互联网上并不存在一个被普遍接受的、能够全面评估所有网站信息质量和准确性的“主索引”——没有类似信息信用评分的东西。取而代之的是由记者、图书馆员、学者和搜索引擎构建的各种服务，它们各自衡量着“可信度”的不同方面：有的评估整个出版物，有的评估单个论断，有的评估作者而非媒体，还有一些是只能推断其存在的隐形算法。这些服务结合起来，构成了一个相当可靠的三角测量系统。但单独使用任何一种服务都可能误导你。
调查人员在以下方面采用相同的核实习惯： OSINT techniques, cross-checking each claim against several independent public sources before trusting it. Open source intelligence techniques also rely on fact-checking sites like this one to confirm quotes, images and statistics.
在您依赖以下任何信息之前，请注意以下免责声明和警告：
以下每一种工具都反映了其创建机构的判断、方法论，以及在某些情况下，其资金来源。像MBFC和Ad Fontes这样的偏见和准确性评级机构本身就经常受到来自不同政治派别人士的偏见指责。众包系统可能被操纵或被恶意刷分。文献计量指标（例如影响因子或h指数）衡量的是引用活跃度，而非正确性——一篇被频繁引用的论文仍然可能是错误的，而一篇发表在小众期刊上的正确论文也可能得分很低。即使是谷歌的EEAT也不是一个透明、可审计的公式；它是从……推断出来的。 专利申请泄露的文件，以及谷歌自己含糊不清的指导。
请将以下每个评分视为一个数据点，而非最终结论。在判断某个信息来源是否可靠之前，至少要交叉参考两个独立的工具——最好是来自不同类别的工具——并且切勿让自动评分完全取代您对原始材料的阅读。
为了更清晰地说明，我们下面的选择以及我们对每项工具的优缺点和评论都可能存在争议！欢迎您发表评论、提出修改建议，以及补充我们遗漏或未提及的其他工具。 这里 <.
简而言之，尽管我们有“缺点”或评论，但如果我们在这里列出了某个工具/网站，我们认为值得检查它是否符合您的用途。
关键要点
- 没有哪个权威机构能够决定网络上的真相：在相信任何说法之前，务必交叉核对至少两个独立来源。
- 媒体层面的评级员和声明层面的事实核查员的工作不同：一个“可信的”来源仍然可以发布一个错误声明，反之亦然。
- 引用次数衡量的是声望，而不是准确性：一篇被引用次数很高的论文仍然可能是错误的，或者后来被撤回。
- 学术出版业中论文工厂和欺诈行为激增：在采纳任何论文之前，务必先在撤稿数据库中进行核查。
- 病毒式传播并不代表真相：内容的传播是基于情感冲击力，而不是事实准确性。
- 每一种评级工具都反映了其创建者的方法论， 偏见将分数视为一个数据点，而不是一个结论。
- 透明度是最强的信任信号：优先选择公开资金来源、作者署名和纠错政策的信息来源。
- 语境决定可靠性：同一个信息来源，对于某一说法可能可信，而对于另一说法则可能不可信。
- 人工判断仍然很重要：当没有数据库涵盖某个数据源时，像 CRAAP 这样的框架仍然至关重要。
- 放慢速度胜过任何工具：在分享之前稍作停顿，比任何单一的事实核查员都能防止更多错误信息的传播。
- 额外基本经验法则：不要盲目相信网站对自己的宣传（“我们是排名第一的”）。
提示： 您可以直接在我们的>中找到其中一些工具。 在线工具数据库 <，要么在“网络”部分，要么在“开源情报”部分。
门店层面信誉评级员
这些工具可以评估整个网站或 发布 ——关注其过往业绩、所有权结构和编辑实践——而不是任何单一文章：
