SET04｜真誠的人也能產生選擇性世界：Sincere Selection Bias

Sincere Selection Bias: How Honest Agents Can Construct Selective Worlds Without Intending to Deceive

定位： Selective Truth and Epistemic Topology / Foundation Paper 04 / Sincere Bias
作者： Neo.K
研究協作： Aletheia（GPT-5.6 Sol）
機構： EveMissLab／一言諾科技有限公司
版本： v0.1
日期： 2026-09-07
狀態： Canonical Source / UTF-8 Markdown
文件性質： Epistemology / Confirmation Bias / Myside Bias / Motivated Reasoning / Selective Exposure / Objectivity Illusion / Information Selection / Belief Updating

Canonical Source Note

本文件之正式原稿為此 UTF-8 Markdown source。任何 HTML、PDF、LaTeX rendering、聊天介面顯示或其他格式皆屬 projection，不取代 canonical source。

數學公式 canonical delimiter 僅使用：

inline math： $...$
display math：$$...$$

本文不針對任何特定人物、政黨、宗教、哲學學派、科學學派、數學學派、媒體、企業或 AI 系統。本文研究的是一個一般性的認識論現象：一個沒有欺騙意圖、甚至真誠追求真理的人，仍可能因 prior、identity、commitment、selection policy、evidence weighting 與 interpretation rule，而穩定地生成一個選擇性的世界表徵。

本文承接前三篇：

\boxed{ \text{Statement Truth} \neq \text{Selection Neutrality} \neq \text{Message Representativeness} }

\boxed{ \text{Message Verification} \not\Rightarrow \text{Policy Identification} }

\boxed{ \text{Presence of Criticism} \not\Rightarrow \text{Balance of Criticism} }

SET04 再加入：

\boxed{ \text{Sincerity} \not\Rightarrow \text{Epistemic Neutrality} }

以及：

\boxed{ \text{Absence of Deceptive Intent} \not\Rightarrow \text{Absence of Selection Bias} }

摘要

本文提出 Sincere Selection Bias（SSB）：資訊提供者或信念持有者並無欺騙意圖，所陳述的命題甚至可以全部為真，但其資訊搜尋、證據抽樣、證據加權、反證處理與世界模型更新受到既有信念、認同、承諾、目標或認知結構的系統性影響，使其最終生成的世界表徵不具充分代表性。

SSB 與 paltering 或 strategic omission 不同。後兩者至少在典型形式中涉及 sender 對 misleading effect 的某種策略性利用；SSB 則允許：

D=0,

其中 $D$ 表示欺騙意圖。

SSB 也不等於「無知」。一個人可能非常聰明、熟悉統計、懂 Bayesian updating、具備高領域專業，仍然在資訊來源選擇與 likelihood assignment 上產生方向性不對稱。Taber 與 Lodge 的經典 motivated skepticism 研究甚至觀察到，強 prior 與較高政治 sophistication 在其議題與樣本中可伴隨更強的態度極化；2025 年關於 myside bias 的研究則再次指出，一般認知能力或單次 scientific-reasoning intervention 並不自動消除 myside bias。

然而，本文拒絕把所有 prior-sensitive processing 都叫 bias。2025 年一項 selective-exposure 經濟實驗指出，在明確給定具有相反偏差的資訊來源時，Bayesian decision-maker 在部分條件下本來就可能合理地優先尋找 confirmatory information。2025 年 Episteme 亦提出對 identity-protective reasoning 的哲學辯護，指出在 division of epistemic labor、制度性資訊扭曲或高成本個人查證環境中，對可信群體的依賴未必總是非理性。

因此，SSB 的核心不在「你有 prior」；任何認識都不可能沒有 prior。真正的診斷條件是：在控制 evidence quality、source reliability、decision relevance 與合理背景知識後，selection / weighting / updating 是否仍存在穩定的方向性不對稱，且該不對稱使 agent 的 posterior 或世界表徵持續遠離更具鑑別力的 evidence structure。

本文建立四層選擇模型：

W \xrightarrow{\mathcal S_B} E_B \xrightarrow{\mathcal W_B} \tilde E_B \xrightarrow{\mathcal I_B} \hat W_B \xrightarrow{\mathcal U_B} B'

分別代表 evidence search、evidence weighting、interpretation 與 belief updating。2025 年 Nature Communications 的神經研究提供一個重要提醒：與既有判斷不一致的 sensory evidence 可以被精確編碼，但在 downstream readout 時對行為影響較小。這意味「偏差」不能只被理解成沒有看到反證；反證也可能被看到、被記住，卻沒有得到對等的更新權。

本文提出 Selection Directionality Index（SDI）、Counterevidence Weight Ratio（CWR）、Revision Resistance（RR）、Objectivity-Claim Gap（OCG）、Epistemic Escape Capacity（EEC） 與 Sincere Selection Audit Protocol（SSAP）。本文的最終主張不是「每個信念系統都是偏見」，而是：

\boxed{ \text{A worldview can be sincerely maintained, locally truthful, and globally selective at the same time} }

真正需要防範的不是信念本身，而是信念取得一種特殊權力：決定哪些資訊值得被看見、哪些箭頭值得被連接、以及哪些反證即使已經看見也不需要改變任何東西。

0　最麻煩的偏差，不需要騙子

SET01 至 SET03 很容易讓人產生一個錯覺：

只要找到操縱者，就能找到問題來源。

但歷史與日常認識活動中，更常見也更穩定的情況可能是：

\text{sender sincerely believes the selected world}

而不是：

\text{sender knows the fuller world and strategically hides it}.

