把《学会提问》的十个关键问题转成 45 张可回忆、可复习的原创卡片：怎么拆论题结论理由、识别模糊词语与隐藏假设、看穿推理谬误、评估各类证据、区分相关与因果、识破欺骗性数据、补全省略信息、生成多个合理结论。技术评审与家庭健康决策都适用。
批判性提问的价值取决于用法：它可以是「改善演说者和听者、作者和读者生活质量」的友善工具，也可能沦为抬杠与无限怀疑。边界有三条。一，目的是更好的判断，不是逼对方认输——强势批判性思维一视同仁评估所有主张（含自己的），弱势的只求赢得辩论（见 005）。二，要让对话一直进行下去：原书给出会话策略，如尽量阐明你对别人言论的理解、问对方什么证据能改变其看法、提议暂停各自去找最佳证据、寻找共同价值观；并时刻提醒自己「你是来虚心学习的，不是来舌战群英的」，语气与肢体都要谦恭，营造欢迎讨论的友好氛围。三，要依据答案行动——批判性思维不是只开花不结果的爱好，发现最佳答案后就依它去做。
为避免二分式思维、找到最合乎情理的结论，原书给出可借鉴的模型：从理由中推断出尽可能多的结论。三个技巧：一，使用条件句——在结论前加一个假设条件（「如果税收减免是针对低收入人群的，那么…」），标明结论建立在什么假设之上，对评价型论证尤其有用；二，用「什么时候/什么地方/为什么」三问为结论提供限制语境，把它放进具体条件；三，重新将论题表述为「我们应该怎样来处理乙问题」（以解决问题为导向），如把「要不要关闭市中心酒吧」改成「怎样解决部分大学生酒精中毒」，由此涌出多种解决方法、增加思维灵活性。但要记住：不是所有的结论都生来平等——列出多个后，要选那个与最好的理由最契合的。
你很少遇到一种只能从中推断出唯一一个合理结论的情形——理由很少只有一种含义，不同的人因背景、目标、假设不同，会从同一套理由得出不同结论。二分式思维（非黑即白、非是即否）却把一个可能有多种答案的问题假设成只有两个答案，它将我们能加以考虑的结论局限在仅仅两个以内，使细心推理可衍生出的无穷可能性急剧减少，让人错过其他选择可能带来的积极后果。破解办法是给结论添加限制条件、放到具体语境：对任意结论问「它在什么时候精确？在什么地方精确？为什么或为了什么目的才精确？」用「这取决于……」代替简单的「是/不是」，并借助条件句生成多个合理结论，思维才灵活。
有一类省略信息识别起来异常重要又常被忽视：被提倡的行动的潜在负面效果。行动的提议通常发生在支持者宣称「我的意见非常棒」的语境下（解决难题、更长寿、更多机会、更好商品），但大部分行动都有广泛的正面和负面影响。所以要专门追问：社会的哪一部分并没有从提议的行动中受益？谁蒙受了损失？受损的人对此有什么话说？这个行动对权力分配有什么影响？对健康、对人际关系、对自然环境有什么影响？并且对每一个都不要忘记问一句：「这个行动潜在的长期的负面效果是什么？」只盯着眼前好处、忽略负面与长期代价，是判断被带偏的重要原因——因为支持者的语境天然把负面效果留在了光线之外。
原书给出一份识别常见类型省略信息的清单：一，常见的反驳论证——反对的人会提供什么理由？有没有相冲突的研究、被省略的反例？二，遗漏掉的定义——关键词换种方式定义，论证会怎样不同？三，遗漏的价值观偏向或视角——不同价值观会不会产生不同处理？四，论证中所指「事实」的来源——这些事实从哪来、是否由出色研究支撑？五，程序细节——多少人完成问卷、问题怎样措辞？六，收集证据的其他技巧——访谈、试验会不会给出不同结果？七，遗漏的数字、图表、数据——数字有没有被「拉长」？八，省略的结果——正面/反面、短期/长期效果？九，预测的失败——专家预测落空的概率。总的问题是：作者有没有遗漏什么、我在判断推理质量前必须知道的信息？
几乎任何信息都有一个目的，其组织结构由别人精心挑选和呈现，目的常是为了说服你。那些尽力要说服你的人，几乎总是将自己的立场置于最强的光线之下：不厌其详地讲正面特点，却隐藏负面因素。重要的省略信息，是指那些影响到推理过程的信息——也就是会影响你该不该被对方论证所影响的信息。因此自主思考需要你坚持不懈地寻找作者到底隐瞒了什么，不论是无心省略还是有意隐瞒。不完整的推理在所难免：时空的限制、注意力有限、论证者知识不完全、作者想欺骗你、以及双方价值观与视角不同。所以当你发现一个看似有说服力的理由时，先打个问号，想想作者可能没告诉你的那些信息。
