从资料中提取支持和反对证据

作者: AI 小课7 分钟准备已测试:ChatGPT复核日期: 2026-08-28

直接回答

建立平衡证据表，不强迫中性或无关材料站队。 请提供: 主张或决策问题、来源资料、证据规则。 预期成果: 包含强度评估的可追溯支持、反对、混合和未解决证据图。

补充你的背景

你填写的内容只保留在当前浏览器中，AILesson 提示语不会将其发送给模型或服务器。

主张或决策问题来源资料证据规则

生成的提示语

未填写的字段会保留为占位符，你仍然可以复制后自行编辑

请提取支持和反对准确命题的证据。

命题、替代方案、定义、范围和用途：
[question]

带编号、日期、作者、方法和段落的来源：
[sources]

合格性、总体/时间适配、独立性、质量和推断规则：
[rules]

只能使用所提供资料。提取与命题相关的最小证据单位，并保留背景、指标、分母、期间和限制。每项分类为“支持、反对、混合/有条件、中性/背景、无关”；不要强迫每个来源站到两边。区分来源作者结论、底层数据和你的解释。每项提供来源定位、证据陈述、方向、直接性、质量、独立性、适用性和允许的主张强度。识别共享底层数据、冲突、发表偏差风险、缺失反证和会逆转结论的条件。最后给出按证据质量而非条目数量加权的平衡综合。

在 AI 练习场试试

默认保护隐私提示语在浏览器本地组装。除非所在组织明确允许，否则不要把机密信息提交给任何 AI 服务。

从输入到成果

实际案例

看看具体背景如何通过这条配方转化为可使用的成果

实际输入

主张或决策问题: 对 120 人英国办公室，把固定座位改为每人 0.7 个座位的共享模式，能否提高空间效率，同时不实质降低高峰日找到合适工作区的能力？“合适”要求在所需安静/协作区域有座位。用于试点设计，而非永久决定。
来源资料: S1 本办公室占用计数，连续六周周二至周四：高峰同时到场 72–98 人；未记录区域。S2 员工调查，120 人中 86 人回答：58 人预计共享座位可接受，19 不确定，9 反对；问题是假设性。S3 设施模拟：0.7 比例（84 个座位）时，平均模拟利用率从 51%→69%；假设个人到场相互独立且无区域约束。S4 另一家 300 人公司试点：0.65 比例；观察的 20 个高峰日中有 12 天安静区无空位；总座位仍有空余；混合政策不同。S5 供应商博客引用 S4，并称共享“消除空间浪费”。
证据规则: 内部直接观察对本公司到场有高价值，但缺少区域信息。模拟取决于假设。调查衡量预期，不是实际可用座位。外部公司证据间接，但与区域风险有关。供应商博客并非独立于 S4。保留计数；没有阈值时不要定义“实质”。

示例输出

支持效率：S3 模拟 84 个座位时利用率 51%→69%；直接性中等，质量取决于未经测试的独立到场和无区域约束假设。S1 显示许多观察高峰低于 84，但 72–98 表示部分高峰超过容量；应归为混合而非支持。S2：86 名受访者中 58 人预计可接受；对实际座位可用性直接性低，另有 34 人未答卷。

反对组合命题：S4 在 20 个高峰日中 12 天没有安静区座位，尽管其他座位空闲；因比例、规模和混合政策不同而适用性间接，但直接展示区域错配机制。S1 也反对无条件 84 座位模式，因为部分日子超过 84，除非管理到场；它无法判断区域适配。S5 不增加独立证据，“消除”结论超出 S4。

缺失：本公司按区域/小时的高峰分布、团队共同到场、适合区域需求、逐日溢出频率和约定的重要性阈值。平衡综合：证据有条件支持更高模拟利用率，但不能证明高峰可用性可接受。最强内部观察已显示部分日子存在总需求风险，外部证据说明区域错配可信。应设计包含预订/溢出、区域计数和预先失败阈值的试点，而不是声称组合命题已获支持。