llm_wiki/raw/教育AI研究/真实性核查标准操作程序.md

created, title, tags, category

created	title	tags	category
2026-04-14	🔍 信息真实性核查标准操作程序（SOP）	输出 核查 质量	outputs

🔍 信息真实性核查标准操作程序（SOP）

创建时间：2026-03-31 版本：v1.0 适用范围：教育AI研究项目所有产出文档 核心原则：严禁胡编乱造，所有信息必须有可靠来源

---

🎯 核查目标与标准

核心目标

确保研究产出中100%的信息有可靠来源，0%的胡编乱造内容。

质量标准

指标	目标值	测量方法
信源质量分	≥80分/篇	计算算法见下文
官方渠道占比	≥70%	统计来源类型
多重验证率	≥50%	统计有2+来源的信息占比
链接有效率	100%	检查所有外部链接可访问性
时效合规率	100%	检查所有信息在时效要求内

---

🔄 核查流程（五步法）

第一步：预核查（文档撰写时）

执行时机：撰写每个段落时

执行人：研究者（狗剩）

检查内容：

1. 当前段落是否有任何未标注来源的信息？
2. 标注的来源是否来自官方渠道？
3. 是否使用了超过时效的信息？
4. 是否有任何推测性表述未标注为推测？

输出：

• 每段末尾添加[来源检查：✅/❌]标记
• 如有问题，立即修正或标记为[待验证]

第二步：初稿核查（文档完成后）

执行时机：文档初稿完成时

执行人：研究者（狗剩）

检查工具：真实性核查清单（见附录）

检查方法：

1. 逐句扫描：检查每个句子是否有来源支持
2. 来源验证：点击每个链接，确认可访问且内容匹配
3. 时效检查：标注每个信息的时效状态
4. 质量评分：计算初步信源质量分

输出：

• 真实性核查报告（包含分数和问题清单）
• 如分数<70分，必须重做或补充验证

第三步：自动化核查（每日20:00）

执行时机：通过自动化任务执行

执行工具：自动化脚本

检查内容：

1. 链接有效性：使用HTTP请求检查所有外部链接
2. 时效性计算：计算每个信息的时效状态
3. 来源类型统计：统计官方/权威/媒体/其他占比
4. 信源质量分计算：自动计算并生成报告

输出：

• 每日真实性核查报告（JSON格式）
• 问题链接清单（需要人工复查）
• 质量分数趋势图

第四步：人工抽查（随机）

执行时机：随机时间点

执行人：研究者（狗剩）或LH

检查方法：

1. 随机选择：从文档中随机选择3-5个信息点
2. 深度验证：对每个信息点进行源头追溯验证
3. 交叉检查：查找独立来源进行交叉验证
4. 完整性检查：检查是否遗漏了应该标注的来源

输出：

• 人工抽查报告（抽查样本和结果）
• 如发现问题，整篇文档需要重新核查

第五步：最终审核（发布前）

执行时机：文档准备发布前

执行人：LH（最终审批）

检查内容：

1. 真实性声明：检查文档末尾的真实性声明
2. 来源完整性：确认所有关键信息都有来源
3. 质量分数：确认信源质量分≥80分
4. 个人判断：基于专业知识的最终判断

输出：

• 发布批准（或修改要求）
• 最终质量分数记录

---

📊 信源质量分计算算法

基础分数（满分100分）

信源质量分 = 基础分 - 扣分项

基础分计算（按来源类型加分）

来源类型	单个加分	说明
官方直接来源	+20分	机构官网、政府网站
顶级学术期刊	+15分	Nature、Science、IEEE顶刊
权威研究报告	+15分	官方白皮书、NSF报告
核心专利/标准	+10分	已授权专利、国家标准
企业技术文档	+10分	企业官网技术页面
权威媒体报道	+5分	新华社、人民日报等
学术会议论文	+5分	顶会收录论文

扣分项（严重问题）

问题类型	单次扣分	说明
未标注来源的信息	-50分	严重违规，可能导致整篇文档无效
来源链接失效	-20分	需要立即修复或标记
超过时效要求	-15分	技术>6个月，市场>12个月
来源可信度低	-10分	使用博客、社交媒体等低可信度来源
信息无法验证	-30分	标注为[待验证]但仍包含在正文中

计算公式

信源质量分 = 
  (官方来源数 × 20 + 学术期刊数 × 15 + ...) / 总信息点数 × 100
  - 未标注扣分 - 时效扣分 - 其他扣分

示例：

• 文档有20个信息点
• 10个官方来源（10×20=200）
• 5个学术期刊（5×15=75）
• 5个企业文档（5×10=50）
• 总加分：325
• 基础分：325/20×100=81.25分
• 扣分：1个未标注来源（-50分）
• 最终分数：31.25分（不合格）

---

🛠️ 核查工具与模板

1. 真实性核查清单（每个文档必须使用）

# 真实性核查清单 - [文档名称]

## 🔍 基本信息
- **文档名称**：
- **创建时间**：
- **核查时间**：
- **核查人**：

## 📋 检查项
| 检查项 | 要求 | 是否通过 | 备注 |
|--------|------|----------|------|
| **1. 无未标注信息** | 所有信息都有来源标注 | [ ] | |
| **2. 来源可信度** | 官方渠道占比≥70% | [ ] | |
| **3. 链接有效性** | 所有外部链接可访问 | [ ] | |
| **4. 时效合规** | 无超过时效信息 | [ ] | |
| **5. 多重验证** | 关键信息有2+来源 | [ ] | |
| **6. 真实性声明** | 文末有完整声明 | [ ] | |

