13 KiB
政治分析的常见陷阱
本文件列出政治分析（特别是台湾选举与两岸议题分析）中最容易犯的错误。模型在每次分析前应熟悉本文件；输出前应回头检查是否落入这些陷阱。
本文件只列陷阱，不列优点。它的角色是"反面清单"。
一、归因陷阱
陷阱 1: 把"声量"当"民意"
表现: 看到 PTT 某串热议、X 某话题趋势，推论"民意支持/反对 X"。
为何错:
- 各平台用户人口结构与抽样民调差距巨大（PTT 偏年轻男性、Dcard 偏年轻、Threads 偏特定光谱）
- 台湾选举多次出现"网路声量与实际投票相反"的案例（最经典是 2018 韩国瑜上升期、2024 柯文哲网路声量与得票的落差）
- "沉默多数"在台湾政治中确实存在
正确做法:
- 区分"声量""情感""触及"三个不同概念，不混用
- 用网路数据做"叙事追踪"或"早期信号"，不做"民意推论"
- 推论民意时必须以代表性民调为锚（TEDS、政大选研、美丽岛、TVBS、ETtoday 等）
- 输出时明示资料来源的代表性局限
陷阱 2: 把"境外操作"作为默认归因
表现: 看到不利于自己偏好的论述，直接归因为"中国认知作战"或"境外势力"。
为何错:
- 许多论述在台湾有真实的内生需求（例如"疑美论"部分根源于台湾自身的历史经验与现实焦虑）
- 把所有不喜欢的声音定性为"境外"，等于否认台湾内部的多元
- 这种归因本身是政治论述工具，使用时要谨慎
正确做法:
- 论述归因要分层证据：论述源头、早期采纳者、主要扩散管道、最终放大者
- 同一论述可能有多重源头（学术、内生政治、媒体、境外），分别评估
- 参见
primitives/concepts/narrative_attribution.md - 不确定时明示"归因证据不足"
陷阱 3: 反向归因——把内生论述当"自然产生"
表现: 把任何反对自己偏好的论述都视为"境外操作"是一种错误；反过来，把任何论述都视为"自然产生"也是错误。
为何错:
- 协调性不实行为（CIB）、跨境讯息行动确实存在且有证据
- 完全否认境外因素同样是分析失格
正确做法:
- 同一份分析中，对论述源头的"内生性"与"外推性"都给出证据评估
- 不预设立场
二、推论陷阱
陷阱 4: 用单一事件推论长期趋势
表现: 看到一次民调波动、一次选举结果、一次发言变化，推论"局势正在转变"。
为何错:
- 政治数据噪声大、单次事件可能是统计起伏
- 选民动员结构有相当稳定性，单次事件难以根本改变
正确做法:
- 至少看 3 次以上同方向变化才推论"趋势"
- 区分"事件性反应"（短期反弹）与"结构性变化"（持续偏移）
- 输出时区分"暂时观察"与"趋势判断"
陷阱 5: 把相关当因果
表现: "X 发言后民调下降，所以 X 发言导致民调下降"。
为何错:
- 同一时间窗内可能多个因素同时作用
- 选民对单一发言的记忆与权重低于多数分析师以为的程度
- 民调本身有滞后与抽样波动
正确做法:
- 因果推论必须考虑同期其他事件
- 优先用"反事实"框架思考（若 X 没发生，Y 还会发生吗）
- 参见
primitives/methods/counterfactual_reasoning.md
陷阱 6: 把局部当整体
表现: 用某选区、某世代、某族群的特征推论全台湾。
为何错:
- 台湾的政治分歧高度局部化（地理、世代、族群、阶级）
- 同一议题在不同次群体的反应可能相反
正确做法:
- 明示数据的次群体范围
- 跨群体推论时必须明示这是"推论"而非"观察"
三、立场陷阱
陷阱 7: 用语暗带立场
表现: 同一事实用不同词汇描述会改变读者印象。
例如：
- "中国" vs "中共" vs "对岸" vs "大陆"
- "台独" vs "台湾独立" vs "台湾主权"
- "亲中" vs "和中" vs "知中"
- "抗中" vs "反中" vs "保台"
- "执政党" vs "民进党当局"
- "卖台" vs "亲中政策"
为何错:
- 这些词汇在台湾政治讨论中各有立场含义
- 选用某词等于选用某立场
正确做法:
- 在分析（非引用）中用最中性的术语，参见
reference/code_words_and_euphemisms.md - 引用某方说法时必须明示是引用："某派人士主张此为「卖台」"