新闻卫队一家商业评级服务机构，聘用训练有素的记者（而不是算法）来评估超过 35,000 个新闻来源，这些新闻来源约占美国、英国、加拿大、德国、法国、意大利、奥地利、澳大利亚和新西兰所有在线消费和分享的新闻和信息的 95%。 每个网站都根据九项不涉及政治因素的标准进行评分，分值范围为0到100分，每项标准的权重各不相同。评分内容涵盖网站是否反复发布虚假或严重误导性内容、是否纠正错误以及是否披露所有权等。评分结果以“营养标签”的形式呈现——绿色、红色、讽刺或平台评级，在安装浏览器扩展程序后，会以盾牌图标显示在搜索引擎和社交媒体链接旁边。在发布负面评级之前，NewsGuard的分析师会联系发布者，征求其意见，并给予其解决问题或做出回应的机会，而该回应将与评级一同发布。 特点： 它明确地将讽刺与“假新闻”区分开来——幽默或讽刺网站会被赋予单独的称号，而不是根据九项标准进行评分。
最适合： 在日常阅读新闻时，可以快速获得浏览器级别的信任信号，并了解网站的所有者和资金来源。 | 媒体偏见/事实核查 (MBFC)一个独立的、免费的、可搜索的数据库，目前涵盖超过 10,000 个媒体来源、记者、政治家和国家。 从政治倾向（从左到右）和事实准确性（从高到低）两个维度对每个媒体进行评级，并保留以下分类： 假新闻讽刺、极端偏见、阴谋论、谣言工厂、国家新闻、伪科学、仇恨新闻、标题党、谨慎行事、政治、可信。 特点： 它由一个小团队运营，而不是一个大型新闻编辑室，它为每个媒体撰写的文章通常会引用具体的失败事实核查作为证据。
最适合： 快速判断一家不熟悉的媒体是否有歪曲事实以迎合政治目的的记录。 |
Ad Fontes Media（媒体偏差图）上面搜索结果中没有显示的图表，但公众普遍知道，它以两个轴——可靠性（纵轴）和政治倾向（横轴）——来绘制媒体，该图表使用来自不同政治观点的分析师小组来审查相同的文章。
最适合： 一次性对多个渠道进行视觉比较，而不是深入研究某个渠道。 |
主张级事实核查员
这些评分系统不评价网站，而是评价特定的声明、视频或热门帖子。
政治事实核查一个事实核查网站，由《坦帕湾时报》的编辑和记者运营，负责评估民选官员和其他人的说法是否准确。 每项声明都会被放在“真假计”上，该计分表从“真”到“假”，最荒谬的谎言会获得最低评级，“彻头彻尾的谎言”。 特点： 它专门关注政治言论——辩论、广告、采访、公众人物的社交媒体帖子——而不是一般的网络言论。
最适合： 核实你看到的某个流传甚广的引言或政治说法。 | Snopes互联网上历史最悠久、规模最大的综合性事实核查网站，成立于 1994 年，最初专注于都市传说，现在涵盖各种病毒式传播的说法。 说法按细粒度等级进行评级：评级表明说法的主要要素是否明显为真，是否为真但附带误导性细节，是否真假参半，是否为假但基于某些事实，或者是否明显为假。
最适合： 检查一张疯传的照片、视频或“你听说过吗？”的故事是否真实。 |
FactCheck.org、法新社事实核查、路透社事实核查、Lead Stories一系列类似的辟谣机构，其中一些由大型通讯社运营。Lead Stories尤其利用其“Trendolizer”技术识别热门内容，然后由记者团队进行事实核查。路透社事实核查部门和法新社事实核查部门都是国际事实核查网络原则准则的签署方。
最适合： 与突发新闻相关的言论，尤其是那些在国际上传播的言论。 | https://www.afp.com/en/our-offer/afp-fact-check |
需注意： 过去三年，事实核查机构面临严重的资金短缺。国际事实核查网络（IFCN）报告称，到2025年，45.3%的认证事实核查机构收入将出现下滑。与此同时，几个主要的资金来源也相继枯竭：Meta终止了与美国事实核查机构的合作，美国国际开发署（USAID）在政府拨款冻结后关闭，国家民主基金会（NED）也暂停了相关拨款。这导致许多机构不得不裁员，并更加依赖数量有限的拨款，而公众对事实核查的关注度却持续增长。
标准机构（评级机构的评级机构）
这些组织不直接对内容进行评级——它们认证事实核查组织本身，这在你试图判断是否信任一个你从未听说过的事实核查员时很有用。
