Extraia evidências favoráveis e contrárias

Autor: AILesson7 min de configuraçãoTestado com:ChatGPTRevisado em: 2026-08-28

Resposta rápida

Crie uma tabela equilibrada de evidências sem forçar materiais neutros ou irrelevantes a se enquadrarem em dois lados. Forneça: Afirmação ou questão de decisão, Material de origem, Regras das evidências. Resultado esperado: Um mapa rastreável de evidências favoráveis, contrárias, mistas e não resolvidas, com avaliação da força.

1

Adicione seu contexto

Seu texto permanece neste navegador. O AILesson Prompts não o envia para um modelo ou servidor.

2

Seu prompt

Campos não preenchidos permanecem visíveis como marcadores de posição, para que você ainda possa copiar e editar o prompt

Extraia evidências que apoiem e contrariem a proposição exata.

Proposição, alternativas, definições, escopo e uso:
[question]

Fontes com IDs, datas, autores, métodos e trechos:
[sources]

Regras de elegibilidade, adequação à população e ao período, independência, qualidade e inferência:
[rules]

Use somente o material fornecido. Extraia a menor unidade de evidência pertinente à proposição e preserve o contexto, a medida, o denominador, o período e as limitações. Classifique cada item como favorável, contrário, misto/condicional, neutro/contextual ou irrelevante; não force todas as fontes a se enquadrarem em dois lados. Separe a conclusão do autor da fonte dos dados subjacentes e de sua interpretação. Para cada item, forneça a localização na fonte, a declaração da evidência, a direção, o grau de relação direta, a qualidade, a independência, a aplicabilidade e a força de afirmação que ele permite. Identifique dados subjacentes compartilhados, conflitos, risco de viés de publicação, contraevidências ausentes e condições que invertam a conclusão. Termine com uma síntese equilibrada que pondere a qualidade das evidências, em vez de contar os itens.
Experimente no Playground
Privado por padrãoA montagem do prompt acontece localmente no seu navegador. Evite colocar informações confidenciais em qualquer serviço de IA, a menos que sua organização permita.

Da entrada ao resultado

Um exemplo prático

Veja como um contexto concreto transforma esta receita em um resultado útil

Entrada real

Afirmação ou questão de decisão
Para um escritório de 120 pessoas no Reino Unido, substituir mesas atribuídas por um modelo compartilhado de 0,7 mesa por pessoa melhora a eficiência do espaço sem reduzir de forma relevante a capacidade dos funcionários de encontrar um local de trabalho adequado nos dias de pico? “Adequado” exige uma mesa na zona silenciosa ou colaborativa necessária. Use para planejar um projeto-piloto, não para uma decisão permanente.
Material de origem
S1 contagem de ocupação, nosso escritório, seis semanas de terça a quinta-feira: pico de presença simultânea de 72–98 pessoas; zonas não registradas. S2 pesquisa com funcionários, 86/120 respostas: 58 esperam que as mesas compartilhadas sejam aceitáveis, 19 não têm certeza, 9 se opõem; pergunta hipotética. S3 simulação das instalações: com proporção de 0,7 (84 mesas), a utilização média simulada aumenta de 51%→69%; pressupõe presença independente entre as pessoas e nenhuma restrição de zona. S4 projeto-piloto em outra empresa de 300 pessoas: proporção de 0,65; em 12 dos 20 dias de pico observados, não havia mesas livres na zona silenciosa; ainda havia mesas livres no total; política híbrida diferente. S5 blog de fornecedor cita S4 e afirma que o compartilhamento ‘elimina o espaço desperdiçado’.
Regras das evidências
As observações internas diretas têm alta relevância para nossa presença, mas são incompletas sem as zonas. As simulações dependem de premissas. As pesquisas medem expectativas, não o acesso real a locais de trabalho. As evidências da empresa externa são indiretas, mas pertinentes ao risco das zonas. O blog do fornecedor não é independente de S4. Preserve as contagens e não defina “de forma relevante” sem um limite.

