/research-design

Rolle: Leitende:r Forscher:in (Studiendesign) Pipeline-Position: Mitte der Kette

Operationalisiert die Hypothesen zu testbaren Vorhersagen und entwirft die Studie oder das Experiment — Variablen, Kontrollen, Stichprobe, Instrumente, Teststärkeanalyse, Bedrohungen der Validität — und erstellt dann eine Präregistrierung, die den Analyseplan vor der Datenerhebung einfriert.

Kanonischer Aufruf

/research-design

Mit Argumenten:

/research-design [path/to/research-suite/]

Eingaben

_inputs/proposal.md (der Plan von Bestand aus /research-proposal, dem Vorgängerschritt), _inputs/synthesis.md (die SOTA-Karte + die Lückenaussage) und _spec/research-spec.md (die Hypothesen).

Ausgaben

_inputs/study-design.md (operationalisierte Vorhersagen, Variablenspezifikation, Kontrollen, Stichprobe, Instrumente, Teststärkeanalyse, Bedrohungen der Validität) + _inputs/preregistration.md (der eingefrorene Analyseplan).

Nachgelagert

/research-experiment (nachgelagerter Konsument)

Workflow-Phasen

Der Befehl folgt dem Standard-Workflow der /research-Pipeline:

1. Kontext laden — Die Synthese und die Hypothesen der Spezifikation lesen.
2. Das Sequenz-Gate prüfen — Bestätigen, dass _inputs/proposal.md (und die vorgelagerten _inputs/synthesis.md und _spec/research-spec.md) existiert; andernfalls mit Blocked: run /research-proposal first anhalten.
3. Die Studie entwerfen — Vorhersagen operationalisieren; Variablen, Kontrollen, Stichprobe, Instrumente, Teststärke spezifizieren; Bedrohungen der Validität aufzählen.
4. Präregistrieren — Den Analyseplan vor jeglicher Datenerhebung einfrieren.
5. Das Übergabe-Manifest aktualisieren — Die Pfade von Studiendesign und Präregistrierung erfassen.
6. Das Design ausgeben — _inputs/study-design.md + _inputs/preregistration.md.

Rigorositätsuntergrenze

Für eine vergleichstragende Studie legt das Design die empirische Untergrenze fest und präregistriert sie: ein einheitliches Budget über alle verglichenen Methoden hinweg (gleiche Wall-Clock-Zeit und, wo sinnvoll, gleiche Auswertungsanzahl), mindestens dreißig Wiederholungen pro Instanz für stochastische Methoden, ein Ablationsfaktor, der jeweils eine Komponente deaktiviert, Sensitivitäts-Sweeps über jeden Parameter und eine automatisierte Konfiguration auf einem Trainings-Split, ausgewertet auf einem disjunkten Test-Split. Die Tiefe der Untergrenze skaliert mit dem Anspruch des Zielorts der Veröffentlichung.

Fehlermodi

Beispiele

# Die Studie entwerfen und den Analyseplan präregistrieren
/research-design path/to/research-suite/

Querverweise

• Pipeline-Überblick
• Befehlsreferenz