名称：研究声明映射描述：当需要在决策前验证声明、事实检查声明与来源、对供应商/竞争对手声明进行尽职调查、评估冲突证据、三角化来源可信度、评估研究有效性进行文献综述、调查错误信息、评估证据强度（主要与次要）、识别知识缺口，或当用户提到“事实检查”、“验证这个”、“这是真的吗”、“评估来源”、“冲突证据”或“尽职调查”时使用。

研究声明映射

目的

研究声明映射帮助您通过三角化来源、评估证据质量、识别局限性，并达到基于证据的结论来系统性地评估声明。它防止确认偏见、过度自信和对不可靠来源的依赖。

何时使用

在需要时调用此技能：

在做出决策或推荐前验证事实声明
评估来自多个来源的冲突证据
评估供应商声明、产品基准或竞争情报
对业务声明（收入、客户、能力）进行尽职调查
事实检查新闻故事、社交媒体声明或病毒式声明
审查学术文献以评估研究有效性
调查潜在错误信息或误导性统计
为政策决策或战略规划评估证据强度
三角化目击者账户或历史记录
识别知识缺口和需要进一步调查的领域

触发此技能的用户短语：

“这个声明是真的吗？”
“你能验证这个吗？”
“事实检查这个声明”
“我找到了关于…的冲突信息”
“这个来源有多可靠？”
“…的证据是什么？”
“对…进行尽职调查”
“评估这些竞争声明”

是什么

研究声明映射是一种结构化分析，将声明分解为：

声明陈述（具体、可测试的断言）
支持证据（支持声明的来源，按质量评级）
反对证据（反驳声明的来源，按质量评级）
来源可信度（每个来源的专业知识、偏见、历史记录）
局限性（缺口、不确定性、假设）
结论（置信水平、决策建议）

快速示例：

声明：“竞争对手 X 有 10,000 名付费客户”
支持证据：新闻稿（次要）、案例研究计数（三级）
反对证据：行业分析师估计 3,000（次要）
可信度：新闻稿（有偏见的来源）、分析师（独立但方法不确定）
局限性：没有主要来源验证，客户定义不明确
结论：低置信度（40%）- 可能夸大，需要主要验证

工作流程

复制此清单并跟踪进度：

研究声明映射进度：
- [ ] 步骤 1：精确定义声明
- [ ] 步骤 2：收集和分类证据
- [ ] 步骤 3：评估证据质量和来源可信度
- [ ] 步骤 4：识别局限性和缺口
- [ ] 步骤 5：得出基于证据的结论

步骤 1：精确定义声明

将声明重新陈述为具体、可测试的断言。避免模糊语言 - 使用数字、日期和清晰术语。参见常见模式获取声明重新表述示例。

步骤 2：收集和分类证据

收集支持和反驳声明的来源。组织成“支持证据”和“反对证据”。对于简单验证 → 使用resources/template.md。对于复杂多源调查 → 学习resources/methodology.md。

步骤 3：评估证据质量和来源可信度

应用证据质量框架来评级每个来源（主要/次要/三级）。应用来源可信度评估来评估专业知识、偏见和历史记录。

步骤 4：识别局限性和缺口

记录未知事项、所做假设以及证据薄弱或缺失的地方。参见resources/methodology.md获取缺口分析技术。

步骤 5：得出基于证据的结论

将发现合成到置信水平（0-100%）和可操作建议（相信/怀疑/拒绝声明）。在交付前使用resources/evaluators/rubric_research_claim_map.json自检。最低标准：平均得分 ≥ 3.5。

证据质量框架

评级尺度：

主要证据（最强）：

直接观察或测量
原始数据或记录
参与者的第一手账户
原始数据集、交易日志
示例：显示 10,000 客户 ID 的销售数据库

次要证据（中等）：

对主要来源的分析或解释
专家对多个主要来源的综合
同行评审的研究论文
有主要来源引用的已验证新闻报道
示例：分析公开文件的行业分析师报告

三级证据（最弱）：

次要来源的摘要
教科书、百科全书、维基百科
新闻稿、营销材料
未经验证的轶事报告
示例：声称客户数量的公司博客文章

非证据（不可靠）：

未验证的社交媒体帖子
匿名声明
没有归属的“专家说”
循环引用（A 引用 B，B 引用 A）
示例：没有来源的病毒式推文

来源可信度评估

评估每个来源的：

专业知识（来源是否有相关知识？）：

高：领域专家，有资格和历史记录
中：知识渊博但不是专家
低：没有展示的专业知识

独立性（来源是否有偏见或冲突？）：

高：独立，没有财务/个人利益
中：有一些潜在偏见，已披露
低：直接财务利益，未披露的冲突

历史记录（来源以前是否准确？）：

高：持续准确，错误时纠正
中：混合记录或未知历史
低：错误历史、撤回、不可靠

方法论（来源如何获取信息？）：

高：透明、可复制、严谨
中：一些方法论已披露
低：不透明、不可验证、选择性选择

常见模式

模式 1：供应商声明验证

声明类型：产品性能、客户数量、投资回报率
方法：寻求独立验证（分析师、客户），自己测试声明
红色旗帜：仅供应商来源，模糊指标，“最高 X%”范围

模式 2：学术文献综述

声明类型：研究发现、因果声明
方法：检查复制研究、元分析、竞争解释
红色旗帜：单一研究，小样本，利益冲突，p-hacking

模式 3：新闻事实检查

声明类型：事件、统计、引用
方法：追踪到主要来源，检查多个出口，验证上下文
红色旗帜：匿名来源，循环报道，sensational framing

模式 4：统计声明

声明类型：百分比、趋势、相关性
方法：检查方法论、样本大小、基础率、置信区间
红色旗帜：选择性时间框架、分母不清晰、相关性 ≠ 因果

防护栏

避免常见偏见：

确认偏见：积极寻找反对假设的证据
权威偏见：不要仅仅因为来源 prestigious 就接受声明
近因偏见：较旧的证据可能比最新声明更可靠
可用性偏见：生动的轶事 ≠ 代表性数据

质量标准：

用数字（0-100%）评估置信度，而不是模糊术语（“可能”、“likely”）
明确记录所有假设
区分“未找到证据”和“证据缺失”
随着新证据出现更新结论
当证据质量不足以 confident conclusion 时标记

伦理考虑：

尊重来源隐私和归属
避免选择性选择证据以支持 desired conclusion
承认局限性和不确定性
发现错误时 prompt 纠正

快速参考

资源：

快速验证：resources/template.md
复杂调查：resources/methodology.md
质量评估标准：resources/evaluators/rubric_research_claim_map.json

证据层次：主要 > 次要 > 三级

可信度因素：专业知识 + 独立性 + 历史记录 + 方法论

置信度校准：

90-100%：几乎确定，多个主要来源，高可信度
70-89%：confident，强次要来源，一些局限性
50-69%：不确定，冲突证据或弱来源
30-49%：怀疑，反对证据多于支持证据
0-29%：可能错误，强反对证据

声明验证映射Skill research-claim-map