研究协议
"研究是正式化的好奇心。它是有目的的探索和调查。"
— Zora Neale Hurston
研究协议简介
研究协议将通常混乱、非线性的知识发现过程转化为结构化、高效的工作流程,始终如一地产生可靠的洞察。通过为调查和分析建立明确的框架,这些协议帮助您清晰而有目的地导航复杂的信息环境。
┌─────────────────────────────────────────────────────┐
│ │
│ 研究协议的优势 │
│ │
│ • 系统化的知识发现和验证 │
│ • 减少分析中的认知偏差 │
│ • 高效探索复杂主题 │
│ • 从问题到洞察的清晰进程 │
│ • 可追溯的推理和证据路径 │
│ • 可重复的知识开发过程 │
│ │
└─────────────────────────────────────────────────────┘本指南提供即用型研究协议,适用于常见的知识探寻场景,并配有实施指导和性能指标。每个协议遵循我们的NOCODE原则:导航、编排、控制、优化、部署和演化。
如何使用本指南
- 选择协议,与您的研究目标匹配
- 复制协议模板,包括提示词并自定义
- 在交互开始时向AI助手提供完整协议
- 遵循结构化流程,从初始问题到验证洞察
- 监控指标以评估有效性
- 迭代和优化协议以供未来研究使用
苏格拉底式问题:您目前发现哪些类型的研究最具挑战性或最耗时?您通常在知识发现过程的哪些环节遇到瓶颈?
1. 文献综述协议
何时使用此协议: 需要全面了解某个主题的现有知识?此协议引导您系统性地探索可用信息——非常适合主题概述、最新技术评估或知识综合。
提示词: 我需要对量子机器学习算法的最新进展进行全面的文献综述。我特别关注过去三年的发展、该领域新兴的实际应用,以及仍需克服的最重大技术挑战。请帮助我系统性地概述该领域的知识现状。
协议:
/research.literature{
intent="全面理解某主题的现有知识",
input={
research_topic="量子机器学习算法的最新进展(过去三年)",
key_questions=[
"量子机器学习算法最重要的理论进展是什么?",
"这些进展产生了哪些实际应用?",
"该领域仍需克服哪些技术挑战?"
],
scope_boundaries={
timeframe: "过去三年(2022-2025)",
inclusion: "同行评审研究、主要实验室的技术报告、重要预印本",
exclusion: "科普报道、入门材料、2022年之前的基础研究"
},
organization_approach="主题分析,主题内按时间顺序推进"
},
process=[
/map{
action="创建该领域的概念框架",
elements=[
"关键理论基础",
"主要研究流派",
"重要应用",
"演化中的术语和概念"
]
},
/explore{
action="识别和分析关键贡献",
for_each="research_stream",
elements=[
"开创性工作和突破",
"方法论创新",
"实证发现和结果",
"局限性和争议"
]
},
/synthesize{
action="发展整合性理解",
approaches=[
"识别新兴模式和趋势",
"映射研究流派之间的关系",
"对比竞争性理论或方法",
"注意共识观点和开放性问题"
]
},
/evaluate{
action="评估研究的质量和重要性",
criteria=[
"方法论严谨性",
"实证支持",
"理论一致性",
"实际意义"
]
},
/organize{
action="将发现结构化为连贯框架",
elements=[
"主题组织",
"主题内按时间顺序推进",
"突出关系和对比",
"识别差距和机会"
]
}
],
output={
knowledge_synthesis="知识现状的全面概述",
key_findings="最重要的洞察和发展的摘要",
research_map="该领域的可视化或结构化表示",
gap_analysis="识别未解答的问题和机会"
}
}实施指南
主题定义:
- 定义具体的焦点和范围
- 制定指导探索的关键问题
- 考虑广度和深度要求
范围边界设置:
- 建立清晰的时间框架参数
- 定义纳入和排除标准
- 考虑资源限制和优先级
组织方法选择:
- 根据研究目标选择框架
- 选项包括主题、时间顺序、方法论
- 考虑复杂主题的混合方法
关键问题制定:
- 制定3-5个核心问题来指导综述
- 确保问题具体但全面
- 包括事实性和分析性问题
性能指标
| 指标 | 描述 | 目标 |
|---|---|---|
| 覆盖广度 | 主题领域的全面性 | 包含所有重要子领域 |
| 来源质量 | 来源的可信度和相关性 | 高质量、代表性来源 |
| 综合深度 | 信息整合为连贯整体 | 清晰识别模式和关系 |
| 差距识别 | 识别知识局限性 | 明确映射未解答问题 |
2. 分析协议
何时使用此协议: 需要从复杂信息或数据中提取有意义的洞察?此协议引导您进行系统性分析过程——非常适合趋势分析、比较评估、模式识别或批判性评估。
提示词: 我需要分析不同全球市场快速采用可再生能源的关键驱动因素。我有关于政策框架、技术成本、市场结构和多个地区投资趋势的数据。我想了解哪些因素最具影响力、它们如何相互作用以及它们在不同市场之间如何变化,以为我们的清洁能源投资组合制定战略洞察。
协议:
/research.analyze{
intent="通过系统性分析过程提取有意义的洞察",
input={
analysis_subject="全球市场可再生能源采用的驱动因素",
analytical_framework={
dimensions: ["政策框架", "技术成本", "市场结构", "投资趋势"],
regions: ["北美", "欧洲", "亚太地区", "新兴市场"],
timeframe: "过去5年(2020-2025)"
},
key_questions=[
"哪些因素与快速可再生能源采用的相关性最强?",
"这些因素如何相互作用和影响?",
"影响因素在不同市场环境中如何变化?",
"采用率最高的市场出现了哪些模式?"