設完整相關世界資訊為：

F(W).

策略性選擇者可能知道：

F(W),

但故意輸出：

M=\pi_S(F(W)).

真誠選擇者則可能自己的可用世界就已經是：

F_B(W) = \pi_B(F(W)).

此時他不是在「隱藏另一半」。

對他而言，那另一半可能：

不重要；
不可靠；
不相關；
已被反駁；
屬於例外；
是對方的宣傳；
是測量錯誤；
是尚未成熟的研究；
不符合他信任的理論結構。

因此：

\boxed{ \text{selection can occur before conscious communication begins} }

這是 SSB 與策略性欺騙的根本差異。

1　Sincere Selection Bias 的最小定義

令 agent $A$ ：

沒有形成誤導 receiver 的目標；
對自己陳述的命題具有真誠信念；
其 observable statements 可以全部為真；
其 evidence selection、weighting 或 interpretation 存在可辨認的方向性不對稱；
該不對稱在控制合理的 evidence-quality 差異後，仍系統性有利於既有 belief state。

則稱存在候選 Sincere Selection Bias。

形式上：

D_A=0

但：

\pi_A \neq \pi_{\mathrm{reference}}.

其中 $\pi_{\mathrm{reference}}$ 不是「上帝視角的絕對中立政策」，而是依研究問題明確定義的比較政策，例如：

evidence-quality matched；
source-reliability matched；
preregistered sampling；
blind evaluation；
symmetric search；
counterfactual disclosure rule。

因此：

\boxed{ \text{SSB is comparative, not metaphysically absolute} }

2　Confirmation Bias：搜尋與解釋都可能偏向既有信念

Nickerson 對 confirmation bias 的經典綜述將其描述為：人們以偏向既有 belief、expectation 或 hypothesis 的方式搜尋或解釋 evidence。

這個定義本身已包含兩條不同箭頭：

\text{belief} \rightarrow \text{evidence search}

以及：

\text{belief} \rightarrow \text{evidence interpretation}.

因此 SSB 不需要假設 receiver 沒有反方資料。

可能只是：

P(e\in E_B\mid e\text{ congruent}) > P(e\in E_B\mid e\text{ incongruent}),

或：

w(e\mid e\text{ congruent}) > w(e\mid e\text{ incongruent}).

前者是 selection asymmetry。

後者是 weighting asymmetry。

兩者可獨立存在。

3　Motivated Reasoning：理性工具也可以被方向性目標使用

Kunda 的經典模型指出，motivation 可以透過對 cognitive strategies 的偏向性存取、建構與評估影響 reasoning。

一個人若有 accuracy goal，可能尋找最適合準確判斷的策略。

若有 directional goal，則可能更容易動員那些能產生期望結論的策略。

這裡最重要的不是「人會故意騙自己」。

相反，directionally motivated reasoning 的穩定性恰恰常來自：

\boxed{ \text{the agent can construct a justification that feels reasonable from the inside} }

所以主觀體驗完全可能是：

我只是按證據推理。

而不是：

我正在偏向自己。

4　Myside Bias：同一份 evidence，不一定得到同樣的 weight

Lord、Ross 與 Lepper 的經典 biased-assimilation 研究指出，持有不同 prior position 的人對同一組混合證據可能給出不同可信度與方法品質評價。

Taber 與 Lodge 後來在政治議題上進一步觀察到：

congruent arguments 被評為更強；
contrary arguments 引發更多 counterarguing；
自由選擇資訊時出現 confirmatory search；
在其研究條件下，強 prior 與較高 political sophistication 可伴隨更強 polarization。

但 SET04 不把這些舊研究當作「所有人面對相反證據都必然極化」的普遍定律。

近年的政治科學研究也重新檢查 attitude polarization 的可重現性、測量方式與 boundary conditions。

所以本文採較弱主張：

\boxed{ \text{prior-dependent evidence evaluation is empirically possible and context-sensitive} }

而不是：

\text{all exposure to mixed evidence increases polarization}.

5　2025 的神經證據：看見反證，不等於讓反證發揮作用

Park 等人在 2025 年 Nature Communications 的研究區分兩個機制：

evidence encoding 本身被 bias；
evidence 被精確 encoding，但 downstream readout 對 congruent evidence 賦予更大行為權重。

研究結果較支持第二種。

也就是：

\text{encoded}(e^-)

可以成立，但：

w_{\mathrm{behavior}}(e^-) < w_{\mathrm{behavior}}(e^+).