同样数量的风险降低，可以用多种不同形式报告，不同表述能极大影响我们对实际数值的认识。相对表述（相对危险度降低率）把降低量说成原风险的百分比：风险从 100 例中 9 例降到 6 例，是「降低了 33%」（(9-6)/9）。绝对表述说的是百分点的实际变化：同样是 9%→6%，只「降低了 3 个百分点」。以相对方式而非绝对方式表达风险降低，可以让疗效显得比实际好得多，人们也更愿意接受该疗法——这正是医药广告与媒体报道偏爱相对风险的原因。原书中风例子的三种说法指向同一疗效，动人程度却天差地别。所以遇到「降低风险」的统计论证，一定要判断：这个降低是怎么算的、换成绝对表述会不会褪色。
统计数据是用数字表达的证据，数字让证据显得科学、精确，但统计数据能而且经常撒谎。常见伎俩有几类。一，不知来历或带偏见的数据：要问「作者是怎样得出这个估计的」，得到的细节越多越好。二，令人困惑的平均值：「平均」有三种算法——平均数（总和÷个数）、中位数（居中值）、众数（最频繁值），不同算法结果可能差很大；极端值会急剧拉高平均数却对中位数、众数影响不大（橄榄球平均薪酬 180 万美元、中位数仅 77 万），所以要追问是哪种平均，并关注全距与数值分布。三，省略数据也是欺骗：只给百分比就问绝对数值、只给绝对数值就问百分比，还常缺失「相对比较」（「效果好 50%」——比什么好）。遇到动心的数字，先问「有什么相关信息缺失了」。
找出替代原因就像做一名出色的侦探，是个创造性过程。原书给出几个自问：我能不能找到其他方法来解读这个证据？还有什么别的可能引发这个行动或导致这些发现？如果从另一个角度看，哪些东西会被当成重要原因？如果这个解释不正确，还有什么别的解释说得通？对基于「组间差异」（一组比另一组好）得出的因果结论，尤其要问：除了被研究的那个因素，两组还可能在哪些重要方面不同（经济背景、动机、起点）？——研究组之间的差异常伴随多种原因。而能最大限度减少替代原因的最好组间设计，是随机化实验设计（被称为黄金标准），所以对由它支撑的因果结论应更有信心。
两种因果谬误尤其常见。一是事后归因谬误（「在这之后，所以是因为这个」）：因为乙事件发生在甲事件之后，就断定甲引发了乙。但很多事件紧随在其他事件后面发生，却并不是由前面的事件引发的——这正是许多迷信的直接根源（《体育画报》封面霉运、幸运币等）。二是基本归因错误：解释他人行为时，普遍高估个人倾向的重要性（性格等内部因素）、低估环境因素的作用——看到有人偷窃，倾向归为「骨子里没廉耻」，而忽略贫困、同辈压力等外部作用。再加上过度简化因果关系谬误：想找一件事简单而唯一的原因，而事实常是多个原因共同起作用。它们都提醒我们：千万不要贸然接受遇到的第一个解释。
我们生来喜欢把相互联系或相继发生的事件看成互为因果：因为特征甲与特征乙有联系，就断定甲引起了乙。但相关不能证明因果——对甲乙的相关，至少有四种说得通的解释：一，甲是乙的起因；二，乙是甲的起因（方向可能相反）；三，甲乙因第三种因素丙而相关（共同原因，如冰激凌销量与犯罪率都随夏天气温升高而上升）；四，甲乙相互影响。把相关当因果既可理解又异常危险，因为先于结果出现的还有很多其他因素，其中多数并非原因。与此对应两种谬误：因果混淆谬误（把方向弄反）与忽略常见原因谬误（漏掉第三因素）。所以当作者用「两者相关」支撑「一个导致另一个」时，要问：有没有其他原因也能解释这种联系？
替代原因是指一个言之成理的替代解释，可以说明为什么特定的结果会发生。当作者用证据证实关于某事起因的断言时，你就要去寻找替代原因——因为同一份证据常常能被多个说得通的原因解释。专家通常只给你他喜欢的原因，不会透露替代解释，所以你得自己去发掘。找替代原因的价值在于一条规律：特定因果断言的确定性，和言之成理的替代原因的数量正好成反比——替代原因越多越合理，对原始解释的信心就越该打折。这不是要否定原因，而是把「唯一解释」还原成「解释之一」，让判断悬置在「直到更好证据出现」的状态。想出替代原因是一个创造性过程，也是评估证据效力的关键一环。
类比论证用两件事物熟知的相似点作基础，推导关于其中一件事物未知特征的结论：甲乙在重要方面相似，故很可能在其他方面也相似。类比既能激发深刻见解（科学、法律常用），也能蒙蔽我们——任意两事物几乎总能找出相似点，故相似点多不等于有说服力。评价类比看两个因素：两事物相同和相异的方式，以及这些异同的关联性（是否直接关系到类比想展示的原则）。强大的类比具有相关的共同点而缺乏相关的不同点。还要警惕框架类比（用来设定基调、把讨论引向特定方向，如把伊拉克战争比作越战 vs 二战）与过度情绪化的比较。一个建设性策略是找出可替代的类比，看它支持还是推翻原结论。