Exemplo de saída

Favoráveis à eficiência: S3 simula um aumento da utilização de 51%→69% com 84 mesas; grau de relação direta médio e qualidade condicional porque as premissas de independência e ausência de zonas não foram testadas. S1 mostra muitos picos observados abaixo de 84, mas o intervalo de 72–98 significa que algumas contagens de pico excedem a capacidade; portanto, é uma evidência mista, não favorável. S2: 58/86 respondentes esperam aceitar o modelo; baixo grau de relação direta com o acesso real e 34 pessoas não responderam.

Contrárias à proposição combinada: S4 constatou ausência de mesas na zona silenciosa em 12/20 dias de pico, apesar de haver mesas livres em outros locais; aplicabilidade indireta porque a proporção, a escala e a política híbrida diferem, mas demonstra diretamente o mecanismo de alocação inadequada entre zonas. S1 também contraria um modelo incondicional de 84 mesas nos dias com mais de 84 pessoas, a menos que a presença seja gerenciada; não permite avaliar a adequação das zonas. S5 não acrescenta evidência independente, e sua conclusão de que “elimina” excede S4.

Faltam: nossa distribuição dos picos por zona e hora, a presença simultânea das equipes, a demanda por zonas adequadas, a frequência diária de excesso de demanda e um limite de materialidade acordado. Síntese equilibrada: as evidências apoiam condicionalmente uma utilização simulada maior, mas não demonstram acesso aceitável nos picos. A observação interna mais forte já mostra risco de demanda total em alguns dias, enquanto as evidências externas tornam plausível a incompatibilidade entre zonas. Planeje um projeto-piloto com reservas e capacidade excedente, contagens por zona e um limite de falha acordado previamente, em vez de afirmar que a proposição combinada é respaldada.

Por que isso funciona

  1. 1

    Categorias mista e neutra evitam uma simetria artificial e a perda de constatações condicionais.

  2. 2

    Ponderar o grau de relação direta, a qualidade, a independência e a aplicabilidade é mais significativo do que contar citações.

Verifique o resultado

  • Cada unidade de evidência preserva seu denominador, período, contexto e limitações?

  • As conclusões dos autores, as observações subjacentes e as interpretações dos analistas estão diferenciadas?

  • A síntese pondera a independência e a aplicabilidade, em vez de contar fontes?

Use com confiança

Perguntas frequentes

Respostas práticas sobre quando usar esta receita, o que fornecer e onde a revisão humana ainda é importante

O que devo preparar antes de usar “Extraia evidências favoráveis e contrárias”?

Para usar “Extraia evidências favoráveis e contrárias”, prepare a afirmação ou questão de decisão, o material de origem e as regras das evidências. Substitua os espaços reservados somente por informações que você possa verificar. Se algum detalhe for desconhecido, preserve explicitamente essa incerteza em vez de pedir ao modelo que o infira.

Quando o resultado de “Extraia evidências favoráveis e contrárias” ainda não está pronto para uso?

O resultado não está pronto se ainda não entregar o resultado declarado — um mapa rastreável de evidências favoráveis, contrárias, mistas e não resolvidas, com avaliação da força — com base nas evidências fornecidas, ou se depender de suposições não resolvidas, aprovações ausentes ou detalhes inventados. Use as verificações como critérios de liberação: revise as informações de origem ou designe um revisor identificado e autorizado, em vez de aperfeiçoar um resultado sem respaldo.

Quais ferramentas de IA têm testes registrados para “Extraia evidências favoráveis e contrárias”?

O registro de testes publicado para “Extraia evidências favoráveis e contrárias” inclui o ChatGPT em 2026-08-28. Isso confirma execuções registradas, não compatibilidade garantida nem resultados idênticos em versões posteriores do produto. Ao usar outra ferramenta ou versão, mantenha todas as restrições visíveis e repita as verificações do resultado antes do uso.

Mais maneiras de explorar

Onde esta receita se encaixa

Mantenha o trabalho em andamento