這給 SSB 一個非常重要的拆分：

\boxed{ \text{Not Seen} \neq \text{Not Encoded} \neq \text{Not Believed} \neq \text{Not Used} }

人可以完整地看到反證，甚至能準確複述它，但仍讓它對 belief update 的貢獻極低。

6　四層選擇模型

令當前 belief state 為 $B$ 。

世界提供候選 evidence pool：

\mathcal E(W).

6.1 Search Layer

E_B = \mathcal S_B(\mathcal E(W)).

決定：

我去看什麼？

6.2 Weight Layer

\tilde E_B = \mathcal W_B(E_B).

決定：

我讓哪一項證據有多大分量？

6.3 Interpretation Layer

\hat W_B = \mathcal I_B(\tilde E_B,B).

決定：

這項 evidence 在我的世界模型裡到底意味著什麼？

6.4 Update Layer

B' = \mathcal U_B(B,\hat W_B).

決定：

我是否真的修改原 belief？

所以：

\boxed{ \text{information availability} \not\Rightarrow \text{information uptake} }

7　Selective Exposure：人確實傾向選 congenial information，但不是任何時候

Hart 等人的 meta-analysis 綜合 selective exposure 文獻，估計人們對 congenial information 存在中度偏好：

d\approx0.36.

但效果受 defense motivation 與 accuracy motivation 調節。

尤其重要的是：

當 incongruent information 對完成當前目標有用時，偏好可以反轉。

因此：

\boxed{ \text{selective exposure is motivationally conditional} }

不是人類無法避免的固定常數。

這也意味 intervention 不能只靠：

多給他看反方資料。

若 agent 的目標函數仍然是 belief defense，更多資料可以只是提供更多 rationalization material。

8　2025 的重要反例：Confirmatory Search 也可能是合理的

Journal of the Economic Science Association 2025 年一項實驗建立兩個具有相反偏差的資訊來源。

當來源未取得 state information 時，它們會偏向自己喜歡的 state；取得資訊時則如實報告。

在該模型中，Bayesian decision-maker 在來源 reliability 對稱時，本來就可能更應該查 confirmatory source，因為那個來源的報告在當前 prior 下具有更高資訊價值。

所以：

\boxed{ \text{confirmatory information seeking} \not\Rightarrow \text{confirmation bias} }

這是 SET04 非常重要的限制。

我們不能只看：

\text{direction of search}

就判 bias。

必須比較：

\text{expected information value}

以及：

\text{source reliability}.

9　Prior 不是罪：沒有 prior 的認識不存在

Bayesian inference 本身就要求 prior：

P(H).

因此「你有 prior，所以你不客觀」沒有意義。

真正問題是：

P(H\mid E) \propto P(E\mid H)P(H)

裡的三個部分都可能受世界模型影響：

$P(H)$ 如何形成；
哪些 $E$ 被抽樣；
$P(E\mid H)$ 如何估計。

所以一個人完全可以做到：

\text{formally correct Bayes update}

但使用：

\text{biased evidence sample}

或：

\text{misspecified likelihood}.

因此：

\boxed{ \text{Bayesian coherence} \not\Rightarrow \text{epistemic neutrality} }

10　「Bayesian believer」悖論：方法也可以變成信念身份

如果一個 agent 把某認識方法 $M$ 視為工具：

M:\text{evidence}\mapsto\text{updated belief},

它可以接受：

在某些 domain， $M$ 的假設不成立。

但如果 $M$ 進一步成為 identity：

I(M),

那麼對 $M$ 的批評也可能被重新分類成：

\text{misunderstanding of }M,

\text{bad implementation},

或：

\text{opponent lacks rigor}.

本文不主張 Bayesianism、falsificationism、scientism、rationalism、empiricism、formalism 或任何具體學派必然如此。

本文只提出一般性自反命題：

\boxed{ \text{An epistemic method can become identity-protective when exemption from its own audit becomes part of the method's use} }

11　Identity-Protective Reasoning：不能只寫成「愚蠢」

Identity-protective reasoning 常被當成 epistemic vice。

但 Flores 在 2025 年 Episteme 提出一個重要反方：在 epistemic labor division、institutional distortion 與資訊取得成本存在時，依賴自己所信任群體的 judgment 有時可能具有 epistemic insurance 或 resistance 功能。

這對 SET04 很重要。

因為：

\boxed{ \text{identity dependence} \not\Rightarrow \text{epistemic failure} }

任何人都無法親自驗證現代知識體系中的每一個 claim。

我們本來就依賴：

專家；
institution；
community；
citation networks；
replication systems；
trusted collaborators。

