{
  "id": "evidence",
  "title": "证据",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "证据是支持或削弱某项主张的信息、经验或材料，为知识获取、探究和司法裁判提供依据。",
  "category": "philosophy",
  "subcategory": "metaphysics-epistemology",
  "type": "concept",
  "aliases": [],
  "generated_at": "2026-11-03",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/evidence/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/evidence/",
      "json": "https://aiwiki.page/en/evidence.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "凡是为接受、拒绝或修正某项主张提供理由的事物，都可称为证据。证据包括观察、经验、测量结果、文献、证言和实物痕迹，不过，对于其中哪些才是最严格意义上的证据，哲学家们尚有分歧。指纹可以证明某人触碰过某件物品；光谱的变化可以为恒星的成分提供证据；记忆中的一次谈话也可以成为某项承诺的证据。证据具有关系性：某事物总是支持或反驳某个命题的证据，而这种关系通常以一组假设和相互竞争的解释为背景。\n\n证据是认识论的核心概念，将信念与知识及理性辩护联系起来。科学研究、历史重建和司法事实认定也都围绕证据展开。这些领域都关心如何得出有充分根据的结论，但各自的目的、程序和标准有所不同。足以支持进一步研究某项科学假说的证据，未必足以认定刑事犯罪；而被法庭排除的信息，对历史学家而言仍可能具有参考价值。\n\n因此，要理解证据，就需要区分几个问题：证据由什么构成、如何支持结论、由谁掌握，以及何以值得信赖。同时，还须将证据的支持作用与确定性区分开来：证据可能真实却具有误导性，有力却不完整，也可能足以回答一个问题，却无法解决另一个问题。"
    },
    {
      "heading": "证据的性质与结构",
      "text": "在日常用语中，“证据”既可以指实物，也可以指这些实物所表明的情况。血液样本被称为证据，但它的意义可能在于某项实验室检测结果，例如其中存在某种特定的基因序列。文件可以是作为证据的物件，而“该文件上有某个签名”这一命题则是作为证据的陈述。区分这些层次，可以避免将保存物件、准确描述物件以及正确解读其所表明的情况混为一谈。\n\n对于证据究竟属于哪一种基本范畴，哲学上有不同的解释。命题论认为，证据由能够在推理中充当前提的命题构成。经验论认为，知觉经验本身就能为信念提供正当理由，而不必先转化为关于这些经验的信念。其他进路则强调可供公众查验的物体和事件，在解释科学探究时尤其如此。这些理论所回答的问题略有不同：什么能为个人的信念提供正当理由，什么能在论证中与他人共享，以及研究者能够查验什么。\n\n证据通常至少涉及三个组成部分：证据项 \\(E\\)、主张 \\(H\\) 和背景信息 \\(B\\)。湿漉漉的路面或许支持“下过雨”这一主张，但如果背景信息包括“刚有一辆道路清洗车经过”，情况就不同了。同样，仪器读数也只有在一系列假设的基础上才能支持某个结论，这些假设涉及仪器校准、运行条件，以及所测量的量与所研究现象之间的联系。因此，证据的相关性很少是某个孤立物件的固有属性。\n\n另一些区分涉及证据支持的方向和强度。正面证据有利于某项主张，反面证据则对其不利。直接证据，尤其在法律术语中，是指无需经过间接证据所特有的中间推论，就能直接证明争议事实的证据。