- 自己的分析陈述用中性词："此政策涉及与北京的经贸协议"
- 当事实陈述需要某用词时，可在首次出现时附简短说明
陷阱 8: 默认某种政治结果是"好"或"坏"
表现: 假设"民进党执政"或"国民党执政"或"两岸交流"或"两岸冷冻"是好结果。
为何错:
- 不同选民、不同价值立场对结果的评价不同
- 分析的工作是"解释",不是"评价"
正确做法:
- 不写"应该""理想""糟糕""幸运"等评价性形容词
- 用功能性描述替代："此结果可能导致 X""若发生 Y，则 Z"
- 涉及多方利害时，呈现各方视角
陷阱 9: 隐性假设台湾的"主体性立场"
表现: 即使想"中立"，分析仍隐含"台湾视角"或"两岸某方视角"。
为何错:
- 真正中立非常困难，但不努力中立会让分析变成立场宣传
- 不同视角（台湾内部蓝/绿/白、北京、华府、东京）对同一事件解读截然不同
正确做法:
- 关键议题分析时，强制呈现至少 3 种视角
- 标注每种视角的"持有者"，让读者识别
- 分析者自己的判断与各方视角分开陈述
四、历史与类比陷阱
陷阱 10: 滥用历史类比
表现: 动辄"这就像 1996 飞弹危机"、"这就像台湾的乌克兰"、"这就像韩国瑜的崛起"。
为何错:
- 历史类比让分析显得有深度，但常常误导
- 类比的有效性依赖"相似条件"，多数类比的相似性是表面的
- 不同历史阶段的政治结构不可直接对照
正确做法:
- 类比前必须列出"相似条件"清单
- 同时列出"差异条件"，并评估差异是否抵消相似
- 参见
primitives/methods/historical_analogy_use.md - 不确定时不用类比，直接陈述当前情况
陷阱 11: 后见之明偏差
表现: "其实 2024 选举结果早就可以看出来"——分析过去时给予过高的可预测性。
为何错:
- 选举结果中相当大比例由"难以预测因素"决定（最后两周事件、投票日天气、动员细节）
- 后见之明会让分析高估"分析能力"，导致对未来过度自信
正确做法:
- 分析过去事件时，思考"在事前能否合理预测"
- 区分"事后可解释"与"事前可预测"
- 预测未来时给出明确的不确定性区间
五、预测陷阱
陷阱 12: 对未来过度精确
表现: "2028 年某党会得 47.3% 选票"。
为何错:
- 距 2028 还有时间，重大变数（候选人、国际局势、突发事件）尚未确定
- 精确数字给读者错误的可信度感
- 真实的不确定性远大于这种数字所暗示
正确做法:
- 用区间或情境而非点估计
- 明示"在情境 A 下""在情境 B 下"分别的可能结果
- 参见
playbooks/forecasting_with_uncertainty.md
陷阱 13: 线性外推
表现: "民调从 30% 涨到 35% 涨到 40%，所以选举时会到 45%"。
为何错:
- 政治支持度通常有"上限"与"地板"，线性外推会突破合理范围
- 选战后期常发生反向调整（弃保、回归基本盘）
- 民调与选票之间有"声明性 vs 行为性"差距
正确做法:
- 不用线性外推
- 看历史上类似动态的最终结果，作为参考边界
陷阱 14: 忽略黑天鹅
表现: 预测时只考虑"延续当前趋势"的情境。
为何错:
- 台湾政治最近 30 年发生过多次"事前难以预期"的剧变
- 黑天鹅本质上无法精确预测，但应在预测中保留空间
正确做法:
- 任何 2028 预测都要有"黑天鹅情境"段落
- 列出可能的"打破当前路径"的事件类型（不要求精确，要求覆盖类型）
- 参见
primitives/frameworks/scenario_planning.md
六、资料陷阱
陷阱 15: 把"出现在新闻里"当"事实"
表现: 看到媒体报导即视为事实。
为何错:
- 台湾媒体生态高度政治化，立场鲜明
- 同一事件不同媒体报导可能差异极大
- "据传""据悉""有人士指出"这类匿名来源比例过高
正确做法:
- 重要事实需要至少两个不同立场光谱媒体的交叉证实
- 单一媒体的独家报导，标注为"未完全证实"
- 参见
reference/source_credibility_tiers.md
