如何審核預測：模擬結果檢查清單

要審查模擬預測，請按以下七個步驟進行檢查：問題是否表述清晰、文件是否完整準確、知識圖譜是否遺漏了重要參與者、結論基於哪些假設、結果是否經得起敏感性分析的重複測試、您能真正確信的程度，以及在採取行動之前必須在現實世界中驗證哪些內容。通過這些檢查的預測是一個可以審查並能加以論證的假設；未能通過檢查的預測則只是一個故事。

為什麼每個預測都需要審核

一份模擬報告讀起來很有說服力。它敘述清晰，引用了參與者的觀點，並得出了明確的結論。正是這種流暢性使其需要審查：一份基於資訊缺失而撰寫的報告，其內容可能與一份基於優質資訊而撰寫的報告一樣出色。

在InfoDome中，預測過程分為一系列步驟。您上傳文件並描述預測內容；系統建立一個包含人員、組織、群體及其關係的知識圖譜；創建數百個具有各自性格、職位和記憶的智能體；這些智能體在類似Twitter的信息流和類似Reddit的論壇上進行若干輪互動；最後，由分析智能體撰寫報告。此流程中的每個環節都可以進行核查，以下評論即基於此流程。

逐步檢查清單

1. 問題框架：提出的問題是否正確？

首先要先明確問題本身，因為模糊的問題只會得到模糊的答案。

• 結果是否具體？ 「人們會有什麼反應？」這個問題不夠具體。 「當地家長團體是否會在第一個月反對學校合併，他們會提出什麼理由？」這個問題則更有力。
• 時間範圍是否明確？輪數（例如 10 輪、20 輪或 40 輪）應與你關注的時間段相匹配，例如公告發布後的最初幾天或較長的辯論。
• 受眾群體是否已定義？如果不同國家/地區的反應有差異，請檢查是否選擇了正確的受眾國家。您最多可以選擇 10 個國家/地區，代理商將平均分配到這些國家/地區。
• 這個問題是否中立？如果提示語已經包含了預期答案，那麼它往往會強化這種預期。

2. 文件品質：模擬實際了解了什麼？

特工們只能根據文件和圖表獲取資訊。請以懷疑論者的視角審視你的輸入資料。

• 這些資訊是最新的嗎？過時的價格、日期或名稱會影響整個銷售流程。
• 這些材料是否片面？如果所有文件都來自您自己的組織，那麼批評者的觀點可能會被低估或歪曲。
• 關鍵細節是否包含在內？導致結果異常最常見的隱藏原因是文件中完全沒有提及的某些細節。
• 是否存在幹擾因素？冗長的附錄或無關內容可能會將使用者引向無關話題。

3. 圖表空白：缺少哪些人？

查看系統擷取的實體和關係。問問自己，在這種情況下，誰會真正站出來發言，並檢查他們是否存在於圖中。

• 監管機構、工會、地方媒體、競爭對手、有影響力的人士、反對派團體。
• 重要的關係：誰資助誰，誰是競爭對手，誰有衝突歷史。
• 受影響但很少在官方文件中提及的群體，例如夜班工人或農村用戶。

如果缺少重要角色，請新增一份描述該角色的文件並重新執行。這一步往往比其他任何操作都更能改變結果。

4. 假設：是什麼因素導致了這個結論？

每份報告都建立在一些基本假設之上。請明確找出這些假設。

• 請問報告分析師：“哪三個假設對您的結論影響最大？”
• 訪問兩到三位立場相反的代理人，詢問他們為何做出這樣的反應。如果他們的理由是基於不實的事實，那麼你就找到了弱點。
• 將機制（例如，「關於資格的困惑在家長論壇中傳播」）與規模（例如，「大多數代理人的態度都轉為負面」）區分開來。機制通常比規模更可靠。

5. 敏感度分析重演：結果是否成立？

如果一個細節改變就導致結論顛覆，那麼這個結論就不牢固。需要檢驗。

• 重新運行程序，查看模擬本身會產生多少變化。
• 一次改變一個變數：關鍵語句的措詞、時間安排、價格、一位評論家的存在。
• 改變輪數，看看反應是短暫的高峰還是持久的轉變。
• 將報告並排比較。始終保持不變的是你的可靠發現；改變的是不確定性。

我們的假設分析方案正是為了進行這種比較而設計的。

6. 自信：你真的有多確定？

為每個結論寫下信件水平，而不是為整個報告寫下置信水平。

• 高：該發現出現在每一次重播中，具有清晰的機制，不依賴有爭議的事實。
• 中等：它出現在大多數運行中，但其強度會變化，或取決於你無法驗證的某個假設。
• 低：僅出現一次，或依賴缺失的文件或不確定的事實。

模擬結果是可檢驗的假設，用於輔助判斷，而非提供確定性資訊。對於決策者而言，與其做出未經檢驗的自信預測，不如說“中等置信度，取決於工會如何解讀第4條條款”，這樣更有用。

7. 實際驗證：行動前需要檢視哪些內容

最後一步是將預測轉化為行動。對於每一項影響深遠的結論，都要決定如何以低成本在現實中進行驗證。

• 例如，向關鍵群體中的一些真實人士進行簡短訪談。
• 針對模擬結果中被標記為決定性問題的一個問題進行小型民意調查。
• 將修改後的措詞展示給一位未參與此專案的同事。
• 設定發射日的監控訊號：哪些短語或群組會告訴你模擬場景正在展開。

一個實際案例：檢視學校合併預測

某市計劃合併兩所小學。首次模擬預測顯示，合併後會引發中等程度的負面反應，但這種反應會在兩週內逐漸消退。

• 框架設定：問題最初針對的是「居民」這群人。經過20輪討論，團隊將範圍縮小到家長、教師和當地媒體。
• 文件：僅有的資料是市議會的決定和一份新聞稿。團隊補充了一份兒童交通計畫概要。
• 圖表有缺失：缺乏教師工會和小型學校家長委員會的資訊。已新增一份簡短文件對其進行描述。
• 重播：新的預測更加精準。規模較小的學校的家長委員會成為第一個發出聲音的群體，而主要的爭論點在於上學路程更長、更不安全，而非合併本身。
• 敏感度：公佈校車計劃後，負面情緒在三次重演中均明顯減弱；如果沒有該計劃，負面情緒則會持續存在。
• 機理信心高（路線安全性高），反應規模信心中等。
• 核實：團隊與兩位家長進行面對面交流，家長證實了路線方面的擔憂。公車方案將與最終決定一同公佈。

第一份報告並非錯誤，只是不夠完整。審查後的報告使其更符合理事會的行動要求。如需進行此類決策對比，請參閱決策支援方案。

在實作中使用檢查清單

保持檢查清單簡潔，以便每次都能使用。典型的審核所需時間比預測會議的時間短，而且可以避免最常見的錯誤：輕信基於薄弱素材建構的流暢報告。您可以在InfoDome控制台中準備和重新運行各種場景；該方案每月 29 歐元，包含每月 9 歐元的 AI 使用預算，項目數量不限。