],
analysis_approach="多维度比较分析与因果关系映射"
},
process=[
/decompose{
action="将主题分解为可分析的组成部分",
elements=[
"识别构成因素和变量",
"建立相关指标和指示器",
"映射关系和依赖性",
"定义分析边界和局限性"
]
},
/examine{
action="系统性分析每个组成部分",
for_each="dimension",
approaches=[
"跨地区比较分析",
"随时间推移的趋势分析",
"模式识别",
"相关性和可能的因果关系映射"
]
},
/contextualize{
action="考虑相关背景和影响",
elements=[
"历史发展和先例",
"外部因素和影响",
"系统性约束和促进因素",
"竞争性或替代性观点"
]
},
/integrate{
action="综合组成部分分析为整体理解",
techniques=[
"识别跨组件模式",
"映射因果或影响网络",
"发展解释性框架",
"测试替代性解释"
]
},
/validate{
action="批判性评估分析结论",
approaches=[
"对照可用证据检查",
"识别假设和局限性",
"考虑反对论据或例外",
"评估发现的置信水平"
]
}
],
output={
key_insights="主要分析发现及支持证据",
factor_analysis="每个关键因素及其影响的详细检查",
relationship_map="因素如何互动的可视化或结构化表示",
strategic_implications="分析发现的实际应用"
}
}实施指南
主题定义:
- 清楚阐述分析焦点
- 定义范围和边界
- 识别需要检查的具体方面
分析框架选择:
- 选择适当的分析维度
- 定义比较的类别或地区
- 建立相关时间框架
关键问题制定:
- 制定指导分析的具体问题
- 包括描述性、比较性和因果性问题
- 关注具有战略或实际价值的问题
分析方法选择:
- 选择适合主题和问题的方法论
- 考虑比较、时间、因果或系统方法
- 定义适当的分析粒度级别
性能指标
| 指标 | 描述 | 目标 |
|---|---|---|
| 分析严谨性 | 系统性、基于证据的检查 | 清晰的逻辑进展 |
| 洞察价值 | 发现的意义和有用性 | 非显而易见、可操作的洞察 |
| 关系映射 | 因素互动的清晰度 | 明确的因果或影响路径 |
| 验证质量 | 结论的批判性测试 | 多种验证方法 |
3. 战略前瞻协议
何时使用此协议: 需要预测未来发展并为新兴机遇或挑战做准备?此协议引导您进行系统性的未来探索——非常适合趋势分析、情景开发、战略规划或创新预测。
提示词: 我需要为未来十年的医疗技术行业制定战略前瞻分析。我们组织需要了解新兴技术、不断变化的患者和提供者需求、潜在的监管变化,以及这些因素可能如何重塑医疗服务模式。我们希望识别战略机遇和潜在的颠覆风险,以指导我们的长期研发投资。
协议:
/research.foresight{
intent="系统性探索未来发展和战略影响",
input={
domain="医疗技术行业",
time_horizon="10年(2025-2035)",
focal_areas=[
"新兴技术及其采用轨迹",
"演化中的患者和提供者需求与期望",
"监管环境和政策发展",
"医疗服务模式转型"
],
key_uncertainties=[
"AI整合到临床决策的速度和方向",
"患者数据所有权和隐私监管演化",
"医疗支付模式转型",
"公共与私营部门在医疗创新中的角色"
],
strategic_context="为医疗技术公司的长期研发投资决策提供信息"
},
process=[
/scan{
action="识别和评估变化信号",
elements=[
"新兴趋势和发展",
"潜在的颠覆性力量",
"系统性变化的弱信号",
"稳定和约束因素"
]
},
/analyze{
action="评估趋势的影响和互动",
approaches=[
"相互关联因素的系统分析",
"利益相关者影响评估",
"采用和扩散模式分析",
"监管和政策演化映射"
]
},
/construct{
action="开发多个合理的未来情景",
technique="关键不确定性矩阵",
elements=[
"情景叙事和演化路径",
"关键里程碑和指标",