国际事实核查网络（IFCN）国际事实核查网络 (IFCN) 会审查事实核查机构是否遵守其原则准则，并向通过审核的出版商颁发有效期为一年的认证；截至 2024 年年中，该网络列出了约 170 个成员组织。 最适合： 检查一个陌生的“事实核查”网站是经过认证的机构还是借用这种形式的个人博客。 | 欧洲事实核查标准网络（EFCSN）该项目于2023年在欧盟委员会的支持下启动，旨在审查事实核查机构是否符合一套标准准则，并由两位独立评估员对通过审查的机构进行认证。该准则要求获得认证的事实核查机构审查各方声明，核查具体说法，透明地识别信息来源和方法，披露资金来源和隶属关系，并将新闻和信息传播作为其首要任务。 最适合： 欧洲版的 IFCN 检查——尤其适用于欧盟境内的商店。 |
信任项目（信任指标）一个由多家新闻机构组成的国际联盟制定了一套共享的“信任指标”——关于资金来源、作者身份和更正政策的标准化披露——参与的媒体机构会展示这些指标，有时还会标有“信任标志”。 与 NewsGuard 或 MBFC 不同，它不给出评分。它更像是一种透明度认证：媒体机构是否展示了其工作成果？
最适合： 当存在相关指标时，要核实特定媒体对其资金和编辑流程是否负责。 |
科学与学术指数
对于技术或科学主张，以上任何工具都无法提供帮助——学术出版有其自身、更为古老的评级体系，该体系围绕引用而非新闻评论而建立。
SJR（SCImago期刊排名）根据期刊获得的引用次数和……对学术期刊进行声望排名 重量 引用该期刊的期刊数量（来自顶级期刊的引用比来自不知名期刊的引用更有价值——这与谷歌最初的 PageRank 算法的精神类似）。
最适合： 当你遇到一个陌生的期刊名称，想知道它是“公认的期刊”还是“掠夺性”的付费发表平台时，首先需要进行筛选。 | h指数衡量一位研究人员的综合生产力和引用影响力（h 指数为 20 表示该研究人员至少有 20 篇论文，每篇论文至少被引用 20 次）。
最适合： 检查被介绍为权威人士的人是否在该特定领域（而不仅仅是任何领域）拥有真实、实质性的出版记录。 |
影响因子（IF）期刊级别的指标：过去两年中某期刊发表的文章在当年被引用的平均次数。
最适合： 比较同一领域内的期刊——绝不能跨领域比较，也绝不能以此代替实际阅读论文。 |
关于近期学术索引问题的一些说明：
近年来，影响因子、SJR 和 h 指数等文献计量工具受到了严重质疑。 拉紧 源于工业化的科研欺诈。“论文工厂”——大规模生产虚假或抄袭研究、捏造数据并出售合著名额的商业机构——已向一些期刊投稿大量造假论文，而引文卡特尔（研究人员或经纪人安排相互引用，纯粹为了抬高指标）进一步扭曲了这些指标。自2022-2023年以来，包括Hindawi、Springer Nature等在内的出版商在发现存在造假的特刊和伪造的同行评审后，已大规模撤回了数千篇论文。虽然这些骗局在许多国家都有记录——包括俄罗斯、伊朗、美国和欧洲部分地区广为人知的案例——但像Retraction Watch这样的科研诚信监督机构指出，“论文工厂”的产量不成比例地集中在某些快速增长的学术市场，这主要是由机构的强烈干预所驱动的。 压力 发表论文的目的不再是出于招聘、晋升和资助的目的，而是出于对研究人员个人特质的考量。实际结果是，高影响因子或SJR（需自行评估）不再能保证期刊的特刊或近期卷册没有学术不端行为——除了引用指标外，将期刊或论文与撤稿数据库（参见下一章中的工具）进行比对，已成为一项必要的额外步骤。
出版后诚信工具（事后发现欺诈行为）
前一节提到的所有工具——SJR、h指数、影响因子——都是通过引用量来衡量学术声望的。它们都不是为了打击学术不端行为而设计的，而近年来，专门用于此目的的工具应运而生：它们能够找出那些捏造、抄袭、操纵同行评审或直接购买的论文，而且这些行为往往发生在论文发表很久之后。
