systematic-research-framework

name	systematic-research-framework
description	当面对一个陌生领域、复杂问题或信息缺口，需要高效、全面地收集、筛选和整合信息以建立认知时

systematic-research-framework

When to Use

当面对一个陌生领域、复杂问题或信息缺口，需要高效、全面地收集、筛选和整合信息以建立认知时。description

Core Logic

执行步骤

1. 界定问题与规划范围：将模糊的兴趣转化为具体、可研究的问题。确定研究的广度与深度，设定初步的信息源清单（如学术数据库、权威机构报告、专家访谈、高质量媒体）。

   • 判断标准：研究问题具体、非泛泛而谈；有初步的检索关键词和来源规划。
   • 常见误区：问题过于宽泛导致无从下手；过早陷入单一信息源细节。
   • 关系：是启动任何认知构建项目的通用前置模型。

2. 多渠道信息采集与初步筛选：根据规划，执行信息检索。采用“金字塔”式采集：先获取该领域的概览性、共识性内容（教科书、综述），再深入具体观点和数据。快速扫描，根据来源权威性、时效性和与问题的相关性进行初步筛选。

   • 判断标准：收集到的信息覆盖了从概述到细节的多个层级；已过滤掉明显低质或无关的信息。
   • 常见误区：仅使用单一渠道（如仅用通用搜索引擎）；被排序靠前但不一定优质的内容占据全部注意力。
   • 关系：为“逻辑”、“统计学”等模型提供原材料。

3. 深度评估与交叉验证：对筛选后的关键信息进行深度阅读。评估其证据强度、逻辑严密性、潜在偏见。对比不同来源的信息，识别共识点、争议点及信息缺口。

   • 判断标准：能指出关键信息源的优缺点；能绘制出不同观点之间的异同地图。
   • 常见误区：全盘接受单一权威来源的观点；忽略不同观点背后的利益或立场差异。
   • 关系：应用“逻辑”和“统计学”模型评估信息质量；应用“修辞学”模型分析带有观点的论述。

4. 整合输出与知识内化：以解决初始问题为目标，将验证后的信息整合成结构化的摘要、报告或心智模型。用自己的语言重新表述核心概念和关系，并明确遗留的未知领域。

   • 判断标准：产出物清晰回答了初始问题或定义了已知与未知；核心概念已被理解而非机械复述。
   • 常见误区：堆砌信息而无整合；未形成自己的理解，知识无法迁移。
   • 关系：其产出是发展“代理”能力（做出明智决策）的知识基础。

输出格式要求

以结构化形式呈现：

1. 研究问题：[明确界定]
2. 关键发现总结：[分点陈述已验证的核心信息与结论]
3. 信息图谱：[描述不同观点/数据间的共识、争议与关系]
4. 信息质量评估：[说明所依据关键来源的可靠性与局限性]
5. 遗留问题与未知领域：[明确指出本次研究未解决或新发现的问题]

Metadata

属性	值
领域	信息处理与学习
类型	procedural (procedural)
置信度	90%
前置条件	需要定义一个明确的研究主题或待解答的核心问题。
来源	未来保障技能栈：2：核心七艺 - 研究