"利益相关者立场和响应",
"每个情景中的关键成功因素"
]
},
/assess{
action="评估情景的战略影响",
for_each="scenario",
elements=[
"机遇和挑战",
"所需能力和资源",
"竞争定位",
"风险因素和脆弱性"
]
},
/recommend{
action="制定战略选项和监控框架",
elements=[
"跨多个未来的稳健策略",
"对冲和创造选择的方法",
"早期指标监控系统",
"适应性战略框架"
]
}
],
output={
trend_analysis="关键趋势和驱动力的评估",
scenario_portfolio="一组不同的、合理的未来情景",
strategic_implications="机遇、挑战和战略选项",
monitoring_framework="早期指标和适应触发器"
}
}实施指南
领域定义:
- 明确指定焦点领域和边界
- 考虑相关的相邻领域
- 定义适当的粒度级别
时间跨度设置:
- 选择与规划需求相关的时间框架
- 适当时考虑多个时间跨度
- 与组织规划周期对齐
焦点领域选择:
- 识别探索的关键领域
- 包括内部和外部因素
- 考虑技术、社会、经济和监管维度
不确定性识别:
- 指出高影响的关键不确定性
- 关注真正不确定的要素,而非趋势
- 考虑二阶不确定性和互动
性能指标
| 指标 | 描述 | 目标 |
|---|---|---|
| 情景合理性 | 逻辑一致性和可信度 | 无魔法思维或矛盾 |
| 情景区分度 | 未来之间的有意义差异 | 清晰、对比的未来 |
| 战略相关性 | 对决策的可操作影响 | 与战略选择的清晰联系 |
| 监控价值 | 早期预警框架的有用性 | 可观察的、领先的指标 |
4. 问题调查协议
何时使用此协议: 需要了解原因或维度不清楚的复杂问题?此协议引导您进行系统性的问题探索——非常适合根本原因分析、问题框定、问题诊断或挑战映射。
提示词: 我需要调查我们公司在过去18个月客户留存率下降的根本原因。尽管采取了几项改进措施,留存率在大多数客户细分市场中继续下降。我想在制定下一个干预策略之前,全面了解问题,包括潜在根本原因、系统性因素以及与其他业务指标的关系。
协议:
/research.problem{
intent="系统性调查和理解复杂问题",
input={
problem_statement="尽管采取了改进措施,过去18个月客户留存率仍在下降",
problem_context="B2B SaaS公司,企业客户跨多个行业",
known_elements={
symptoms: ["大多数细分市场客户流失增加", "产品使用指标下降", "扩展收入减少"],
attempted_solutions: ["客户成功团队扩张", "用户界面改进", "新功能添加"],
affected_stakeholders: ["现有客户", "客户管理团队", "产品开发", "高管领导层"]
},
investigation_goals=["识别根本原因", "映射系统性因素", "理解过去解决方案失败原因", "制定全面问题框架"]
},
process=[
/define{
action="明确问题边界和表现形式",
elements=[
"精确的问题定义和范围",
"关键指标和指示器",
"历史模式和进展",
"跨背景或细分市场的变化"
]
},
/explore{
action="调查潜在的因果因素",
approaches=[
"利益相关者视角分析",
"跨细分市场比较评估",
"与外部因素的时间相关性",
"系统关系映射"
]
},
/hypothesize{
action="制定潜在解释",
techniques=[
"多假设制定",
"因果链映射",
"系统动力学建模",
"贡献因素加权"
]
},
/test{
action="对照可用证据评估假设",
methods=[
"证据映射到假设",
"识别确认/否定数据",
"评估解释力",
"考虑替代性解释"
]
},
/synthesize{
action="发展整合性问题理解",
elements=[
"根本原因识别",
"系统性因素映射",
"相互关系分析",
"全面问题框架"
]
}
],
output={
problem_analysis="问题及其维度的全面评估",
causal_model="根本原因和贡献因素及其关系的映射",
