如何为学术研究核查资料来源的事实
事实核查是针对主张的工作，不是对网站的感觉。当数字、引文、图像或“新研究”出现在论文里时，离开页面，问这项主张是否为真、它依托谁的证据、以及那份证据是否仍然成立。本页使用 Mike Caulfield 的 SIFT 动作、Caulfield 与 Wineburg 2023 年的著作 Verified（节选见 2025 年春季 American Educator）、Wineburg 与 McGrew 的横向阅读、Wardle 与 Derakhshan 的信息紊乱术语，以及 IFCN Code of Principles。它不是如何判断资料来源是否可信，也不是 CRAAP 详解。
作者：CitationEasy Editorial Team阅读约 23 分钟
本页内容
简要答案：如何核查一项主张
在把句子粘进草稿之前先停下来。识别主张（一个数字、一句引文、一项因果发现、一个日期、一张照片）。然后做 Caulfield 在 2019 年命名、并与 Wineburg 在 Verified 中重申的四件事：停下、调查来源、寻找更好的报道，并把主张、引文或媒介追溯到原始语境。若你无法从一份原始资料重建该语境，就不要引用这项主张。
主张核查模板（按眼前的来源填写）
主张句：
[谁] 主张 [具体事实]，依据 [具名研究、数据集、讲话或图像]，截至 [日期]。
追溯步骤：
我最先看到的版本是 [推文 / 新闻导语 / 教学大纲 PDF / AI 摘要]。原件是 [DOI、逐字稿、数据表或档案条目]，位于 [稳定 URL]。
报道步骤：
同一主张的独立报道出现在 [第二个具名来源] 和 [第三个具名来源]。它们 [一致 / 不一致 / 引用同一起源]。
采用或放弃的决定：
只有当我能把读者指向可核验的证据时才引用。若线索止于新闻稿、截图或“人人皆知”，就删掉这句话。
本页用来做什么
CitationEasy 已有一页回答这家出版者是否可信到值得引用？（可信来源），也有一页回答对条目运行官方 CRAAP 问题（评估来源）。本 URL 回答更窄的问题：这项具体主张是否真实到足以写进论文？ 一份受尊敬的报纸仍可能把分母弄错。一篇经过同行评审的文章仍可能被撤稿。一次真实泄密，若有人为伤害某人而公开私人事实，仍可能是 mal-information。AI 聊天机器人可以编造一个看起来很学术、却什么也指向不了的 DOI。
FactCheck.org 的专业事实核查员——Annenberg Public Policy Center 的已核验 IFCN 签署方，该流程页最近更新于 2025 年 12 月 4 日——把举证责任放在学术写作本来就放的位置：
FactCheck.org, “Our Process”（页面更新于 2025 年 12 月 4 日）
The burden is on the person or organization making the claim to provide the evidence to support it.
We rely on primary sources of information.
若你达不到这条标准，这项主张就不属于论文，即使你尚未证明它为假。“我无法核实”是删除的理由，不是用“有人说”来含糊其辞的理由。
先给问题命名：信息紊乱，而不是“假新闻”
Claire Wardle 与 Hossein Derakhshan 撰写了 2017 年欧洲委员会报告 Information Disorder（DGI(2017)09），因为“假新闻”把讽刺、诚实错误、宣传和泄露的私人记录压成一句辱骂。他们沿两条轴切开这堆乱象——虚假性与伤害意图：
Wardle 与 Derakhshan，欧洲委员会（2017）
Mis-information
Mis-information is when false information is shared, but no harm is meant.
Dis-information
Dis-information is when false information is knowingly shared to cause harm.