这并不意味着直接证据不会出错：目击证人可能看错，而多项间接痕迹结合起来，也可能极具说服力。证据还可以具有比较性质，即相较于一种解释，它更支持另一种解释，但并不因此使其中任何一种解释在绝对意义上具有较高的可能性。\n\n此外，还必须将证据与真理、说服和证明区分开来。一项陈述可能为真，却没有任何人掌握支持它的证据；一个人也可能被某种实际上几乎无法提供支持的东西说服。在数学中，证明旨在从公认的前提出发，通过有效推理确立结论；经验证据所支持的结论通常仍可修正。证据的数量或鲜明程度本身都不能决定其证明力。将一份不准确的报告复制一千份，并不能提供与一千次独立观察同等的支持。"
    },
    {
      "heading": "证据、证成与知识",
      "text": "人们常常通过证据在认识论证成中的作用来理解证据；认识论证成指的是使信念从理智角度来看具有合理性的地位。大体而言，证据主义进路认为，信念是否得到证成，取决于它与持有者所掌握的证据有多契合。按照这类观点，仅凭薄弱的证据就坚信不疑，即使信念碰巧为真，也是一种认识上的缺陷。反过来，一个信念即使在现有证据下是合理的，最终仍可能被证明是错的。\n\n一个核心区分是：某个命题得到证成，与一个人基于恰当的根据持有某个信念，并不是一回事。一个人可能掌握了充分的证据，表明一座桥不安全，却仅仅因为某种不相干的迷信而相信这一点。这个命题得到了此人所掌握的证据的支持，但其实际持有的信念却没有恰当地以这些证据为依据。哲学家将此称为命题证成与信念证成的区分。这一区分解释了为什么仅仅让一个人掌握证据，并不会自动使其所有相应的信念都有充分根据。\n\n对于怎样才算掌握证据，也存在分歧。一个人必须有意识地注意到证据吗？已经遗忘但可以回忆起来的信息算不算证据？已知事实中未被察觉的某个推论，是否属于此人的证据？在评估复杂推理时，这些问题就显得重要。研究者可能掌握了一组数据，却没有识别出其中的重要模式；证人也可能目睹过某个事件，却未能保留准确的记忆。在实际评估中，人们往往会区分原则上可获取的信息与推理者实际能够使用的信息。\n\n基础主义与融贯论对证据支持的组织方式提出了不同的解释。基础主义理论允许某些信念不依赖其他已获证成的信念而得到证成，通常是通过知觉或经验。融贯论则强调相互关联的系统内部的支持关系。可靠主义将注意力转向信念是否产生于能够可靠地得出真信念的过程，而不只是关注信念持有者能够获取的证据。对于认知过程可靠、却难以清楚说出自身理由的人，这些进路可能给出不同的评价。\n\n证据与知识之间的关系尤其富有争议。蒂莫西·威廉姆森在《知识及其限度》（2000）中捍卫了这样一个论题：一个人的证据由此人所知道的内容构成，通常表述为 \\(E=K\\)。这就将假命题排除在严格意义上的证据之外。其他理论则允许具有误导性的经验或得到证成的假信念发挥证据的作用。与此同时，埃德蒙德·盖梯尔在1963年的论文中提出的盖梯尔问题表明，一个真信念即使得到证成，其为真仍可能只是认识上的运气使然。因此，证据若要解释知识，而不仅仅是解释合理的确信，就必须以恰当的方式与真相联系起来。"
    },
    {
      "heading": "概念的历史发展",
      "text": "英语单词“evidence”经由法语源自拉丁语 evidentia，与可见性或显明性有关。这个词的历史反映了一种持续存在的张力：有些事情看似不言自明，另一些则必须借助迹象、证言或推理才能确立。古代修辞学将法庭和议事集会中的说服视为核心问题，而古代哲学则考察知识、意见与证明之间的区别。这些传统并未使用一个与现代“证据”的所有用法完全相同的统一概念。\n\n在亚里士多德的《后分析篇》中，科学理解涉及从真实、首要且具有解释力的前提出发进行证明。相比之下，他的《修辞学》讨论了适用于实际争论的说服方式，包括迹象、例证和证人证言。这一区分预示了一种长期存在的差别：证明某事为何必然如此，与在不确定条件下汇集支持某个结论的理由，并不是一回事。