Nulový výskyt jednoho zápisu není důkaz neexistence
import { Aside } from ‘@astrojs/starlight/components’;
Symptom
Sekce “Symptom”Pipeline pro hromadnou kontrolu textů označila větu za nepravdivou a nahradila ji. Výsledkem byla nová nepravda na místě pravdivého tvrzení — entita, o které věta mluvila, v datech byla, jen pod jiným jménem. Vada se pak stihla propsat do další jazykové mutace, než ji zachytila nezávislá kontrola.
Root cause
Sekce “Root cause”Ověření stálo na jediném regexu nad názvy položek:
# tvrzení: „díl pro <ENTITA_A>"hits = [x for x in names if re.search(r'entita_a', x, re.I)]if not hits: verdikt = 'tvrzení je nepravdivé' # ← chybný závěrData ale tutéž entitu vedou pod normovaným kódem, ne pod jménem:
"… barrel for <KOD-TYPU-164>" # = ENTITA_A, jméno se v názvu nevyskytujePři téže kontrole selhal i druhý regex, protože zdroj píše zkratku s tečkami:
re.search(r'ABC 43', name) # 0 zásahů# data obsahují: "A.B.C 43/2 ..." → pravdivé tvrzení prohlášeno za nepravdivéObě selhání mají stejnou příčinu: regex testuje jednu reprezentaci údaje a výsledek se interpretuje jako tvrzení o realitě.
Fix
Sekce “Fix”Ověření rozšířit na množinu reprezentací a vyžadovat, aby „neexistuje” prošlo všemi:
VARIANTY = { 'ENTITA_A': [r'entita_a', r'KOD-TYPU-164', r'alt-oznaceni'], 'ABC 43': [r'ABC\s*43', r'A\.B\.C\s*43', r'ABC\.\s*43'],}def neexistuje(klic, names): pats = VARIANTY[klic] return not any(re.search(p, n, re.I) for n in names for p in pats)Dvě doprovodná opatření, bez kterých to selže znovu:
- Nulový výsledek je podezřelý, ne průkazný. Když kontrola nenajde nic, musí to logovat jako „k ručnímu ověření”, ne jako verdikt.
- Oprava, která tvrzení odstraňuje, musí doložit náhradu. Pokud se místo odstraněné entity dopisuje jiná, musí být i ta dohledaná v datech — v tomhle incidentu nahrazená entita v datech vůbec nebyla.
Jak to poznat dřív
Sekce “Jak to poznat dřív”- Nezávislá kontrola nad jiným zdrojem dat než ten, který použila oprava.
- U „neexistuje” vždy vypsat, kolik položek se vůbec prošlo a jaké vzory se zkoušely — tvrzení
0 zásahů z 1 vzoruvypadá jinak než0 zásahů ze 3 vzorů / 47 položek. - Když zdrojový text tvrdí něco konkrétního a dlouho to nikdo nerozporoval, je pravděpodobnější chyba v měření než v textu.