调查与问卷是最常见的研究方法，但结果信不信得看情况。首先，回答必须实话实说才有意义，可人们常掩盖真相：给出自认为「应该给」的答案而非真实想法、对问题心怀敌意、或不加思考作答——不能想当然以为答案准确反映了真实态度。其次，很多问题措辞含糊、可多重解读，不同人其实在回答不同的问题，措辞越含混，可信度越打折。第三，两种最重要的偏见：措辞偏见（对提问方式稍加改变就会对回答产生重大影响，如引导性问法与中性问法结果迥异）和语境偏见（同一问题因前面问题、问卷长度不同而答案不同）。所以见到「根据最近民调」，要问：「这个调查里的问题是怎样措辞的、放在什么语境里？」
研究常用样本支撑概括性结论，能否概括取决于抽样质量。原书给出三个判据：一，样本的覆盖率（数量）要大到足以得出结论——观察的事件或人群越多越可靠，研究 1000 名比 100 名更有说服力；二，样本必须覆盖足够的广度/多样性——要归纳「大学生」，就得从各种类型大学、各种类型的学生中抽样；三，样本的随机性越大越好——随机取样保证想概括的对象有同等机会被抽到，避免片面。三者不满足就会过度概括：表述的概括性结论远超研究能保证的范围。牢记一条原则：只有和研究过的人群或事件类似或相同的情况，才能加以概括。遇到研究结论就问：「他们抽样的事件或人群有多少、覆盖率多大、随机性怎么样？」
个人观察（如目击证词）看似可靠，但观察者不像「特定的镜子」——我们所见所说都经过价值观、偏见和期望的过滤，还受注意力分散、高压环境等影响。研究报告依赖科学方法（可公开验证、可控、语言精确）、系统收集数据，是最好的证据来源之一。但「研究表明」不等于被证明的真理：研究质量有高有低，发表不保证无缺陷；成果常互相矛盾，单一研究易误导（应看重被重复的研究）；研究结果并不能证明结论，充其量只能支撑——「研究结果表明」应重读为「研究人员解释他们的结果是表明」；研究者也有偏见，结论常被歪曲或简化；研究「事实」会随时间改变。要避免「强求确定性谬误」——别因有一丝不确定就武断抛弃科学结论。
评估专家意见，原书给出几个针对性问题：这个专家对所谈主题拥有多少专长、训练或特别知识？他所处地位是否有特别好的渠道获取相关事实（是否第一手资料）？有没有较好的理由相信他的意见相对不会受到歪曲（个人需求、先预期、价值观、利益是否干扰公正判断）？他是否因经常做出可靠的断言而名声在外？这些问题回答得越好，越能决定信他几分。评估网络信息同理且更要小心：了解网站/发帖者的目的、信誉与背景，判断利益冲突带来的偏见，检查支撑结论的推理性质，看是否与声誉较高的网站有链接，并警惕没注明日期、外观不专业、模糊断言、一边倒情绪化观点、缺乏第一手来源等线索。
当事人证词是一种特殊的个人经历：由当事人（常是名流）现身说法，证实某产品或服务的价值。它的用处通常不大，因为背后藏着四个问题——选择性（说服者精心挑选证人证词，只报有利的）、个人兴趣（作证者可能获益）、省略信息（证词很少提供足以判断的信息）、人为因素（作证者显得可信、好意、诚实，让人想不信都难）。专家意见比证词更有分量，因为专家有渠道接触特定事实、有特殊资格从中得出结论；但专家也会犯错、内部也常意见不一。所以遇到诉诸专家，要问「我们为什么要相信这个专家」。还要警惕「引用套引用」——一个专家引用另一个专家的话，给人支撑证据的幻象，却绕过了最根本的问题：原始断言有多大可信度。
直觉（靠「预感」「第六感」）与个人经历是我们最常依赖、也最需警惕的证据。直觉最大的问题是私密性——别人无法判断它可靠与否，凭直觉得来的看法相互冲突时就缺乏取舍的坚实基础。个人经历因为亲历、记忆里活灵活现而被当作证据，但单一的个人经历、甚至个人经历的总和，根本不足以构成一个有代表性的经历样本，据此下一般性结论会犯以偏概全谬误。典型案例（描绘一两个人物或事件）同样：因为生动具体、细致感人而极具说服力、易激发情感，却恰恰分散了我们对「它作为证据有没有代表性」的追问。遇到时要问：这个例子有没有代表性？有没有强有力的相反例子？它被提及的方式有没有偏见？
几乎每个论证都包含对世界现在或将来是什么样子的看法，持论者希望我们把它当作「事实」接受，这叫事实断言。对事实断言要问的第一个问题是「我为什么要相信它」；接着问「这个断言需不需要证据来证实」——若需要证据却没看到，它就是「孤立论断」，其可靠性理应被认真怀疑。若有证据，再问「证据的效力怎么样」。原书指出，三种情况下我们最倾向于接受一个事实断言为可靠：它表现为无可置疑的常识；它是从无懈可击的论证中得出的结论；它被很多过硬的证据合理证实。证据就是持论者告知的、用来证实事实断言可靠性的明确信息；其质量主要取决于类型，所以评估第一步是问「这是什么类型的证据」。
45 张卡片