古代的讨论也认识到，迹象的可靠程度各不相同：观察到某种结果，并不一定能唯一确定其原因。\n\n近代早期的争论改变了证据与经验之间的关系。勒内·笛卡尔试图通过清楚而分明的知觉寻求确定性，这一点在《第一哲学沉思集》（1641年）中尤为突出。约翰·洛克在《人类理解论》（1690年）中区分了知识与或然判断，并考察了认同的程度应如何与可获得的依据相称。大卫·休谟在《人类理解研究》（1748年）中分析了因果推理和证言。他对奇迹的讨论，使如何比较证言与既有经验的可信度成为一个突出问题。\n\n概率论的发展提供了另一种框架。托马斯·贝叶斯的一篇论文于1763年在其身后发表，探讨了一个概率逆问题；随后，皮埃尔-西蒙·拉普拉斯发展了从已观察到的结果推断不确定原因的方法。这些进展并未立即形成统一的证据理论，但有助于使不确定条件下的推理能够用数学方法处理。19世纪期间，关于证言、归纳和科学方法的争论与统计推理之间的联系日益密切。\n\n20世纪的哲学将注意力转向确证、检验以及观察与理论之间的关系。逻辑经验主义试图系统地阐明经验意义与经验支持。鲁道夫·卡尔纳普发展了归纳逻辑的形式化方法，而卡尔·波普尔则强调应尝试反驳理论，而非证实理论。托马斯·库恩突出了学科框架在解释观察时所起的历史作用。这些进路留下了一些持久的问题：证据的支持作用能否由一套普适的演算体系来刻画，观察是否独立于理论，以及在重大科学转型期间，理性评估会如何变化。"
    },
    {
      "heading": "证据推理的形式",
      "text": "证据通过不同类型的推理来支持结论。在演绎推理中，如果前提为真且推理有效，结论就必然成立。一份实验室报告和一条分类规则，合在一起可能足以推出某个样本符合指定标准。但仅凭演绎本身，无法确立报告的真实性，也无法确立分类规则的适用性。逻辑有效性关乎从前提到结论是否保持真值，而非前提本身是否可信。\n\n归纳推理超出了观察结果严格蕴涵的范围。反复观察到某种材料受热膨胀，可能支持关于该材料的一般性结论。只要抽样过程恰当，就可以通过观察总体中的一部分来推断总体的情况。归纳问题所关注的是：如何为这类推断提供正当理由，而不陷入循环论证，即预先假定以往成功的推理模式将继续奏效。实际的科学归纳受到背景理论、测量质量和案例选择的制约，而不只是取决于观察次数。\n\n溯因推理通常也称为“最佳解释推理”，它根据假说解释证据的能力来评价假说。地质学家可能会比较几种能够形成某种岩层的机制。解释范围、与已有研究结果的一致性、简洁性以及预测的成功程度，都可能影响这种比较。然而，一种解释具有吸引力，并不保证它就是真实的：现有的最佳解释，可能只是一组不充分的解释中最好的一个。因此，援引奥卡姆剃刀时需要谨慎，因为假设较少并不自动意味着在经验层面上更准确。\n\n因果推断是其中尤为重要的一类。两个变量之间的关联，可能源于其中一个导致另一个，也可能源于第三个变量同时影响两者，还可能是选择程序造成了表面上的联系。支持因果关系的证据必须能够区分这些可能性。实验可以对假定的原因施加干预，而观察性研究则可以利用时间结构、比较组、自然实验或明确的因果模型。每一种方法都依赖某些假设，而这些假设本身也可能需要证据支持。\n\n证据的累积证明力取决于其结构。相互独立的研究结果可以显著增强彼此的支持力度；相互依赖的结果则可能增益甚微。一篇报纸报道、一则引用该报道的社交媒体帖子，以及一名通过该帖子得知此事的证人，并不构成三个独立的信息来源。同样，多项检验可能共用了同一种有缺陷的校准程序。因此，评估一组证据需要追溯信息的传播路径和共同原因，而不能只是清点有利证据的数量。\n\n全证据原则认为，评估时应当考虑所有可获得的相关证据，而非选择性地只考虑有利的部分。这并不要求保留每一项细节并赋予其同等权重，而是要求说明为什么某些信息可靠、无关、重复，或为何其他证据的分量更重。一个由某项引人注目的观察所支持的结论，在与一组规模更大、控制更严谨的相反结果一并考察时，可能就不再合理。"