所以真正問題不是「你信誰」。

而是：

你的信任網路是否具有可退出性、反證入口與跨網路校驗能力？

12　Objectivity Illusion：真誠感可能增加，而不是降低風險

Pronin、Lin 與 Ross 提出的 bias blind spot 顯示，人們往往比評估自己更容易辨認他人的 bias。

Schwalbe、Cohen 與 Ross 進一步以 objectivity illusion 描述：

我方觀點是 evidence-based 的；對方觀點則受偏見與身份影響。

SET04 關心其中一個結構問題：

\boxed{ \text{felt sincerity} \neq \text{absence of bias} }

甚至：

\boxed{ \text{felt objectivity} \neq \text{measured neutrality} }

因為 agent 評估自己的 bias 時，只能直接 introspect 自己的 conscious reasons，卻看不到那些沒有進入意識的 selection policy。

13　但 bias blindness 也不是絕對

Cusimano 與 Lombrozo 2023 年的研究提供重要限制：人在某些 morally motivated reasoning 情境中，可以辨認自己正在偏向一個 evidentially weaker 但 morally desirable 的 belief，甚至認可這種偏向。

因此不能寫：

\text{biased reasoner} \Rightarrow \text{unaware reasoner}.

較合理的是：

\boxed{ \text{awareness of bias is variable} }

並且：

\text{awareness} \not\Rightarrow \text{correction}.

一個人可以知道自己有立場，仍相信這個立場合理。

所以 SSB 包含：

unaware sincere selection；
partially aware sincere selection；
consciously endorsed asymmetric selection。

只要沒有 deceptive intent，且偏差主要發生在 agent 自己相信合理的認識程序內，都屬本文研究域。

14　2024 Selection Neglect：樣本不代表世界，但人常把樣本當世界

Brundage、Little 與 You 在 2024 年 Annual Review of Political Science 將 selection neglect 整理為一個統一框架。

人們經常從：

朋友；
電視；
社群媒體；
可見群體；
高聲量事件

形成對世界的信念，卻未充分修正 sampling process 的非代表性。

因此：

\boxed{ \text{observed frequency} \neq \text{population frequency} }

如果 agent 又真誠地相信：

\text{what I repeatedly observe} \approx \text{what the world is like},

就會形成：

\text{environmental selection} + \text{sincere inference}.

這是 SSB 的重要外部來源。

偏差不一定起源於 agent 自己的主動選擇。

環境、平台、社群與制度可以先替他選。

15　Myside Bias 並不容易靠「更會思考」消失

Wimmer 與 Keck 在 2025 年的 preregistered experiment 測試 processing-based 與 conviction-based intervention。

研究仍觀察到：

\text{belief-consistent arguments}

被評為較 persuasive，而且兩種 intervention 都未顯著降低 myside bias。

作者整理的既有文獻亦指出，myside bias 和一般 intelligence 或某些 general rational-thinking measures 的關聯可以很弱。

這支持一個危險但重要的命題：

\boxed{ \text{more reasoning capacity} \not\Rightarrow \text{more symmetric evidence processing} }

但本文不進一步宣稱：

\text{intelligence increases bias}.

能力可以幫助糾錯，也可以幫助 rationalization；方向取決於目標、程序與外部校驗。

16　Sincere Selection Bias 的形式模型

令 belief system：

B_t.

候選 evidence space：

\mathcal E_t.

selection kernel：

K_S(e\mid B_t).

weighting kernel：

K_W(w\mid e,B_t).

interpretation operator：

\mathcal I(e,B_t).

更新：

B_{t+1} = \mathcal U \left( B_t, \mathcal I \left( \mathcal W \left( \mathcal S(\mathcal E_t,B_t), B_t \right), B_t \right) \right).

若在 evidence quality 與 source reliability 配對後仍有：

K_S(e^+\mid B_t) > K_S(e^-\mid B_t),

且：

K_W(w\mid e^+,B_t) > K_W(w\mid e^-,B_t),

則存在候選方向性不對稱。

其中：

e^+

表示支持當前 belief 的 evidence，

e^-

表示與當前 belief 衝突的 evidence。

17　Selection Directionality Index

定義：

p^+ = P(e\text{ selected}\mid e\text{ congruent}),

p^- = P(e\text{ selected}\mid e\text{ incongruent}).

啟發式 Selection Directionality Index（SDI）：

\mathrm{SDI} = p^+-p^-.

若：

\mathrm{SDI}\approx0,

不能直接證明中立。

因為兩邊可能被等量選中、但權重不同。

若：

\mathrm{SDI}\gg0,

也不能直接證明 bias。

因為如第 8 節所示，來源 reliability 與 information value 可能使 confirmatory search 合理。

因此 SDI 必須在 matched-quality condition 下解讀。

18　Counterevidence Weight Ratio

令：

\bar w^+ = E[w(e)\mid e^+],

\bar w^- = E[w(e)\mid e^-].

定義 Counterevidence Weight Ratio（CWR）：

\mathrm{CWR} = \frac{\bar w^-}{\bar w^++\epsilon}.

