分析方法论
来源可靠性评估框架
Fogboard 采用六维度来源评估模型，每个维度独立评分（0-100），综合计算基础可靠性分数。 评分结果版本化存储，支持历史回溯和校准。
接近度 (Access Proximity)
来源与事件/信息的物理或组织距离
原创性 (Originality)
信息是否为第一手报道，还是转引自其他来源
偏见风险 (Bias Risk)
来源的系统性偏见倾向评估
纠错纪律 (Correction Discipline)
来源发现错误后的纠正速度和透明度
操纵风险 (Manipulation Risk)
来源被外部力量操纵的可能性
历史记录 (Track Record)
来源过去报道的准确率和一致性
Claim 可信度评分模型
每条 Claim 通过以下公式计算可信度分数：
credibility = (source_reliability × 0.25 + evidence_quality × 0.25 + independence × 0.20 + consistency × 0.15) − bias_penalty − manipulation_penalty
评分结果划分为四个等级：高可信（80+）、中等（60-79）、低可信（40-59）、不可靠（0-39）。 所有评分均可由人工审核员覆盖，覆盖原因必须记录。
情景分析框架
每个分析 Case 至少包含三条情景路径：基准情景（Base）、替代路径（Branch）和尾部风险（Tail）。 每条路径必须包含：
- 概率估计（0-100%）
- 触发条件（Trigger Conditions）
- 反证信号（Disconfirming Signals）
- 建议监控点（Recommended Watchpoints）
- 影响等级（Impact Level）
- 时间跨度（Time Horizon）
决策模拟方法
决策模拟器允许用户定义多个决策选项，每个选项包含一组假设条件。 系统基于当前情景树和概率分布，计算每个决策选项的后验概率分布、 预期影响和敏感性分析结果。这使得决策者能够回答核心问题： 「如果我们这样做，会把未来推向哪里？」