what-if-oracle

What-If Oracle — 研究シナリオプランニング

研究リソースを投入する前に、起こりうる未来の限られた範囲を検討します。出力はシナリオ比較、エビデンス台帳、およびコンティンジェンシープランです。これは可能性空間の全体を網羅するものではなく、語られたメカニズムが発生することを立証するものでもありません。

6つの分岐プロンプトと 0·IF·1 のニーモニックは、上流の What-If フレームワークに由来します。このニーモニックは枠組み作りの補助として扱ってください。すなわち、潜在的な変化（0）、明示された条件（IF）、および結果として生じるシナリオ（1）です。これは科学法則でも計算モデルでもありません。

著者の What-If Paradigm および Unified Theory of Digital Consciousness は、プレプリントとして Zenodo にカタログ登録されています。それらの登録および DOI は来歴を確立するものであり、このワークフローの予測精度や実証的検証を示すものではありません。

使用する場面

次のような問いに使用します:

• サンプルの脱落が計画よりも多かった場合はどうなるか？
• ある手法が新しい機器、コホート、または施設に移転できない場合はどうなるか？
• 重要な試薬、データセット、または測定が利用できなくなった場合はどうなるか？
• 競合する仮説やリソース制約の下で、どの研究選択肢が実行可能なままか？

分析は科学的な意思決定に結び付けてください。これは一般的なビジネス、個人向けアドバイス、またはソフトウェアアーキテクチャのスキルではありません。問いが介入効果、検出力計算、または数値シミュレーションを必要とする場合は、必要なデザイン/モデルとエビデンスを特定してください。それらの結果をシナリオの文章で捏造しないでください。

定性的なワークフローには、パッケージ、API エンドポイント、認証情報、またはネットワーク接続は不要です。重要な場合は現在の外部的事実を検証するか、提供された資料のみに基づく分析であるとラベル付けしてください。研究固有のプロンプトと実施例については、references/scenario-templates.md を参照してください。

フェーズ 1 — 問いとエビデンスを枠組み化する

以下を含む1つの操作可能な問いを書きます:

• 意思決定と比較対象: 何を変更でき、現在の計画の下では何が起こるか？
• 摂動: 主要な変数、大きさ、単位、および付随する変化。メカニズムがそれらを結び付ける場合、他の変数が固定されたままであると仮定しないでください。
• 期間とシステム: 答えが適用される母集団、施設、プロトコル、および時間枠。
• 結果と制約: 測定可能な成功/失敗の基準、予算、能力、および不可逆的な結果。
• ベースライン: 観察とその日付。仮定および望ましい目標から分離します。

例えば: 「使用可能なサンプル割合が計画の 80% ではなく 60% である場合、100 サンプルのバッチで今月 80 サンプルの使用可能なサンプルを提供できるか、そしてどのコンティンジェンシーを準備すべきか？」データによって裏付けられるまでは、どちらの割合も計画上の仮定である可能性があります。

十分な場合は、ユーザーが提供した枠組みを使用してください。妥当な作業上の仮定を述べて進め、分析を実質的に変える場合にのみ、欠けている事実を尋ねてください。

短いエビデンス台帳を維持してください: 主張、出典またはデータのバージョン/日付、関連する母集団/プロトコル、不確実性、およびステータス（観察、モデル由来、または仮定）。相反するエビデンスを記録してください。LLM が生成した根拠は、追加の観察でも独立した専門家の評価でもありません。

フェーズ 2 — シナリオの分岐を探索する

質問に適した、互いに異なるシナリオを選択します。通常は 4 から 6 程度です。短いスクリーニングでは、楽観シナリオ、基準シナリオ、逆風シナリオを使用できます。以下のラベルは探索のための視点であり、相互に排他的な結果や確率分布ではありません。

視点	検討する内容	科学的な限界
Ω 楽観（最良ケース）	正当化された範囲内での好条件	証明された上限ではありません。誰の結果が改善するのかを明示してください
α 基準ケース	明示されたベースラインまたは中心的な仮定のセット	比較可能な証拠がその順位を支持する場合にのみ「可能性が高い」と呼んでください
Δ 逆風（最悪ケース）	依存的な失敗を含む、もっともらしい失敗	証明された下限や想像しうる最悪の結果ではありません
Ψ ワイルドカード	主要な仮定の外側にある具体的な撹乱	不可知な事象を列挙したり、ラベルから希少性を割り当てたりすると主張しないでください
Φ 逆張り	支配的な仮説に対する代替案	支持する証拠と反証する証拠を評価してください。不一致それ自体は支持にはなりません
∞ 二次的影響	下流効果、遅延、フィードバック、または行動の変化	他のどのシナリオ内でも発生しえます。未検証のメカニズムは仮説としてマークしてください

分岐をまたいで重要な共通の驱动要因と相関を保持してください。同じ原因を共有する量を独立に切り替えることで生じる、もっともらしくない組み合わせは避けてください。最終的な出力では説明的なシナリオ名を使用し、楽観/逆風というラベルが評価の代わりにならないようにしてください。

フェーズ 3 — 各分岐を分析し、吟味する

簡潔な記録を使用します:

Scenario: [name and lens]
Condition and horizon: [operational definition]
Assumptions: [including dependencies and boundary conditions]
Evidence: [source/data version, supporting and conflicting observations]
Mechanism: [conditional narrative; identify untested causal links]
Consequences: [outcomes, units, range, and relevant time points]
Likelihood: [not estimated, or justified estimate with method and uncertainty]
Evidence confidence: [reasoned assessment, separate from event likelihood]
Discriminating observation: [what would weaken this scenario or favor another]
Trigger and response: [observable measure, threshold, review time, owner, action]
Residual risk: [what this response does not resolve]

