ArguScope｜तर्क दर्पण
तर्क की कमियां पहचानें, निष्कर्ष मजबूत करें
ArguScope｜तर्क दर्पण
तर्क की कमियां पहचानें, निष्कर्ष मजबूत करें
सामग्री की झलक
विवरण
ArguScope एक पेशेवर तर्क विश्लेषण उपकरण है, जिसे उपयोगकर्ताओं को किसी भी टेक्स्ट या ऑडियो/वीडियो सामग्री (प्रतिलेख आवश्यक) के तर्क की गुणवत्ता को गहराई से समझने में मदद करने के लिए डिज़ाइन किया गया है, और यह आंकने में कि क्या इसका निष्कर्ष दिए गए साक्ष्य के अनुरूप है। यह उपकरण सामग्री निर्माताओं, शोधकर्ताओं, टिप्पणीकारों और उन सभी के लिए उपयुक्त है जो अपनी आलोचनात्मक सोच और तर्क विश्लेषण क्षमताओं को बढ़ाना चाहते हैं। यह पाठ के मुख्य दावों, समर्थन साक्ष्य, अंतर्निहित धारणाओं और तर्क प्रक्रिया की पहचान करता है, और निष्कर्ष की ताकत का आकलन करता है। उपयोगकर्ता इसके माध्यम से तर्क की ताकत और कमजोरियों को समझ सकते हैं, सूचना की सत्यता और तर्क की प्रभावशीलता का आकलन करने की अपनी क्षमता में सुधार कर सकते हैं। ArguScope की मुख्य विशेषताओं में तर्क ढांचा निकालना, पाठ प्रकार, तर्क पद्धति और साक्ष्य स्तर का विश्लेषण करना; साक्ष्य अंतराल, कारण अंतराल, अवधारणा अंतराल, सामान्यीकरण अंतराल और मूल्य अंतराल जैसे पांच प्रमुख तार्किक मुद्दों की पहचान करना; और आवश्यकतानुसार तथ्य-जांच करना शामिल है। अंत में, यह एक विस्तृत तर्क विश्लेषण रिपोर्ट प्रदान करता है, जिसमें समग्र स्कोर, तर्क शक्ति मूल्यांकन, प्रमुख मुद्दों का विश्लेषण और तथ्य-जांच सूची शामिल है, जिससे उपयोगकर्ता सामग्री के तर्क की गुणवत्ता का पूरी तरह से आकलन कर सकते हैं।
द्वारा अनुशंसित
Nico@YouMind
हमें यह कौशल क्यों पसंद है
यह कौशल एक अनूठा दृष्टिकोण अपनाता है, न केवल तार्किक भ्रांतियों को सूचीबद्ध करता है, बल्कि तर्क के ढांचे को गहराई से खोदता है और सटीकता से आकलन करता है कि निष्कर्ष की ताकत साक्ष्य से अधिक है या नहीं, जिससे आप एक सच्चे विचारक बन सकते हैं।
संबंधित कौशल
सभी देखें
तथ्य-जांच (Fact Check)
किसी भी दावे, निष्कर्ष, आँकड़े या योजना की जाँच AI तथ्य-जांचकर्ता से कराएँ: ऑनलाइन स्रोत-जाँच + पाँच-स्तरीय विश्वसनीयता आकलन + तर्क-श्रृंखला की कमियों का पता लगाना—और अंत में पाएँ एक ऐसी जाँच रिपोर्ट, जिसे सीधे साझा किया जा सके। 