# 把“一定会”退回它证据所在的那一档：核验之后怎么改句子

用一把七级确定性尺子定位越界，把条件写进句子，而不是加一个“可能”

> 事实核验 · AI 引用可靠性 · 有据生成 · 约 8 分钟 · 10 月 30 日

## 本篇要点

1. 核验判定“部分成立”之后，改稿不是把句子改软，而是把句子退回到证据所在的那一档确定性。
2. 确定性可以按档位排列：无陈述、明确无关、相关、含糊连接、条件因果、能导致、无条件因果；含糊的连接词并不弱，“linked to”被编码为比“associated with”更强。
3. 强度是一档一档被抬上去的：一项对 462 份新闻稿及其论文、668 篇新闻的研究发现，33% 的新闻稿因果表述强于原论文，新闻稿夸大时新闻同类夸大的机会是 20 倍。
4. 一句话常同时装着关系强度、范围、对象和行动建议四条断言，分开核、分别改，才不会改不完。
5. 统计上的“显著”只表示差异不太可能纯由随机波动造成，不等于幅度大；同一材料里未调整和调整后的数字口径不同，不能混用。
6. 改写的核心动作是把设计、人群与时长、剂量、指标口径、作者自陈的限制写进句子，这些是结论的适用边界，不是免责声明。
7. 行动建议是另一类断言，不能继承事实断言的档位；从观察性关联到干预建议，缺的是干预证据，只能删或改成同档说法。
8. 验收可用三个测试：原作者是否会纠正你、删掉软化词后读者会多相信什么、后面能不能接“但是”和“所以”。
9. 软化词一句最多留一个：近似语管精度可以留，遮掩语管承诺要少；叠多了就是 over-hedging，句子既不敢表态也不提供信息。
10. 如果退档后句子撑不起主结论，那是要补材料或砍主张，不是改措辞能解决的。

---

上一篇收尾时，你手上是一张带判定的核验清单，动作栏里写着“改回原范围”“降级表述”“删”。落在句子上，最常见的两种改法都不合格。

一种是往原句里塞一个“可能”。句子读起来礼貌了，可它仍然在说因果，只是把责任推给了一个副词。

另一种是越改越软，最后写成“饮酒可能与某些健康指标存在一定关联”。读者读完不知道你到底想说什么，你自己也不知道这篇稿子的主张还在不在。

这篇用一个假设的稿子把这一步走完：怎么判断一句话越界了几档，怎么退回到证据支持的那一档，怎么加条件而不是加空话。

## 先有一把尺子

调节一句断言确定程度的词，在写作研究里叫 hedge，中文常译作“模糊限制语”或“软化语”，比如“可能”“倾向于”；跟它相对的是 booster，加强语，比如“证明”“显著”“普遍”。

写作手册会说，hedge 的作用是让说法的确定程度与证据匹配[3]。但“匹配”怎么判断？2014 年《英国医学杂志》的一项研究提供了一把现成的尺子。研究者编码了 20 所英国大学 2011 年发布的 462 份新闻稿、对应的期刊论文和 668 篇新闻，看关于因果的说法在转述中被抬强了多少，用的是七级量表[1]。

| 档位 | 量表里的示例句 | 这句话承诺了什么 |
|---|---|---|
| 无陈述 / 明确无关 | 没有相关陈述；或明确说没有关系 | 什么也没主张 |
| 相关 | drinking wine is associated with increased cancer rates | 两件事一起出现，方向一致 |
| 含糊连接 | drinking wine linked to cancer risk | 没说因果，但也没排除，读者会自己往强里读 |
| 条件因果 | drinking wine might increase cancer risk | 有可能起作用，尚未确定 |
| 能导致 | drinking wine can increase cancer risk | 在某些情况下确实会 |
| 无条件因果 | drinking wine increases cancer risk | 普遍地、稳定地起作用 |

注意第三档：含糊的连接词并不弱。量表把它排在“相关”之上，因为“有关联”至少还承认这是统计上的伴随关系，而“linked to”把判断权交给了读者，读者通常会往因果上读。

研究结果是：33% 的新闻稿（95% 置信区间 26%–40%）对因果的表述比原论文更强，新闻里是 39%；新闻稿已经夸大时，新闻出现同类夸大的机会是没夸大时的 20 倍（OR 20，95% 置信区间 7.6–51）[1]。

![新闻稿夸大与新闻出现同类夸大的比例对比：新闻稿里有夸大的，对应新闻中出现同类夸大的比例明显更高](https://www.bmj.com/content/bmj/349/bmj.g7015/F2.medium.gif)

