断定しないほうが、むしろ信頼される？ 認知科学が明かす「不確実性のデザイン」

ビジネスにおける「断定」の呪縛とパラダイムシフト

「強い断定が、強い説得を生む」というビジネスやプレゼンテーションの定石は、人間の認知メカニズムにおいて常に最適解となるわけではない。結論から言えば、最新の認知科学・心理学のメタ分析は「不確実性を透明性高く開示することは、情報源への信頼を全体として損なわない」という事実を示している¹。むしろ特定の条件下においては、断定しないことが懐疑的な層からの強固な信頼を獲得するトリガーとなる²。

現代のビジネス環境や科学コミュニケーションにおいて、データや予測は常に不確実性を孕んでいる。しかし、情報発信者の多くは「確信のなさ」を露呈することを恐れ、意図的に不確実な要素を削ぎ落とした「断定的なメッセージ」を構築する傾向にある。言語哲学におけるポール・グライス（Paul Grice）の協調の原理によれば、「十分な証拠がないことを言ってはならない（質の格率）」とされているが、実社会のプレゼンテーションにおいては、この格率を無視した過度な断定が横行しているのが実態である。本報告書では、認知科学、行動経済学、そして信頼に関する最新の実証データをもとに、人間の認知バイアスのメカニズムを解き明かし、「不確実性をいかにデザインし、伝達すべきか」を網羅的に論じる。

なぜ人は「言い切り（断定）」を好むのか？

人は本能的に不確実性を嫌い、明確な答えを求める認知的な性質を持っている。情報発信者が「言い切り」のフレームワークを好んで使用するのは、受け手の脳が持つ「認知的閉合への欲求（Need for Cognitive Closure）」を満たし、迅速な意思決定を促すためである³。

認知的閉合への欲求とシステム1の暴走

認知的閉合への欲求とは、社会心理学者アリエ・クルグランスキー（Arie Kruglanski）らが提唱した概念であり、曖昧さや不確実な状態を避け、いかなるものであっても明確な答えを素早く得ようとする動機づけを指す³。この欲求が高い状態にある人間は、情報を深く探索・吟味することを停止し、最初に提示された「断定的な情報（アンカー）」に飛びつきやすくなる⁴。

ノーベル経済学賞受賞者のダニエル・カーネマン（Daniel Kahneman）が提唱した二重過程理論（Dual-process theory）の視点から見ると、この現象はより明確になる。人間の脳は、直感的で迅速な「システム1」と、論理的で遅延的な「システム2」の2つのモードで稼働している⁶。システム1は複雑な確率計算や統計的な不確実性の処理を苦手としており、代わりに利用可能性ヒューリスティクス（思い出しやすさ）やアンカリング（初期値への依存）といった「精神的な近道」を用いて、もっともらしい物語を自動的に構築する⁵。

カーネマンのプロスペクト理論において示される「確実性効果（Certainty effect）」が示すように、人間は「99%の確率で得られる利益」よりも「100%確実に得られる利益」に対して、論理的な期待値を超えた不釣り合いなほどの高い価値を置く生き物である⁷。これらの一連の認知バイアスは、「だからこそ、相手を動かすためには100%の確実性を装い、断定すべきだ」という従来のコミュニケーション術の理論的支柱となってきた。

ただし、古典的な心理学研究におけるプライミング効果などの一部の知見には再現性の問題（Replication crisis）が指摘されているものの、システム1がヒューリスティクスに依存し、不確実性を処理する際に認知的な負荷を避けるという二重過程理論の根本的なパラダイムは、現在も行動経済学や認知科学の中核を担っている⁶。問題は、この人間の脆弱な認知システムに対して、現代のように科学的データや市場環境が刻々と変わる状況下において「偽りの確実性」を提供し続けることが、長期的には重大な信頼喪失を招くという点にある。

不確実性開示は本当に不利か？（最新メタ分析が示す真実）

不確実性を正直に伝えると、情報源としての威厳や説得力が低下するのではないかという懸念は、厳密なデータによって明確に否定されている。最新のメタ分析は、不確実性の伝達が情報源への信頼をシステマティックに低下させることは一切ない、と結論づけている¹。