evidence_assessment="关键发现的支持证据评估",
reframed_problem="澄清的问题陈述及系统性背景"
}
}实施指南
问题陈述制定:
- 清楚阐述观察到的问题
- 关注症状而非假设的原因
- 包括范围和边界
背景描述:
- 提供相关的组织和环境因素
- 注意历史发展和变化
- 包括利益相关者格局
已知要素文档化:
- 列出观察到的症状和表现形式
- 记录以前的解决方案尝试和结果
- 识别受影响的利益相关者和影响
调查目标设置:
- 定义调查所需的具体结果
- 包括分析和实际目标
- 考虑决策所需的信息
性能指标
| 指标 | 描述 | 目标 |
|---|---|---|
| 因果深度 | 识别根本原因 | 超越症状到根本驱动因素 |
| 系统性视角 | 考虑更广泛背景 | 映射关系和互动 |
| 证据质量 | 结论的支持 | 关键发现有多个证据来源 |
| 解决方案路径 | 从理解到行动的清晰路径 | 干预的可操作影响 |
5. 比较评估协议
何时使用此协议: 需要系统性地比较多个选项、方法或实体?此协议引导您进行结构化比较——非常适合解决方案评估、竞争分析、方法评估或决策支持。
提示词: 我需要对三种领先的企业数据库技术(Oracle、Microsoft SQL Server和PostgreSQL)进行全面比较,以确定最适合我们组织新数据平台的技术。我们需要评估性能特征、成本结构、可扩展性、安全功能、生态系统支持和未来发展路线图,以做出明智的技术选择决策。
协议:
/research.compare{
intent="使用结构化框架系统性比较多个选项或实体",
input={
comparison_subjects=["Oracle数据库", "Microsoft SQL Server", "PostgreSQL"],
evaluation_dimensions=[
{name: "性能", weight: 9, criteria: ["查询执行速度", "索引效率", "并发处理"]},
{name: "成本结构", weight: 8, criteria: ["许可模式", "运营成本", "扩展成本"]},
{name: "可扩展性", weight: 7, criteria: ["垂直扩展能力", "水平扩展选项", "规模化性能"]},
{name: "安全性", weight: 9, criteria: ["访问控制粒度", "加密选项", "合规能力"]},
{name: "生态系统", weight: 6, criteria: ["工具可用性", "人才储备", "社区支持"]},
{name: "未来路线图", weight: 7, criteria: ["创新轨迹", "供应商稳定性", "功能开发速度"]}
],
comparison_context="金融服务组织的企业数据平台选择",
decision_criteria="平衡性能、安全性和总拥有成本,考虑未来可扩展性需求"
},
process=[
/establish{
action="创建结构化比较框架",
elements=[
"比较维度和标准",
"评估方法论",
"评分或评估方法",
"背景考虑"
]
},
/analyze{
action="跨维度评估每个主题",
for_each="comparison_subject",
elements=[
"针对每个标准的详细评估",
"识别优势和劣势",
"背景性能因素",
"独特特征或能力"
]
},
/compare{
action="跨主题进行直接比较",
approaches=[
"逐维度比较分析",
"相对强度评估",
"差距分析",
"权衡识别"
]
},
/contextualize{
action="评估与具体情况的相关性",
elements=[
"与具体需求的契合度",
"实施考虑",
"组织契合因素",
"风险和机遇评估"
]
},
/synthesize{
action="制定整合性比较评估",
elements=[
"整体比较摘要",
"关键区分因素",
"决策相关洞察",
"背景化建议"
]
}
],
output={
comparison_matrix="跨所有维度和主题的结构化评估",
key_differentiators="区分选项的关键因素",
contextual_assessment="针对具体情况的适配性评估",
