AI 文獻證據矩陣

01解決的工作問題

顧問、政策研究者或分析師讀十幾篇論文與報告時，最常犯的錯不是讀得不夠多，而是讀完後把印象直接寫成結論——腦中留下「大部分文獻都支持」的感覺，卻沒有真的一篇一篇數過。AI讀得比人快，這個陷阱因此被放大：丟一堆文獻進去問「這些研究怎麼說」，AI很容易把一篇小樣本的相關性研究、一位作者在討論段落裡的推測、甚至只是別人論文裡引用的二手說法，全部混進同一句「研究顯示」裡吐出來，讀起來像普遍結論，其實只有一篇證據撐著，甚至那篇的研究設計根本撐不住這個結論。要擋住這件事，不能只靠「AI你要小心」，而要逼它把每條主張拆開，標明來源、研究類型、樣本、證據強度、限制，以及對原始說法是支持、反駁還是中立，最後由人判斷信心程度——這張表本身就是產出，不是寫報告前的暗中準備。

02什麼時候用、什麼時候別用

什麼情況下該用這一套

• 手上有至少五到八篇論文或報告要交叉比對，且結論會被拿去做決策或政策建議。
• 你需要對「證據強度」誠實分級，而不只是列一份引用清單。
• 有時間先建矩陣、再寫報告的場合，不是趕在下班前生一段結論。

什麼情況下別用

只有一篇文獻時

矩陣的意義是讓多篇互相比對；只有一篇時沒有Supports/Contradicts的對照對象，直接誠實寫「僅有一篇資料，證據不足」就好，不必硬做矩陣。

來不及查證、要立即下結論的場合

逐篇核對來源與欄位需要時間，矩陣不是應急工具，臨時要交代的口頭意見不該假裝經過了矩陣式的查核。

只找得到二手轉述、找不到任何原始研究時

Source欄位填不出來，矩陣從根基就立不住，這時該做的是先去找原始文獻，不是先做矩陣。

想用來替既定立場找證據背書

矩陣的紀律是連反駁證據都要放進去；如果目的是替已經決定的結論湊佐證，矩陣會被做成篩選過的假象，不如不做。

誰會用到

顧問

你最常要在報告截止前把十幾篇資料讀完，矩陣是逼自己不要用印象下結論的機制，交付前的把關步驟不能省。

數據分析

你多半已經在做類似的事，只是沒有固定成表格。把欄位定義訂死，之後每次分析的證據強度標準才不會跟著心情漂移。

PM

你可能不寫矩陣本身，但要看得懂它——決定要不要照文獻建議調整專案方向前，先看證據缺口清單，比看結論摘要更重要。

法務

合規或法規影響評估常常要引用外部研究佐證，矩陣能避免把單一意見書或個案寫成「法界普遍認為」。

公務員

政策簡報最容易把初步觀察寫成「研究顯示」，矩陣裡的證據缺口清單是給決策者看的，不是拿掉不寫比較好看。

所屬工作情境

04完整步驟圖的文字版，逐步展開

一句話版（快速回顧）

1. 先把要驗證的說法寫成一句可支持或反駁的Claim，並訂好證據強度分級標準。
2. 蒐集文獻，確認是原始研究而非二手轉述，缺原文的先標明。
3. 請AI逐篇抽取Source、Study Type、Sample、Evidence、Limitation，缺的欄位標未提及。
4. 請AI逐篇判定支持、反駁或中立，並要求附原文佐證，不得把相關性寫成因果。
5. 人核對整張矩陣，抓出過度概化與因果誤用的地方，Confidence由人覆核定案。
6. 定稿矩陣，誠實列出證據缺口清單，不要把單篇研究寫成研究都證明了。