Mal-information
Mal-information is when genuine information is shared to cause harm, often by moving information designed to stay private into the public sphere.
| 类型 | 虚假？ | 意图伤害？ | 你在论文里做什么 |
|---|---|---|---|
| Mis-information | 是 | 否 | 更正事实。引用更好的来源。不要把第一个讲述者当成骗子。 |
| Dis-information | 是 | 是 | 不要把主张当证据引用。若讨论这场运动，引用一份已核实的重建。 |
| Mal-information | 否 | 是 | 事实可能是真的。问公开它是否合乎伦理、合法，以及是否与你的论证相关。 |
对学术工作而言，意图次于准确性。粘错年份的同学和编造年份的喷子，产出同一条无法使用的脚注。Wardle 的标签仍能帮你选择回应：更正、拒绝，或谨慎处理。它们不是对尚未识别的来源做心理分析的理由。
当你在意的是主张而不是页面时，用 SIFT
Caulfield 于 2019 年 6 月 19 日发表 SIFT (The Four Moves)，作为一份该做什么的短清单，而不是评分量表。2023 年他与 Sam Wineburg 在 Verified: How to Think Straight, Get Duped Less, and Make Better Decisions about What to Believe Online（University of Chicago Press）中重申同一习惯。他们的 2025 年春季 American Educator 节选 是无需付费墙即可打开的公开措辞。可信度页面把前两个动作当作衡量出版者的方法。本页把篇幅留给后两个，因为学生就是在那里丢掉引用的：他们把 URL 打磨得很漂亮，却从不检查那句话是否为真。
Caulfield 与 Wineburg, “Learning to Verify,” American Educator（2025 年春季）
The first task when confronted with the unfamiliar is not analysis. It is the gathering of context.
When we encounter something online, our first question shouldn’t be “Is this true?” but rather “Do we know what we’re looking at?”
他们点出约三十秒内要收集的三种语境：来源（谁在说话）、主张（其他报道怎么说），以及你（为什么这句话诱人）。最后一种语境说明：帮助论题的统计，和威胁论题的统计，需要同一条线索。
Mike Caulfield, “SIFT (The Four Moves),” 19 June 2019
Sometimes you don’t care about the particular article or video that reaches you. You care about the claim the article is making.
You want to know if it is true or false. You want to know if it represents a consensus viewpoint, or if it is the subject of much disagreement.
停下
在高亮、截图或“先丢进去再说”之前先停顿。问问自己对主张和渠道已经知道什么。愤怒、得意和“趁他们删掉之前分享”都不是证据。若你已经在写一段需要这个数字的文字，你就是房间里最好骗的人。停得够久，把主张写成一句可以拿给图书馆员看的句子。
调查来源——然后决定这是否就是当前任务
打开新标签，搜索作者或机构，并减去你所在的网站。这仍然是必需的。这还不够。Caulfield 自己的经济学例子就是要点：知道你在读一位诺贝尔经济学家还是一段乳业视频，会改变你解读该文的方式。它本身并不能告诉你第四段里的统计是否算得诚实。出版者决策请到可信来源。数字则继续往下走。
寻找更好的报道
当你需要的是主张时，Caulfield 说你可以忽略送达你面前的那篇文章，去寻找关于该主张的可信报道或分析。他的操作示例是一条保护头条，而不是编造的犯罪率：
Caulfield 的报道示例（保留措辞；然后去找真实报道）
If you get an article that says koalas have just been declared extinct from the Save the Koalas Foundation, your best bet might not be to investigate the source, but to go out and find the best source you can on this topic, or, just as importantly, to scan multiple sources and see what the expert consensus seems to be.
2025 年节选把同一件事说成一个动作，而不是一种感觉：
Caulfield 与 Wineburg, “Learning to Verify,” American Educator（2025 年春季）
Engage in “lateral reading” by opening up new tabs in your browser and using the internet to check the internet.
这不是为本网站发明的“三来源规则”。这是寻找独立报道。三篇都引用同一份新闻稿的新闻，是穿着三个署名的同一个来源。IFCN 要求专业核查员用一个以上具名来源检验关键要素，“除非该来源是该主题上唯一相关的来源”。一封独特的档案信件可以是那个来源。一张病毒式图表几乎从来不是。
把主张、引文和媒介追溯到原始语境
Caulfield 的最后一个动作，是学生在摘要已经“听起来像”他们想要的发现时跳过的那一步：
Mike Caulfield, “SIFT (The Four Moves),” 19 June 2019
Much of what we find on the internet has been stripped of context.