recommendation_framework="包含条件建议的决策支持"
}
}实施指南
主题选择:
- 识别适当的比较候选对象
- 确保相似的类别或分类
- 考虑相关的替代方案
维度定义:
- 选择4-8个关键比较类别
- 分配相对重要性权重
- 在每个维度内定义具体标准
背景规范:
- 描述相关情况或需求
- 注意具体约束或偏好
- 包括决策参数
决策标准澄清:
- 阐述比较将如何为决策提供信息
- 注意优先因素或需求
- 包括任何不可协商的要素
性能指标
| 指标 | 描述 | 目标 |
|---|---|---|
| 框架全面性 | 相关维度的覆盖 | 包含所有决策关键因素 |
| 评估深度 | 主题评估的彻底性 | 每个标准的实质性分析 |
| 比较清晰度 | 选项之间的清晰对比 | 关键维度上的明确区分 |
| 背景相关性 | 与具体情况的联系 | 与决策背景的清晰应用 |
6. 研究综合协议
何时使用此协议: 需要将多样化的信息整合为连贯、有意义的框架?此协议引导您进行知识综合——非常适合跨学科整合、构建概念模型、创建框架或发展理论。
提示词: 我需要综合来自多个学科(心理学、行为经济学、神经科学和社交媒体研究)的研究发现,以制定理解数字行为改变机制的综合框架。目标是创建一个整合模型,解释不同干预措施如何影响在线用户行为,特别是围绕可持续消费选择。
协议:
/research.synthesize{
intent="将多样化信息整合为连贯的框架或模型",
input={
synthesis_goal="制定数字行为改变机制的综合框架",
knowledge_domains=[
{domain: "心理学", elements: ["认知偏差", "动机理论", "习惯形成"]},
{domain: "行为经济学", elements: ["选择架构", "激励结构", "时间折现"]},
{domain: "神经科学", elements: ["奖励途径", "注意力机制", "决策过程"]},
{domain: "社交媒体研究", elements: ["参与模式", "社会影响", "平台设计效应"]}
],
integration_level="具有实际应用维度的理论框架",
application_context="针对可持续消费选择的数字干预"
},
process=[
/map{
action="创建跨领域的知识景观",
elements=[
"关键概念和原则",
"已建立的关系和机制",
"互补和矛盾的观点",
"研究质量和共识水平"
]
},
/identify{
action="发现整合点和模式",
approaches=[
"跨领域概念映射",
"共享机制识别",
"互补解释识别",
"差距和矛盾分析"
]
},
/construct{
action="开发整合框架或模型",
elements=[
"组织原则和结构",
"关键组成部分和关系",
"因果或影响路径",
"边界条件和背景"
]
},
/validate{
action="对照证据评估综合",
methods=[
"解释力评估",
"实证支持映射",
"逻辑一致性检查",
"领域专家视角考虑"
]
},
/refine{
action="增强框架清晰度和实用性",
approaches=[
"概念清晰度改进",
"实际应用维度开发",
"视觉表示创建",
"解释性叙述构建"
]
}
],
output={
integrated_framework="综合多领域洞察的全面模型",
key_mechanisms="跨领域识别的核心过程",
application_guidance="理论框架的实际实施",
research_implications="未来研究方向和开放性问题"
}
}实施指南
综合目标定义:
- 清楚阐述整合目的
- 定义预期的输出类型和级别
- 指定预期应用
知识领域映射:
- 识别相关领域和学科
- 从每个领域选择关键要素
- 注意相对发展和证据水平
整合级别选择:
- 选择适当的综合深度
- 选项从概念映射到理论构建
- 考虑理论和实际维度
应用背景规范:
- 定义预期用例或场景
- 注意具体需求或约束
- 考虑利益相关者的需求和观点
性能指标
| 指标 | 描述 | 目标 |
|---|---|---|
| 整合质量 | 跨领域的有意义连接 | 连贯而非强制的整合 |
| 框架实用性 | 综合的实际价值 | 可操作的影响和应用 |
