Кому верить: практическая система оценки источников в современной информационной среде

У информационной среды есть конкретный сбой: сигналы, по которым люди оценивают надёжность источника, плохо коррелируют с сигналами, которые реально предсказывают точность.

Уверенная подача — тон человека, у которого нет никаких сомнений — коррелирует с убедительностью и с числом подписчиков в Twitter/TikTok. С точностью она не коррелирует. Калиброванная неопределённость — уверенность, соразмерная реальным доказательствам — алгоритмами соцсетей почти не вознаграждается, поэтому среди популярных авторов она почти не встречается.

Сигналы, которые ничего не предсказывают

• Уверенность подачи — плохо откалиброванные люди систематически более уверены, чем откалиброванные (эффект Даннинга–Крюгера)
• Размер аудитории — алгоритмы вовлечённости оптимизированы под эмоциональную реакцию, а не под фактическую точность
• Наличие степени само по себе — PhD в одной области не предсказывает точность в смежной; важна релевантность квалификации
• Объём анекдотических свидетельств — большое количество личных историй не является обобщаемым доказательством; систематическое смещение публикаций и ошибка выжившего планомерно завышают качество анекдотов

> 📌 Исследование 2019 года в Nature Human Behaviour показало, что фейки распространяются в соцсетях в 6 раз быстрее, чем достоверные новости — не за счёт ботов, а за счёт того, что люди сами выбирают делиться новым и эмоционально заряженным контентом. Это означает, что вирусность — надёжный отрицательный индикатор точности, а не нейтральный и не положительный.[1]

Иерархия доказательств (на практике)

| Систематический обзор / метаанализ | Наивысший | Агрегирует данные множества исследований |

| Рандомизированное контролируемое исследование (РКИ) | Высокий | Контролирует смешивающие факторы; подходит для причинно-следственных утверждений |

| Проспективное когортное исследование | Умеренный | Наблюдательное; выявляет ассоциации, а не причинность |

| Серия случаев / описание случая | Низкий | Нерепрезентативно; недостаточно для выводов |

| Экспертное мнение | Наименьший научный | Может ориентировать при отсутствии данных; консенсус экспертов > мнение одного |

| Анекдот / свидетельство | Не является доказательством | Ошибка отбора, эффект плацебо, регрессия к среднему |

Практические вопросы

Прежде чем принять утверждение:

• 1. Какой тип доказательства? Анекдот или РКИ? Если утверждение основано на наблюдательном исследовании — делается ли вывод о причинности там, где показана только ассоциация?
• 2. Кому выгодно это утверждение? Есть ли у человека финансовый или идеологический интерес в том, чтобы оно было принято?
• 3. Что могло бы изменить его мнение? Человек, который не может назвать доказательство, способное его переубедить, рассуждает не на основе фактов — он рассуждает в направлении заранее выбранного вывода.
• 4. Соразмерна ли уверенность силе доказательств? Высокая уверенность при слабых доказательствах = плохая калибровка; избегайте таких источников при важных решениях.

Минимальный рабочий фильтр: есть ли в подтверждение утверждения ссылка на рецензируемое исследование? И действительно ли это исследование подтверждает конкретное утверждение — или это смежный результат, на который просто опираются по аналогии?

---

Научные источники

• 1. Vosoughi, S., et al. (2018). The spread of true and false news online. Science, 359(6380), 1146–1151. PubMed
• 2. Shermer, M. (2002). Why People Believe Weird Things: Pseudoscience, Superstition, and Other Confusions of Our Time. W.H. Freeman. Publisher

Когда статья уходит в механику, это самый короткий путь обратно к ясному языку.