In these cases we’ll have you trace the claim, quote, or media back to the source, so you can see it in it’s original context and get a sense if the version you saw was accurately presented.
第二句是 Caulfield 的原文，包括他的 “it’s”。点进论文、数据表、听证会逐字稿或未裁切文件。读新闻稿丢掉的局限。检查照片说明是否与事件相符。若线索止于截图，你就没有来源。
横向阅读：像事实核查员那样离开页面
Sam Wineburg 与 Sarah McGrew 观察了 10 名专业事实核查员、10 名历史学博士和 25 名 Stanford 本科生评估真实网站。历史学家和学生留在页面内部——标志、About 文字、打磨过的 URL——更容易中招。事实核查员离开。同行评审论文是 Teachers College Record 121（2019）中的 “Lateral Reading and the Nature of Expertise”；Stanford 的已接受稿副本 开放可得。
Wineburg 与 McGrew，Teachers College Record（2019）
In contrast, fact checkers read laterally, leaving a site after a quick scan and opening up new browser tabs in order to judge the credibility of the original site.
Compared to the other groups, fact checkers arrived at more warranted conclusions in a fraction of the time.
Fact checkers, on the other hand, engaged in three practices—taking bearing, lateral reading and click restraint—that allowed them to read less but learn more about the topics they investigated.
Click restraint stands in contrast to whimsical clicking; before clicking on any one result, users evaluated the list of search results to understand the digital terrain in which they have landed.
Civic Online Reasoning 课程——现由 Digital Inquiry Group 托管，原为 Stanford History Education Group——教授三个首要问题：信息背后是谁？、证据是什么？，以及其他来源怎么说？ 对一条引用，你离开的那一刻再加上第四问：我打开的对象是否仍在说转述所说的内容，以及它是否已被更正或撤稿？ 纵向阅读——待在一个 About 页上直到自己觉得被说服——就是仿冒域名存活的方式。也是一篇真实期刊文章的撤稿状态从未被察觉的方式，因为你从未打开 Retraction Watch 或出版者通知。
针对一项主张的横向标签（不是针对一个网站）
- 标签 1——送达你面前的条目。 把主张写成一句话。复制日期以及任何 DOI 或报告编号。
- 标签 2——谁在说话。 在 Wikipedia、图书馆目录或新闻报道中搜索作者或机构。不要先读完 About 页。
- 标签 3——更好的报道。 用引号搜索主张，并加上领域词（
mortality、census、opinion）。优先选择统计机构和学术来源，而不是转述。 - 标签 4——原始对象。 打开论文、表格、逐字稿或文件。确认句子仍意味着转述所说的意思。
- 标签 5——后来的命运。 搜索标题加上
retraction、correction、erratum，或在 Retraction Watch 上搜索作者姓名。
何时使用专业事实核查——以及如何阅读
学生论文不是新闻编辑室。你仍然借用这个职业的标准。Poynter 的 International Fact-Checking Network 按公开准则审核组织。该用的文本是当前承诺页——不是主页上随便一枚徽章。2025 年 6 月 IFCN PDF 注明，Code 本身最近一次改写于 2020 年初，正在经历贯穿 2025、进入 2026 的社区审议。在替代文本公布之前，这些就是现行规则：
IFCN Code of Principles，对标准与来源透明度的承诺
Signatories want their readers to be able to verify findings themselves. Signatories provide all sources in enough detail that readers can replicate their work, except in cases where a source's personal security could be compromised. In such cases, signatories provide as much detail as possible.
The applicant uses the best available primary, not secondary, sources of evidence wherever suitable primary sources are available.
The applicant checks all key elements of claims against more than one named source of evidence save where the one source is the only source relevant on the topic.