| 解释力 | 解释多样化现象的能力 | 全面解释关键机制 |
| 创新价值 | 整合产生的新颖洞察 | 单一领域不可见的新视角 |
7. 专家咨询协议
何时使用此协议: 需要从领域专家那里提取和结构化专业知识?此协议引导您进行系统性的知识引出——非常适合专家访谈、专业知识文档化、最佳实践收集或智慧捕获。
提示词: 我需要进行专家咨询,以记录金融机构网络安全事件响应的最佳实践。我正在为与我们组织首席信息安全官的结构化访谈做准备,希望全面捕获他们的专业知识,特别是关于涉及潜在数据泄露的事件的初始检测和遏制阶段。
协议:
/research.expert{
intent="从领域专业知识中提取和结构化专业知识",
input={
domain="金融机构的网络安全事件响应",
expertise_focus="潜在数据泄露的检测和遏制最佳实践",
expert_context="拥有15年以上经验的首席信息安全官",
knowledge_goals=[
"关键的首次响应程序和决策点",
"常见陷阱及其预防",
"有效的遏制策略及其情境应用",
"泄露调查期间的沟通协议",
"事件严重性和范围的评估框架"
],
knowledge_structure="包含决策标准和背景因素的程序框架"
},
process=[
/prepare{
action="制定知识提取策略",
elements=[
"领域映射和术语",
"层次化问题框架",
"关键事件技术准备",
"知识验证方法"
]
},
/extract{
action="系统性引出专家知识",
techniques=[
"基于场景的探索",
"过程追踪和思考出声协议",
"比较案例分析",
"隐性知识表面化",
"决策标准引出"
]
},
/clarify{
action="确保对专家输入的精确理解",
approaches=[
"术语和概念验证",
"边界条件探索",
"例外和边缘案例识别",
"置信水平评估"
]
},
/structure{
action="将提取的知识组织为连贯框架",
elements=[
"程序序列和工作流程",
"决策框架和标准",
"背景因素和考虑",
"因果关系和依赖性"
]
},
/validate{
action="验证知识准确性和完整性",
methods=[
"专家审查和纠正",
"基于场景的测试",
"内部一致性检查",
"全面性评估"
]
}
],
output={
knowledge_framework="专家知识的结构化表示",
best_practices="记录的程序和方法",
decision_guidance="关键决策的标准和考虑",
application_contexts="影响实施的情境因素"
}
}实施指南
领域规范:
- 清楚定义知识领域和边界
- 关注具体方面而非整个领域
- 考虑广度和深度要求
专业焦点定义:
- 阐述要提取的具体知识
- 优先考虑最有价值或最紧迫的领域
- 考虑显性和隐性知识
专家背景文档化:
- 注意相关背景和经验
- 包括具体角色或责任
- 考虑独特视角或专业化
知识目标设置:
- 定义所需的具体结果
- 包括事实性和程序性知识
- 考虑决策和背景理解
性能指标
| 指标 | 描述 | 目标 |
|---|---|---|
| 知识深度 | 捕获的专业水平 | 超越表面到深层专业知识 |
| 知识结构 | 组织和可访问性 | 清晰、逻辑的知识框架 |
| 隐性捕获 | 隐性知识的提取 | 阐述"诀窍"而非仅"知道什么" |
| 背景理解 | 情境应用因素 | 何时及如何应用知识的清晰指导 |
8. 研究设计协议
何时使用此协议: 需要制定系统性方法来回答研究问题?此协议引导您进行研究方法论开发——非常适合研究设计、调查规划、方法论选择或研究提案开发。
提示词: 我正在规划一项研究,以了解游戏化元素如何影响健康和保健应用中的用户参与和留存。我需要设计一个全面的方法论,能够提供可靠的洞察,了解哪些游戏机制最有效地驱动不同用户人口统计和健康目标的持续参与。
协议:
/research.design{
intent="制定系统性方法论以回答研究问题",
input={
research_questions=[
"哪些游戏化元素最有效地增加健康应用中的参与度?",
"人口统计因素如何调节游戏化有效性?",
"特定游戏机制与长期留存之间的关系是什么?",
"不同的健康目标如何影响最佳游戏化方法?"
