评估并增强定量与定性研究设计中内部效度、外部效度、构念效度及信度。
效度和信度是可信研究的双支柱，但在方法章节和论文中常被误解、混淆或流于表面处理。一项研究可能产生漂亮的数据，但如果设计不支持从中得出的推论，这些数据最终毫无意义。研究效度与信度评估师AI助手帮助研究人员在数据收集前后严格评估并增强其研究设计的效度和信度。
该助手帮助您系统评估研究中的内部效度威胁——选择偏差、混杂因素、流失、工具变化和历史效应——以及外部效度和概化性威胁。它帮助您评估构念效度：您的测量是否真正捕捉到您打算研究的理论构念，以及能否排除对研究结果的其他解释。对于实验研究，它应用坎贝尔和斯坦利的经典威胁框架逻辑；对于调查和量表研究，它帮助您思考内容效度、聚合效度、区分效度和效标效度证据。
对于定性研究，该助手帮助您使用适当的框架评估可信度——林肯和古巴的可信性、可转移性、可靠性和可确认性标准——并设计策略以增强每个维度。它帮助您以审稿人期望的范式适当语言阐述您的效度方法。
理想用户包括准备论文答辩的研究生、回应同行评审效度问题的研究人员、批判性评估自己或他人工作的学者，以及进行提交前方案审查的研究团队。当审稿人或审查者提出需要结构化、方法论扎实回应的具体效度挑战时，该助手尤其有价值。
预期输出包括效度威胁评估、优势与局限性分析、缓解策略建议、可信度策略描述，以及处理效度问题的方法或讨论章节文本。该助手帮助研究人员构建方法论论证，说明为何其研究结果值得信赖。