    },
    {
      "heading": "概率与支持程度的衡量",
      "text": "概率提供了一套工具，用于表示不确定的信念，并评估观察结果如何区分不同假设。对于假设 \\(H\\)、证据 \\(E\\) 和背景信息 \\(B\\)，贝叶斯定理表述为：\n\n\\[P(H\\mid E,B)= \\frac{P(E\\mid H,B)\\,P(H\\mid B)} {P(E\\mid B)},\\]\n\n前提是分母不为零。后验概率将假设的先验概率与该假设为真时观察到这一证据的似然结合起来。这个公式在数学上并无争议；分歧在于如何解释和应用它，以及如何赋予概率值。\n\n一种常见的贝叶斯判据认为，当 \\(P(H\\mid E,B)>P(H\\mid B)\\) 时，\\(E\\) 就确证了 \\(H\\)。这里的“确证”意味着概率上升，而非证明该假设为真，甚至也不意味着它具有很高的概率。证据可以将某个假设的概率从百万分之一提高到千分之一，但该假设仍不大可能为真。反过来，如果某个观察结果在许多其他假设下也在预期之中，那么，即使某个假设本来就很可能为真，这一观察结果也未必能为它带来多少额外的确证。\n\n似然比衡量证据区分两个假设的能力：\n\n\\[\\Lambda(E)= \\frac{P(E\\mid H_1,B)} {P(E\\mid H_0,B)}.\\]\n\n如果该证据在 \\(H_1\\) 下出现的概率是在 \\(H_0\\) 下的十倍，似然比就是 10。后验赔率等于先验赔率乘以这个比值。这清楚地说明了，为什么评价证据时通常不能只问它是否与自己倾向的假设相容。如果某项证据在所有值得认真考虑的其他假设下都在预期之中，它就没有多少区分价值。\n\n基础率说明了先验信息的重要性。假设某种病症在某个人群中的患病率为 1%，某项检测的灵敏度为 99%，特异度为 95%。在 10,000 人中，预期会有 99 个真阳性结果和 495 个假阳性结果。在这些假设下，从检测结果为阳性的人中随机选取一人，此人患有该病症的概率为 \\(99/594\\)，约为 16.7%。这个例子只是从数学上说明检测性能与患病率如何相互作用，并非对任何特定诊断程序的描述。\n\n频率学派统计学通过统计程序在重复抽样中的表现来评价这些程序。\\(p\\) 值是指，在给定的零假设模型下，得到至少与实际观测值同样极端的检验统计量的概率。它不是零假设为真的概率，也不是结果“偶然”出现的概率。同样，置信区间的解释也基于重复抽样，而不是在观察到数据后，就自动为某个固定参数赋予概率。\n\n没有哪个单一数值能够涵盖证据质量的所有方面。较小的 \\(p\\) 值并不能确立效应很大、测量可靠、不存在选择偏倚，或因果解释恰当。贝叶斯分析的结果同样会受到模型假设的影响，在某些情形下还会受到先验选择的影响。形式化的度量揭示了假设、数据与结论之间的特定关系，但并不能免除评估数据产生过程的必要性。"
    },
    {
      "heading": "科学研究中的证据",
      "text": "科学证据产生于观察、仪器、模型与批判性审视之间有组织的互动。科学方法并不是一套固定不变的步骤，但各科学学科通常都要求明确的程序、误差核查，以及接受独立审查的机会。望远镜图像、粒子探测器记录的事件和实验室检测结果，都需要结合对仪器响应方式的了解，才能成为有用的证据。原始输出并不会自行说明其含义：校准、背景扣除、不确定性估计和分类，都可能影响这些输出能够支持什么结论。\n\n实验通过操控条件并比较结果来增强推断的可靠性。随机对照试验利用随机分配减少比较组之间的系统性差异，从而为估计因果效应提供更可靠的基础。随机化是在期望意义上平衡混杂因素，并不保证在每个实际样本中都实现平衡。