·它经受住了其他对相关领域颇有研究的专家的批判性审查。
·它是在研究的大背景里提出来的，证据绝非凭空而来，并且它的发现并不适用于每个人。它在已经开展的很多其他研究的大背景下出现，这些研究有些支持它，有些与它的结论或结论的某几个方面相悖。最值得信赖的结论并非从某一个吸引人眼球的研究中浮现出来的，而是从很多专家在很长时间里所做的研究中得出来的。仅仅基于单一的研究得出的结论非常值得怀疑，并且常被证明是错误的。
·你已找到了对研究断言进行深入分析的讨论资源，例如杂志、书籍、期刊、网站和博客等，它们都鼓励充分的批判性讨论。
·它并非适用于一切情况，认识到它在适用范围方面存在的局限，例如这个结论适用的人有什么特点。它不会过度概括。
显然，想要深入评价所有专家的观点是不可能的。一个专家观点对你的生活中越重要，你就越要对可获得的证据做深入的研究。
·它包含了有限定性的表述。
◎科学研究和互联网
·它通过了你学会的这一系列批判性问题的盘问。例如，这个意见得到你断定为精心设计的研究的支持，并且不会受到利益冲突的不当影响。
现在是21世纪。我们怀疑你和《辛普森一家》里的爸爸霍默·辛普森那样的技术傻帽之间的差距要用光年来衡量才行，他甚至会大吃一惊地问：“现在他们的电脑上都有互联网了？”如果你在准备写作的时候不利用互联网，那么我们也会像霍默一样大吃一惊。互联网研究从根本上改变了我们大部分人收集证据的方式，让我们获得的信息呈现几何级数的增长。这种信息的唾手可得需要我们付出什么代价？我们不得不仔细考虑收集到的证据，面对这座证据的宝库时保持高度的怀疑精神。记住这些建议，它们可以帮助你解决这些随互联网研究而来的特殊难题。
·你已让思维领先，情感随后。你之所以相信一个观点是因为它已经被理由和证据所证明，而不是因为你感觉它是对的，因为它挺有意思，因为它是新颖的，因为它确认或推翻了别的信念，或因为它帮你赢了一场辩论，让你的观点占了上风。如果你感觉自己立刻就想把这个观点发布到社交媒体上，那么这种感觉就是个警告，你需要等一等，先转变到“系统2思维”的模式。
在本章的前面部分，我们讨论过调查作者背景的重要性。我们督促你判断一下各种潜在的相关偏见或利益冲突。为了权衡一个专家观点的分量，我们首先得知道那个人的身份和可能存在的偏见。“洋葱网”（the Onion）这个流行的讽刺新闻网站展示了互联网怎样让这个任务变得异常困难。在2008年一篇题为《傻帽网上发评论》的调侃文章里，作者引用了“傻帽”对自己的计划的描述：“今天晚上，我打算看看大家热议的那部视频，然后点击视频上方专为用户评论预留的那个‘回复’链接，草拟一个回复。我要尽量小心，保证一点脑筋都不动，同时确保所有字都用大写字母，标点乱用一气，……虽然现在还不清楚我的评论具体包括哪些内容，但我可以百分百肯定地说，它一定蠢到家了。”要是所有网络上的意见提供者都这样直言不讳就好了！
·你已避免用“系统1思维”来判断专家的意见。
当论证里包含互联网资源的时候，调查资料来源的可信度就显得尤为重要。互联网常常被人比作大开发前的美国西部荒原。小镇上根本就没有治安官来确保只有真实而公正的声明会由负责任的人发布出来。现在，互联网变得相对不受管束。随便什么人都能建一个网站或者博客。有的网站貌似值得信任，实际上发布信息的人暗地里有所企图。你可以看看https://teachbytes.com/2012/11/01/test-website-evaluing-with-10-hilari-hoax-sites/网站，了解一下一些网站是如何愚弄人们的，获取避免被它们愚弄的建议。
在专家的专业性相当可疑的这种大环境下，专家的观点什么时候最可信呢？我们给出以下建议。
哪怕你判断出一个网上的写作者是可信的，你也应该多提一些问题。因为网上并没有一个治安官，可疑或虚假的证据很容易得到发布。美国喜剧频道的讽刺专家斯蒂芬·科尔伯特（Stephen Colbert）说明了错误信息多么容易就能在互联网上发布。在他的一期脱口秀节目《科尔伯特有话说》里，他编辑了互联网公共百科全书维基百科。有五个小时，维基百科的词条里显示说乔治·华盛顿根本没有蓄养过奴隶，非洲大象的数量在过去的六个月里增长了三倍。（要看对这个真实问题的另一个讽刺，请查看洋葱网2002年的文章《互联网上发现的事实性错误》（Factual Error Found on Internet），文章开篇就说“信息时代在本周一被狠狠击了一记闷棍，有桩事实错误在互联网上被人发现。”）为了和这样的问题做斗争，我们就要避免写出没有注明具体来源的证据。花点时间去查看一下资料的原始来源。当某一篇文章的片段被贴出来或被人引用，贴出文章片段的作者也许自己就误解了原作者的意思，或者将此消息剥离了原来的语境加以使用。
我们已经讨论了在接受专家的结论之前应该向他们提出的问题，从中可以清楚地看到，专家经常会犯错，或者会误导我们。（可以参看《大错特错：为什么专家老是靠不住》）。