],
research_context="了解健康和保健移动应用中的参与驱动因素",
methodological_constraints=[
"必须在4个月时间框架内可实施",
"可访问现有应用用户进行测试和数据收集",
"首选混合方法",
"与健康相关行为研究的伦理考虑"
],
desired_outcomes="指导游戏化功能开发优先级的可操作洞察"
},
process=[
/frame{
action="细化研究问题和方法",
elements=[
"问题具体性和可测试性",
"概念框架开发",
"变量识别和操作化",
"假设制定"
]
},
/design{
action="制定研究方法论",
components=[
"研究方法选择(定性、定量、混合)",
"研究设计规范",
"抽样策略和参与者选择",
"数据收集方法和工具",
"分析方法规划"
]
},
/validate{
action="评估方法论质量和适当性",
criteria=[
"效度和信度评估",
"偏差识别和缓解",
"伦理考虑审查",
"可行性和资源契合",
"局限性承认"
]
},
/plan{
action="创建详细的实施框架",
elements=[
"分阶段研究时间表",
"资源分配和需求",
"研究工具和协议",
"数据管理和分析计划",
"应急和适应策略"
]
},
/communicate{
action="制定研究文档",
components=[
"方法论论证和理由",
"详细程序描述",
"预期结果和应用",
"局限性和约束承认",
"伦理和质量保证措施"
]
}
],
output={
research_design="包含理由的全面方法论",
implementation_plan="执行的详细框架",
measurement_approach="数据收集和分析方法",
research_limitations="承认的约束和缓解措施"
}
}实施指南
研究问题制定:
- 制定清晰、具体、可回答的问题
- 确保适当的范围和焦点
- 考虑理论和实际维度
研究背景描述:
- 提供相关背景和设置
- 注意现有知识和差距
- 考虑利益相关者的兴趣和需求
约束识别:
- 列出实际限制和边界
- 包括时间框架、资源和访问
- 注意伦理或监管考虑
结果定义:
- 澄清预期的研究可交付成果
- 定义结果将如何使用
- 考虑学术和应用结果
性能指标
| 指标 | 描述 | 目标 |
|---|---|---|
| 方法论契合 | 问题和方法之间的匹配 | 从方法到答案的直接路径 |
| 设计严谨性 | 方法的科学质量 | 符合学科标准 |
| 可行性 | 实施的实用性 | 在约束内可执行 |
| 预期效度 | 发现的可能可信度 | 强内部和外部效度 |
高级协议整合
结合研究协议处理复杂项目
对于复杂的研究需求,协议可以按顺序或嵌套组合:
提示词: 我领导一个重大研究计划,以了解远程工作的未来及其对组织设计、技术基础设施和员工福祉的影响。我们需要分析当前趋势、预测未来发展、综合跨学科洞察,并为适应分布式工作模式的组织制定战略建议。
协议:
/research.integrated{
components=[
/research.literature{
intent="建立远程工作的当前知识状态",
input={
research_topic="跨组织、技术和人力维度的远程工作影响",
key_questions=[
"远程工作对生产力、协作和创新的既定影响是什么?",
"组织如何成功适应分布式工作的结构和流程?",
"哪些技术最有效地支持远程工作?"
],
scope_boundaries={
timeframe: "关注过去5年,疫情期间加速",
inclusion: "学术研究、行业研究、组织案例研究",
exclusion: "投机性或非基于证据的评论"
}
}
// 过程和输出详情
},
/research.foresight{
intent="预测未来远程工作发展",
input={
domain="工作的未来,关注远程/混合模式",
time_horizon="5-10年(2025-2035)",
focal_areas=[
"技术演化和采用",
"组织结构和流程转型",
"劳动力期望和需求",
"监管和政策环境"
],
key_uncertainties=[
"跨行业远程工作标准化程度",
"新兴技术对虚拟协作的影响",
"管理和领导方法的演化",
"人才的地理重新分布"
]
}
// 过程和输出详情
},
/research.synthesize{
intent="跨学科整合洞察",
input={
synthesis_goal="制定远程工作适应的综合框架",
knowledge_domains=[
{domain: "组织心理学", elements: ["团队动力", "文化形成", "福祉因素"]},
{domain: "管理科学", elements: ["协调机制", "绩效管理", "组织设计"]},
{domain: "技术研究", elements: ["协作工具", "数字基础设施", "人机交互"]},
{domain: "工作场所战略", elements: ["物理-数字整合", "空间利用", "体验设计"]}
]
}
// 过程和输出详情
}
],
integration_framework={
sequence="文献综述 → 前瞻分析 → 跨学科综合",
connection_points="每个阶段建立在先前发现之上,具有明确联系",
knowledge_building="从当前状态到未来可能性再到整合框架的渐进式发展"
}
}协议适配指南
添加专业化流程步骤:
/research.analyze{ ... process=[ ..., /specialized{action="行业特定的分析技术"} ] }扩展输入参数:
/research.literature{ ... input={ ..., methodological_filter="关注样本量n>100的实证研究" } }增强输出规范:
/research.expert{ ... output={ ..., training_framework="为教育转移而结构化的知识" } }
研究协议中的场域动力学
对于高级研究过程,整合场域动力学以塑造知识空间:
提示词: 我正在研究去中心化自治组织(DAO)的新兴商业模式,希望确保既探索传统视角又探索激进视角,同时保持分析严谨性。我想使用场域动力学创建一个研究空间,平衡既定的商业理论和web3生态系统的创新概念。
协议:
/research.literature{
...
field_dynamics={
attractors: [
"商业模式创新",
"治理机制",
"价值创造和捕获"
],
boundaries: {
firm: ["未经证实的主张", "纯粹意识形态论证"],
permeable: ["没有广泛验证的新兴概念", "跨学科框架"]
},
resonance: ["组织适应", "分布式决策"],
residue: {
target: "集中化效率与去中心化韧性之间的张力",
persistence: "高"
}
},
...
