scientific-brainstorming

科学的ブレインストーミング

目的と境界

このスキルは、候補となる研究の方向性を作成し、整理し、吟味し、透明性をもって優先順位を付けるために使用します。すべての出力は提案として扱い、知見としては扱いません。創造性の手法は参加の仕方やアイデアの創出量を変え得ますが、独自性、有用性、科学的妥当性を普遍的に高める手法はありません。根拠となる文献とその限界は references/sources.md にまとめています。

以下の活動は分けて扱ってください。

• アイデア創出は、問い、メカニズム、代替案、研究構想を作り出します。
• 根拠の評価は、信頼できる文献やデータが何を支持しているかを確認します。
• 仮説の検証には、観察、予測、適切なデザイン、解析、独立した精査が必要です。ブレインストーミングで仮説を検証することはできません。
• 倫理、バイオセーフティ、デュアルユース、規制、機関審査には、該当する権限を持つ審査担当者が必要です。ブレインストーミングは決して承認ではありません。
• 臨床アドバイスには、資格を持つ臨床医と患者固有の文脈が必要です。研究アイデアを診断や治療の指針に変えないでください。

観察に基づく検証可能な仮説については、hypothesis-generation に引き継いでください。研究の設計には experimental-design、サンプルサイズには statistical-power、既存の根拠には literature-review、解析には statistical-analysis を使用してください。

運用ルール

1. 主張には アイデア、前提、予測、特定された根拠、決定 のラベルを付けてください。これらのカテゴリを決して曖昧にしないでください。
2. 参加者を他の人や AI が生成したアイデアに触れさせる前に、独立してアイデアを出してください。対面での交代発言はアイデアの産出を妨げることがあり、例示はその後の出力をアンカリングすることがあります。
3. 少数意見、否定的な根拠、不確実性、棄権を保持してください。合意は真実ではなく、票数は効果量ではありません。
4. 機密情報、個人情報、管理された情報、未発表情報を暴露することなく、出所を記録してください。
5. 評価基準と方向性は、採点の前に定義してください。生の評価、理由、範囲、不一致を可視化したままにしてください。
6. 可能であれば最初の独立したラウンドの後に文献を検索し、その後で意図的にアイデア創出を再開してください。これにより、不完全な検索を研究ギャップと取り違えることなく、早期のアンカリングを減らせます。
7. 「勝者」を自動的に選ばないでください。スコアは追跡可能な意思決定の補助であり、定性的な判断、不確実性、実現可能性、倫理のゲートが引き続き支配的です。

再現可能なワークフロー

1. セッションの範囲を定める

焦点となる問いを 1 つ書き、以下を記録します。

• 目的、対象者、意思決定の責任者、時間軸
• 範囲内および範囲外のトピック
• 現実の、想定された、交渉可能な、または不明な制約
• 現在の知識、未解決の観察、禁止される出力
• ヒト被験者、動物、臨床ケア、機微なデータ、病原体、管理された技術、環境放出が関与する可能性があるかどうか

患者固有のケア、監督の回避、有害な最適化、またはデュアルユースの詳細を実行可能にすることを求める依頼である場合は、アイデア創出を中止し、適切な専門職または機関のプロセスにつないでください。

2. 視点を意図的に多様化する

関連する方法論、領域、実装、統計、安全性、倫理、ステークホルダー、当事者経験の視点を招いてください。多様性は創造性を保証するものではありません。誰の視点が代表され、欠けており、あるいは構造的に不利な立場にあるのかを説明してください。適切な場合は、参加しやすい参加形態や仮名の参加者 ID を使用してください。

ファシリテーターは利益相反を開示し、好みの答えを最初に提示することを避け、シニアメンバーが支配するのを防ぎ、リーダーには独立したラウンドの後に貢献するよう促してください。

3. 独立して生成する

全員に同じ中立なプロンプト、制約、固定された時間枠を与えます。 参加者は議論の前に、アイデアを非公開で並行して記述します。各アイデアについて、次を記録します:

• 安定した ID と一文での記述;
• 貢献者 ID と段階(independent、discussion、または post-check);
• 由来(human、AI-assisted、literature-inspired、mixed、または other);
• 前提、予測される観察、不確実性、および可能性のある反証証拠;
• 文献に着想を得たアイデアについては出典識別子、AI 支援についてはツール/目的の開示。

このラウンドの前に解答例を示さないでください。ただし例が不可欠な場合を除きます。 不可欠な場合は、それらを潜在的なアンカーとして記録します。

4. 即時の評価なしで共有する

ラウンドロビンまたはプールされたサイレント共有を使用します。擁護せずに文言を明確にします。 非公開または匿名のチャネルを許可します。各参加者に、何が欠けているか、 支配的な枠組みと矛盾するものは何か、グループの話を聞いた後にどのアイデアが 明らかでなくなったかを尋ねます。

5. 構造的にクラスタリングする

共有された成果、メカニズム、母集団、規模、方法など、明示的な関係によって アイデアをグループ化します。元の ID とテキストを保持します。統合と分割を記録します。 類似した文言は意味的等価性の証明ではありません。前提、介入、母集団、または予測が 異なる場合は、別個のアイデアとして保持します。 references/facilitation_workflows.md を参照してください。