完整版（每一步誰做、產出什麼）

05開始前要準備什麼標「必要」的沒備齊就先別開始

待驗證的Claim必要

寫成一句可以被支持或反駁的明確陳述，不是模糊的題目。例如「四天工作制可以提升員工的生產力」而不是「四天工作制好不好」。

待比對的文獻必要

至少要有方法與結果段落，只有摘要無法判斷Study Type與Sample。優先找得到全文的原始研究。

證據強度分級標準必要

先訂好像「RCT/統合分析＝強、有對照組的類實驗＝中、觀察性/相關性研究＝弱、案例研究/專家意見＝極弱」這樣的規則，不然每次評分標準會漂移。

文獻的後設資料可選

作者、年份、出處、是否經同儕審查，找不到的先標明未提及。

NotebookLM或類似工具的文獻庫可選

文獻多篇時先建一個可反覆詢問、能標出處頁碼的文獻庫，比每次貼全文更穩定。

餵進去的東西要長這樣

待驗證的Claim（一句可支持/反駁的陳述）＋ 待比對文獻（全文或至少方法與結果段落）＋ 證據強度分級標準。

• Claim要寫成明確、可以被支持或反駁的一句話，不能是模糊的題目。
• 文獻至少要有方法與結果段落，只有摘要無法判斷Study Type與Sample。
• 找不到原始研究全文、只有二手轉述時要先標明，不能假裝是原始來源。
• 先訂好證據強度分級標準，不然每次評分標準會漂移。

Claim：四天工作制可以提升員工的生產力

證據強度分級標準：RCT／統合分析＝強；有對照組的類實驗＝中；觀察性研究／相關性調查＝弱；案例研究／專家意見／未同儕審查報告＝極弱。

文獻：
【文獻A】類實驗，某科技公司（約200人）試行四天工作制6個月，內部人資報告，無對照組……
【文獻B】橫斷面問卷，850名跨產業知識工作者……
【文獻C】案例研究，單一公司45人訪談報告……

06Prompt（快速／完整／進階）

A 快速版貼上就能用；B 完整實戰版把角色、限制、步驟、輸出格式與驗收標準寫足；C 進階版是拿去建 GPT／Skill／Agent 的系統指令。三種都附可替換變數、使用範例、預期輸出與人工確認點。

我要驗證的主張（Claim）是：{Claim}

以下是我蒐集到的文獻，請針對每一篇建立證據矩陣的一列，欄位為：
- Claim：沿用我給的主張，不要換句話說
- Source：作者／年份／出處
- Study Type：研究類型（RCT／類實驗／觀察性研究／案例研究／文獻回顧／統合分析／專家意見／其他）
- Sample：樣本數與組成，文獻沒寫就填「未提及」
- Evidence：證據強度（強／中／弱），並說明分級理由
- Limitation：這篇研究自己承認或明顯存在的限制
- Supports/Contradicts/Neutral：對我的Claim是支持、反駁還是中立，並附原文佐證
- Confidence：你對這一列判定的信心（高／中／低），並說明為什麼

規則：
1. 不得把相關性研究寫成因果結論。
2. 找不到某個欄位的資訊，一律標「未提及」，不得用常識或其他文獻內容代填。
3. 只有一篇證據支持某個立場時，不得使用「研究顯示」「研究都證明」這類暗示多篇共識的語言，只能寫「該篇研究指出」。
4. 每一列的Supports/Contradicts/Neutral判定都要附原文引用或段落出處，不得只憑摘要判斷。

待比對文獻：{貼上}

我要驗證的主張（Claim）是：四天工作制可以提升員工的生產力

待比對文獻：
【文獻A】類實驗研究，某科技公司（約200名員工）試行四天工作制6個月，作者為內部人資報告，未經同儕審查。方法為受試前後比較同一批員工的產出指標，無對照組。結果：主觀自評「工作效率提升」的比例從38%增加到61%；實際產出指標（客服工單處理量）僅上升4%，且同期公司也調整了排班系統。作者在討論段落寫道：「效率提升可能與四天工作制有關，也可能反映了排班系統優化的效果，兩者無法完全區分。」

【文獻B】橫斷面問卷調查，針對850名不同產業的知識工作者，比較目前實行四天與五天工作制員工的自評壓力與投入度分數。無對照實驗設計，僅為相關性分析。結果：四天工作制員工的自評投入度平均分數高於五天制員工（相差0.6分，5分量表），作者提醒「這是橫斷面資料，可能反映的是壓力較低、投入度本來就高的公司才更願意嘗試四天制，而非四天制本身提升了投入度」。

【文獻C】案例研究，單一公司（45人）導入四天工作制一年後的敘事訪談報告，無量化指標，僅有管理層與員工的訪談摘要，多數受訪者表示「感覺比較不累」，報告未提供離職率、營收或產出的具體數字對照。