## 📊 质量评分
- **信息点总数**：
- **官方来源数**：
- **学术来源数**：
- **企业来源数**：
- **媒体来源数**：
- **信源质量分**：
- **是否合格**（≥80分）：[ ]

## ⚠️ 问题清单
1. 
2. 
3. 

## ✅ 核查结论
- [ ] 通过，可以发布
- [ ] 有条件通过，需修复问题
- [ ] 不通过，需要重做

2. 自动化核查脚本配置

# 真实性核查脚本示例
import requests
from datetime import datetime

class AuthenticityChecker:
    def __init__(self, document_path):
        self.document_path = document_path
        
    def check_links(self):
        """检查所有链接有效性"""
        links = self.extract_links()
        results = []
        for link in links:
            try:
                response = requests.get(link, timeout=10)
                results.append({
                    'link': link,
                    'status': response.status_code,
                    'valid': response.status_code == 200
                })
            except:
                results.append({'link': link, 'valid': False})
        return results
    
    def calculate_score(self):
        """计算信源质量分"""
        # 实现评分算法
        pass

3. 每日核查报告模板

{
  "date": "2026-04-01",
  "document": "MIT教育技术研究深度分析.md",
  "check_results": {
    "link_check": {
      "total_links": 15,
      "valid_links": 15,
      "invalid_links": 0,
      "validity_rate": 100
    },
    "source_quality": {
      "official_sources": 12,
      "academic_sources": 3,
      "media_sources": 0,
      "official_ratio": 80
    },
    "timeliness": {
      "within_6_months": 10,
      "within_12_months": 5,
      "beyond_12_months": 0,
      "compliance_rate": 100
    },
    "quality_score": 85.5,
    "status": "PASS"
  },
  "issues": [],
  "recommendations": "文档质量优秀，可以发布"
}

---

⚠️ 违规处理流程

发现违规信息的处理

1. 立即标记：在文档中标记违规信息为[真实性待核实]
2. 暂停发布：立即暂停文档发布流程
3. 调查原因：分析违规原因：
   • 疏忽遗漏？
   • 来源难以查找？
   • 故意编造？
4. 采取行动：
   • A级违规（未标注来源）：整篇文档重做
   • B级违规（来源低可信度）：补充验证或删除
   • C级违规（时效超期）：更新信息或标注时效

重复违规的处理

违规次数	处理措施
第1次	警告，重新培训核查流程
第2次	暂停研究权限1天，深入审查
第3次	暂停研究权限3天，项目审查
第4次	终止研究权限，更换研究者

故意编造信息的处理

• 立即终止：立即终止所有研究权限
• 项目审查：审查所有已产出文档
• 记录档案：记录违规行为到研究档案
• 重新评估：重新评估整个研究项目的可行性

---

📝 文档末尾真实性声明模板

每个文档必须在末尾包含以下声明：

---
## 🧾 信息真实性声明

**本文所有信息均经过严格核查，确保来源可靠：**

### 🔗 主要信息来源
1. **[MIT媒体实验室官网项目页面](https://www.media.mit.edu/groups/...)** - 官方直接来源
   - 项目编号：EDU-AI-2025-001
   - 发布时间：2025年3月
   - 主要研究人员：Prof. John Doe

2. **[NSF Award Search数据库](https://www.nsf.gov/awardsearch/...)** - 政府官方来源
   - 资助编号：2034567
   - 资助金额：$2,500,000
   - 资助周期：2024-2027

3. **[IEEE TLT学术期刊](https://ieeexplore.ieee.org/...)** - 学术权威来源
   - DOI：10.1109/TLT.2025.1234567
   - 影响因子：8.7
   - 引用次数：42次

### ✅ 核查确认
- [x] 所有信息均有可验证来源
- [x] 所有外部链接均经过有效性检查
- [x] 无超过时效要求的信息
- [x] 无推测性表述未标注为推测
- [x] 信源质量分：85/100（≥80分合格）

### ⚠️ 无信息来源声明
**本文中不包含以下类型内容：**
- ❌ 无来源的"据说"、"据了解"
- ❌ 未验证的社交媒体传闻
- ❌ 匿名专家观点
- ❌ 无法追溯的数据图表
- ❌ 任何形式的胡编乱造

### 📞 信息更正渠道
如发现任何信息不准确，请联系项目负责人进行更正。

---
**最后核查时间**：2026-04-01  
**核查人**：狗剩（WorkBuddy AI助手）  
**批准人**：LH  
**文档状态**：✅ 已通过真实性核查，可发布

---

📚 培训与持续改进

定期培训

• 每周一：真实性核查流程复习（15分钟）
• 每月第一周：新信息来源渠道培训（30分钟）
• 每季度：案例分析与经验分享（1小时）

持续改进机制

1. 问题记录：记录每次核查发现的问题
2. 原因分析：分析问题产生的原因
3. 流程优化：根据分析结果优化核查流程
4. 工具改进：改进自动化核查工具
5. 知识更新：更新信息来源渠道矩阵

质量监控指标

指标	目标值	监控频率	改进措施
平均信源质量分	≥85分	每周	分析低分原因
核查时间效率	≤30分钟/篇	每日	优化核查流程
违规发生率	<1%	每月	加强培训
LH满意度	≥9/10	每周	收集反馈改进

---

生效时间：2026年4月1日

审核周期：每月审核更新一次

紧急联系人：项目负责人

核心承诺：我们承诺以最高标准确保信息真实性，绝不妥协。