公益行业调研数据规则

目的

对公益行业调研报告中的所有数据点执行系统性校验，确保每个数字有据可查、口径清晰、时效明确，报告内部无数据矛盾，逻辑推理严谨无误。

适用场景

收到包含以下触发词的请求时激活本技能：

"公益数据校验" / "帮我执行数据校验" / "数据校验"
"数据靠谱吗" / "数字有没有问题" / "帮我核查数据"
"事实核查" / "数据验证" / "数据可信度" / "数据校准"
"验证数据" / "多重校验" / "数据来源可靠吗"

仅适用于公益行业调研报告。若用户提交的是其他行业报告，提示"本技能专为公益行业设计，其他行业校验逻辑可能不同，是否继续？"

使用方式

方式一：直接粘贴报告内容 把报告全文或关键章节粘贴进对话，说"帮我做数据校验"。

方式二：提供文件路径 说"校验 output/xxx.md 里的数据"，先读取文件再执行。

方式三：指定校验范围 说"只校验第三章的数据"或"重点校验项目规模数据"，可缩小范围。

执行流程（七层校验逻辑）

收到校验任务时，按以下七层依次执行。每层详细方法论见 references/verification-methodology.md。

第一层：提取与分类

从报告文本中提取所有带数字的陈述句，按四类归档：

| 类型 | 特征 | 示例 | |------|------|------| | A. 宏观行业数据 | 政府/权威机构发布的全国性统计 | 全国基金会9867家、捐赠总额1324亿 | | B. 项目规模数据 | 机构自述的覆盖规模、受益人数 | 希望工程20195所、美丽中国3800人 | | C. 比例/估算数据 | 占比、增速、倍数等推算值 | 前5%掌握69%、同比下降12.3% | | D. 判断性数据 | 支撑分析判断的引用数据 | 留守儿童697万、抑郁率21.5% |

提取范围包括正文、表格、脚注、图表数值标注。图表提取规则详见方法论。

效率优化：对同一概念的多处出现进行预聚类，仅对组内首次出现执行完整搜索验证，其余位置继承验证状态。优先校验核心结论数据，辅助数据可延后。

输出：数据点清单，每行包含「原文句子 / 数据值 / 报告中标注的来源 / 数据类别（A/B/C/D）」

第二层：三源交叉验证

每个数据点至少找2个独立来源（来源A=报告原标注来源，来源B=搜索找到的独立来源，来源C=第三方佐证）。

关键规则：

独立性判断：检查两来源是否引用同一中间来源、发布时间先后、是否有转引标记、数据精确度是否异常一致、来源性质是否不同。≥2项非独立→⚠️单一来源；≥3项独立→✅
分档容忍：比例类≤5% / 大额绝对量≤2% / 小额绝对量≤3% / 整数±2% / 默认5%
B类对冲：机构自述数据优先找第三方评估（FTI/民政部年检/独立审计），仅有机构自述→⚠️机构自述（未经独立核实）
来源失败预案：付费墙→搜新闻稿摘要；链接失效→搜镜像/快照；PDF下架→Wayback Machine；重定向→查ISBN编目

第三层：口径审查（核心）

数字本身对不代表引用对。必须核查五个维度：

统计口径：全行业还是子集？
时间口径：数据属于哪一年？
单位口径：人次还是人数？万元还是亿元？省还是地级市？
范围口径：覆盖范围与报告使用语境是否匹配？
采集方法口径：用什么量表？抽样方式？样本量？调查时间？定义边界？

统计效力评判（针对D类数据）：样本量N≥384、概率抽样、覆盖≥3省份、加权处理——四项硬规则，不合格须降级标注。

第四层：可计算性验证

能从公开数据推算的，直接算一遍：

占比 = 分子 ÷ 分母
增速 = (新值 - 旧值) ÷ 旧值，核查起止时间节点
加总 = 各省/各机构累加，核查是否重复计算

通胀调整：跨年金额对比（≥2年跨度）须标注CPI影响，建议补充实际值。

第五层：时效性检查

每个数据点标注：数据来源年份、是否有更新版本、是否属于历史快照型数据。

链接有效性检查：同步检查引用链接状态（404/重定向/二手转载）。

第六层：跨章节内部一致性扫描

在第一层提取完成后即可执行，不依赖搜索：

概念聚类：将所有数据点按"同一概念"归类
组内比对：比对不同出现位置的数据值
矛盾分级：硬矛盾（差异>2%）/ 软矛盾（精度不一致）/ 口径矛盾（不同口径混用）
输出一致性扫描结果单

第七层：逻辑归因与表述严谨性校验

不依赖外部数据，仅针对报告内部推理链条：

7.1 归因谬误检测：扫描因果连接词，判断证据类型（仅时间先后→后此谬误 / 仅相关→混淆因果 / 有机制且排除混淆→✅ / 辛普森悖论→📝）
7.2 定性表述与数据匹配度：扫描"显著/大幅/爆发/稳步/小幅"等强程度定性词，检查附近是否有具体数字支撑。若使用强程度定性词但缺乏量化依据，标注⚠️缺乏量化依据；若有数字支撑，不做额外判断

交付物

1. 校验清单表

每行格式：

| # | 数据点（原文） | 类别 | 报告原值 | 验证值 | 验证来源 | 状态 | 备注（口径/修正说明） |

六态：

✅ 已确认：2个以上独立来源一致，口径明确
📝 需修正：数据有误或口径混用，备注列给出修正后表达
⚠️ 单一来源：仅1个来源，无法交叉验证
⚠️ 来源缺失：完全找不到来源，建议降级或删除
⚠️ 机构自述（未经独立核实）：仅机构官网/年报自述，无第三方对冲来源
➖ 无需验证：纯序号/年份区间/无实质含义编号