撤回观察数据库一个免费的公共数据库——目前包含超过 64,000 条撤稿记录——追踪学术出版领域的撤稿、关注声明和更正。Retraction Watch 于 2023 年从科学诚信中心 (Center for Scientific Integrity) 收购了该数据库，现在每日更新；该数据集也通过以下方式分发： 交叉引用. 条目收集自出版商网站、学术数据库、网络搜索以及研究界的提示，然后按撤稿原因（抄袭、数据捏造、图像篡改、同行评审受损、论文工厂出品以及其他数十个标签）进行分类。 特点： 它是这里唯一一个专门针对单篇论文（而非摘要中的期刊或作者）的工具。它还会追踪其他大多数工具完全忽略的相邻诚信信号——该网站维护着一个与此相关的撤稿列表。 新冠肺炎 虚假信息和大量编辑委员会成员辞职的名单。
最适合： 在引用某篇论文、作者或期刊之前，检查该论文、作者或期刊是否有已记录的撤稿历史——这实际上是一种“它是否已被发现”的检查。 | PubPeer这是一个发表后同行评审平台，于 2012 年推出，任何人——研究人员、学生或原作者——都可以匿名或以自己的名义对已发表论文的有效性、方法、数据或图像发表评论。 与正式同行评审在发表前私下进行不同，PubPeer的评论是公开的，并且是在发表后进行的，通常会指出正式评审遗漏的图像重复、统计异常或数据不一致等问题。这些公开的评论引发了许多现实世界的撤稿，以及几起备受瞩目的学术不端调查。 特点： 评论会经过审核，但所有人都可以参与，包括专门发现论文中篡改图像或重复数据的匿名“科学侦探”。
最适合： 搜索特定论文或作者，查看独立审稿人是否已经提出未解决的问题，即使尚未正式撤稿。 |
问题纸张筛选器（PPS）这是一个由计算机科学家 Guillaume Cabanac 和 Cyril Labbé 开发的免费自动化工具，它持续扫描大约 1.3 亿至 1.4 亿份已索引的科学出版物，以查找造假的蛛丝马迹。 它最著名的检测器会搜索“扭曲的短语”——也就是诈骗者为了逃避抄袭检测，将窃取的文本通过改写软件进行修改时产生的乱码同义词替换，从而生成诸如“伪神经组织”之类的荒谬短语，而不是“人工的”。 神经网络. . 另有九个检测器会寻找不同的危险信号，包括由欺骗程序 SCIgen 生成的无意义论文、遗留的 AI 聊天机器人制品（例如“作为 AI 语言模型，我不能……”）以及引用大量已被撤回参考文献的论文。 特点： 该工具已识别出近 19,000 篇包含多个扭曲短语的论文，以及超过 280 篇完全由计算机生成的无意义论文，其中一些论文在被发现时仍在文献中流传。该工具的方法意义重大，《自然》杂志将其评为年度科学领域的关键进展之一。此后，施普林格·自然集团直接基于 PPS 的公开扭曲短语目录，构建了自己的内部检测器。
最适合： 技术型用户和记者可以用它来检查论文文本是否显示出已知的改写欺诈或人工智能生成的填充内容的特征——对于出版商来说，它还可以作为出版前的筛选工具。 | STM完整性中心和发布商端检测工具由国际科学、技术和医学出版商协会 (STM) 运营的共享云平台，为成员出版商提供了一个共同的环境，用于筛选提交的手稿是否存在完整性问题，并访问第三方检测工具，包括 Springer Nature 的 AI 文本检测器等捐赠工具。 这标志着打击欺诈的行动从单个出版商孤立地进行转向跨行业、共享的检测——同时还开展了像 United2Act 联盟这样的平行努力。
最适合： 了解上游（出版商层面）在有缺陷的论文到达像 Retraction Watch 这样的数据库之前发生了什么。 https://stm-assoc.org/what-we-do/strategic-areas/research-integrity/integrity-hub/ |
搜索引擎和算法框架
Google 的 EEAT 评分
这是一个内部框架，而非公开可见的分数，谷歌的搜索质量评估指南用它来训练和评估排名算法。你无法在任何地方查找网站的“EEAT”分数；你只能根据内容排名来推断其影响。 它的四个组成部分：
- 经验 — 作者是否实际做过或使用过他们所写的东西？
- 专业知识 作者是否具备相关资质或知识？
