hum-source-criticism

ソース批判

概要

ソース批判は、情報の信頼性を評価する体系的な手法です。もともとは歴史学の方法論ですが、誤情報、事実を装った意見、AI生成コンテンツがあふれる情報環境を乗り切るうえで、現在では欠かせないものとなっています。

フレームワーク

IRON LAW: No Source Is Automatically Trustworthy

Every source — including academic journals, government data, and news from
reputable outlets — has potential biases, errors, and limitations. Credibility
is assessed, not assumed. "It's from the New York Times / 中央社" is not
sufficient — WHAT are they reporting, based on WHAT evidence, and do other
sources corroborate it?

ソースの分類

一次資料：当時またはその出来事に関する直接的な証拠（原文書、生データ、目撃者の証言、オリジナルの研究、公式記録）

二次資料：一次資料の分析または解釈（教科書、レビュー論文、ニュース分析、伝記）

三次資料：一次資料と二次資料をまとめたもの（百科事典、Wikipedia、データベース）—出発点としては有用ですが、最終的な情報源ではありません

ソースの信頼性を評価する4つのテスト

1. 外的批判 — ソースは真正なものですか？

• 誰が作成しましたか？その人物は、名乗っている人物と同一ですか？
• いつ作成されましたか？日付に矛盾はありませんか？
• これは原本ですか、それとも改変されていますか？
• 出版元やプラットフォームは信頼できますか？

2. 内的批判 — 内容は信頼できますか？

• 著者はこのトピックに関する専門知識を持っていますか？
• 著者にはどのような潜在的な偏りや利害がありますか？
• 証拠は引用されていますか？検証できますか？
• 論理的な推論ですか？結論は証拠によって裏付けられていますか？

3. 三角測量 — 複数の独立したソースが一致していますか？

• 3つ以上の独立したソースを確認します（同じ元の報告書のコピーではないもの）
• 「独立」とは、著者、組織、手法がそれぞれ異なることを意味します
• 独立したソース間で一致していれば、信頼性が高まります

4. 最新性 — 情報は十分に新しいものですか？

• いつ公開されましたか？その後、状況は変わっていますか？
• 変化の速いトピック（AI、政策、市場）では、公開から6か月たったソースでも古くなっている可能性があります

誤情報を示す危険信号

危険信号	説明
著者または組織が特定されていない	この主張の責任を負うのは誰ですか？
証拠を伴わない感情的な表現	情報を伝えるのではなく、感情をあおることが目的です
一次資料が引用されていない	追跡可能な証拠のない主張です
研究を特定せずに「研究によると」と述べる	権威に訴える曖昧な表現です
多数のサイトで拡散されている単一のソース	独立した検証ではなく、同じ主張のコピーです
うますぎる話／あまりにも突飛な話	極端な主張には、極端な証拠が必要です
信頼できるソースを模倣したURL／ドメイン	Fakecnn.com、bbc-news.co（bbc.co.ukではない）

出力形式

# Source Evaluation: {Source/Claim}

## Source Identity
- Author/Organization: {who}
- Publication: {where}
- Date: {when}
- Type: Primary / Secondary / Tertiary

## Credibility Assessment
| Test | Assessment | Evidence |
|------|-----------|---------|
| External (authentic?) | ✓/⚠/✗ | {reasoning} |
| Internal (reliable?) | ✓/⚠/✗ | {reasoning} |
| Triangulation (corroborated?) | ✓/⚠/✗ | {other sources checked} |
| Currency (current?) | ✓/⚠/✗ | {relevance of date} |

## Red Flags
- {any detected red flags}

## Verdict
- Credibility: High / Moderate / Low
- Recommended action: {trust / verify further / discard}

例

正しい適用例

シナリオ：「台湾のGDPは2027年までに韓国を上回る」という、ソーシャルメディアで拡散された投稿を評価する

テスト	評価	証拠
外的	⚠	匿名アカウントで、機関との関係がなく、グラフにデータソースの記載もありません
内的	✗	名目GDPを使用（PPPではない）し、半導体部門の予測を都合よく選び、為替レートの変動性を無視しています
三角測量	✗	IMFと世界銀行の予測にそのような収束は見られず、信頼できるアナリストもこの主張をしていません
最新性	✓	今月投稿されたものです

危険信号：感情的な見出し（「台湾が韓国を圧倒」）、一次データソースの記載なし、出典不明の単一のグラフ
判定：信頼性が低い — 破棄する ✓

誤った適用例

• 「これはReutersの記事だから、真実に違いない」→ 信頼性を評価せずに決めつけています。信頼できるソースであっても、誤りや情報の古さがあったり、特定の見方で問題を捉えていたりすることがあります。「鉄則」に反しています。

注意点

• バイアス ≠ 信頼性が低いこと：すべての情報源には視点があります。労働組合による労働環境に関する報告にはバイアスがあっても、正確なデータが含まれている場合があります。バイアスと正確性は分けて評価してください。
• Wikipedia は出発点です：参考文献が記載された三次資料です。参考文献をたどり、一次資料や二次資料を確認してください。根拠として Wikipedia を引用せず、Wikipedia が引用している情報源を引用してください。
• AI が生成したコンテンツ：AI は、本物らしく見えても捏造された「情報源」（偽の論文、偽の引用、偽の統計データ）を生成することがあります。引用された情報源が実在することを確認してください。
• コンセンサス ≠ 真実ですが、有力な指標です：科学的コンセンサス（気候変動、ワクチンの安全性など）は、入手可能な証拠の中で最も強力なものです。コンセンサスに反する少数の「専門家」には、並外れた証拠が求められます。
• 情報源の信頼性は分野によって異なります：心臓病学者は心臓病については信頼できる情報源ですが、経済学についてはそうとは限りません。専門知識と主張の内容を照らし合わせてください。

参考資料

• CRAAP テスト（Currency、Relevance、Authority、Accuracy、Purpose）については、references/craap-test.md を参照してください。
• ファクトチェックツールとデータベースについては、references/fact-check-tools.md を参照してください。