claim-investigation

主張の調査：体系的なファクトチェックのスキル

ソーシャルメディアなどの情報源にある主張を体系的に調査し、検証可能な事実と物語的な解釈を切り分け、確認できることとできないことを明確にします。

基本原則

複雑な主張は通常、検証可能な事実と検証不可能な解釈が組み合わさっています。効果的な調査では、主張を個々の要素に分解し、それぞれを独立して検証したうえで、確認済みの事実と物語的な枠付けを明確に区別します。

フェーズ 1：主張の分解

1.1 個別の主張を抽出する

文を、個別に検証可能な主張へと分解します。それぞれの主張は、以下を満たす必要があります。

• 単一の事実に関する断定である
• 独立して検証可能である
• 物語的な解釈を含まない

分解の例： 原文：「エプスタイン関連文書の公開に賛成票を投じるからという理由で、下院院内総務がAZ-07の特別選挙で新たに選出された当選者の着席を拒否している」

個別の主張：

1. 下院院内総務が存在する（役職が存在する）
2. AZ-07の特別選挙が行われた（出来事があった）
3. その選挙で当選者が出た（結果が存在する）
4. 当選者が着席していない（現在の状況）
5. 拒否する行為があった（具体的な行為に関する主張）
6. エプスタイン関連文書との因果関係がある（因果関係に関する主張）

1.2 各要素を分類する

種類	説明	検証可能性
ENTITY	人物、組織、場所	通常は検証可能
EVENT	起きたとされる出来事	多くの場合は検証可能
STATE	現在の状態や状況	通常は検証可能
PROCESS	正式な手続きや仕組み	検証可能
CAUSATION	主張される理由や動機	検証可能なことはまれ
NARRATIVE	解釈を含む枠付け	直接的には検証不可能

1.3 不足している情報を特定する

明らかに欠けている情報を記録します。

• 名前が示されていない関係者（名前ではなく「当選者」としているなど）
• 日付が特定されていない
• 手続き上の背景情報が不足している
• 反対の立場からの視点がない

フェーズ 2：エンティティの特定

2.1 曖昧な指示を特定する

曖昧な指示を、検索可能な具体的な用語に置き換えます。

• 「下院院内総務」→ 現職の下院議長または下院多数党院内総務の氏名
• 「新たに選出された当選者」→ 選挙結果に記載された候補者の氏名
• 「エプスタイン関連文書」→ 特定の文書や調査

2.2 時系列を整理する

各出来事について、次の点を確認します。

• その出来事が起きたとされるのはいつか
• この種の出来事に通常どのくらいの時間がかかるか
• 手続き上の期限が関係しているか

2.3 主な関係者を特定する

• 主な関係者（行為をしたとされる人々）
• 二次的な関係者（影響を受けた人々）
• 関連する権限を持つ公的機関
• 検証に利用できる情報源

フェーズ 3：体系的な検証

3.1 まず基礎的な事実を確認する

最も基本的で検証しやすい主張から始めます。

1. その出来事は起きたか
2. その関係者は実在するか
3. 基本的な事実は正しいか

検索方針：

• まず公的な情報源を確認する（.gov、選挙管理機関）
• 複数の報道機関の情報を相互参照する
• 一次資料を探す

3.2 手続き上の背景を調査する

主張されている行為や不作為について、次の点を確認します。

1. 通常の手続きはどのようなものか
2. どのような要件があるか
3. 通常どのくらいの時間がかかるか
4. 遅延にはどのような正当な理由があるか

3.3 因果関係に関する主張を調べる

「～だから」などの因果関係を示す主張については、次を確認します。

直接的な証拠：

• 行為をしたとされる人物の引用発言
• 公式声明やプレスリリース
• 関連する発言の動画や音声

間接的な証拠：

• 観察された事実に対する別の説明
• 同様の状況で一般的な理由
• 手続き上の説明

背景情報：

• 関係者がこれまでに示した立場
• 過去の先例
• 時系列との整合性

フェーズ 4：情報源の評価

4.1 情報源の優先順位

1. 政府の公式記録やデータベース
2. 関係者による直接の発言
3. 裁判所の文書や法的提出書類
4. 同時期の報道（複数の報道機関）
5. 分析記事や意見記事（その旨を明記）

4.2 信頼性を示す指標

各情報源について、以下を記録します。

• 種類（公式、ニュース、アドボカシー、ソーシャルメディア）
• 出来事との相対的な日付
• 主張の帰属先が明記されているか
• 裏付け資料があるか
• 訂正や更新が行われているか

4.3 バイアスの指標

否定せずに、以下を記録します。

• 情報源の一般的な政治的傾向
• 利害関係者との関係
• 報道の傾向
• 言葉の選び方（中立的か、強い表現か）

フェーズ 5：ナラティブのパターン認識

5.1 ナラティブの構成を特定する

事実ではなくナラティブを示すパターン：

• 根拠のない因果関係の連鎖（「Y が原因で X が起き、その原因は Z」）
• 心を読んだかのような主張（「〜と考えている」「〜を望んでいる」）
• 事実の選択的な提示
• 時系列の混同（異なる時期を混ぜる）
• 誤った二分法

