SuperAPI AI 工具集

amr-data-analysis

写作与研究

查看项目

更新于 10-15 20:08

技能介绍

用途:对 AMR 理论稿件做逻辑压力测试。AMR 不发表实证数据,因此"分析"针对的是论证本身——每个命题是否从构念与机制中逻辑地推出。逻辑严谨性在 AMR 相当于实证期刊中的统计严谨性。

主要能力(四项逻辑测试):一、前提—结论检查,逐命题写出前提→前提→机制→结论链条,可用 Toulmin 框架(claim/grounds/warrant/backing/rebuttal),机制即 warrant 常最薄弱。二、思想实验/反事实,在头脑中操纵焦点构念并追踪后果,再问"何种条件下 X 变动而 Y 不跟随",若反事实合理却未解释,则缺边界条件。三、替代解释审计,为每个命题列出最强竞争理论,证明自身机制更完备/简约,或将对手整合为边界条件。四、反例搜索,主动寻找命题应当失败的案例,由边界条件覆盖或收窄命题。

全理论一致性检查:一致性(无矛盾、无概念漂移)、非循环性(构念不由其效果定义再解释该效果)、充分性、简约性。

输出格式:逐命题逻辑、已运行的思想实验、反事实→边界条件、已处理的替代解释、反例、一致性判定、下一步。含检查清单与反模式(如命题自明、机制含糊、以数据会支持为辩护、循环论证等)。

触发场景:命题已写但不确定是否从论证推出、理论"感觉对"却未经对抗测试、评审可能提出未处理的替代解释、论证链存在隐藏跳跃。

限制:资料未提供实施方式、平台或具体命令;引用文献含 Whetten 1989、Suddaby 2010、Oliver 1991 等 DOI。