关键在于：强度是一档一档被抬上去的，不是凭空编一个数。所以改稿不是把句子“改软”，而是把句子退回到证据所在的那一档。

这篇论文自己也在讨论里写了“本研究是相关性设计，因此不能证明因果关系”[1]。一手材料的 limitations 里，常常已经写清了它的证据属于哪一档，核验时读一遍比自己揣摩快。

## 案例：一句听起来完全正常的稿子

下面是构造的稿子和材料，数字为演示而设，不来自任何真实研究。

稿子原句：

> 最新研究表明，每天一杯红酒会显著提高癌症风险约 8%，因此公司团建应当取消酒水。

材料 A（队列研究，假设）：

> 10 年随访约 5 万名成年人。报告每日饮用约一杯红酒者，癌症发生率为 11.0/1000 人年，不饮酒者为 10.1/1000 人年（未调整，约高 9%）；调整年龄、吸烟、体重等因素后，风险比 1.08（95% 置信区间 1.02–1.15）。饮酒量为自报，分组只覆盖“每日约一杯”。作者结论：饮酒与癌症风险呈正相关；本研究为观察性设计，不能排除残余混杂，不证明因果。

材料 B（综述，假设）：现有证据不足以判断少量饮酒与特定癌种之间是否存在因果关系。

先别往下读。花两分钟自己改一遍原句——先试过，才知道会卡在哪一步。

## 第一步：一句话里其实有四条断言

原句装进了四样各自要核的东西：

1. 关系强度：是伴随关系，还是因果关系？
2. 范围：是“癌症”整体，还是某几种癌？是每天一杯，还是任意饮酒量？
3. 对象：研究里是 5 万名成人，不是“公司员工”，也不是“团建喝酒的人”。
4. 行动建议：要不要据此取消酒水。

改不完的稿子，通常是把这四条当成了一条。分开以后，前三条属于事实断言的强度问题，第四条属于另一类断言。

## 第二步：用尺子定位，退回到证据那一档

材料 A 说的是“呈正相关，且不能排除残余混杂”，落在“相关”档；原句的“会显著提高”落在“无条件因果”档，中间隔了三档。要退的不是一级，而是退到证据所在的那一档。加一个“可能”之所以不管用，是因为“可能提高”仍然是因果句式，只是把因果改小了。

定位时还有两处容易漏，属于“数字对了，话还是错的”：

**口径不能混。** “约 8%”来自调整后的风险比 1.08，未调整的数字则是 11.0 对 10.1、约高 9%。同一份材料里两个数含义不同，混用会让读者以为是同一件事的两种说法。

**“显著”是被偷换的词。** 统计上的“显著”只说明这个差异不太可能纯粹由随机波动造成，不表示幅度大。原句把它和“幅度很大”并成一个“显著提高”，读者自然读成后者。

**还要看这个数离“没有差异”多远。** 区间下界 1.02，离 1 很近：只要存在一点没被控制的混杂（比如少量饮酒者就医更频繁），这点差异就可能是它带来的。这不是材料里写的，是读数字时的判断，但它决定这句话该写得多谨慎。

## 第三步：把条件写进句子，而不是加免责声明

改后可以是：

> 一项随访约 5 万名成人、为期 10 年的观察性研究报告，自报每日饮用约一杯红酒者，癌症发生率高于不饮酒者（调整后风险比 1.08，95% 置信区间 1.02–1.15）；作者指出该设计无法排除残余混杂，不能据此认定因果，且饮酒量为自报，结论只覆盖“每日约一杯”这一范围。

改动不在形容词，而在五类信息被搬进了句子：研究设计、人群与时长、剂量、指标口径、作者自己声明的限制。

这五样不是免责声明，而是这句话的适用边界。写出“只覆盖每日约一杯”，读者就知道不能拿它去评价应酬时喝半斤的人。

## 第四步：建议是另一种断言，不能继承事实断言的档位

“因此应当取消酒水”的问题不在说得太满，而在它是另一类断言：从“观察到关联”跳到“某项干预有效”，中间缺的是干预研究的证据。材料 B 更直接：连因果都还定不下来。

同一项研究里，40% 的新闻稿给出了比论文更直接的行为建议[1]。事实断言越界，读者会不满；建议越界，读者会照着做。

所以这条尾巴只有两种处理：删掉；或者换成与证据同档的说法，比如“值得进一步研究”。不能写成“因此有必要减少饮酒”——那仍是从关联推出的干预结论，只是语气缓和了。

## 第五步：三个测试

**作者测试。** 把改后句放到材料 A 作者面前，他会说“这是我说过的”，还是会说“我没说因果”？会纠正你，说明还没退够。

**删词测试。** 逐个删掉句中的软化词，看读者会多相信什么。删完没变化，那个词就是装饰。杜克大学写作资源举的例子是“These results suggest that our method may possibly identify putative enhancer elements”：suggest、may、possibly、putative 四个软化词叠在一起，作者的判断是留一个就够，其余不加任何信息[2]。加州大学戴维斯分校的写作讲义更直接：一句里的不确定，说一次就够，多说的会把句子掏空[3]。这种叠加叫 over-hedging，结果是既不敢表态、又不提供信息[4]。