【यह क्या करता है】किसी भी दावे को पेस्ट करें, यह Skill अपने आप तीन चरणों में जाँच पूरी करता है: 🔍 विश्लेषण—दावे को「सत्यापित किए जा सकने वाले तथ्य / निकाला गया निष्कर्ष / मूल्य-निर्णय」में बाँटता है, इनके बीच स्पष्ट अंतर रखता है और राय को तथ्य नहीं मानता 🌐 ऑनलाइन स्रोत-जाँच—स्रोत, नमूने, आँकड़ों की परिभाषा, समय और पूरे संदर्भ की एक-एक करके जाँच करता है और कई माध्यमों से क्रॉस-वेरिफ़ाई करता है 🧩 तर्क-श्रृंखला की जाँच—छिपी हुई धारणाओं, सहसंबंध और कारण-कार्य संबंध के भ्रम, छूट गई वैकल्पिक व्याख्याओं तथा उन शर्तों को पहचानता है जिनके तहत निष्कर्ष सही या गलत हो सकता है 【इसे क्यों चुनें】 ✅ पाँच-स्तरीय विश्वसनीयता आकलन: प्रमाणित / मूलतः सही, लेकिन दायरा सीमित करना होगा / विवादित / पर्याप्त प्रमाण नहीं / स्पष्ट रूप से गलत—हर बिंदु के साथ स्रोत लिंक ✅ चार-भाग वाली रिपोर्ट: विश्वसनीय तथ्य और सुधार / तर्क-श्रृंखला की सबसे महत्वपूर्ण कमी / बेहतर प्रमाणों पर आधारित सबसे उचित संस्करण / किस हद तक भरोसा किया जा सकता है ✅ मनगढ़ंत बातें नहीं: अगर जानकारी नहीं मिलती, तो ईमानदारी से「पर्याप्त प्रमाण नहीं」लिखता है;「संभवतः सही」कहकर बात नहीं टालता ✅ रिपोर्ट तैयार रूप में: पाठकों, ग्राहकों या समुदाय के साथ सीधे साझा करें 【किसके लिए उपयुक्त】स्वतंत्र मीडिया और कंटेंट क्रिएटर, निवेशक और विश्लेषक, विद्यार्थी और शोधकर्ता, तथा वे सभी लोग जिन्हें जल्दी तय करना हो कि「क्या इस कथन पर भरोसा किया जा सकता है」। 【कैसे इस्तेमाल करें】जाँच कराने वाला दावा सीधे पेस्ट करें—एक वाक्य से लेकर पूरे अनुच्छेद तक। उदाहरण के लिए,「हाशिमोटो थायरॉइड वाले लोगों में अक्सर ऊर्जा की कमी रहती है」इनपुट करने पर स्रोतों सहित स्तरबद्ध जाँच रिपोर्ट मिलेगी। ⚠️ चिकित्सा, कानूनी, निवेश और अन्य विशेषज्ञ विषयों में यह केवल जानकारी की जाँच के लिए है; कृपया विशेषज्ञ की राय को प्राथमिकता दें।
LessWrong: विवाद व निर्णय
विवादित मुद्दों, नीतिगत चर्चाओं, लेखों के तर्कों और कमेंट सेक्शन के झगड़ों को अधिक स्पष्ट, जाँचने योग्य और कार्रवाई का मार्गदर्शन करने वाले विश्लेषण में बदलें। यह Skill LessWrong की तर्कवादी परंपरा से प्रेरणा लेती है, लेकिन LessWrong के आधिकारिक विचारों का प्रतिनिधित्व नहीं करती। इसका लक्ष्य बहस जीतना नहीं, बल्कि तथ्यों, कारणात्मक व्याख्याओं, मूल्य-निर्णयों, नीतिगत दावों, पूर्वानुमानों और व्यक्तिगत रणनीतियों के बीच अंतर करना है, ताकि भावनाओं, विचारधारा या ऊँची आवाज़ को सबूत न समझ लिया जाए। यह आपको सबूतों की गुणवत्ता, अज्ञात जानकारी, आधार दरों और वैकल्पिक व्याख्याओं की जाँच करने में मदद करेगी। साथ ही, यह “सब लोग ऐसा मानते हैं” जैसे अतिरंजित दावों, किसी एक मामले को सामान्य नियम का विकल्प बनाने, मकसद पर हमले और पहचान-आधारित बहसों की