即使最初的分配是随机的，分配隐藏措施失效、结局数据缺失、未遵从试验方案，以及偏离预定分析计划等问题，仍可能削弱推断的可靠性。\n\n证据也来自无法通过实验操控的现象。天文学研究遥远的天体；地质学重建过去的过程；进化生物学则利用化石、基因序列和现存种群开展研究。这些领域依靠相互印证的观察、具有区分力的预测，以及不同解释模型之间的比较。历史性科学并非只是无法检验的故事汇编：有关过去事件的主张可能蕴含可观察的后果，例如特定的同位素模式或化石分布，从而将其与其他解释区分开来。\n\n可复现性与重复验证有助于判断某项结果是否依赖于计算错误、特殊样本或尚未识别的条件。不同学科的术语用法有所差异，但一种常见的区分是：使用相同数据和方法复现分析，与使用新数据得到一致的发现，并不是一回事。重复验证失败，并不能自动判定哪项研究有误。差异可能源于随机变异、测量不够可靠、条件发生变化，或某种效应本身依赖于具体情境。反复开展设计严谨的研究，有助于区分这些可能性。\n\n科学中的综合研究会评估一整批研究发现，而不是认为每项已发表结果都具有同等的参考价值。系统综述采用明确的方法来识别、筛选和评价相关研究。当各项研究的设计和结局指标具有足够的可比性时，元分析可以通过统计方法合并其结果。发表偏倚、选择性报告和异质性都可能使合并估计产生偏差。研究数量再多，也不能自动弥补它们共同存在的方法缺陷。\n\n1919年的日食观测，既说明了一次著名检验的重要性，也展现了其复杂性。各观测队将太阳附近恒星的视位置与参考位置进行比较，以评估广义相对论所预言的引力光线偏折。观测面临困难的测量条件，所用仪器的质量也参差不齐；后来的测量则提供了严格得多的约束。这个案例说明了科学证据的地位为何会随时间变化：一项在历史上影响深远的结果，可能促使人们开始接受某一理论，却未必始终是支持该理论的最有力证据。"
    },
    {
      "heading": "证言、记录与历史知识",
      "text": "人类的许多知识依赖于证言，即从他人的言语或记录中获得的信息。对于自己有理由接受的地理事实、科学成果或过往事件，没有人能逐一直接核实。因此，证言并非只在特殊情况下才用来替代亲身获得的知识，而是社会认识论的基本组成部分。证言的证据效力取决于陈述者获取信息的条件、能力、诚实程度，以及其与其他信息来源的关系。\n\n对于证言所提供的认识论证成是否最终必须还原为证明陈述者可靠性的独立证据，哲学家们存在分歧。还原论进路强调，对陈述者及沟通实践的观察应当为接受证言提供支持。非还原论进路则认为，在没有反驳或削弱理由的情况下，人们原则上有理由接受证言，但仍需警惕欺骗与错误。两种进路都必须解释，为什么信任既不可或缺，又必须有所选择。证人可能如实报告某一事件，却不具备准确辨认某个人所需的感知条件。\n\n历史研究将证言与文献、实物遗存及背景知识结合起来。史料批判区分真伪、作者、年代、目的、流传过程和内容等不同问题。确认一封信是真迹，并不意味着信中的每项说法都属实。伪造的文献也能为研究其伪造时期和背景提供证据。因此，一项史料的证据价值取决于所研究的问题：宣传材料对某次军事胜利的叙述可能并不可靠，却可能充分反映政府希望塑造的公众形象。\n\n独立佐证尤为重要。两部编年史看似相互印证，实际上却可能同出一源。反过来，记载存在分歧也不一定意味着两者都毫无价值；分歧可能揭示视角、术语、年代编排或信息获取条件的差异。考古学通过地层学、测年方法、聚落分布格局和人工制品，提供实物层面的约束。文献证据与考古证据既可以相互加强，也可以彼此质疑，不能预先认定其中任何一类具有优先地位。\n\n缺失也可以构成证据，但前提是原本有理由预期能够发现相关事物。如果同类事件通常都有记录，而且相关记录大体完整，那么留存档案中没有记载某一事件就更有意义。如果记录本就有所取舍、遭到销毁，或从未形成，这种缺失的意义就较小。形式上说，如果某假说为真时很可能观察到 \\(E\\)，那么未能观察到 \\(E\\) 就构成反对该假说的证据。\n\n数字记录带来了有关来源和独立性的额外问题。时间戳反映的可能是上传时间，而非创建时间；复制的图像可能丢失元数据；看似彼此独立的叙述，可能只是在重复同一条最初的说法。同样，对待口头传统，也需要关注其传承方式、讲述或表演的情境，以及随时间发生的变化，而不是全盘接受或一概否定。无论面对哪种媒介，评估证据都需要重建信息从事件发生到形成现存记录的传播过程。"
