Skip to content

shuji-bonji/factcheck-skill / skills/factcheck

factcheck

Verified

情報の信頼性を科学的・体系的に評価するファクトチェック・スキル。20項目×4カテゴリの評価フレームワークを使い、 記事・URL・主張・Claudeの回答などあらゆる情報の信頼性をスコアリングする。 「ファクトチェックして」「この情報は信頼できる?」「この記事の信頼性を評価して」「ソースを検証して」 「この主張は本当?」「エビデンスを確認して」「情報の裏取りをして」などのリクエストで必ずこのスキルを使用すること。 リサーチ結果のレビューや、AIの回答の自己検証にも使える。

Fact Checklist — 情報信頼性評価スキル

オンライン情報の信頼性を、20項目の科学的チェックリストで体系的に評価するスキル。

出典: shuji-bonji/fact-checklist — 12言語対応のファクトチェックPWA

いつ使うか

  • ユーザーが特定の情報・記事・URL・主張の信頼性を知りたいとき
  • リサーチ結果をまとめた後、その信頼性を検証するとき
  • Claude自身の回答をファクトチェックするとき(サブエージェントとして特に有効)
  • 「本当?」「信頼できる?」「ソースは?」といった疑問に対応するとき

評価の進め方

Step 1: 対象を特定する

評価対象を明確にする。URLなら内容を取得し、主張なら具体的な文言を確定させる。

Step 2: 4カテゴリ×20項目で評価する

各項目を ✅(該当)/ ❌(非該当)/ ➖(評価不能)で判定する。 「評価不能」は情報が不足していて判断できない場合に使う(ペナルティではない)。

Step 3: スコアを算出し、総合判定する

  • 項目判定: ✅ = 1点 / ❌ = 0点 / ➖(評価不能) = 評価対象外
  • スコア表記: 「○/n」形式(n は評価実施項目数 = 全項目数 − ➖の数)
  • カテゴリ別判定(4段階アイコン):
    • 6項目カテゴリ(クリティカル評価・詳細評価): 🟢(5-6) / 🟡(4) / 🟠(2-3) / 🔴(0-1)
    • 4項目カテゴリ(検証・照合・文脈/バイアス): 🟢(4) / 🟡(3) / 🟠(2) / 🔴(0-1)
  • 総合判定(20点満点ベース、➖は分母から除外して比率換算):
    • 🟢 高い(80%以上) — そのまま参考にできる
    • 🟡 中程度(60-79%) — 他の情報源でクロスチェック推奨
    • 🟠 要注意(40-59%) — 詳細なファクトチェックが必要
    • 🔴 低い(40%未満) — 参考にしない・拡散しない
  • 特記事項: クリティカル評価で ❌ が3個以上の場合、総合スコアが高くても信頼性判定を 1 段階下げることを検討する
  • ➖ が多い場合(全体で5項目以上)は「評価不十分」として注記する

評価項目リファレンス

カテゴリ1: クリティカル評価(6項目)