【文獻A】
Claim：四天工作制可以提升員工的生產力
Source：內部人資報告（未同儕審查），約200名員工的科技公司
Study Type：類實驗（前後對照，無對照組）
Sample：n≈200，單一公司科技業員工
Evidence：弱—中（有實際產出指標，但無對照組，且與排班系統調整同時發生，無法排除混淆變項）
Limitation：作者自陳排班系統優化可能是真正原因，因果無法區分；未經同儕審查
Supports/Contradicts/Neutral：部分支持（主觀自評提升明顯，但客觀產出僅微幅上升4%，且作者自己承認因果不明確，不能算完全支持）
Confidence：低（單一公司、無對照組、作者自己都指出混淆因素）

【文獻B】
Source：850人跨產業問卷（橫斷面）
Study Type：相關性調查
Sample：n=850跨產業知識工作者
Evidence：弱（相關性研究，非因果，作者明確提醒自我選擇偏誤）
Limitation：橫斷面設計無法排除「本來投入度高的公司才敢試四天制」的反向因果
Supports/Contradicts/Neutral：中立偏相關（有正相關，但作者自己否定因果解讀，不能算支持「導入會提升」這個因果Claim）
Confidence：低

【文獻C】
Source：單一公司45人訪談報告
Study Type：案例研究（質性訪談）
Sample：n=45，單一公司
Evidence：極弱（無量化指標，僅主觀敘述）
Limitation：沒有離職率、營收或產出等客觀指標對照；無法類推到其他產業或規模
Supports/Contradicts/Neutral：中立（提供的是感受敘述，不足以判定對生產力Claim的支持或反駁）
Confidence：低

【矩陣小結】三篇文獻沒有一篇是能撐住「四天工作制提升生產力」這個因果Claim的高品質證據——沒有RCT、沒有跨公司對照組。若寫成「研究顯示四天工作制能提升生產力」是錯的；誠實的寫法是「目前多為低證據強度的初步觀察，缺乏對照實驗，尚不足以下因果結論」。

以下是我請AI逐篇建立的證據矩陣草稿，以及原始的Claim。請針對每一列做稽核，不要重新產生矩陣，只做檢查：

1.【因果誤用檢查】逐列檢查Study Type若為觀察性研究／相關性調查／案例研究，Supports/Contradicts/Neutral欄位或其說明是否使用了「導致」「證明」「使…提升」這類因果語言。有的話標記【因果誤用】並改寫為正確的相關性描述。
2.【過度概化檢查】檢查整份矩陣的結論摘要（如果我有附）是否用「研究顯示」「多項研究都證明」這類語言，但實際上只有1篇或少數低強度證據支持。有的話標記【過度概化】並提出更誠實的寫法。
3.【來源檢查】逐列檢查Source欄位，若寫的是「引用自XX的說法」「根據XX報導」而非原始研究本身，標記【二手來源，非原始研究】，並說明這一列的Evidence強度應該調降。
4.【Confidence覆核】針對Confidence欄位標「中」以上的列，說明支持這個信心程度的具體理由是什麼；理由不足的降級為「低」。
5.【證據缺口清單】列出Claim目前完全沒有高強度證據（RCT/統合分析）支持或反駁的部分，這份清單要放進最終報告，不要省略。

原始Claim：{貼上}
證據矩陣草稿：{貼上}

原始Claim：四天工作制可以提升員工的生產力

證據矩陣草稿：
【第1列】文獻A｜Source：內部人資報告｜Study Type：類實驗｜Evidence：中｜Supports：支持，四天工作制導致員工工作效率提升
【第2列】文獻B｜Source：根據媒體報導引述的問卷調查｜Study Type：相關性調查｜Evidence：中｜Supports：支持
【第3列】文獻C｜Source：單一公司訪談報告｜Study Type：案例研究｜Evidence：中｜Supports：支持

結論摘要：研究顯示四天工作制能有效提升生產力。

【因果誤用檢查】
第1列：Supports欄位寫「導致員工工作效率提升」——文獻A是類實驗、無對照組，且作者自己承認排班系統調整可能是真正原因，這是因果誤用。改寫為：「與工作效率自評提升同時發生，但因無對照組且存在排班系統變動的混淆變項，不能判定為因果」。