若：

\mathrm{CWR}\ll1

且 quality-matched evidence 本應得到近似權重，則表示反證進場後仍被降權。

這正好對應：

\text{Not Used}

而不是單純：

\text{Not Seen}.

19　Revision Resistance

令新 evidence batch 為 $E_{\mathrm{new}}$ 。

belief update magnitude：

\Delta_B = d(B_{t+1},B_t).

定義 Revision Resistance（RR） 的概念形式：

\mathrm{RR} = 1- \frac{ \Delta_B }{ \Delta_B^{\mathrm{reference}}+\epsilon }.

reference 可以是：

blind evaluator；
matched opposite-prior group；
preregistered Bayesian benchmark；
independent expert panel。

若：

\mathrm{RR}\rightarrow1,

表示相對於 reference，agent 對應有更新的 evidence 幾乎不移動。

但若 prior 本身非常強且 evidence 很弱，高 RR 完全可能合理。

所以：

\boxed{ \text{revision resistance must be evidence-strength conditioned} }

20　Objectivity-Claim Gap

令 agent 自評客觀性：

O_{\mathrm{self}}.

外部測得 selection / weighting symmetry：

O_{\mathrm{audit}}.

概念性：

\mathrm{OCG} = O_{\mathrm{self}} - O_{\mathrm{audit}}.

若：

\mathrm{OCG}\gg0,

代表 agent 對自己中立程度的主觀估計高於 audit 結果。

這不是人格診斷。

它是一個 experimental construct。

21　Epistemic Escape Capacity

本文認為最重要的量可能不是「你目前偏不偏」，而是：

你能不能出去？

定義 Epistemic Escape Capacity（EEC），評估 agent 是否能：

主動搜尋最高品質反證；
指定什麼證據會改變自己；
接受 blind evaluation；
讓 independent source 重新抽樣；
修改 likelihood model；
承認原本被排除的 arrow；
在 evidence 足夠時真正更新。

概念上：

\mathrm{EEC}\in[0,1].

低 EEC 的系統才容易進入後續 SET07 所談的 self-sealing attractor。

22　Sincere Selection Audit Protocol（SSAP）

Step 1：先取消道德判斷

不要先問：

你是不是在騙自己？

改問：

你的資訊是怎麼進來的？

把：

\text{intent}

與：

\text{selection structure}

分離。

Step 2：畫出 Evidence Intake Map

列出：

主動搜尋來源；
被動接收來源；
不會接觸的來源；
被排除來源；
source reliability rule；
搜尋停止條件。

建立：

\mathcal E_{\mathrm{seen}}

與：

\mathcal E_{\mathrm{unseen}}.

Step 3：做 Matched Evidence Test

找品質、方法、樣本量、來源地位近似的一組：

e^+, \quad e^-.

比較：

w(e^+)

與：

w(e^-).

避免把真正的 quality difference 誤判成 bias。

Step 4：要求 Disconfirmation Forecast

在看到新資料前先寫：

什麼結果會讓我降低信念？

建立：

F_{\mathrm{revise}}.

如果結果出現後判準被移動，記錄：

\text{goalpost shift}.

Step 5：Blind the Identity

能做到時，移除：

作者；
學派；
政黨；
institution；
AI model name；
ideological label。

測試：

w(e\mid\text{identity visible})

和：

w(e\mid\text{identity blinded}).

Step 6：Reverse the Arrow

將相同 argument structure 換成支持相反結論。

問：

我還接受這個推理規則嗎？

測：

\text{rule symmetry}.

Step 7：Independent Resampling

讓另一個獨立 evaluator 重新建立 evidence pool：

\mathcal E'.

比較：

\mathcal E_B

與：

\mathcal E'.

真正重要的是 independent sampling，不只是多一個人評論同一份資料。

Step 8：Update or Register Resistance

若 evidence 達到事先門檻：

E\geq E^*,

就要求：

B_{t+1}\neq B_t.

如果不更新，必須新增可公開檢查的理由，而不是只說：

我還是不相信。

23　AI 與 SSB：AI 可以放大，也可以幫忙拆

AI 不是 SSB 的來源。

但 AI 可以進入四層中的任何一層：

\mathcal S_B, \quad \mathcal W_B, \quad \mathcal I_B, \quad \mathcal U_B.

若 AI 搜尋時持續按照 user framing 找資料：

\mathcal S_B^{\mathrm{AI}}

會放大 selection。

若 AI 在相同 evidence 上對 congruent argument 更寬鬆：

\mathcal W_B^{\mathrm{AI}}

會放大 weighting bias。

但 AI 也可以反過來做：

blind adversarial search；
opposite-prior simulation；
source-independent resampling；
counterevidence ranking；
preregistered disconfirmation test；
likelihood comparison。

因此：

\boxed{ \text{AI is an amplifier of epistemic procedure, not inherently of truth or bias} }

24　科學、哲學、政治與宗教只是應用域，不是本文靶子

SSB 可出現在任何具有：

\text{belief} + \text{selection} + \text{interpretation} + \text{updating}

的系統。

包括：

科學研究；
哲學本體論；
數學基礎立場；
政治意識形態；
宗教信仰；
反宗教立場；
商業策略；
醫療判斷；
歷史敘事；
AI alignment；
Bayesian methodology；
falsificationist methodology。

本文的對稱原則是：

\boxed{ \text{No epistemic tribe receives exemption} }

而不是：

\text{all tribes are equally wrong}.