- 权威 — 该网站是否被公认为该主题的权威参考资料？
- 可信度 — 该网站是否安全、作者身份透明、内容准确？
这就是为什么对于技术类主题，谷歌搜索结果往往会优先显示 .gov、.edu 和成熟的 .org 域名，而不是较新的商业网站的原因之一——这些域名在权威性和信任度方面得分更高。
- 优点： 以互联网规模持续运行，几乎涵盖所有索引内容——没有其他工具的覆盖范围能与之匹敌。
- 缺点： 完全不透明。没有公开的公式，没有申诉流程，也无法审核具体的排名决定。此外，它只是一个排名信号，旨在预测搜索者会满意的内容——并非纯粹的准确性指标，两者可能出现偏差（用户满意度高的内容并不总是最正确的内容）。
最适合： 了解为什么某些领域在技术和医学主题方面始终优于其他领域——这是有用的背景信息，但不是可以直接查询的工具。
手动评估框架
与上述所有内容不同，这些不是用于搜索的数据库——它们是清单。 你 认真钻研任何资源。
CRAAP测试
这是由加州州立大学图书馆员开发的，也是大多数大学研究方法课程的标准教学内容：
- 货币 — 这些信息有多新？这对于这个话题重要吗？
- 关联 它真的能满足你的需求吗？
- 权威 — 这篇文章是谁写的，是谁出版的？他们的资质如何？
- 准确性 — 它是否可验证、来源可靠且没有您可以核实的错误？
- 目的 — 此内容存在的目的是什么？— 是为了提供信息、说服他人、娱乐大众还是为了销售产品？
优点： 免费，普遍适用于任何类型的信息源（网站、书籍、视频、社交媒体帖子）；它能促使人们进行深思熟虑、结构化的思考，而非凭直觉反应。它还能促进良好的自我评估习惯。
缺点： 完全手动操作——没有评分或数据库，只有更好的个人判断；结果的质量取决于你应用它的严格程度。
最适合： 这是任何在线信息搜索的基础。评估一个在上述任何数据库中都没有条目的信息源——对于大多数小众网站或新网站来说，这种情况很常见。
众包参考列表
维基百科的常年资源列表 (WP:RSP)
英文维基百科上一个由社群维护的列表，于 2018 年建立，根据积累的编辑讨论，按可靠性程度对来源进行分类。
该列表并非独立文件，而是源自正式征求意见稿 (RfC) 和其他讨论的结论，旨在总结社群共识。信息来源分为几个等级，包括“普遍可靠”、“勉强可靠”（无共识、信息不明确或需考虑其他因素）——例如《国家评论》(National Review)、Jezebel 和 Salon.com——以及“普遍不可靠”（通常不应使用，且“绝对不应用于获取在世人物的信息”）。问题最严重的信息来源，包括某些用户生成内容网站，例如亚马逊客户评论、Discogs 和 TV Tropes，可能会被正式弃用。
特点： 语境至关重要——信息来源的可靠性取决于其所支持的具体论断，该列表明确提醒读者，如有疑问，应查阅相关链接的讨论，而不仅仅是摘要图标。共识会随着时间推移而改变，该列表会根据纳入新证据的最新讨论进行更新。
- 优点： 免费、内容丰富（数百个来源），来源透明，针对特定辩论而非某个编辑的观点，并且不断更新；底层讨论是公开的，因此您可以阅读实际的推理过程，而不是相信一个黑箱评分。
- 缺点： 它根据维基百科的特定信息来源用途来评估可靠性——一个信息来源按照维基百科的百科全书标准可能“总体上不可靠”，但对于其他用途仍然有用（例如，一个公司博客作为一手资料来源，对于关于竞争对手的中立事实而言“不可靠”，但作为该公司自身声明的来源则完全没问题）。它也偶尔受到批评，被认为反映了维基百科编辑群体的政治构成，而非中立的标准。
最适合： 检查某个媒体是否有关于准确性的争议记录，并阅读支持和反对它的实际论点——这确实是整个列表中最透明的工具之一，正是因为你可以看到潜在的辩论，而不仅仅是结论。
https://en.wikipedia.org/wiki/Wikipedia:Reliable_sources/Perennial_sources
与其说是结论，不如说是全球提示
以上任何一种工具单独使用都不够用，它们在各个类别中组合使用时效果最佳：