पहचान करेगी। यह दूसरे पक्ष के सबसे उचित विचार को उसके मजबूत रूप में प्रस्तुत करेगी, उन वास्तविक मतभेदों को खोजेगी जो निष्कर्ष बदल सकते हैं, और प्रोत्साहनों, सीमाओं तथा वास्तविक कार्रवाई के बीच संबंध का विश्लेषण करेगी। चाहे आप किसी विवादित लेख की समीक्षा कर रहे हों, अपना तर्क बेहतर बना रहे हों, कमेंट सेक्शन के संघर्ष को समझना चाहते हों या अधूरी जानकारी में विकल्पों की तुलना कर रहे हों, आपको अस्थायी निष्कर्ष, मुख्य आरक्षण, अपडेट किए जा सकने वाले निर्णय-मानदंड और अगले कदमों की सलाह मिलेगी। समय-संवेदनशील या विशेषज्ञ तथ्यों के मामले में, यह साफ बताएगी कि किन बातों की आगे जाँच ज़रूरी है—खाली जगहों को झूठी निश्चितता से नहीं भरेगी।
अनुसंधाननवांकुर｜निवेश-थीसिस ऑडिटर
अपनी राय साबित करने में मदद नहीं, उसकी जाँच में मदद। निवेश संबंधी कई निर्णयों में समस्या यह नहीं होती कि डेटा पूरी तरह गलत है, बल्कि यह कि सही डेटा किसी हद से आगे बढ़े हुए निष्कर्ष को समर्थन दे रहा होता है। उदाहरण के लिए: “AI के बहुत से ऑर्डर हैं, इसलिए अगले तीन वर्षों में मुनाफा निश्चित रूप से तेज़ी से बढ़ेगा।” “कंपनी का कारोबार अच्छा है, इसलिए अभी उसका शेयर बहुत सस्ता है।” “ग्राहकों की संख्या लगातार बढ़ रही है, इसलिए नेटवर्क प्रभाव बन चुका है।” “प्रबंधन का कहना है कि तकनीक अग्रणी है और यह वित्तीय रिपोर्ट में भी लिखा है, इसलिए प्रतिस्पर्धात्मक बढ़त साबित हो चुकी है।” 「नवांकुर｜निवेश-थीसिस ऑडिटर」 आपके सही होने को साबित करने के लिए और कारण नहीं खोजता। यह आपकी निवेश राय को एक ऑडिट की जा सकने वाली Critical Path में तोड़ता है और हर स्तर की जाँच करता है: तथ्य → साक्ष्य → कारण-परिणाम संबंध → छिपी हुई मान्यता → व्यावसायीकरण → आर्थिक परिणाम → मूल्यांकन और पहले स्रोतों को प्राथमिकता देकर खोजते हुए कुछ सचमुच महत्वपूर्ण सवालों के जवाब देता है: कौन-से हिस्से साक्ष्य से पहले ही साबित हो चुके हैं? कौन-से हिस्से केवल उचित अनुमान हैं? कौन-सी आवश्यक कड़ी सबसे कमजोर है? क्या Thesis को सचमुच चुनौती देने वाला कोई विरोधी साक्ष्य है? कौन-सा साक्ष्य निष्कर्ष बदलने की सबसे अधिक संभावना रखता है? अंत में पाँच में से एक आकलन दिया जाता है: SUPPORTED / PARTIALLY SUPPORTED / FRAGILE / BROKEN / INSUFFICIENT DATA निष्कर्ष किसी अस्पष्ट “कुल मिलाकर” पर नहीं, बल्कि विशिष्ट Necessary Claim और साक्ष्य पर आधारित होकर ट्रेस किया जा सकना चाहिए।
जानकारी
- संस्करण
- v5
- आखिरी अपडेट
- रन क्रेडिट
- उपयोग के अनुसार
- मॉडल
- स्वचालित