5.2 対抗するナラティブを探す

各ナラティブについて：

• どの事実がそれを裏付けているか？
• どの事実がそれを複雑にしているか？
• 同じ事実を説明できる別のナラティブは何か？
• どの事実が除外されているか？

5.3 欠けている文脈

解釈を変える可能性のあるもの：

• 標準的な手続きが守られていること
• 類似する過去の事例
• 引用の全文と一部のみの引用
• 直前および直後の出来事

フェーズ 6：統合と報告

6.1 レポートの構成

VERIFIED FACTS:
- [Fact] (Source: [citation])

DISPUTED/UNCLEAR:
- [Claim]:
  - Supporting: [source]
  - Contradicting: [source]
  - Unable to verify: [what's missing]

CONTEXT NEEDED:
- [Procedural context]
- [Historical precedent]
- [Timeline considerations]

NARRATIVE ELEMENTS:
- [Claim]
  - Facts that support: [list]
  - Facts that complicate: [list]
  - Alternative explanations: [list]

6.2 信頼度

レベル	意味
確実	複数の一次情報源によって確認されている
可能性が高い	複数の信頼できる情報源が一致しており、矛盾がない
可能性がある	一部の証拠が裏付けているが、不明点が残っている
不明確	証拠が矛盾している、または情報が不十分
誤り	権威ある情報源によって否定されている

フェーズ 7：メタ分析

7.1 情報の欠落

特定できなかった内容を記録します。

• 存在するはずなのに見つからなかった情報
• 未回答のまま残っている質問
• 検証にかけられる時間の制約

7.2 操作の指標

意図的な誤解を招く情報提示を示唆するパターン：

• 重要な事実が一貫して省略されている
• 引用が誤っている、または文脈から切り離されている
• 別々の出来事や人物が混同されている
• 古い出来事が新しいものとして提示されている

7.3 追加調査

初期調査でより深い問題が明らかになった場合：

• どのような追加ツールやアクセスが役立つか？
• 関係者にどのような質問をするべきか？
• どのような文書を請求するべきか？

検索クエリの作成

• 広い範囲から始めて、徐々に絞り込みます
• 同じ概念を異なる表現で検索します
• 該当する場合は日付範囲を含めます
• 裏付けとなる証拠と反証となる証拠の両方を検索します
• 引用には正確なフレーズを、概念には広い用語を使います

出力の原則

1. 検証済みの事実を先に示します
2. 事実と分析を明確に分けます
3. 関連する文脈をすべて含めます
4. 該当する場合は、複数の妥当な解釈を提示します
5. 証拠なしに因果関係を断定しません
6. 調査上の限界を明示します

出力の保存

出力先の確認

1. プロジェクト内の context/output-config.md を確認します
2. 見つかった場合は、このスキルの項目を探します
3. 見つからない場合は、ユーザーに「調査レポートはどこに保存しますか？」と尋ねます
4. research/investigations/ または explorations/research/ を提案します

主な出力

• 分解した主張 - 分類を付けた原子的な構成要素
• 検証結果 - 構成要素ごとの信頼度
• 文脈の記録 - 手続き上および歴史的な文脈
• 統合レポート - 標準的なレポート構成を使用

ファイル名

形式：{topic}-investigation-{date}.md

検証（Oracle）

このスキルで検証できる内容

• 分解の完了 - すべての原子的な主張を特定できているか？（高い信頼度）
• エンティティの特定 - 曖昧な参照先を特定できているか？（高い信頼度）
• 情報源の評価 - 信頼性を示す指標を記録できているか？（高い信頼度）

人間の判断が必要な内容

• 情報源の信頼性 - 文脈を踏まえた信頼性の評価
• ナラティブの解釈 - どの枠組みが最も正確か？
• 操作の検出 - 情報の欠落に隠された意図

Oracle の限界

• 主張の背後にある動機は評価できません
• 情報がどのように変化していくかは予測できません

フィードバックループ

セッションの永続化

• 出力先： context/output-config.mdを参照してください
• 保存する内容： 分解、検証、コンテキスト、統合
• 命名パターン： {topic}-investigation-{date}.md

セッションをまたいだ学習

• 関連トピックの過去の調査を確認します
• 以前の情報源評価を基に調査を進めます
• 検証に失敗した場合は、手法の改善に活用します

設計上の制約

このスキルが前提とすること

• 調査対象となる具体的な主張があること（一般的なリサーチではない）
• 主張の中に検証可能な要素が含まれていること
• 情報源にアクセスして検証できること

このスキルでは対応しないこと

• 一般的なリサーチ - 次に振り分けます：research
• AI の出力検証 - 次に振り分けます：fact-check
• メディアのパターン分析 - 次に振り分けます：media-meta-analysis