6. 透明な基準を定義する

評価の前に、各基準、方向、尺度のアンカー、必要な証拠、競合、および明示的な重みを 定義します。一般的な次元には次が含まれます:

• 潜在的な情報利得と識別力のある予測;
• スコープされた問いとの関連性;
• 単にその場だけでなく、確認した文献に対する独創性;
• 実現可能性、リソース、および可逆性;
• 方法論的厳密性とバイアスへの脆弱性;
• 倫理、安全性、公平性、デュアルユース、および規制負担;
• 結果がヌルであるか、好ましいメカニズムと矛盾する場合の価値。

評価者が不確かな場合は、範囲または信頼度ラベルを使用します。平均化されたスコアの 中に拒否権を隠さないでください。references/idea_evaluation.md を参照してください。

7. 敵対的レビューを実施する

ショートリストに載った各アイデアを生み出していないレビュアーを割り当てます。次を尋ねます:

• どのような観察があれば、このアイデアが誤りまたは有益でないものになるか?
• 同じ予測結果に当てはまる代替説明はどれか?
• どのような隠れた依存関係、測定の失敗、交絡因子、または選択効果が 支配的になり得るか?
• 権威、アンカリング、グループへの忠誠、出版インセンティブ、または 魅力的なテクノロジーが選好を駆動していないか?
• これは害を引き起こし、不公平を悪化させ、機微な情報を露出させ、または 悪用を可能にする可能性があるか?

対応、緩和策、残存する不確実性、およびアイデアが修正されたかどうかを 記録します—単に合格/不合格ではなく。

8. 文献と証拠を確認する

権威あるデータベース、一次研究、方法論のガイダンス、否定的な結果、および 隣接分野を検索します。すべての引用をその出典で検証します。各アイデアについて、 クエリ/日付、スクリーニングした情報源、賛否の証拠、および検索の限界を記録します。 not-checked、search-incomplete、support-located、challenge-located、または mixed などのステータスを使用します。

限定的な検索で見つからないことは新規性を確立せず、支持する文献は新しい メカニズムを検証しません。証拠確認の後に、短い独立生成ラウンドを 1 回 再開します。

9. 実現可能性、厳密性、倫理面のゲートを適用する

アイデアを次の段階に進める前に、適切な分野別レビューを特定します。

• 生物医学分野の作業では、先行研究の厳密性、堅牢な設計、関連する生物学的変数、リソースの認証を検討します。NIHの方針が適用される場合は、研究上の問いから設計、分析、報告に至るまで、生物学的変数としての性別を考慮します。単一の性別を対象とする場合は、関連するエビデンスに基づいてその範囲を正当化します。
• ヒトを対象とする研究、動物実験、バイオセーフティ、データガバナンス、輸出管理、臨床、環境、その他の規制対象となる作業は、該当する担当部署に照会します。
• ライフサイエンスや実現技術のアイデアは、デュアルユースや悪用の可能性について早い段階で審査します。米国の現行の監督体制は変化しているため、固定的なチェックリストに頼らず、所属機関および最新の政府機関の方針を確認します。
• 機密情報、未公開情報、専有情報、規制対象情報、個人情報を外部のAIサービスにアップロードしないでください。

倫理面または実現可能性に関する懸念がある場合、設計の見直し、管理された取り扱い、または中止が必要になることがあります。創造性のスコアが高くても、ゲートを無視することはできません。

10. 決定し、記録する

説明責任を負う意思決定者が、以下を記録します。

• 検討した候補と、使用した基準／重み付け
• 生の評価、推定の幅、異論、棄権、感度分析の結果
• 文献およびレビューの日付
• ゲートの結果と必要な承認
• 決定、根拠、却下した代替案、未解決のリスク、担当者、再検討のきっかけ

次のアクションには、追加調査、相談、シミュレーション、パイロット設計、プロトコル作成、事前登録、またはアクションなしのいずれかを適切に設定します。確認研究を計画する場合は、結果が判明する前に仮説と分析上の決定を事前登録し、後からの逸脱や探索的作業を透明性をもって報告します。事前登録は透明性を高めますが、査読、倫理承認、妥当性の証明に代わるものではありません。

バイアスと失敗への対策

• 発言によるアイデア生成の阻害： 口頭での議論の前に、各自で並行してアイデアを生成します。
• アンカリングと設計への固執： 独立したラウンドが終わるまで、リーダーの回答やAIの例を提示しません。エビデンスのレビュー後に、アイデア生成を再開します。
• 権威や地位の影響： リーダーは最後に発言し、匿名で意見を集め、独立した評価を行い、異論を明示します。
• 集団思考： 実質的な代替案の生成を担当する役割を設け、外部レビューを求め、却下した選択肢を記録します。「集団思考」は単一の、普遍的に確立された診断ではなく、さまざまなリスクの総称として扱います。
• 評価されることへの不安： 可能であれば、貢献とその貢献者の特定を分けます。貢献者ではなく、アイデアを批評します。
• 早すぎる収束： 発散の時間をあらかじめ定め、その後、明示的な移行と事前に定めた基準を用います。
• 誤った精密さ： 評価基準を明確にした尺度、不確実性の幅、感度分析、記述的なレビューを用います。
• 研究の空白の誇張： 検索範囲を記録し、「研究されていない」ではなく「直接的なエビデンスは見つからなかった」とします。
• AIの幻覚や均質化： 人間が先にアイデアを出し、出所を記録し、独立して検証し、AIを使わない複数の視点を取り入れ、不自然に繰り返される枠組みがないか比較します。references/responsible_ai.mdを参照してください。