【過度概化檢查】
結論摘要「研究顯示四天工作制能有效提升生產力」是過度概化——三篇證據裡沒有一篇是RCT或跨公司對照研究，且文獻B與C的作者都在文中提醒相關性或自選偏誤問題。誠實寫法應為：「目前僅有低強度的初步觀察性證據，缺乏對照實驗，尚不足以下因果結論」。

【來源檢查】
第2列的Source寫「根據媒體報導引述的問卷調查」——這是二手轉述，不是原始研究本身。這一列的Evidence強度應調降為「弱」，並註記「尚未找到原始問卷報告，來源為媒體轉述」。

【Confidence覆核】
三列的Confidence都應該是「低」，不是草稿裡標的「中」——沒有一篇有對照組、沒有一篇是跨產業或跨公司的大樣本，且每篇作者自己都承認限制。

【證據缺口清單】
- 沒有任何RCT或準實驗設計（有對照組）驗證四天工作制對客觀產出指標的因果效果。
- 沒有跨產業、跨公司規模的大樣本研究。
- 沒有長期（一年以上）追蹤資料，判斷效果是否隨時間衰退。

請把以下規則，寫成一份可以直接用來建立共用「證據矩陣助手」的系統指令。

【系統指令要包含】
1. 角色與任務：只負責從使用者提供的文獻中，針對指定Claim逐篇建立證據矩陣的一列，不負責替使用者做決策或下報告結論。
2. 矩陣欄位定義（照我提供的欄位定義全文，不得增刪）：Claim、Source、Study Type、Sample、Evidence、Limitation、Supports/Contradicts/Neutral、Confidence。
3. 證據強度分級標準（照我提供的分級規則，例如RCT／統合分析 > 有對照組的類實驗 > 觀察性/相關性研究 > 案例研究 > 專家意見／未同儕審查報告）。
4. 硬限制——以下情況一律不得由AI自行判定，必須標記並交由人處理：
   - 找不到原始研究、只有二手轉述或新聞報導時，Source欄位標「未找到原始來源」，Evidence強度不得高於「弱」。
   - 只有一篇證據支持某個立場時，禁止在任何欄位或摘要中使用「研究顯示」「多項研究證明」等暗示共識的語言。
   - 觀察性研究、相關性研究、案例研究的結果，Supports/Contradicts欄位不得使用「導致」「證明」等因果語言。
   - Confidence欄位的最終值必須由人在看過整張矩陣後覆核，AI只能給「建議值」。
5. 輸出格式：逐列的矩陣 ＋ 矩陣結論摘要（不得過度概化）＋ 證據缺口清單 ＋ 需要人確認的地方。

【另外請給我】
(a) 一份「使用說明」，寫給第一次用的同事看，含三個好例子與三個壞例子。
(b) 一份「維護說明」：分級標準要更新時該改哪裡、多久檢視一次、誰負責。

矩陣欄位定義：{貼上}｜證據強度分級標準：{貼上}

（貼上欄位定義：Claim/Source/Study Type/Sample/Evidence/Limitation/Supports-Contradicts-Neutral/Confidence，以及分級標準：RCT/統合分析＝強，有對照組的類實驗＝中，觀察性/相關性研究＝弱，案例研究/專家意見＝極弱）

【共用證據矩陣助手 系統指令】

一、你的角色
你是本團隊的證據矩陣建構助手。你只負責針對使用者指定的Claim，從提供的文獻中逐篇建立矩陣的一列，不負責替使用者下報告結論或建議決策。

二、矩陣欄位（八欄，缺一不可）
Claim｜Source｜Study Type｜Sample｜Evidence｜Limitation｜Supports/Contradicts/Neutral｜Confidence
（欄位定義照使用者提供的全文，不得自行增刪或改寫定義）