2. 修正建议清单

针对所有📝条目，给出：

原表达（报告原文）
修正表达（含来源标注和口径说明）
修正操作建议（搜索词、操作路径）

3. 一致性扫描结果单

硬矛盾：X组 | 软矛盾：X组 | 口径矛盾：X组
详细列表：1. [概念名] — 硬矛盾 — 位置A值 vs 位置B值 — 建议统一为XX

4. 校验摘要

总数据点：X个
✅ 已确认：X个（X%） | 📝 需修正：X个 | ⚠️ 单一来源：X个 | ⚠️ 来源缺失：X个 | ⚠️ 机构自述：X个
报告内部一致性：硬矛盾 X组 | 软矛盾 X组 | 口径矛盾 X组
逻辑归因审查：归因谬误 X条 | 定性过当 X条 | 统计存疑 X条
Top 3-5 优先修正项（按严重度排序：核心结论 > 支撑数据 > 辅助说明）

输出示例（截选）

以下为对一份虚构公益行业调研报告执行七层校验后的输出示例，供首次使用者直观了解交付物格式。

校验清单表（截选前5条）

| # | 数据点（原文） | 类别 | 报告原值 | 验证值 | 验证来源 | 状态 | 备注 | |---|---------------|------|---------|--------|---------|------|------| | 1 | "截至2024年底，全国基金会9867家" | A | 9867家 | 9867家 | 民政部《2024年社会服务发展统计公报》 | ✅ | 口径一致，年份一致 | | 2 | "企业捐赠占捐赠总额的74.21%" | C | 74.21% | 73.8% | 《中国慈善捐赠2024年报》 | ✅ | 差异0.4个百分点，在容忍范围内 | | 3 | "美丽中国累计派出3800名支教老师" | B | 3800名 | 3800名（机构自述） | 美丽中国官网（无第三方对冲来源） | ⚠️ 机构自述 | 未找到FTI/民政部年检/独立审计等第三方核实 | | 4 | "乡村青少年抑郁检出率21.5%" | D | 21.5% | 21.5% | 张某某《乡村青少年心理健康调查》2023（PHQ-9≥10分，整群抽样5省12县N=3840加权） | ✅ | 采集方法完整，统计效力达标 | | 5 | "留守儿童约4000万" | D | ~4000万 | 697万（窄口径）/ 4000万（宽口径） | 民政部2024（窄）/ 联合国儿基会（宽） | 📝 需修正 | 宽窄口径混用，见口径陷阱四 |

一致性扫描结果单

硬矛盾：2组 | 软矛盾：1组 | 口径矛盾：1组

详细列表：
1. [全国基金会数量] — 软矛盾 — 第三章9867家 vs 第五章"约1万家" — 建议统一标注年份和精确值
2. [留守儿童数量] — 口径矛盾 — 第二章697万 vs 第六章"约4000万" — 须标注窄口径/宽口径来说明差异
3. [企业捐赠占比] — 硬矛盾 — 第二章74.21% vs 第四章70% — 来源不同（捐赠年报 vs 统计公报），需统一
4. [教育公益项目覆盖率] — 硬矛盾 — 第三章"覆盖65%县域" vs 第六章"覆盖58%县域" — 编辑残留，建议统一

校验摘要

总数据点：47个
✅ 已确认：31个（66%） | 📝 需修正：5个 | ⚠️ 单一来源：7个 | ⚠️ 来源缺失：2个 | ⚠️ 机构自述：2个
报告内部一致性：硬矛盾 2组 | 软矛盾 1组 | 口径矛盾 1组
逻辑归因审查：归因谬误 2条 | 定性过当 3条
Top 5 优先修正项（按严重度排序）：
1. 【核心结论】留守儿童数量口径混用（697万 vs 4000万），两处均未标注口径差异
2. 【核心结论】基金会净资产集中度全行业口径用于教育议题，读者易误解为教育类基金会数据
3. 【支撑数据】两处基金会数量不一致（9867家 vs "约1万家"），建议统一标注
4. 【支撑数据】企业捐赠占比两处不同（74.21% vs 70%），来源不同建议统一
5. 【辅助说明】"捐赠额四年增长30%"未剔除CPI，实际购买力增长约18%

以上示例中的数据均为虚构，用于演示输出格式。

口径陷阱速查

公益行业调研报告中常见的十四类口径陷阱，执行第三层时需逐条对照。完整内容见 references/calibration-traps.md：

受益人次≠受益人数
全行业数据用于子行业
均值掩盖分布
窄口径vs宽口径混用
累计/年均/单年增速混用
数据快照缺乏时间标注
推算值当实测值呈现
来源链条断裂（二手引用）
采集方法盲区（量表/抽样/样本量）
跨章节数据不一致
机构自述数据的利益相关方偏差
样本量不足/非概率抽样（陷阱9深化场景）
把相关当因果（归因谬误）
跨期金额忽略通胀

权威数据源

校验时优先使用的权威数据源目录见 references/authoritative-sources.md，包含：

全国性统计（A类首选来源）
行业研究报告（A/C/D类补充来源）
头部公益机构官方数据（B类主要来源）
B类数据对冲来源（第三方独立核实）
搜索建议词模板

Resources

references/verification-methodology.md

七层校验逻辑的设计原因、每层操作细则、搜索策略、分档容忍操作示例、来源独立性判断流程、统计效力评判详解、通胀调整示例、一致性扫描详解、归因谬误检测操作流程、定性表述匹配度操作流程。

references/calibration-traps.md

十四类高频口径陷阱的完整文档：每类含本质、识别方法、典型场景、修正模板。执行第三层口径审查时逐条对照。

references/authoritative-sources.md

权威数据源目录：全国性统计来源、行业研究报告、机构官方数据、B类对冲来源、搜索建议词。