实际操作时把软化词分两类：管精度的**近似语**（“约”“左右”）要留，因为数字本来就有精度；管承诺的**遮掩语**（“可能”“似乎”“在一定程度上”）一句最多留一个，其余位置让给具体条件。

**接话测试。** 后面接“但是，另有研究显示……”，接得上说明留了余地；接“所以现在就该……”如果接得很顺，说明句子还比证据强。

## 这套做法哪些能搬走

案例换掉，动作不变：拆断言、定位档位、退到证据那一档、把条件写进句子、建议单独处理、过三个测试。

- **数字句**：“成本下降 18%”不是强度问题，是范围和口径问题，要把口径、时间、范围写全，别让一个数字代表整体。
- **观点句**：“业内普遍认为”里的“普遍”要落到人头：几个人、怎么选的、是不是同一口径。落到人头，强度自然就对了。
- **建议句**：“应当立即推行”要问一句：支持它的是观察到的关联，还是试过的干预？两者之间不能靠语气补。

还有一条边界：如果退到证据那一档后，句子撑不起你的主结论，那就是要换主张了，不是改措辞能解决的——回去补材料，或者把主张砍掉。

尺子的用处不是让你写得软。一份稿子里该有强句，只是每一句强话都得站在一手材料上，你随时能说出它为什么可以这么强。

## 思维导图

```mermaid
flowchart LR
  A["核验判定：部分成立"] --> B["拆出四条断言"]
  B --> B1["关系强度"]
  B --> B2["范围"]
  B --> B3["对象"]
  B --> B4["行动建议"]
  B1 --> C["用七级量表定位"]
  B2 --> C
  C --> D["退回证据所在那一档"]
  D --> E["把条件写进句子"]
  E --> E1["设计/人群/时长"]
  E --> E2["剂量/口径"]
  E --> E3["作者自陈限制"]
  B4 --> F["建议单独处理：缺干预证据就删或降档"]
  E --> G["三个测试"]
  F --> G
  G --> G1["原作者会纠正吗"]
  G --> G2["删词后读者多信什么"]
  G --> G3["能否接『但是』『所以』"]
  G --> H{"退档后还撑得起主结论？"}
  H -->|"否"| I["补材料或砍主张"]
```

## 术语表

- 断言强度：一句话要求的相信程度，从“只是同时出现”到“普遍地起作用”有若干档，改稿就是让档位与材料对齐。
- 确定性档位量表：把说法从“无陈述”排到“无条件因果”的七级尺子，用来判断原句比证据高了几档。
- 近似语（approximator）：管理精度的词，如“约”“左右”，对应数字本身的误差，一般保留。
- 遮掩语（shield）：管理承诺的词，如“可能”“似乎”“在一定程度上”，一句最多留一个。
- over-hedging：软化词叠加过多，句子既不确定也不提供信息。
- booster（加强语）：与软化语相对的词，如“证明”“显著”“普遍”，用错会把结论抬高一档以上。
- 适用边界：研究设计、人群、时长、剂量、指标口径等写进句子的条件，决定结论能用到哪里。

## 来源

1. [BMJ: The association between exaggeration in health related science news and academic press releases — 七级确定性量表与新闻稿、新闻的夸大比例数据](https://www.bmj.com/content/349/bmj.g7015)
2. [Duke Graduate School Scientific Writing Resource: Concision and Simplicity — 软化词叠加使句子失去信息的例子](https://sites.duke.edu/scientificwriting/lesson-3-concision-and-simplicity/)
3. [UC Davis: Effective and High Impact Scientific Writing — 一句中的不确定说一次就够](https://lowepowerlab.ucdavis.edu/assets/resources/effective_high_impact_scientific_writing.pdf)
4. [Oxford Lifelong Learning: Hedging — hedge 的作用与 over-hedging 的后果](https://lifelong-learning.ox.ac.uk/about/hedging)

---

原文：https://pangzhengboyin.com/articles/match-claim-strength-to-evidence-9a6ed122

> **庞征博引** · 想学的，慢慢都会
>
> 庞征博引是把想学的东西写成连载的 AI 学习工具：每篇 5–10 分钟，边读边问，接下来学什么跟着你走。这篇就是这样写出来的。
>
> 开始你自己的连载 → https://pangzhengboyin.com