- 对于一家新闻媒体来说： 查看 NewsGuard 或 MBFC 以了解该媒体的过往记录，然后查看维基百科的 RSP 是否有关于该媒体的已记录共识。
- 对于一个病毒式传播的说法： 直接查看 Snopes 或 PolitiFact，然后核实该说法的底层来源，而不是仅仅相信事实核查员的标题。
- 对于技术或科学方面的声明： 以期刊的 SJR 和作者的 h 指数作为基准筛选条件，但实际上应该阅读论文的方法论——引用指标并不能取代方法论。
- 对于任何无法进入的地方： 退而求其次，使用 CRAAP 测试，然后自己手动完成测试。
所有可信的工具——NewsGuard的答辩权、IFCN的年度复审、维基百科的公开讨论记录——都有一个共同点：它们会展示其推理过程，而不仅仅是下结论。这种透明度，而非具体的评分，才是衡量一个工具是否值得信赖的真正标准。
常问问题
验证新闻报道真伪最快的方法是什么？
搜索该说法的关键事实，加上“事实核查”一词，看看PolitiFact、Snopes或路透社事实核查是否已经报道过。如果还没有事实核查机构进行过核查，请追溯该消息的原始来源，而不是轻信任何分享者。
为什么我不能仅仅因为一个网站看起来很专业就相信它呢？
精美的设计很容易造假，而且并不能反映网站的编辑标准。应该查看网站所有者是谁、作者是否拥有真实的资质以及文章内容是否有来源——而不是网站的外观。
高引用次数就能证明一篇科学论文是正确的吗？
不。引用次数衡量的是影响力和可见度，而非准确性，而造假或后来撤稿的论文可能在多年内积累大量引用，直到有人发现问题。在依赖任何论文之前，务必先确认其是否已被撤稿。
错误信息和虚假信息有什么区别？
错误信息是指在不知情的情况下传播的虚假信息，通常是无意之举。虚假信息是指故意制造和传播的虚假信息，目的是为了欺骗，通常是为了获取政治或经济利益。
仅仅因为一篇文章引用了科学研究，我就能相信它吗？
并非总是如此——请核实引用的研究是否与文章所述一致，因为标题往往会夸大或歪曲研究结果。此外，还要检查该研究是否经过同行评审、是否被重复验证，或者是否已被撤稿。
如何判断图片或视频是否真实？
对照片或视频的关键帧进行反向图像搜索，查看其最初在网络上出现的位置和时间。篡改和断章取义的媒体内容是虚假信息传播最常见的方式之一，因此对于引人注目的视觉效果要格外谨慎。
维基百科的文章可靠吗？
维基百科本身通常是了解背景信息的良好起点，但其真正的价值在于脚注中引用的来源。应该直接查阅这些原始资料，而不是将维基百科的文本本身视为最终定论。
为什么不同的事实核查员有时会意见不一致？
事实核查涉及人为判断，尤其是在处理那些细微差别或带有政治色彩的说法时，出现合理的分歧在所难免。当信息来源相互矛盾时，应该参考多个事实核查机构的说法，并亲自查看原始证据，而不是盲目相信自己偏好的结论。
如果一个来源是“同行评审”的，这意味着什么？
这意味着该领域的其他专家在发表前审阅了该论文，并认为其方法论足够可靠，可以发表。但这并不能保证论文的正确性——同行评审的论文仍然经常被撤稿，尤其是在近年来论文造假现象日益猖獗的情况下。
仅仅因为某个说法有很多点赞或转发，我就应该相信它吗？
不——病毒式传播衡量的是内容的情感吸引力或分享性，而不是内容的真实性。虚假信息传播速度往往比更正信息更快，正是因为它们旨在引发强烈反应。
如何判断一个网站是否带有政治目的？
使用诸如 Media Bias/Fact Check 或 Ad Fontes Media 之类的工具查看独立的偏见评级，并了解网站的资金来源和所有权。一个网站仍然可以准确地报道事实，同时始终选择强调哪些事实，因此偏见和不准确并非同一问题。
哪一项习惯最能提高我对网络信息的判断力？
分享之前请冷静思考——停下来问问自己，如果你相信这个说法，谁会从中受益？在做出反应之前，请务必核实信息的原始来源。大多数错误信息之所以能够传播开来，是因为人们一时冲动就转发，而不是因为仔细核实后发现其说法令人信服。
