテンプレートを使用し、明確で一貫した形式で仮説を提示してください。

標準的な構成：

1. 背景と文脈 - 現象と文献の要約
2. 競合する仮説 - メカニズムの説明を添えた番号付きの仮説
3. 品質評価 - 各仮説の評価
4. 実験デザイン - 各仮説を検証するために提案するテスト
5. 検証可能な予測 - 具体的で測定可能な予測
6. 重要な比較 - 仮説を区別する方法

品質基準

生成するすべての仮説が次の基準を満たすようにしてください。

• エビデンスに基づく： 引用文献を伴い、既存の文献に基づいている
• 検証可能： 具体的で測定可能な予測を含む
• メカニズムを説明する： 何が起きるかだけでなく、どのように、なぜ起きるかを説明する
• 包括的： 代替説明を検討する
• 厳密： 予測を検証する実験デザインを含む

リソース

references/

• hypothesis_quality_criteria.md - 仮説の品質（検証可能性、反証可能性、簡潔性、説明力、適用範囲、一貫性）を評価するためのフレームワーク
• experimental_design_patterns.md - 分野を問わず一般的な実験アプローチ（RCT、観察研究、実験室での実験、計算モデル）
• literature_search_strategies.md - PubMedおよび一般的な科学情報源で効果的に検索するための手法

assets/

• hypothesis_output_template.md - 必須セクションをすべて含み、仮説を一貫した形式で提示するための構成テンプレート