情報の根本的な信頼性を判断する最重要カテゴリ。ここで❌が多い情報は、他カテゴリの評価に関わらず要注意。

1. 権威ある情報源からの発表 source-authority

政府機関、学術機関、専門機関、査読済み論文、信頼できるメディアなど。

判断基準: 政府・公的機関(省庁、統計局、中央銀行)、学術機関(大学、研究所、査読済み学術誌)、専門機関、編集方針が明確な報道機関。

  • ✅ 厚生労働省の統計データ、Nature誌の査読論文、日本銀行の公式発表
  • ❌ 個人ブログの情報、匿名掲示板の投稿、広告目的のサイト

2. 一次情報の確認 source-primary

又聞き・伝聞ではなく、直接的な情報源からの発信。

判断基準: 一次情報とは研究者本人の論文、当事者の証言、公式発表、生データ。「〜によると」「〜が報じた」などの表現に注意。

  • ✅ 研究者が自ら発表した論文、企業の決算発表、政府の公式統計
  • ❌ 「専門家によると」「ある調査で」などの曖昧な引用

3. 複数の独立した情報源 source-multiple

異なる立場・組織からの同様の報告や確認。

判断基準: 異なる組織・資金源・利害関係を持つ情報源から2-3以上の確認。同じプレスリリースを元にした記事は「独立」ではない。

  • ✅ 政府発表 + 学術研究 + 複数メディア報道、異なる研究機関による同様の結果
  • ❌ 同じ企業グループ内の複数メディア、転載記事のみ

4. 匿名・出典不明な情報ではない warning-anonymous

作成者・発信者が明確に特定できる。

判断基準: 作成者の実名、所属、連絡先、専門性が確認できる。「内部関係者によると」「匿名の専門家」は警告サイン(ジャーナリズムの情報源保護は例外)。

  • ✅ 田中一郎氏(東京大学医学部教授)によると、厚生労働省○○課長の発言
  • ❌ ある医師によると、関係者の話では、匿名の専門家

5. 扇動的・煽情的な表現が少ない warning-sensational

冷静で客観的な記述、感情に訴える過度な表現がない。

判断基準: 「絶対に」「完全に」「驚愕の」「衝撃的な」「○○業界が隠す」は警告サイン。恐怖・怒り・嫉妬を煽る表現に注意。

  • ✅ 研究では75%の被験者に改善が見られた、データによると統計的有意差が確認された
  • ❌ 医師が絶対に教えない驚愕の真実!、業界が隠蔽する衝撃的事実

6. 論理的な矛盾がない warning-logical

内容に一貫性があり、明らかな論理的飛躍がない。

判断基準: 前提と結論の接続、因果関係の明確性、矛盾する主張の有無をチェック。相関と因果の混同、極端な一般化はよくある論理的誤謬。

  • ✅ 統計的に有意差があり他の要因も考慮した分析、段階的な論理展開
  • ❌ AとBが同時に起きたからAがBの原因、極端な例からの一般化

カテゴリ2: 詳細評価(6項目)

情報の品質と専門性を評価する。

7. 情報の新しさ time-recent

公開日が明記され、内容に適した新しさを保っている。

分野別基準: ニュース(数日〜1週間)、医学・科学(2-3年、基礎研究5年)、技術・IT(1-2年)、法律(最新改正を反映)。

  • ✅ 2024年12月発表、最終更新:2025年1月、最新の法改正を反映
  • ❌ 日付の記載なし、5年前の技術情報、古い法律に基づく説明

8. 更新・訂正の履歴 time-update

必要に応じて内容が更新され、訂正が透明に行われている。

判断基準: 更新内容・訂正理由・更新日時の記録があるか。間違いを認めて訂正する姿勢は信頼性の指標。

  • ✅ 「2025年1月15日更新:統計データを最新版に差し替え」、訂正履歴の明記
  • ❌ 古い情報のまま放置、訂正の記録なし、無言での内容変更

9. 適切な専門知識 expert-knowledge

作成者が該当分野の十分な知識・経験を持っている。

判断基準: 関連分野での学位・資格、実務経験、学会発表・論文実績。関連分野での専門性が重要(医師が経済を語る場合など)。

  • ✅ 感染症専門医がワクチンについて解説、経済学博士が金融政策を分析
  • ❌ 専門外の有名人が医学について断言、資格不明の人が法律解説

10. 十分な詳細と根拠 detail-sufficient

結論に至る過程や根拠が適切に説明されている。

判断基準: 主張を支持する具体的データ、方法論の説明、制限・限界の言及、反対意見への言及。結論だけで過程が不明なのは警告サイン。

  • ✅ サンプル数、統計手法、信頼区間まで記載、方法論の詳細説明
  • ❌ 「効果が証明された」だけで詳細なし、結論のみで根拠不明

11. 適切な引用・参照 citation-proper

重要な主張に対して信頼できる情報源が示されている。

判断基準: 統計データ・数値、専門的な主張、他者の研究結果、法令の内容には引用が必要。著者名・出版年・タイトル等の最低限の情報。

  • ✅ 田中(2024)の研究によると…、厚労省統計(2025)では…
  • ❌ 「研究によると」(出典不明)、「データでは」(詳細不明)

12. 引用元の確認可能性 citation-accessible

引用された情報源に実際にアクセスして確認できる。

判断基準: 直接リンクまたはDOI、公開されている情報源、検索可能な具体的情報。有料DBや図書館資料は許容。

  • ✅ URLリンク付き、DOI番号付き論文、ISBN番号付きの書籍
  • ❌ 「内部資料によると」、個人的な話し合いで、アクセス不可能な資料

カテゴリ3: 検証・照合(4項目)

事実の検証可能性を評価する。

13. 他情報源との照合 cross-check

独立した複数の情報源で同様の内容が確認できる。

確認方法: 同じ事実を報じる他の信頼できる情報源を探し、異なる角度からの報告を確認し、反対意見や批判的視点も調査。Google Scholar、公的データベース、ファクトチェックサイトを活用。

  • ✅ 複数の査読論文で同様の結果、政府統計との整合性確認
  • ❌ 1つの情報源のみ、同じ出典を使った複数記事

14. ファクトチェック組織の検証 fact-check

信頼できるファクトチェック機関による検証がある。

主な機関: 国際(Snopes、PolitiFact、AFP Fact Check、Full Fact)、日本(InFact、日本ファクトチェックセンター、FIJ)、メディア系(NHK、朝日新聞、読売新聞のファクトチェック部門)。

  • ✅ 複数のファクトチェック機関が「真実」と判定、国際機関による検証
  • ❌ ファクトチェックで「偽情報」と判定、検証されていない情報

15. 検証可能なデータ data-verifiable

主張を支持するデータが客観的に確認できる。

判断基準: データの出典、収集方法・期間、サンプルサイズ・対象の詳細、生データへのアクセス可能性。「内部データ」「独自調査」のみで詳細不明は警告サイン。

  • ✅ 総務省統計局データ、論文の補足資料でデータ公開
  • ❌ 「弊社調査によると」(詳細な調査概要なし)、内部データのみ

16. 手法・方法論の妥当性 methodology

研究や調査の方法論が適切で再現可能。

判断基準: 研究デザインの適切性(RCT、コホート研究等)、バイアス対策、統計手法の妥当性、再現性の担保。

  • ✅ 二重盲検試験、適切な対照群設定、プロトコル公開
  • ❌ 方法論の記載なし、偏ったサンプル選択、再現不可能な手法

カテゴリ4: 文脈・バイアス評価(4項目)

