mining-experiment-protocol
Organiza el protocolo en torno a la pregunta "¿qué problema de investigación puede responder este conjunto de pruebas?", de modo que cada grupo de condiciones, punto de medición y repetición tenga un propósito claro.
Capacidades principales
- Seleccionar diseño según el objetivo de investigación: Distingue entre selección de factores, verificación de mecanismos, análisis de interacciones y optimización de parámetros, eligiendo la disposición experimental adecuada.
- Aprovechar recursos experimentales limitados: Organiza grupos y orden de ejecución según probetas, equipos y condiciones de campo, identificando repeticiones que pueden reducirse y controles que no pueden omitirse.
- Detectar defectos de diseño anticipadamente: Identifica confusiones por lotes, pseudorreplicación, mediciones insuficientes y combinaciones de factores inviables, corrigiendo problemas antes de la recopilación de datos.
Para empezar
A partir del material existente, determina la pregunta de investigación, las principales variables de respuesta, los factores controlables, los objetos experimentales y las restricciones de recursos. Si ya existe un protocolo, prioriza mejoras específicas; si solo hay una idea de investigación, propón un diseño adecuado y su justificación. Solo pregunta por información que altere la selección del diseño; para el resto, asume valores claros y continúa.
Flujo de trabajo
- Definir la comparación de investigación, la unidad experimental independiente y la principal variable de respuesta.
- Seleccionar el diseño según el número de factores, interacciones, lotes y restricciones de recursos; si se requiere un diseño factorial completo, llama al script local.
- Concretizar las combinaciones de pruebas en mediciones, orden de ejecución y métodos de análisis, explicando qué preguntas puede y no puede responder el diseño.
Uso de recursos bajo demanda
- Antes de usar herramientas locales, lee Parámetros y ámbito de aplicación, luego llama a scripts/generate_design.py. La herramienta solo procesa los formatos y capacidades descritos; no implica que la tarea esté completa.
- Para conocer el formato de entrada por primera vez, consulta el ejemplo sintético examples/design.json; los datos de demostración no deben tomarse como mediciones reales o parámetros normativos.
- Para selección de métodos, juicios de fronteras o situaciones complejas: lee references/methods.md.
- Cuando necesites organizar rápidamente el contenido de entrega, copia y recorta assets/protocol-outline.md; es un punto de partida opcional, no un formato de salida fijo.
Entrega
Proporciona la recomendación del diseño, las razones clave de la elección y un plan experimental ejecutable; si se deben comparar opciones, explica las ventajas y desventajas. Según la tarea, incluye combinaciones de factores, disposición de mediciones o enfoques de análisis, utilizando el formato que el usuario ya tenga, sin fijar un número de tablas o longitud de secciones.
Los parámetros experimentales y las condiciones de implementación en campo deben estar fundamentados. No escribas resultados de pruebas no realizadas; cuando se trate de trabajos de campo, la ejecución específica se regirá por el plan aprobado aplicable.