陷阱 16: 把"政府声明"当中立
表现: 政府部门发言（行政院、陆委会、外交部）作为客观事实引用。
为何错:
- 政府声明天然带执政党立场
- 即使是"事实陈述"也常经过选择性呈现
正确做法:
- 政府声明视为"执政党立场表达"，与反对党声明同样处理
- 引用时明示"行政院表示"而非作为中立陈述
- 涉及争议事实时，应同时引用反对方声明
陷阱 17: 旧资料当新资料
表现: 用 2020 年的民调、2022 年的态度数据回答 2026 年的问题。
为何错:
- 政治态度变迁速度比许多分析师以为的快
- 重大事件（裴洛西访台、川普当选、香港 2019、俄乌战争等）会显著重塑态度
正确做法:
- 数据使用必须标注时间
- 跨时间引用时明示"该数据反映 [时间] 的态度，可能已变化"
- 引用长期趋势时优先用持续追踪的数据集（如政大选研中心的认同趋势）
陷阱 18: 把"知识库未涵盖"当"不存在"
表现: 知识库没收录某资讯，模型推断为"无此事"。
为何错:
- 知识库永远不可能完全涵盖
- 缺失可能源于尚未整理、刻意排除、新近发生
正确做法:
- 明示"知识库未涵盖此问题"
- 不推测、不编造
- 提醒使用者可能需要外部查证
七、知识库使用陷阱
陷阱 19: 跳过 playbook 直接生成
表现: 模型自己"觉得"会分析就直接输出，不走 playbook 流程。
为何错:
- 中等规模模型的隐式分析能力有限
- 跳过 playbook 等于放弃了知识库的核心价值
正确做法:
- 任何非简单事实查询都应走 playbook
- 不确定时宁可走过流程
陷阱 20: 把 narrative 当"事实"
表现: 引用 narrative 文件中的论述描述时，未区分"这是某派的论述"与"这是事实"。
为何错:
- narrative 文件是"诠释框架的整理"，不是"事实陈述"
- 把论述当事实会让分析变成宣传
正确做法:
- 引用 narrative 内容时使用"主张""认为""论述"等用词
- 与 events、entities 中的事实陈述区分
陷阱 21: 过度依赖单一文件
表现: 看到一份相关 narrative 或 entity 档案就停止搜寻，直接用它生成分析。
为何错:
- 政治议题几乎都涉及多个面向
- 单一文件的视角不全面
正确做法:
- 主 playbook 通常会指示读多个相关文件
- 即使 playbook 未明示，也应至少检查交叉引用规则
- 参见
routing/cross_reference_rules.md
八、输出陷阱
陷阱 22: 过度自信
表现: 用"必然""一定""毫无疑问"等词汇。
为何错:
- 政治分析很少有"必然"
- 过度自信会让读者依赖错误判断
正确做法:
- 参见
playbooks/uncertainty_communication_protocol.md - 用分级措辞（"非常可能""相当可能""有可能""未能确定"）
陷阱 23: 假性中立
表现: 用"各方说法不一""见仁见智"逃避分析。
为何错:
- 不是所有事实都有"两面"——有些事就是有定论
- "各打五十大板"是另一种立场
正确做法:
- 事实有定论时给出定论
- 真有争议时呈现争议结构（哪几派、各自论据、证据强度）
- 不用模糊词汇逃避表态
陷阱 24: 形式凌驾内容
表现: 输出大量小标题、列表、表格，但实质内容稀薄。
为何错:
- 形式繁复让读者误以为分析深入
- 浪费认知资源
正确做法:
- 每个小节都要有实质判断
- 没有内容时不堆形式
- 长度服从内容，不预设字数
九、最重要的两条总规则
如果这份文件 24 条记不住，至少记住这两条：
规则 1: 任何陈述都要能回答"我怎么知道"
每一句判断在心里要能回答：这个判断的来源是什么？是素材里的事实？是某个 narrative 的论述？是某个框架的推论？是我自己的猜测？
如果答不出来，删掉这句。
规则 2: 不确定就明示不确定
模型最大的诱惑是"想给完整答案"。但政治分析中，承认不知道是品质标记，不是缺陷。
宁可输出"基于现有素材与知识库，此问题的答案不明确，理由是 X、Y、Z"，也不要编造一个看起来完整的答案。
last_updated: 2026-05-08