25　方法一旦豁免於自己的方法，就開始信仰化

本文提出一條自反原則：

\boxed{ \text{Any epistemic method exempted from its own audit can become ideology} }

關鍵詞是：

\text{can},

不是：

\text{must}.

科學方法可以自我修正。

Bayesianism 可以比較 prior 與 model misspecification。

形式主義可以檢查 formal system 的限制。

哲學可以做 meta-philosophy。

宗教傳統也可能具有內部勘驗與反省制度。

真正危險的是：

方法只用來檢查別人，不再檢查自己。

26　研究假說與可證偽條件

H1：Sincere Search Directionality

讓 participants 真誠以 accuracy goal 搜尋，控制 source quality，測：

\mathrm{SDI}.

若 matched condition 下：

\mathrm{SDI}\approx0,

則 SSB 的 search-layer 普遍性應降低。

H2：Readout Without Encoding Loss

提供 matched evidence，測：

comprehension；
memory；
behavioral weight。

若：

\text{memory}(e^-) \approx \text{memory}(e^+)

但：

w(e^-) < w(e^+),

支持「看見但不使用」模型。

H3：Identity Blinding

比較：

w(e\mid I_{\mathrm{visible}})

與：

w(e\mid I_{\mathrm{blind}}).

若 identity blinding 不減少方向性差異，identity 不是主要機制。

H4：Explicit Revision Threshold

要求 participants 事先指定：

E^*.

若達到 $E^*$ 後仍不更新，而且產生新的 ad hoc 條件，表示 revision resistance。

若大多數人按門檻更新，則 SSB 的 self-sealing 風險被高估。

H5：Expertise Interaction

比較不同 expertise。

本文不預測單調關係。

可能：

\text{expertise} \rightarrow \text{better discrimination},

也可能在 identity-charged domain：

\text{expertise} \rightarrow \text{better rationalization}.

若只有前者，則「高能力者同樣危險」需要縮小。

27　什麼結果會削弱 SET04？

以下結果若穩定成立，本文核心應被修正：

evidence-quality matching 後，selection directionality 幾乎消失；
receiver 對反證的 weighting 與支持證據高度對稱；
objectivity self-rating 能高度準確預測 audit neutrality；
expertise 普遍大幅降低 myside bias；
precommitted revision thresholds 幾乎完全消除 resistance；
identity blinding 對 evidence weighting 沒有可重現影響；
independent resampling 與 self-selected evidence pool 高度一致。

SET04 不應因為「confirmation bias 很有名」而免除自己的證偽責任。

28　與 SET05 的接口：信念不只決定節點，也決定允許的箭頭

SET04 目前主要描述：

\text{what enters}

以及：

\text{how much weight it receives}.

但更深一層是：

同樣的 true facts，為什麼不同 worldview 會連出不同 causal / explanatory structure？

這將進入 SET05。

令信念系統不只是：

B=\{b_1,b_2,\ldots,b_n\},

而是：

\mathcal B = (V,E,\pi,\Phi),

其中：

$V$ ：可承認的 nodes；
$E$ ：可承認的 arrows；
$\pi$ ：selection policy；
$\Phi$ ：新 evidence 的 interpretation / absorption rule。

SET04 研究 $\pi$ 與 evidence weighting。

SET05 將研究：

E

與：

\Phi.

29　自反性：SET04 也可能只是另一種「我們比別人客觀」

寫一篇關於 sincere bias 的文章，非常容易產生最諷刺的結果：

我知道 confirmation bias，所以我比那些不知道的人客觀。

這正是 bias blind spot 的典型入口。

因此本文必須承認：

\boxed{ \text{knowing the name of a bias does not grant immunity from the bias} }

本文作者與 AI 協作者同樣具有：

literature-selection policy；
framing choice；
preferred theoretical vocabulary；
prior commitment；
source-quality judgment；
narrative structure。

所以 SET04 對自己的最低要求是：

納入 confirmatory search 可能合理的反例；
納入 identity-protective reasoning 可能有 epistemic value 的反方；
不把 awareness 與 correction 混為一談；
不把 sophistication 與 bias 寫成必然正相關；
不把 Bayesian reasoning 當作批評對象，而只批評任何方法的豁免化；
若 future evidence 顯示 matched evidence 下的大部分 asymmetry 消失，必須縮小 SSB。