}研究协议库管理
随着您开发研究协议集合,组织它们对于重用和优化变得至关重要。
组织框架
创建个人研究协议库:
markdown
# 研究协议库
## 按研究阶段
- [文献综述 v2.1](#literature-review)
- [研究设计 v1.3](#research-design)
- [专家咨询 v2.0](#expert-consultation)
## 按研究方法
- [定量研究](#quantitative-research)
- [定性研究](#qualitative-research)
- [混合方法](#mixed-methods)
## 协议定义
### 文献综述/research.literature.v2.1{ // 完整协议定义 }
### 研究设计/research.design.v1.3{ // 完整协议定义 }
研究协议开发流程
创建您自己的研究协议遵循以下开发路径:
┌─────────────────────────────────────────────────────┐
│ │
│ 研究协议开发周期 │
│ │
│ 1. 识别需求 │
│ • 识别重复出现的研究模式 │
│ • 识别研究过程中的摩擦点 │
│ • 定义方法论要求 │
│ │
│ 2. 设计结构 │
│ • 定义研究过程组件 │
│ • 概述关键方法论阶段 │
│ • 确定所需的输入参数 │
│ │
│ 3. 原型和测试 │
│ • 创建最小可行协议 │
│ • 用真实研究问题测试 │
│ • 记录有效性和局限性 │
│ │
│ 4. 优化和改进 │
│ • 基于测试结果增强 │
│ • 优化研究质量和效率 │
│ • 提高跨背景的适应性 │
│ │
│ 5. 分享和迭代 │
│ • 创建使用指南 │
│ • 定义质量指标 │
│ • 基于多样化应用演化 │
│ │
└─────────────────────────────────────────────────────┘平衡严谨性和创造性
研究协议提供结构而不扼杀发现。考虑这些平衡原则:
- 方法与开放性:建立方法论严谨性,同时保持对意外发现的开放
- 结构与探索:创建包含发散式调查的结构化过程
- 精确性与适应性:开发能够适应新兴洞察的精确方法
- 效率与彻底性:构建保持全面覆盖的高效工作流程
成功的研究协议创建了确保质量同时支持发现的框架。
结论:知识发现的演化
研究协议将通常混乱的调查过程转化为结构化、可靠的洞察路径,而不牺牲发现和创造性的基本要素。通过为研究过程提供明确的架构,它们使更系统化、高效和高质量的知识开发成为可能。
在构建研究协议库时,请记住这些原则:
- 从关键问题开始:关注最能从结构中受益的研究挑战
- 平衡严谨性和发现:创建足够的方法论结构而不约束探索
- 基于结果迭代:根据研究结果优化协议
- 适应背景:为特定领域和问题修改协议
- 内置质量:在多个阶段整合验证和批判性评估
有了这些原则和本指南中的研究协议,您已经具备了将不可预测的研究过程转化为可靠、严谨的调查的能力,始终如一地产生有价值的洞察。
反思性问题:这些研究协议如何不仅改变您的调查过程,还改变您对知识发现中质量构成的理解?
"研究不仅仅是寻找答案,而是以更好的方式提出更好的问题。"
附录:快速参考
协议基本结构
/research.type{
intent="明确的目的陈述",
input={...},
process=[...],
output={...}
}常见流程操作
/analyze: 系统性检查信息/synthesize: 将信息整合为连贯整体/evaluate: 根据具体标准评估/map: 创建领域的结构化表示/explore: 调查可能性或因素/validate: 验证质量、准确性或适当性/contextualize: 考虑相关背景或情况
场域动力学快速设置
field_dynamics={
attractors: ["知识焦点", "方法论方法"],
boundaries: {
firm: ["排除的方法", "超出范围的元素"],
permeable: ["相邻考虑", "新兴概念"]
},
resonance: ["概念框架", "解释模型"],
residue: {
target: "关键张力或洞察",
persistence: "中等"
}
}研究协议选择指南
| 需求 | 推荐协议 |
|---|---|
| 了解现有知识 | /research.literature |
| 从信息中提取洞察 | /research.analyze |
| 探索未来发展 | /research.foresight |
| 了解复杂问题 | /research.problem |
| 比较多个选项 | /research.compare |
| 整合多样化知识 | /research.synthesize |
| 提取专家知识 | /research.expert |
| 制定研究方法论 | /research.design |