    },
    {
      "heading": "法律与裁判中的证据",
      "text": "在法律中，证据是为确立或质疑与法律程序有关的事实而提交、并受法律规则约束的信息。法律制度区分实体问题与证据问题：前者涉及哪些行为会产生法律责任或构成违法犯罪，后者涉及裁判者可以考虑哪些信息，以及这些信息可以如何呈现。因此，法律证据所服务的制度目标并不限于抽象意义上的求真，还包括程序公正、权利保障以及有序解决争议。\n\n相关性通常是证据具有可采性的必要条件，但不是充分条件。在美国联邦诉讼中，《联邦证据规则》第401条根据证据是否倾向于使对案件裁判有影响的事实更有可能或更不可能成立，来界定相关证据。第403条规定，如果不当偏见、混淆问题或误导陪审团等特定风险大幅超过证据的证明价值，可以排除该证据。其他法域对这些问题有不同的规则安排。例如，一张画面鲜明的照片既可能传达相关信息，也可能引发对其情绪影响过大的担忧。\n\n关于传闻证据、特权和非法取得材料的规则，体现了证据相关性与法律可采性之间的区别。传闻证据规则规制某些为证明陈述内容属实而提出的庭外陈述，并设有诸多限定和例外。即使不予披露的信息与案件有关，特权仍可保护特定关系中的保密性。涉及非法搜查的证据排除规则，因法律制度和具体情形而异。这些法律规则并不意味着被排除的材料总是虚假的，也不意味着获准采纳的材料总是可信的。\n\n举证责任与证明标准决定由谁来证明某项命题，以及需要证明到何种程度。普通法系的刑事诉讼通常要求控方将有罪事实证明至排除合理怀疑的程度。许多民事请求采用盖然性权衡或优势证据标准。有些事项则要求采用介于两者之间的标准，例如美国某些特定诉讼程序所适用的清楚且令人信服的证据标准。这些以文字表述的标准通常并不对应固定的数值概率门槛；其法律含义取决于法域、判例法以及待裁判的问题。\n\n实物和数字证物都需要注重真实性鉴定与完整性。证据保管链记录物品的收集、移交、存储和检验过程。保管链的中断或不确定之处可能引发有关污染、替换或改动的疑问，但其法律后果取决于具体情况。脱氧核糖核酸证据说明了识别生物来源与解释事件之间的区别。遗传关联可能有力地说明现场存在谁的生物材料，却不能单独证明这些材料何时、如何到达那里，也不能单独证明是否发生了犯罪。\n\n专家证据还带来了有关方法、错误率和解释限度的进一步问题。在 多伯特诉梅雷尔陶制药公司案（1993年）中，美国最高法院阐释了联邦审判法官在科学专家证言方面的把关职责。统计证据还可能引发“检察官谬误”：将替代假设成立时出现匹配的概率，与已知出现匹配时替代假设成立的概率混为一谈。恰当的评估需要将基于证据对不同假设的比较与最终法律结论区分开来。"
    },
    {
      "heading": "欠决定性、分歧与证据的局限",
      "text": "证据可能无法排除多种解释。当现有证据无法唯一确定若干假说中哪一个正确时，就出现了欠决定性。有限的一系列观察可能符合多个数学模型，同样的历史遗迹也可能与不同的历史重构相容。这并不意味着所有解释都同样好。不同解释在与其他证据的契合程度、解释范围、复杂程度，或能否提出新的检验方面，可能各有差异。\n\n观察对假设的依赖带来了一个相关问题。出乎意料的结果可能表明核心理论有误，但也可能源于仪器故障、辅助假设不正确，或统计模型不适用。确证整体论强调，检验通常涉及由多项主张构成的网络，而非孤立的命题。这使得对可证伪性的简单说明变得复杂，但仍为经验批判保留了空间：辅助假设可以接受独立检验，相互竞争的解释也可以在多种情境下进行比较。