【震惊】91网科普：猛料背后7个你从没注意的细节
近年来网络上一条条“猛料”刷屏，标题比内容更刺激，转发比分辨力更快。作为读者，想在信息洪流里不被带偏，只靠直觉或热情往往不够。下面整理出7个常被忽略的细节，学会看这7点，下一次遇到“震惊”你就冷静了。
-
数据来源到底哪里来？ 很多轰动性的结论只贴出一个结论性数字，却不交代数据来源。查询原始数据、研究样本、采样时间和采样方法，能迅速判断结论的可靠性。遇到只说“研究显示”却没有出处的内容，先把它列为可疑信息。
-
样本量和样本代表性 一个结论可能来自10人、100人或10万人的研究，差别天壤之别。小样本研究波动大、误差高；样本如果只来自某一地区或特定群体，也不能直接推广到全部人群。看清研究的样本构成再下结论。
-
因果关系和相关性的混淆 新闻常把“相关”说成“导致”。两者不等同：A与B相关，可能是共同原因或纯粹巧合。判断报道是否做到了因果推断，需要看实验设计（随机对照试验更可靠）或是否排除了潜在混淆因素。
-
统计显著不等于实际意义 统计学上显著并不意味着结果在现实中有重要影响。例子：某药物将风险从0.02%降到0.03%，相对变化很大但绝对差异微乎其微。关注置信区间、绝对风险差和效应大小，而不是只看“显著”二字。
-
图表与比例尺度的误导 图表视觉影响力强，但也容易被拉伸或省略纵轴来夸大差异。检查轴的刻度、是否用对数尺度、是否截取基线。图片和动态图像也可能被剪辑或断章取义，追溯原始图表很关键。
-
选择性报道与断章取义 媒体或自媒体为了吸引点击，常只摘取研究中的最耸动结论，忽略限制条件或反例。读原文的讨论部分和研究局限性可以看到作者自己怎么限定结论范围。
-
利益冲突与资金来源 研究或报道可能受赞助方影响。查看论文的致谢、资金声明和作者背景，判断是否存在商业或政治动机。独立重复验证的研究更能抵抗单一利益方的偏倚。
快速验证清单（实用小动作）
- 找到原始研究或官方声明，优先看全文。
- 查询作者、发表期刊和同行评审状态。
- 注意绝对数值与相对数值的差别。
- 搜索是否有独立复现或反驳研究。
- 检查图表轴和样本描述，不被视觉效果牵着走。