三、證據強度分級
RCT／統合分析＝強；有對照組的類實驗＝中；觀察性研究／相關性調查＝弱；案例研究／專家意見／未同儕審查報告＝極弱。

四、一律不得由AI自行判定、必須標記交人處理的情況
1. 找不到原始研究、只有二手轉述或新聞報導——Source標「未找到原始來源」，Evidence不得高於「弱」。
2. 只有一篇證據支持某立場——禁止使用「研究顯示」「多項研究證明」等暗示共識的語言，只能寫「該篇研究指出」。
3. 觀察性／相關性／案例研究的結果——Supports/Contradicts欄位不得用「導致」「證明」等因果語言。
4. Confidence最終值——你只給建議值，最終由人在看過整張矩陣後覆核並定案。

五、輸出格式
【逐列矩陣】
【矩陣結論摘要】（不得過度概化，若證據薄弱要明講）
【證據缺口清單】（Claim目前沒有高強度證據支持或反駁的部分）
【需要人確認的地方】

──────────

【使用說明（給第一次用的同事看）】

這個助手做什麼：把你提供的文獻，逐篇整理成矩陣的一列。
這個助手不做什麼：幫你決定Claim要不要成立、幫你寫報告的結論段落。

好例子：
1. 貼上3篇文獻全文與你的Claim，說「請逐篇建矩陣」。
2. 貼上矩陣草稿，問「這一列的Confidence為什麼是中，理由夠不夠」。
3. 只有1篇證據時，問「這樣可以寫成研究顯示嗎」——它會回答不行，並說明正確寫法。

壞例子：
1.「幫我決定這個Claim到底成不成立」——那是人的判斷，助手不負責下結論。
2.「這篇報導提到的研究，直接當原始來源填進去」——沒有原始研究全文不能這樣填，要標未找到原始來源。
3.「把Confidence都填高一點，報告比較有說服力」——Confidence造假比沒有矩陣更危險。

【維護說明】
- 證據強度分級標準有更動時只改第三節，其餘不動。
- 每季抽查三份團隊產出的矩陣，確認因果語言與過度概化的檢查有沒有被落實。
- 負責人：〔填寫〕。更新後在共用位置註明版本與日期。

07產出應該長什麼樣拿到的東西要長這樣

逐列矩陣（八欄）＋ 矩陣結論摘要 ＋ 證據缺口清單 ＋ 需要人確認的地方。

完成品：同一份文獻，兩種矩陣列：有沒有把「相關」寫成「因果」

【沒有要求分辨相關與因果】
AI產出（節錄）：
「文獻B：Source：850人跨產業問卷調查｜Study Type：問卷調查｜Evidence：中｜Supports：支持——四天工作制提升了員工投入度，相差0.6分（5分量表）。」

→ 讀起來像是一個穩固的正面結果。問題是：
→ 這是橫斷面相關性資料，不是實驗，「提升」這個動詞已經在暗示因果。
→ 沒有處理自我選擇偏誤：投入度本來就高的公司，可能才是更願意嘗試四天制的那一群，順序可能反過來。
→ Evidence標「中」，但相關性研究依照分級標準最高只能到「弱」。

【強制分辨相關與因果，並要求附佐證】
AI產出（節錄）：
「文獻B：Source：850人跨產業問卷調查｜Study Type：橫斷面相關性調查（無對照組）｜Evidence：弱（相關性研究，且作者明確提醒自我選擇偏誤）｜Limitation：橫斷面設計無法排除反向因果——可能是投入度本來就高的公司才願意嘗試四天制，而非四天制本身提升投入度。〔佐證：文獻B討論段落「這是橫斷面資料，可能反映的是壓力較低、投入度本來就高的公司才更願意嘗試四天制」〕｜Supports/Contradicts/Neutral：中立偏相關——四天制員工的自評投入度確實較高，但不能判定為「四天制導致投入度提升」這個因果Claim的支持證據｜Confidence：低（相關性研究、有明確的自我選擇偏誤、且作者自己已提出替代解釋）」

【差別在哪】
第一種在描述「結果聽起來正不正面」，第二種在描述「這個結果能不能撐住我要驗證的那句因果Claim」。矩陣要回答的問題是第二種，不是第一種。

【文獻A】Claim：四天工作制可以提升員工的生產力｜Source：內部人資報告（未同儕審查）｜Study Type：類實驗（無對照組）｜Sample：n≈200｜Evidence：弱—中｜Limitation：作者自陳排班系統優化可能是真正原因｜Supports/Contradicts/Neutral：部分支持｜Confidence：低