本文沒有「因為談偏差，所以免於偏差」的特權。

30　結論

最穩定的失真世界，不一定由騙子建造。

它可以由一群完全真誠的人共同維持。

每個人都說真話。

每個人都認為自己在看 evidence。

每個人都能解釋為什麼反方資料不夠好。

每個人甚至都願意告訴你：

如果真的有足夠證據，我當然會改。

真正的問題因此不在 sincerity。

而在：

\boxed{ \text{selection} + \text{weighting} + \text{interpretation} + \text{revision} }

四層是否仍保有反證的進場權。

本文最後留下四條原則：

\boxed{ \text{Sincerity is a moral property, not a neutrality certificate} }

\boxed{ \text{Prior dependence is unavoidable; asymmetric evidence treatment is the auditable target} }

\boxed{ \text{Seeing counterevidence is not enough if counterevidence has no update power} }

以及：

\boxed{ \text{The health of a worldview is measured less by what it currently believes than by its capacity to leave itself} }

真正重要的認識論能力，不是沒有信念。

而是：

當世界真的給出足夠強的反證時，你的系統裡還有沒有一條合法的路，可以從「我相信」走到「我改變了」。

References

Nickerson, R. S. (1998). Confirmation Bias: A Ubiquitous Phenomenon in Many Guises. Review of General Psychology, 2(2), 175-220. https://doi.org/10.1037/1089-2680.2.2.175
Kunda, Z. (1990). The Case for Motivated Reasoning. Psychological Bulletin, 108(3), 480-498. https://doi.org/10.1037/0033-2909.108.3.480
Lord, C. G., Ross, L., & Lepper, M. R. (1979). Biased Assimilation and Attitude Polarization: The Effects of Prior Theories on Subsequently Considered Evidence. Journal of Personality and Social Psychology, 37(11), 2098-2109. https://doi.org/10.1037/0022-3514.37.11.2098
Taber, C. S., & Lodge, M. (2006). Motivated Skepticism in the Evaluation of Political Beliefs. American Journal of Political Science, 50(3), 755-769. https://doi.org/10.1111/j.1540-5907.2006.00214.x
Hart, W., Albarracín, D., Eagly, A. H., Brechan, I., Lindberg, M. J., & Merrill, L. (2009). Feeling Validated Versus Being Correct: A Meta-Analysis of Selective Exposure to Information. Psychological Bulletin, 135(4), 555-588. https://doi.org/10.1037/a0015701
Pronin, E., Lin, D. Y., & Ross, L. (2002). The Bias Blind Spot: Perceptions of Bias in Self Versus Others. Personality and Social Psychology Bulletin, 28(3), 369-381. https://doi.org/10.1177/0146167202286008
Schwalbe, M. C., Cohen, G. L., & Ross, L. D. (2020). The Objectivity Illusion and Voter Polarization in the 2016 Presidential Election. Proceedings of the National Academy of Sciences, 117(35), 21218-21229. https://doi.org/10.1073/pnas.1912301117
Cusimano, C., & Lombrozo, T. (2023). People Recognize and Condone Their Own Morally Motivated Reasoning. Cognition, 234, 105379. https://doi.org/10.1016/j.cognition.2023.105379
Brundage, M., Little, A. T., & You, S. (2024). Selection Neglect and Political Beliefs. Annual Review of Political Science, 27, 63-85. https://doi.org/10.1146/annurev-polisci-041322-033325
Glüer-Pagin, K., & Spectre, L. (2025). Where Is the Motivation in Motivated Numeracy? Review of Philosophy and Psychology, 16, 481-498. https://doi.org/10.1007/s13164-024-00737-w
Flores, C. (2025). Identity-Protective Reasoning: An Epistemic and Political Defense. Episteme, 22(3), 707-730. https://doi.org/10.1017/epi.2025.17
Park, H., Arazi, A., Talluri, B. C., et al. (2025). Confirmation Bias Through Selective Readout of Information Encoded in Human Parietal Cortex. Nature Communications, 16, 5391. https://doi.org/10.1038/s41467-025-61010-x
Wimmer, L., & Keck, K. (2025). How to Reduce Myside Bias? Testing the Effectiveness of Processing- and Conviction-Based Intervention Measures. Collabra: Psychology, 11(1), 150250. https://doi.org/10.1525/collabra.150250
Nunnari, S., & Montanari, G. (2025). Audi alteram partem: An Experiment on Selective Exposure to Information. Journal of the Economic Science Association, 11(1), 139-150. https://doi.org/10.1017/esa.2025.8
Özkan, F. E., & Ronfard, S. (2026). The Boundaries and Ontogeny of Myside Bias. Journal of Experimental Psychology: General, 155(6), 1523-1535. https://doi.org/10.1037/xge0001932

