hum-source-criticism

来源批判

概述

来源批判是一种系统评估信息是否可信的方法。它最初源于历史研究方法，如今在充斥着错误信息、将观点当作事实以及 AI 生成内容的信息环境中，已成为必不可少的技能。

框架

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?

来源分类

一手来源：来自特定时间或事件的直接证据（原始文件、原始数据、目击者陈述、原始研究、官方记录）

二手来源：对一手来源的分析或解读（教科书、综述文章、新闻分析、传记）

三手来源：对一手和二手来源的汇编（百科全书、Wikipedia、数据库）——是起点，而非终点

评估来源可信度的四项检验

1. 外部批判 — 来源是否真实？

• 谁创建了它？创建者是否与其自称身份相符？
• 它是在何时创建的？日期是否一致？
• 它是原件，还是经过了修改？
• 出版物或平台是否值得信赖？

2. 内部批判 — 内容是否可靠？

• 作者是否具备该主题的专业知识？
• 作者可能存在哪些偏见或利益诉求？
• 是否引用了证据？能否核实？
• 推理是否合乎逻辑？结论是否有证据支持？

3. 三角验证 — 多个独立来源是否一致？

• 核查 3 个或更多独立来源（而非同一原始报告的多个副本）
• “独立”是指作者、组织和方法各不相同
• 多个独立来源的结论一致，能增强可信度

4. 时效性 — 信息是否足够新？

• 信息何时发布？此后情况是否发生变化？
• 对于快速变化的主题（AI、政策、市场），即使是 6 个月前的来源也可能已经过时

错误信息的危险信号

危险信号	描述
未注明作者或组织	谁为这项说法背书？
使用煽情语言，却没有证据	旨在煽动情绪，而非传递信息
未引用一手来源	没有可追溯证据支撑的说法
声称“研究表明”，却不注明研究	含糊地诉诸权威
同一来源被众多网站转载	同一说法被复制，而非经过独立核实
好得令人难以置信／荒谬得令人难以置信	极端说法需要极端证据
URL／域名仿冒可信来源	Fakecnn.com、bbc-news.co（而非 bbc.co.uk）

输出格式

# 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}

示例

正确应用

**场景：**评估一则在社交媒体上疯传、声称“台湾的 GDP 将在 2027 年超过韩国”的帖子

检验项	评估	证据
外部	⚠	匿名账号，没有机构隶属关系，图表没有数据来源
内部	✗	使用名义 GDP（而非 PPP），选择性引用半导体行业预测，忽视汇率波动
三角验证	✗	IMF 和 World Bank 的预测并未显示这种趋同；没有可信分析师提出这一说法
时效性	✓	本月发布

危险信号：煽情标题（“台湾碾压韩国”）、未注明一手数据来源、只有一张无来源图表
结论：可信度低——应弃用 ✓

错误应用

• “这是 Reuters 发布的，所以一定是真的” → 假定可信，而非实际评估。即使是可信来源，也可能出错、过时，或以特定方式呈现问题。违反铁律。

注意事项

• 存在偏见 ≠ 不可靠：每个来源都有自己的立场。工会关于工作条件的报告存在偏见，但可能包含准确的数据。应分别评估偏见和准确性。
• Wikipedia 是入门起点：它是带有参考文献的三级来源。应追溯参考文献，查找一手或二手来源。不要将 Wikipedia 作为证据引用，而要引用 Wikipedia 所引用的内容。
• AI 生成的内容：AI 可能生成看似可信但实际伪造的“来源”（虚假论文、虚假引言、虚假统计数据）。请核实所引用的来源确实存在。
• 共识 ≠ 真理，但它是有力信号：科学共识（气候变化、疫苗安全）是目前最有力的证据。与共识相悖的少数“专家”需要拿出非同寻常的证据。
• 来源的可信度因领域而异：心脏病专家是心脏病领域的可信来源，但在经济学领域则未必。应确保专业领域与所讨论的主张相符。

参考资料

• CRAAP 测试（时效性、相关性、权威性、准确性、目的）请参阅 references/craap-test.md
• 事实核查工具和数据库请参阅 references/fact-check-tools.md