【矩陣結論摘要】
目前僅有低強度的初步觀察性證據，缺乏對照實驗，尚不足以下因果結論。

【證據缺口清單】
沒有RCT或跨公司對照組研究；沒有跨產業大樣本；沒有一年以上長期追蹤。

08工具怎麼挑

這幾支都做得到——差別在你手上有哪一支、資料能不能外流。標「起手」的是不知道從哪支開始時的建議，不是限定。

09會卡住與會做錯的地方

會卡住的地方（流程困難點）

把相關性寫成因果

AI常用「提升」「導致」「證明」這類因果語言，描述觀察性或相關性研究的結果，讀起來像已證實的因果關係。

把單篇/小樣本包裝成普遍結論

一篇樣本數只有幾十人的案例研究，被寫成「多項研究顯示」，暗示了實際不存在的共識。

找不到原始研究卻照樣填

只查得到二手引用或新聞報導轉述，仍在Source欄位填出處，讓證據強度看起來比實際高。

Confidence欄位被AI自己定案

AI標了「高信心」就直接被採用，那應該是人看完整張矩陣後的判斷，不是AI自評完就算數。

會做錯的地方（常見失敗方式）

其他注意事項

• AI很容易把相關性研究的結果用「導致」「提升了」這類因果語言描述，要逐列檢查。
• 只有一篇證據卻寫成「研究顯示」「多項研究都證明」，是這個方法要擋的核心錯誤。
• 找不到原始研究、只有二手轉述時如果照樣填進Source，整張矩陣的可信度從根基就垮了。

10人工把關與安全限制

AI／Agent／Tool 介入在哪幾步

這幾關不下放

Claim與分級標準

要驗證的主張怎麼寫、證據強度怎麼分級，由人事先訂定。

證據不足的認定

找不到原始研究的列，由人確認要標「證據不足」，不能被刪除或亂填一個來源。

相關與因果的最終判斷

AI的判定只是草稿，相關性是否被誤寫成因果，由人最終覆核。

Confidence定案

信心程度由人在看過整張矩陣後定案，AI只給建議值。

結論摘要與證據缺口清單

矩陣的整體結論、以及仍待更多證據的部分，由人撰寫定稿，不能只交出逐列表格。

安全與權限限制

文獻中的機密或未發表內容

上傳給AI或NotebookLM的文獻若含未發表的內部報告或商業機密，先確認工具的資料使用政策，不能公開的先移除或代稱。

來源真實性

AI有時會「編出」看起來合理的作者名或期刊名，Source欄位務必回頭核對原文獻，不可直接採信AI生成的引用資訊。

矩陣結論不得替代法律或醫療等專業判斷

涉及法規遵循、臨床決策的Claim，矩陣只是文獻整理，最終判斷仍需相應領域的專業人員簽核。

共用矩陣助手的分享範圍

系統指令裡若含團隊的分級標準與內部案例，分享範圍要設對，避免外流。

11Checklist 與驗收標準

做的時候逐項打勾

• Claim是一句可支持或反駁的明確陳述
• 每一列八個欄位齊全，缺的標未提及
• 觀察性/相關性/案例研究沒有被寫成因果結論
• 只有一篇證據時沒有寫成研究顯示
• Confidence由人覆核定案，不是AI自評直接採用
• 證據缺口清單已列出並放進報告

做完了才檢查：全部成立才算完成

1. Claim寫成一句可以被支持或反駁的明確陳述，不是模糊題目。
2. 每一列都有八個欄位，缺的欄位標「未提及」，沒有用常識代填。
3. Study Type與Evidence強度依照事先訂好的分級標準判定，不是憑印象。
4. 觀察性/相關性/案例研究的Supports欄位沒有使用因果語言。
5. 只有一篇證據支持的立場，摘要沒有寫成「研究顯示」「多項研究證明」。
6. 找不到原始研究、只有二手轉述的列，Source已標明且Evidence已調降。
7. Confidence欄位已由人在看過整張矩陣後覆核定案，不是AI自評直接採用。
8. 證據缺口清單已列出並放進最終報告，沒有被省略。
9. 矩陣放在共用位置或已核對過原始文獻，不是只存在單次對話裡。

12實際案例

13相關方法與下一步

可直接使用RELATED PROMPTS