使用 IFCN 签署方目录，而不是主页上随便一枚“事实核查”徽章。FactCheck.org、Full Fact、Africa Check 和 Chequeado 正是该目录服务的那类机构；在把任何徽章当作现行之前，先在目录本身确认当前状态。事实核查是二手重建。当你写的是谣言时引用它。当你写的是底层现象时，顺着脚注找到原始资料并引用它。
- 既读评级，也读证据清单。彩色仪表不是来源。
- 打开链接的数据集、法规或论文。若链接缺失，该文对你而言未履行 IFCN 来源承诺。
- 记下日期。2018 年的核查不能裁定 2026 年的统计。
- 若两家 IFCN 签署方意见不一，你要报告的是争议，而不是藏起一次抛硬币。
操作示例 1：分母错误的统计
使用有记录的案例，而不是编造的乡镇统计。2021 年 4 月，Shimabukuro 及同事在 New England Journal of Medicine 发表 “Preliminary Findings of mRNA Covid-19 Vaccine Safety in Pregnant Persons”（DOI 10.1056/NEJMoa2104983）。在 827 例已完成妊娠中，他们报告 104 例自然流产。后来的 NEJM 更正 告诉读者不要把这个计数变成比率：
NEJM 对 Shimabukuro et al. 的更正（Table 4 脚注）
No denominator was available to calculate a risk estimate for spontaneous abortions, because at the time of this report, follow-up through 20 weeks was not yet available for 905 of the 1224 participants vaccinated within 30 days before the first day of the last menstrual period or in the first trimester.
FactCheck.org（Kate Yandell，2026 年 8 月 14 日）重建了在参议员公布 Dr. Anthony Fauci 公务手机 2021 年 1 月短信后仍在流传的病毒式 82% 数字：
FactCheck.org，2026 年 8 月 14 日（对算术的重建，不是引自 NEJM 文章）
The false claim of an 82% miscarriage rate comes from dividing the 104 miscarriages by the 127 people in the study who got vaccinated in the first or second trimester — a calculation that the paper did not present.
- 妊娠早期接种的大多数人，除非妊娠提前结束，否则当时还不会完成一次妊娠，因此 127 人的分母会选出损失。
- 后来的 CDC 妊娠登记分析，Vaccine 76（2026 年 2 月 18 日）：128340，DOI 10.1016/j.vaccine.2026.128340——随访了 12,097 名在 20 周前接种的人。
- 该文的 fetuses-at-risk 估计：自然流产累积风险 10.79%（95% CI 10.01–11.56），低于或处于疫情前估计范围内——不是 82% 的灾难。
教训是机械的，不是党派的。始终找回分子、分母、时间窗口，以及作者是否计算了你即将重复的那个百分比。 若打不开表格，就不能引用该百分比。关于用真实坐标轴说谎的图表，见如何呈现数据。
操作示例 2：一篇未能存续的期刊文章
同行评审是过滤器，不是保证。Wakefield 及同事于 1998 年在 The Lancet 发表 “Ileal-lymphoid-nodular hyperplasia, non-specific colitis, and pervasive developmental disorder in children”（351:637–641）。2010 年 2 月 2 日，该刊撤稿。引用该通知，然后永远不要把 1998 年论文当作疫苗–自闭症关联的证据：
The Editors of The Lancet，撤稿通知（2010 年 2 月 2 日在线发表）
Following the judgment of the UK General Medical Council's Fitness to Practise Panel on Jan 28, 2010, it has become clear that several elements of the 1998 paper by Wakefield et al are incorrect, contrary to the findings of an earlier investigation. In particular, the claims in the original paper that children were “consecutively referred” and that investigations were “approved” by the local ethics committee have been proven to be false. Therefore we fully retract this paper from the published record.