情報の公平性と適用範囲を評価する。

17. 利害関係の開示 bias-disclosure

金銭的・政治的・個人的な利害関係が適切に開示されている。

判断基準: 研究資金の提供元、企業からの謝礼、株式保有、政治的立場。「利益相反」「COI」「資金提供」の記載を探す。

  • ✅ 「本研究は○○財団の助成を受けて実施」、COI(利益相反)の明記
  • ❌ 製薬会社の研究で利益相反の記載なし、資金源不明

18. バランスの取れた視点 balanced-view

異なる立場や反対意見も考慮されている。

判断基準: 反対意見・批判的視点の紹介、異なる研究結果の言及、不確実性・限界の言及。一方的な主張のみは警告サイン。

  • ✅ 「一方で、○○教授は異なる見解を示している」、複数の研究結果を比較
  • ❌ 支持する証拠のみ列挙、反対意見への言及なし

19. 十分な背景情報 context-adequate

情報を理解するのに必要な背景や文脈が提供されている。

判断基準: 歴史的経緯、関連する法律・制度、社会的・文化的背景、国際的な動向・比較。

  • ✅ 過去の類似事例、他国との比較データも提示、歴史的背景の説明
  • ❌ 単発の数値のみ、背景情報なし、文脈を無視した比較

20. 適用範囲の明確化 scope-clear

情報の適用可能な範囲や限界が明確に示されている。

判断基準: 対象となる人・地域・期間、研究の限界・制約、一般化可能性の程度、除外されるケース。

  • ✅ 「日本の成人男性を対象とした研究のため、他の集団への適用は慎重に」、限界の明記
  • ❌ 限定的な研究結果を無制限に一般化、適用範囲不明

出力フォーマット

評価結果は以下の形式で出力する。

## ファクトチェック評価レポート

**対象**: [評価対象の情報・URL・主張]
**評価日**: [日付]

### 評価サマリー

| カテゴリ | ✅ | ❌ | ➖ | スコア | 判定 |
|---|---|---|---|---|---|
| クリティカル評価 | x | x | x | x/6 | 🟢/🟡/🟠/🔴 |
| 詳細評価 | x | x | x | x/6 | 🟢/🟡/🟠/🔴 |
| 検証・照合 | x | x | x | x/4 | 🟢/🟡/🟠/🔴 |
| 文脈・バイアス | x | x | x | x/4 | 🟢/🟡/🟠/🔴 |
| **総合** | **x** | **x** | **x** | **x/20** | **🟢/🟡/🟠/🔴** |

### 判定基準

- 🟢 **高い(80%以上)** — そのまま参考にできる
- 🟡 **中程度(60-79%)** — 他の情報源でクロスチェック推奨
- 🟠 **要注意(40-59%)** — 詳細なファクトチェックが必要
- 🔴 **低い(40%未満)** — 参考にしない・拡散しない

### 詳細評価

[各項目の ✅/❌/➖ と、特に注目すべき点のコメント]

### 総合所見

[信頼性の総合評価、特に注意すべき点、推奨事項]

評価時の注意点

  • 完璧な情報は存在しない。20/20 を期待するのではなく、重大な問題がないかを見る
  • クリティカル評価の 6 項目は他カテゴリより重い。ここで ❌ が 3 個以上なら、総合スコアが高くても判定を 1 段階下げる
  • 「評価不能(➖)」が多い場合(5項目以上)、それ自体が情報の透明性に関する警告。「評価不十分」として注記する
  • 分野によって重要な項目は異なる(医学→方法論重視、ニュース→速報性とソース重視)
  • ファクトチェックは「白黒つける」ことが目的ではなく、情報の質を可視化すること
slack-gif-creatoranthropics/skillsKnowledge and utilities for creating animated GIFs optimized for Slack. Provides constraints, validation tools, and animation concepts. Use when users request animated GIFs for Slack like "make me a GIF of X doing Y for Slack."Stars: 198kUpdated Claude CodeCodexVerifiedInstall
ponytailDietrichGebert/ponytailLazy senior dev mode for any coding task: the smallest change that fully solves it, and a reply a busy human understands in one read.Stars: 194kUpdated Claude CodeCodexVerifiedInstall
ponytail-debtDietrichGebert/ponytailHarvest every shortcut: comment into one debt ledger, so deferrals get tracked instead of forgotten. One-shot report.Stars: 194kUpdated Claude CodeCodexVerifiedInstall
ponytail-debtDietrichGebert/ponytailList every `shortcut:` comment (and older `ponytail:` ones) as a debt ledger. One-shot report, changes nothing. Use for "ponytail debt", "what did ponytail defer", "list the shortcuts", /ponytail-debt.Stars: 194kUpdated Claude CodeCodexVerifiedInstall