\n\n证据的支持作用可以通过不同方式被推翻。反驳型击败因子支持相反的结论：列车已被取消的证据，会反驳列车将会发出的预期。削弱型击败因子则针对证据与结论之间的联系：得知发车信息显示屏发生故障，会削弱对显示信息的信赖，但这一点本身并不能证明列车已被取消。高阶证据关乎自身评估的质量，例如得知某次计算是在已知容易增加出错概率的条件下完成的。即使尚未重新核查原来的计算，这类信息也足以构成重新考虑的理由。\n\n持续存在的分歧引出了一个问题：同样的证据能否合理地支持不同的结论？一些理论容许多种合理回应，因为人们的先验概率、对证据的权重分配或解释标准可能不同。另一些理论则认为，理性对信念有更严格的约束。能力相近的研究者之间存在分歧，本身也可能是相关证据，但其意义取决于他们的判断是否相互独立，以及他们是否确实掌握了相同的信息。\n\n人的评估也受到确认偏误的影响，即倾向于以有利于既有观点的方式寻找或解读信息。制度结构可能通过选择性发表、限制获取信息，或鼓励产出特定发现的激励机制，放大这类影响。利益冲突本身并不能证明某项主张是错误的，但可能影响形成该主张的过程的可靠性。认识不正义所涉及的问题之一，是偏见扭曲了对可信度的判断，使相关证言无法得到应有的重视。\n\n最后，证据是否充分，部分取决于所提出的问题。区分两种机制所需的证据，未必就是估计某种效应的大小或裁决法律案件所需的证据。决策还涉及可能的后果和价值考量，不应将这些因素与其所依据的主张是否为真混为一谈。可错论承认有充分支持的知识与理性信念，而不要求它们绝无任何出错的可能。依照这一观点，承认不确定性，并不妨碍在猜想、有可信证据支持的判断，以及得到充分确立的结论之间作出实质性区分。"
    }
  ],
  "links": [
    "epistemology",
    "knowledge",
    "proposition",
    "truth",
    "mathematics",
    "epistemic-justification",
    "foundationalism",
    "coherentism",
    "aristotle",
    "rene-descartes",
    "john-locke",
    "david-hume",
    "logical-empiricism",
    "rudolf-carnap",
    "karl-popper",
    "thomas-kuhn",
    "deductive-reasoning",
    "logical-validity",
    "inductive-reasoning",
    "problem-of-induction",
    "abductive-reasoning",
    "occams-razor",
    "causation",
    "probability",
    "bayes-theorem",
    "statistics",
    "scientific-method",
    "experiment",
    "randomized-controlled-trial",
    "reproducibility",
    "archaeology",
    "oral-tradition",
    "law",
    "chain-of-custody",
    "dna",
    "falsifiability",
    "confirmation-bias",
    "conflict-of-interest",
    "epistemic-injustice"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}