オプションのローカルCLI

スクリプトは、決定論的な標準ライブラリのユーティリティです。ネットワークサービス、LLM、科学データベースには接続せず、科学的な結論も導きません。

python scripts/session_scaffold.py --help
python scripts/validate_register.py --help
python scripts/evaluate_matrix.py --help

セッション登録簿を作成します。

python scripts/session_scaffold.py \
  --session-id "microbiome-01" \
  --title "Microbiome mechanism ideation" \
  --question "Which mechanisms could explain the scoped observation?" \
  --participant P01 --participant P02 \
  --output session.json

構造と出所情報を検証します。

python scripts/validate_register.py session.json --output validation.json

スコアの区間と一度に1つずつ重みを変更する感度分析を含む、完全に開示された加重マトリックスをCSVから計算します。

python scripts/evaluate_matrix.py scores.csv \
  --config criteria.json \
  --weight-delta 0.10 \
  --output matrix.json

--forceを明示しない限り、出力先がシンボリックリンクまたは既存ファイルの場合は出力を拒否します。入力と収集サイズには上限があります。検証ツールが確認するのは構造であり、真偽ではありません。マトリックスは定性的なレビューと不確実性を保持し、decisionはnullのままにします。入力形式と解釈については、references/idea_evaluation.mdに記載されています。

参照インデックス

• references/brainstorming_methods.md — 根拠に基づいた手法の選定、名目集団法、Delphi法、構造化された意見聴取、創造的なプロンプト。
• references/facilitation_workflows.md — 個人、グループ、非同期セッション向けのすぐに実施できるプロトコルと、出所記録用テンプレート。
• references/idea_evaluation.md — 評価基準、スコアリング式、不確実性、感度分析、ゲート、意思決定ログ。
• references/responsible_ai.md — 説明責任を伴うAI支援、機密保持、幻覚、画一化、開示、デュアルユース、誠実性。
• references/sources.md — このバージョンの作成に参照した、日付付きの主要研究と公式ガイダンス。

エージェントの運用手順

1. 環境を確認します。 調査の目的、制約（予算、時間、倫理）、およびユーザーが必要としている意思決定を明確にします。
2. 入力を特定します。 データまたはユーザーから、形式、識別子、パラメーターを確認します。結果に影響する値については推測せず、質問します。
3. まず小規模に実施します。 明示的な前提を添えて、選択肢の短いリストを提案してから、各案を詳しく検討します。
4. 上記の手順と参照資料に従って、タスク全体を実行します。
5. 結果を検証します。 前提を明示し、明確な基準に基づいて代替案を比較します。また、統計計画には検出力と分析方法の選択を含めます。
6. 報告します。 実施した内容（バージョン、コマンド、パラメーター）、確認した事項、未解決の不確実性を記載します。

こうした事態が発生した場合	次のように対応します
設計上の選択が、不明な効果量やコストに左右される	単一の推測値ではなく、シナリオ（楽観的、予想、悲観的）を提示します。
これらの手順に記載された関数、フラグ、またはエンドポイントが、インストール済みバージョンに存在しない	インストール済みバージョン独自のドキュメント（help()、--help、公式ドキュメント）を確認し、適宜対応して、その旨をユーザーに伝えます。APIを決してでっち上げないでください。
必須の入力、識別子、またはパラメーターが曖昧	ユーザーに質問するか、実行前に前提を明示します。

誠実性に関するルール

• 結果、パラメーター、識別子、引用、統計値を決して捏造しないでください。実行または検証できないことがあれば、明確に伝えてください。
• 推測は推測と明示し、確立された根拠と新たな仮説を分けてください。
• ここに記載されているバージョン固有の詳細は古くなっている可能性があるものとして扱い、インストール済みバージョンの公式ドキュメントで確認してください。
• 金銭が発生する、共有GPUやクラウドのクォータを消費する、個人データまたは患者データに触れる、あるいは元に戻せない操作を行う場合は、事前に確認してください。

関連スキル

• brainstorming-research-ideas：構造化されたアイデア創出のフレームワークを通じて、研究者が影響力の大きい研究の方向性を見つけられるよう支援します。
• hypothesis-generation：根拠の範囲内で科学的な問いや候補仮説、対立する説明、因果的または関連性の主張、識別に役立つp…を策定します。
• peer-review：根拠の範囲内で、建設的な査読案や構造化された原稿評価を作成します。