只读过 1999 年新闻转述、或仍引用第 351 卷的博客的学生，会错过通知。在依赖一项非凡的生物医学主张之前，在 PubMed 搜索标题，打开出版者页面，并检查 Retraction Watch。若你写的是丑闻，引用撤稿。不要把已撤文章当作它仍支持该发现来引用。同行评审过程如何运作 解释过滤器；本页是之后的核查。
操作示例 3：一段丢掉玻璃的视频
2022 年 10 月 14 日，Just Stop Oil 抗议者在伦敦 National Gallery 向 Vincent van Gogh 的 Sunflowers 泼番茄汤。Guardian 记者 Damien Gayle 的一条推文获得数千万次观看。Caulfield 与 Wineburg 用这段剪辑打开他们的 Verified 节选，因为愤怒跳过了一个可找回的事实：
Caulfield 与 Wineburg, “Learning to Verify,” American Educator（2025 年春季）
All this outrage and concern missed a crucial fact: Sunflowers was behind glass.
Apart from minimal damage to the frame, the painting emerged unscathed. The soup had splashed harmlessly on the painting’s protective case—a fact the protesters knew, many bystanders knew, and the gallery knew.
像素是真的。“毁掉一幅 van Gogh” 的说明不是。这就是 Caulfield 的追溯步骤浓缩在一段剪辑里：在把病毒式静帧当证据之前，先找回原始语境。一张真实的 2017 年抗议照片被当作“昨天”再用，会同样失败。对静帧做反向搜索（Google Images 或 TinEye）。对运动影像，调查者常用 InVID/WeVerify/vera.ai 核验插件 提取关键帧并核对上传日期。然后找到你能找到的最早发表。除非也能引用底层记录，否则不要把社交帖当作事实主张来引用。
操作示例 4：聊天机器人编造的一条引用
学生现在粘贴 AI 摘要，就像他们曾经粘贴新闻导语一样。William H. Walters 与 Esther Isabelle Wilder 在 “Fabrication and errors in the bibliographic citations generated by ChatGPT”（Scientific Reports 13, 14045，2023）中检验了这种习惯。他们让 GPT-3.5 和 GPT-4 写 42 篇短文献综述（84 篇论文、636 条引用），然后检索每一部作品：
Walters 与 Wilder，Scientific Reports 13:14045（2023）
Within this set of documents, 55% of the GPT-3.5 citations but just 18% of the GPT-4 citations are fabricated.
It is important to realize, however, that ChatGPT is fundamentally not an information-processing tool, but a language-processing tool.
一条编造的引用可以混合真实姓氏、真实期刊名，以及属于另一篇论文——或什么也不属于——的 DOI。University of Mississippi 图书馆 2023 年春季收进的 46 条疑似 AI 引用，后由 A. P. Watson 发表于 The Serials Librarian（DOI 10.1080/0361526X.2024.2433640），发现同一模式：所给 URL 或 DOI 无一与被引作品相符。把 AI 书目当作线索清单，而不是来源清单。在 https://doi.org/ 解析每一条 DOI。若无法解析，或解析到不同标题，就删掉这句话。如何引用你实际使用过的 AI 对话，见如何引用 AI。本页是更先的问题：该对象存在吗？