劣化の兆候

• 単一の情報源だけで検証する（確認を急ぐ）
• 根拠なしに因果関係を受け入れる
• 一つの誤りを理由に主張全体を退ける

推論要件

標準的な推論

• 単一の主張を分解する
• 基本的なエンティティ解決
• 簡易的な情報源評価

拡張推論（ultrathink）

• 複数の主張の調査 - ［理由：主張同士が相互作用し、コンテキストが積み重なるため］
• ナラティブ分析 - ［理由：操作のパターンを検出するため］
• 情報源の徹底的な追跡 - ［理由：引用の連鎖をたどって元の情報源を見つけるため］

トリガーフレーズ： "full investigation", "trace all sources", "analyze the narrative"

実行戦略

順次実行（デフォルト）

• 検証の前に分解する
• 因果関係の主張よりも基礎となる事実を先に確認する
• 統合の前に個々の要素を確認する

並列化可能な作業

• 独立した原子的な主張を検証する
• 複数の情報源を同時に調査する

サブエージェント候補

タスク	エージェントの種類	起動するタイミング
情報源の調査	general-purpose	主張の起源を追跡するとき
タイムラインの構築	general-purpose	出来事の順序を整理するとき

コンテキスト管理

トークン数の概算

• スキル本体： 約3.5kトークン（フェーズ＋テンプレート）
• 例を含む場合： 約4.5kトークン
• 出力構造全体を含む場合： 約5kトークン

コンテキストの最適化

• 現在の調査フェーズに集中します
• レポートの構造は参考用であり、コンテキスト内には含めません
• 例は省略可能です

コンテキストが不足してきたとき

• 優先するもの：現在のフェーズ、進行中の主張
• 後回しにするもの：テンプレート構造全体、すべてのフェーズ
• 省略するもの：メタ分析のセクション、検索例

アンチパターン

1. 確認を急ぐ

パターン： 主張と一致する情報源を一つ見つけただけで、検証済みと判断します。 失敗する理由： 単一の情報源による検証では、誤りや偏りを見逃します。また、独立した検証をせずに複数の媒体が同じ誤った主張を繰り返す、組織的な誤情報も見逃します。 対処法： 少なくとも2～3件の独立した情報源を求めます。主張を一次情報源までたどります。「複数の情報源」が実際には同じ元の情報源を繰り返しているだけではないか確認します。

2. 因果関係の混同

パターン： 「Xが起きた」と「Yが存在する」ことしか検証されていないのに、「Yが原因でXが起きた」という主張を受け入れます。 失敗する理由： 相関が示すのは同時に起きたことであり、因果関係ではありません。人間はパターン認識によって、実際には存在しないかもしれない因果関係を補ってしまいます。特に政治的なナラティブは、この隙を利用します。 対処法： 因果関係を示す直接的な証拠（明示された意図、文書化された決定）を求めます。因果関係を検証できない場合は、「推定される動機」または「主張された理由」として報告します。

3. 時期尚早な誤りの指摘

パターン： 一つの事実が誤っているとわかっただけで、ほかの要素を調査せずに主張全体を退けます。 失敗する理由： 複雑な主張には、真実の要素と誤りの要素が混在していることがよくあります。一部が誤っているという理由ですべてを退けると、ナラティブに含まれる実際の問題を見逃します。 対処法： すべての要素を分解し、それぞれを個別に検証します。「主張AとCは検証済み、主張Bは誤り、主張Dは検証不能」のように、要素ごとに正確性を報告します。

4. 権威の誤謬

パターン： 「権威がある」公式情報源を無批判に受け入れることです。 なぜ失敗するのか： 公式情報源でも、誤りや不完全さ、古さがあったり、意図的に誤解を招く内容だったりすることがあります。権威があれば誤りの確率は下がりますが、なくなるわけではありません。 対処法： 公式情報源をほかの証拠と照合します。公式情報源に誤った情報を伝える動機がある場合は、その点を明記します。「公式見解」と「検証済みの事実」を区別します。

5. ナラティブへのアンカリング

パターン： 何が「実際に起きているのか」について仮説を立て、それを証明するために調査を始めることです。 なぜ失敗するのか： 確証バイアスによって、どのような証拠を探すか、その証拠をどう解釈するかが左右されます。どんなナラティブでも、懸命に探せば「証拠」は見つかってしまいます。 対処法： まず、提示された具体的な主張から始めます。それぞれの主張を個別に調査します。反証となる証拠を積極的に探します。同じ事実に当てはまる別の説明も記録します。

統合

インバウンド（このスキルに情報を提供）

スキル	提供する内容
research	初期の情報源の発見とクエリの拡張
media-meta-analysis	情報源の偏りとメディアのパターンに関する理解

アウトバウンド（このスキルが可能にすること）

スキル	提供する内容
fact-check	生成後の確認に使う検証済みの事実
sensitivity-check	表現に関する主張を評価するためのコンテキスト

補完関係

スキル	関係
research	広範な情報収集には research を、個別の主張の検証には claim-investigation を使用します
fact-check	外部の主張には claim-investigation を、AI 生成コンテンツの検証には fact-check を使用します