系列位置

Selective Truth and Epistemic Topology

SET01：高明的謊言不需要假話：選擇性真實、資訊抽樣與失真世界
SET02：聽者的不可識別問題：當客觀評估與策略性真話產生相同表面訊息
SET03：張力控制與策略性讓步：可信度如何被工程化
SET04：真誠的人也能產生選擇性世界：Sincere Selection Bias
SET05：信念系統不是信念集合，而是允許箭頭的系統
SET06：真節點，假拓撲：資訊操縱如何發生在關係而非命題
SET07：認識論吸引子與自我封閉：吸收無限資訊而幾乎不學習

SET04 / Selective Truth and Epistemic Topology / EveMissLab / v0.1 / 2026-09-07

SET04｜真誠的人也能產生選擇性世界：Sincere Selection Bias — Sincere Selection Bias_ How Honest Agents Can Construct Selective Worlds Wi

SET04｜真誠的人也能產生選擇性世界：Sincere Selection Bias

Sincere Selection Bias: How Honest Agents Can Construct Selective Worlds Without Intending to Deceive

Canonical Source Note

摘要

0 最麻煩的偏差，不需要騙子

1 Sincere Selection Bias 的最小定義

2 Confirmation Bias：搜尋與解釋都可能偏向既有信念

3 Motivated Reasoning：理性工具也可以被方向性目標使用

4 Myside Bias：同一份 evidence，不一定得到同樣的 weight

5 2025 的神經證據：看見反證，不等於讓反證發揮作用

6 四層選擇模型

6.1 Search Layer

6.2 Weight Layer

6.3 Interpretation Layer

6.4 Update Layer

7 Selective Exposure：人確實傾向選 congenial information，但不是任何時候

8 2025 的重要反例：Confirmatory Search 也可能是合理的

9 Prior 不是罪：沒有 prior 的認識不存在

10 「Bayesian believer」悖論：方法也可以變成信念身份

11 Identity-Protective Reasoning：不能只寫成「愚蠢」

12 Objectivity Illusion：真誠感可能增加，而不是降低風險

13 但 bias blindness 也不是絕對

14 2024 Selection Neglect：樣本不代表世界，但人常把樣本當世界

15 Myside Bias 並不容易靠「更會思考」消失

16 Sincere Selection Bias 的形式模型

17 Selection Directionality Index

18 Counterevidence Weight Ratio

19 Revision Resistance

20 Objectivity-Claim Gap

21 Epistemic Escape Capacity

22 Sincere Selection Audit Protocol（SSAP）

Step 1：先取消道德判斷

Step 2：畫出 Evidence Intake Map

Step 3：做 Matched Evidence Test

Step 4：要求 Disconfirmation Forecast

Step 5：Blind the Identity

Step 6：Reverse the Arrow

Step 7：Independent Resampling

Step 8：Update or Register Resistance

23 AI 與 SSB：AI 可以放大，也可以幫忙拆

24 科學、哲學、政治與宗教只是應用域，不是本文靶子

25 方法一旦豁免於自己的方法，就開始信仰化

26 研究假說與可證偽條件

H1：Sincere Search Directionality

H2：Readout Without Encoding Loss

H3：Identity Blinding

H4：Explicit Revision Threshold

H5：Expertise Interaction

27 什麼結果會削弱 SET04？

28 與 SET05 的接口：信念不只決定節點，也決定允許的箭頭

29 自反性：SET04 也可能只是另一種「我們比別人客觀」

30 結論

References

系列位置

0　最麻煩的偏差，不需要騙子

1　Sincere Selection Bias 的最小定義

2　Confirmation Bias：搜尋與解釋都可能偏向既有信念

3　Motivated Reasoning：理性工具也可以被方向性目標使用

4　Myside Bias：同一份 evidence，不一定得到同樣的 weight

5　2025 的神經證據：看見反證，不等於讓反證發揮作用

6　四層選擇模型

7　Selective Exposure：人確實傾向選 congenial information，但不是任何時候

8　2025 的重要反例：Confirmatory Search 也可能是合理的

9　Prior 不是罪：沒有 prior 的認識不存在

10　「Bayesian believer」悖論：方法也可以變成信念身份

11　Identity-Protective Reasoning：不能只寫成「愚蠢」

12　Objectivity Illusion：真誠感可能增加，而不是降低風險

13　但 bias blindness 也不是絕對

14　2024 Selection Neglect：樣本不代表世界，但人常把樣本當世界

15　Myside Bias 並不容易靠「更會思考」消失

16　Sincere Selection Bias 的形式模型

17　Selection Directionality Index

18　Counterevidence Weight Ratio

19　Revision Resistance

20　Objectivity-Claim Gap

21　Epistemic Escape Capacity

22　Sincere Selection Audit Protocol（SSAP）

23　AI 與 SSB：AI 可以放大，也可以幫忙拆

24　科學、哲學、政治與宗教只是應用域，不是本文靶子

25　方法一旦豁免於自己的方法，就開始信仰化

26　研究假說與可證偽條件

27　什麼結果會削弱 SET04？

28　與 SET05 的接口：信念不只決定節點，也決定允許的箭頭

29　自反性：SET04 也可能只是另一種「我們比別人客觀」

30　結論