如何核查学生实际粘贴的主张
统计主张
- 找到原始表格或微观数据，而不是截图的截图。
- 用文字写出分母：是什么的百分比，在谁当中，在哪些日期期间。
- 检查比较是否同类（同一年龄组、同一“失业”定义、同一通胀年份）。
- 优先选择国家统计机构、OECD，或你能打开的方法部分，而不是竞选信息图。
- 若两个可靠序列不一致，报告分歧和定义。不要把它们平均成第三个假数字。
科学主张
- 打开论文（或标明为预印本的预印本）。不要把大学新闻稿当作实验本身来引用。
- 读样本量、设计和作者自己的局限——尤其是“初步”“关联性”或“在小鼠中”。
- 问后来的研究是否重复了结果，以及是否存在更正或撤稿。
- 把相关与你即将写下的因果句分开。
- 对临床问题，优先选择系统综述或方法报告指南，而不是单项戏剧性试验。
引文与归属
- 找到讲话、书页、听证会逐字稿或录音。引语卡片不是来源。
- 读两边的句子。藏起否定的省略号是另一条引文。
- 确认说话人、日期和场合。著名名字会吸引编造的句子。
- 若认真检索后仍找不到原文，就放弃引文。不要用同样缺少原文的博客作更弱的引用“把它留下”。
图像、视频和“我在社交媒体上看到的”
Caulfield 的追溯步骤就是为裁切视频和错配说明的照片准备的。反向搜索静帧。找回你能找到的最早发表。一张日期错误的真实照片，仍然是失败的引用。除非也能引用底层记录，否则不要把社交帖当作事实主张来引用。平台特定的引用格式请用各风格指南——本页关心的是内容是否可用。
AI 摘要与编造的参考文献
- 把聊天机器人给出的每一个标题、作者串和 DOI 都当作未核实，直到它能解析。
- 在 PubMed、Crossref 或图书馆目录中搜索标题。几乎命中的标题往往是拼凑，而不是笔误。
- 打开 PDF 或 HTML。确认你想要的句子就在你打开的那一页上。
- 若模型无法向你展示该对象，你就没有来源。根据你实际读过的作品重写。
帮你离开页面的工具
| 工具 | 用它来 | 不要用它来 |
|---|---|---|
| IFCN 签署方目录 | 找到对流传中公共主张的专业核查 | 在文献综述中替换原始资料 |
| FactCheck.org / SciCheck | 查看带脚注的有记录重建 | 把评级图形当作可引用证据 |
| Retraction Watch | 查看一篇论文是否被撤回或大幅更正 | 假定每一次批评都等于撤稿 |
| PubMed / Crossref / Google Scholar | 找到文章、施引文献和出版者通知 | 假定高被引次数意味着发现为真 |
| Wayback Machine | 找回已迁移或被悄悄编辑的页面 | 证明第一份存档副本就是原始发表 |
| 反向图像搜索 | 找到更早的上传或图库原图 | 证明照片在“未摆拍”意义上是“真的” |
| WHOIS / 域名记录 | 查看仿冒新闻域名有多新 | 识别每一位合法所有者（隐私遮盖很常见） |
Wikipedia 是地图，不是终点。Caulfield 与 Wineburg 把它当作第一个横向标签。按研究中如何使用维基百科所描述的方式使用：阅读讨论页和引文，然后离开。NewsGuard 分数或媒体偏见图是别人对出版者的意见。它并不核验你即将复制的表格单元格。
意味着必须追溯、不能略读的红旗
主张在催你赶紧动手
- 没有感叹号就站不住的标题
- “趁他们撤下来之前分享”
- 没有具名数据集的统计
- 没有讲话、书籍或时间戳的引文
- 只在新闻稿或 AI 聊天里被描述的研究
线索已经断开
- 并不支持其所在句子的引用
- 无法解析、或解析到另一篇论文的 DOI
- 三篇文章都引用同一份未发表的幻灯片
- 在图书馆目录或 DOAJ 中找不到的期刊
- 除这一页外没有任何机构足迹的作者
这些旗帜没有一条证明主张为假。每一条都证明你还没有可引用的主张。继续查，或删掉这句话。事实确立之后的资助与观点扭曲，用来源中的偏见。
能挺过“我谷歌过了”这一关的错误
- 停在你已经喜欢的来源上。 确认偏误，正是你必须像核查威胁论题的句子一样用力核查帮助论题的句子的原因。
- 把转载算作独立确认。 把同一条通讯社报道转发三次，你仍然只有一条报道链。
- 把共识当成引用。 “人人皆知”不是学术来源。