定量的な主張については、入力、単位、手法、仮定、および計算が実行されたかどうかを示してください。将来の結果のばらつきと、入力またはモデルにおける不確実性を区別してください。感度チェックでは、意思決定に重要な仮定を変化させ、もっともらしい同時変化も含め、望ましい行動が変わる箇所を特定する必要があります。

因果的な主張については、介入、比較対照、母集団、結果、および期間を明示してください。観察上の関連や予測の変化は、それ自体では介入効果ではありません。識別の仮定とそれを支持するデザインを述べてください。観察による調整では、これらには一致性、交換可能性、正値性が含まれます。シナリオは対照付きのパイロットや測定の動機づけにはなりますが、その証拠の代わりにはなりません。この区別については、著者が管理する Causal Inference: What If、特に第 1 章から第 3 章を参照してください。

フェーズ 4 — 対応を比較し、次のチェックを定義する

結果、コスト、実現可能性、可逆性、および未解決の仮定の表を使用して、候補となる行動をシナリオと比較してください。現在の計画も含めてください。どの目的またはトレードオフが推奨を決定するのかを述べてください。

• 頑健な行動: テストされたシナリオをまたいで許容可能であり続ける行動を、そのコストと例外とともに特定してください。テストされた集合内での頑健性は、すべての将来にわたる保証ではありません。
• コンティンジェンシー: 条件付きの行動とリードタイムを明示してください。決して使用されない場合でも、バックアップを準備するコストを考慮してください。
• 意思決定トリガー: 測定、しきい値、レビュー日、および責任ある役割を記録してください。トリガーは、統計的検定やメカニズムの証明でなくても、実用的な運用ルールになりえます。
• 次の証拠: 選択を変えうる、実行可能な最小のパイロット、対照、または観察を特定してください。現在の証拠がいずれのシナリオも区別しない場合は、その旨を述べてください。

推奨を、実行された実験、購入、またはプロトコルの変更に変えないでください。成果物は、ユーザーが別途実行を要求しない限り、分析と提案される対応です。

確率と信頼度

証拠が数値的な確率を裏付けられない場合は、**「推定なし」**を使用してください。確率が有用である場合は、事象と対象期間を定義し、関連する基準率または適合モデルを特定し、推定の不確実性と転用の限界を記録してください。定性的なもっともらしさは、隠れた数値スコアではありません。信頼度は証拠の強さと一貫性に関するものであり、事象が発生する確率ではありません。この区別は、IPCC の不確実性ガイダンスでも用いられています。

正規化するのは、同一の条件付けの前提と対象期間の下で、相互に排他的かつ全体を網羅する結果の分割のみです。たとえば、固定された 100 個のバッチから得られる使用可能なサンプルの最終個数は、0～59、60～79、80～100 として分割できます。これは有効な結果ビンを定義しますが、それらに対する確率は何も与えません。6 つのシナリオレンズは、そのような分割を形成しません。

リソース配分は事象の尤度とは切り離しておいてください。61.8/38.2 の黄金比配分は、このワークフローによって正当化されるものではありません。配分は、証拠、結果、コスト、能力、可逆性、および明示された目的から選択してください。

モード

• クイックスクリーニング: 3 つの異なるシナリオ、重要な前提、および次の観察。簡潔さは証拠の質を確立するものではありません。
• 詳細分析: より多くのシナリオと明示的な感度/意思決定の比較。必要に応じて証拠収集に時間を割り当て、数分でハイステークスな分析を約束しないでください。
• シナリオチェーン: 意思決定に関連する分岐を展開し、不利なものや曖昧なものも含めます。各子はその親を条件として保持してください。確率については、P(A and B) = P(A) × P(B given A) を使用し、正当化された独立がない限り周辺確率の積を使用しないでください。追加の詳細が行動を変えられない場合、または証拠が不足している場合は停止してください。
• 逆算計画: 目標から候補となる前提条件へと逆方向に作業し、その実現可能性を検証します。もっともらしい経路は、必要性、十分性、または尤度の証明ではありません。
• ステークホルダー比較: 同じ科学的シナリオを、研究者、参加者、施設、または資金提供者の視点から評価します。異なる選好は、独立した裏付け証拠ではありません。

方法と情報源の境界

現在の Government Office for Science Futures Toolkit は、シナリオを予測と区別し、起こり得る未来にわたってオプションをストレステストする方法を説明しています。このスキルは、それらの一般的な区別を研究の不測の事態に適応させたものです。ツールキットは、これら 6 つの特定のレンズ、その確率、または分岐数の規定を検証するものではありません。

このドキュメントのみのスキルには、予測エンジンや因果推定器は含まれていません。その実例は合成例であり、計画の算術を例示するものであって、実際の研究結果における改善を実証するものではありません。

ライセンスと適応

© 2026 Ashraf Hussein Kahoush / AHK Strategies. CC BY-NC-SA 4.0 の下でライセンスされています。商用利用には著者からのライセンスが必要です。このリポジトリの適応は、ワークフローを研究計画に絞り込み、証拠、確率、および因果的主張に関するガイダンスを改訂します。アップストリームのフレームワークとプレプリントへの帰属は保持されます。