research-ideation

研究アイデアの創出

トピック、現象、またはデータセットから、構造化された研究課題、検証可能な仮説、実証戦略を生成します。

入力： $ARGUMENTS — トピック（例：「最低賃金が雇用に及ぼす影響」）、現象（例：「企業が地理的に集積するのはなぜか？」）、またはデータセットの説明（例：「2000～2020年の米国郡を対象とした、汚染と健康アウトカムのパネルデータ」）。

---

手順

1. 入力を理解します。 $ARGUMENTS と、参照されているファイルを読みます。関連する論文を master_supporting_docs/ で確認します。分野ごとの慣例を .claude/rules/ で確認します。

2. 研究課題を3～5件生成し、記述的なものから因果的なものの順に並べます。

   • 記述的： どのようなパターンが見られるか？（例：「Xは時間とともにどのように変化してきたか？」）
   • 相関的： どの要因と関連しているか？（例：「Zを統制した後、XとYには相関があるか？」）
   • 因果的： どのような効果があるか？（例：「XがYに及ぼす因果効果は何か？」）
   • メカニズム： なぜその効果が生じるのか？（例：「どのような経路を通じてXがYに影響するのか？」）
   • 政策： どのような含意があるか？（例：「政策XはアウトカムYを改善するか？」）

3. 各RQに、想定される論文タイプのタグを付けます（methods-referee.md に基づきます）。

   • reduced-form（DiD、IV、RD、イベントスタディ、合成コントロール）
   • structural（完全に特定されたモデルの推定）
   • theory+empirics（形式モデルと、その予測に対する実証検証）
   • descriptive（測定、データ構築、パターンの記録）
   • formal-theory（この論文では実証検証を行わない純粋な理論）
   • survey-experiment（ビネット、コンジョイント、リスト実験）
   • unsure（複数のタイプが考えられる場合。後で /interview-me を通じてユーザーが選択できます）

   .claude/references/discipline-cards.md を使い、分野に応じて分布に偏りを持たせます（econ と poli-sci では標準的な頻度が異なります。たとえば、poli-sci は econ よりも survey-experiment と formal-theory に偏ります）。

4. 各研究課題について、以下を作成します。

   • 仮説： 予想される符号や大きさを含む、検証可能な予測
   • 識別戦略： 因果関係を立証する方法（DiD、IV、RDD、合成コントロールなど）
   • データ要件： どのようなデータが必要か。利用可能か
   • 主要な仮定： 戦略が有効であるために、何が成り立つ必要があるか
   • 潜在的な落とし穴： 識別に対する一般的な脅威
   • 関連文献： 類似したアプローチを用いた論文2～3本

5. 実現可能性と貢献度に基づいて、研究課題に順位を付けます。

6. 出力を quality_reports/research_ideation_[sanitized_topic].md に保存します。

---

出力形式

# Research Ideation: [Topic]

**Date:** [YYYY-MM-DD]
**Input:** [Original input]

## Overview

[1-2 paragraphs situating the topic and why it matters]

## Research Questions

### RQ1: [Question] (Feasibility: High/Medium/Low)

**Type:** Descriptive / Correlational / Causal / Mechanism / Policy
**Paper type:** reduced-form / structural / theory+empirics / descriptive / formal-theory / survey-experiment / unsure

**Hypothesis:** [Testable prediction]

**Identification Strategy:**
- **Method:** [the identification approach you would defend in a seminar]
- **Treatment:** [What varies and when]
- **Control group:** [Comparison units]
- **Key assumption:** [the assumption the method's validity rests on, stated so it can be attacked]

**Data Requirements:**
- [Dataset 1 — what it provides]
- [Dataset 2 — what it provides]

**Potential Pitfalls:**
1. [Threat 1 and possible mitigation]
2. [Threat 2 and possible mitigation]

**Related Work:** [Author (Year)], [Author (Year)]

---

[Repeat for RQ2-RQ5]

## Ranking

| RQ | Feasibility | Contribution | Priority |
|----|-------------|-------------|----------|
| 1  | High        | Medium      | ...      |
| 2  | Medium      | High        | ...      |

## Suggested Next Steps

1. [Most promising direction and immediate action]
2. [Data to obtain]
3. [Literature to review deeper]

---

事後検証（必須、CoVe）

アイデア創出レポートを返す前に、.claude/rules/post-flight-verification.md の事後検証プロトコルを実行します。研究アイデアの創出では、次の3点で幻覚が特に生じやすいためです。

1. 先行研究に関する否定的な主張 — 「Xを研究した先行研究はない」という主張は、誤っていることがよくあります。
2. データセットの構造に関する主張 — 「CPSには educ_attain フィールドが含まれている」といった主張は、変数名、対象年、アクセス制限の有無について、確信を持って誤る可能性があります。
3. 推定量の実行可能性に関する主張 — 「これはパネル固定効果で機能する」という主張は、識別仮定を誤って述べている可能性があります。

手順

1. 主張を抽出する： 草案のアイデアレポートから、否定的な文献に関する各主張、フィールドが明示された各データセット、および主張されている各識別戦略と必要なデータ構造を抽出します。
2. 検証用の質問を作成する： 各主張について質問を作成します。例：「Card、Krueger、Autor、または過去10年間の他の研究者がXを研究していますか？ Google ScholarとNBERのワーキングペーパーを検索してください。」／「IPUMS-CPSには、1990～2024年に educ_attain 変数が含まれていますか？」
3. Agent ツールを使い、subagent_type=claim-verifier で claim-verifier を新しいコンテキストで起動する： 会話のフォークではなく、名前を指定した Agent 呼び出しを使います。会話のフォークでは草案が引き継がれてしまいます。主張、質問、参照元（WebSearch の使用可。NBER／SSRN の URL を優先し、データセットのコードブックがあれば優先）を渡します。草案は含めないでください。
4. 照合する： PASS → 緑色のブロックを付けます。PARTIAL → 不確実な RQ にフラグを付けます。FAIL → 該当する RQ／仮説／戦略を書き直します。

スキップ条件

• --no-verify フラグ
• ユーザーが「文献の確認は自分で行います」と明示している場合

---

原則

• 創造性を発揮しつつ、根拠を重視する。 ありきたりな質問を超える提案を行いますが、すべての提案は実証的に実行可能でなければなりません。
• 査読者の視点で考える。 因果に関する質問ごとに、識別上の課題をただちに特定します。
• データの入手可能性を考慮する。 利用可能なデータがない優れた質問は、実行に移せません。
• 可能であれば具体的なデータセットを提案する（FRED、Census、PSID、行政データなど）。