- 丢掉有偏见渠道里那一条可核验的事实。 党派网站仍可能正确引用一条法规。去核实法规。
- 把意见与事实主张混为一谈。 “这项政策不明智”不能像“这项政策花了 $X”那样被事实核查。
- 在论文写的是记录时，引用事实核查而不是记录。 核查是地图。
- 信任聊天机器人书目。 Walters 与 Wilder 表明，即便 GPT-4 仍大约每六条引用编造一条。
把事实核查写进论文，而不是交稿前一晚
- 阅读时。 把可能用到的每句话标为已核验、未核验或有争议。把 URL 或 DOI 记在同一条笔记里。如何做研究笔记是采集习惯；本页是核验习惯。
- 起草时。 不要把“稍后再查”的统计停在段落里。若当次无法核验，就留下可见的空缺或删掉。
- 提交前。 重新打开每一个百分比、引文和“近期研究”。确认链接仍能解析，且你初读之后没有出现撤稿。
- 引用时。 引用你实际核验过的对象——表格、论文、逐字稿——而不是把它介绍给你的社交帖或聊天。然后按作业指定的格式编排该对象。
主张已核验？引用你打开的那份对象
事实核查决定一句话可否出现。引用记录你使用的版本。主张站住之后，为你实际打开的论文、数据集或报告生成参考文献——而不是为最初诱惑你的那篇转述。
常见问题
- 事实核查与评估来源是否可信有何不同？
- 可信度是对出版者或作者是否胜任某项工作的判断。事实核查是对一句话的判断。CDC 表格可以是死亡率的可信来源，却仍可能是你所需年份的错误表格。著名报纸可以是可信出版者，却仍可能把分母颠倒。两项检查都要做。出版者从可信来源开始，主张再回到这里。
- SIFT 只是另一份 CRAAP 清单吗？
- 不是。Caulfield 把 SIFT 设计成带你离开页面的短动作清单。CRAAP 是你针对条目提出的问题清单。Verified（2023）重申同一习惯：先收集语境再争论。在已经知道出版者真实存在之后，用如何评估来源做 CRAAP。当主张来自陌生 URL、群聊或 AI 摘要时，先用 SIFT。
- 我可以在研究论文中引用 FactCheck.org 或 Snopes 吗？
- 可以，当论文写的是谣言、公共辩论或主张如何传播时。当论文写的是底层现象时，顺着事实核查的脚注找到数据集、法规或期刊文章，并引用那份原始资料。优先选择 IFCN 签署方，并打开其来源，而不是停在评级上。
- 如果专家确实意见不一怎么办？
- 报告分歧，而不是把它洗成虚假共识。点名各阵营、各自视为决定性的证据，以及是否存在方法报告指南或持续更新的综述。“研究结论不一”只有在你读过不止一项研究并能说明如何不一的时候才诚实。
- 如果认真检索后仍无法核实一项主张怎么办？
- 不要用它。FactCheck.org 的规则就是学术规则：提出主张的人承担举证责任。段落里的空缺好过指向截图的脚注。另找一条可核验的支撑事实，或收窄论题。
- 我需要事实核查同行评审期刊吗？
- 你不必重做每一项实验。你要确认文章存在、它说的正是你即将转述的内容、你没有把相关升格为因果，以及它没有被更正或撤稿。非凡主张和单项小型试验，要比一条常规方法引用占用你更多时间。
- 如何事实核查历史日期或引文？
- 找一份原始资料或学术校勘本。大学出版社书籍、文献汇编和档案目录胜过引语聚合器。若两位严肃历史学家在解释上意见不一，那是该引用的争论，不是挑选适合提纲的日期的理由。历史学中的原始资料覆盖档案那一半。
- 论文里该如何处理图像和病毒式视频？
- 反向搜索静帧，找回你能找到的最早发表，并引用那次发表——带日期——而不是最近一次转发。2022 年的 Sunflowers 泼汤视频就是操作案例：剪辑是真的，“画被毁掉”的说明不是。若无法确定媒介何时何地制成，它就是谣言的图示，而不是事件的证据。
- 如何事实核查聊天机器人给我的一条引用？
- 解析 DOI 或 ISBN。搜索精确标题。打开作品。Walters 与 Wilder（2023）发现其集合中 55% 的 GPT-3.5 引用和 18% 的 GPT-4 引用是编造的；许多看起来真实的剩余条目仍有错误页码或年份。若对象不存在，删除这句话。只有在你拥有实际使用过的对象之后，再看如何引用 AI。
- 维基百科算事实核查吗？
- 它算起点。用条目收集姓名、日期和引文，然后打开那些引文。不要在有争议的统计上停在维基百科页。研究中如何使用维基百科是更完整的规则。