28の研究が示す「信頼への影響はゼロ」という発見

2026年に発表されたCharlotte Driesらのランダム効果メタ分析は、不確実性を伝えた場合と伝えなかった場合での「情報源への信頼（Trust in the source）」への影響を検証した最も包括的な研究の一つである¹。対象となった28の研究（総サンプル数は数万人規模に及ぶ）を統合した結果、全体的な効果量（Hedges’ g）は「0.00」（95%信頼区間 [–0.05, 0.06]、p = 0.899）であり、統計的に有意な影響は全く確認されなかった¹。

特筆すべきは、28件中23件の研究が「効果なし（Null results）」を示している点である¹。この研究分野では、対照群（不確実性を伝えない条件）のメッセージの中に「〜かもしれない」「約〜」といった不確実性を示す語彙が誤って混入してしまう方法論的欠陥（Contamination）を持つ研究が散見されたが、そのような欠陥を排除した質の高い7研究のみに絞った感度分析においても、「信頼を落とさない」という結果は極めて強固に一貫していた¹。エガーの回帰テスト（Egger’s regression test）でも出版バイアスは否定されており、この「効果ゼロ」という結論の学術的信頼性は非常に高い¹。

つまり、「不確実性を伝えると自信がないように見え、説得力が落ちる」という実務家の共通の恐れは、科学的な裏付けのない杞憂に過ぎない。

バッファー効果：将来の「事実変更」から信頼を守る

同メタ分析が明らかにしたもう一つの極めて重要なインサイトは、不確実性の開示が一種の「バッファー（防波堤）」として機能することである¹。

科学的なコンセンサス、統計データ、あるいはビジネスにおける売上予測などは、新たなデータや環境変化によって後から覆る性質を持っている。最初から「断定」の形で情報を与えられていた人々は、後にその事実が変更されたり覆ったりした場合、発信者に対する信頼を著しく低下させる傾向がある¹。一方で、事前の段階で「現在のデータにはこのような不確実性や限界がある」と誠実に伝えられていた人々は、後に事実が変更されても、発信者への信頼喪失が最小限に抑えられた¹。特定の研究においては、この防波堤としての効果量が非常に大きく（d = 0.99〜1.54）、不確実性の開示が持つ強力な保護機能が実証されている¹。

長期的かつ継続的な関係性を築くB2Bビジネス、コンサルティング業務、または公衆衛生のコミュニケーションにおいては、短期的な説得力よりも、中長期的な信頼のレジリエンス（回復力）のほうが遥かに価値が高い。不確実性の開示は、未来の変化に対する保険として機能するのである。

信念とエビデンスの不一致：誰にとって不確実性が信頼に変わるのか？

不確実性の開示に対する反応は、聴衆が元々持っている信念によって180度異なる。意見の対立が激しいテーマにおいて、不確実性の開示は「懐疑的な層」の防御姿勢を解き、信頼を獲得するための最適なデザインである²。

懐疑派の信頼を高める「クロスオーバー相互作用」

Driesら（2025年、PNAS Nexus）が行った事前登録済みの2つの大規模オンライン実験は、「信念とエビデンスの一致度（Belief-evidence consistency）」が情報の受け手の信頼を大きく左右することを示した²。研究1ではCOVID-19ワクチンの安全性（N=601）、研究2では気候変動による異常気象の増加（N=1001）という、社会的意見が分かれやすいテーマが扱われた²。

この研究は、以下の明確な「クロスオーバー相互作用（一方が上がれば他方が下がる逆転現象）」を明らかにしている。

• 高一致度（元々賛成している層）： 自分の事前の信念と一致するエビデンスに「不確実性」が添えられると、断定された場合と比較して、情報そのものおよび情報源への信頼を「低下」させる²。
• 低一致度（懐疑的・反対している層）： 自分の事前の信念と相反する（不一致の）エビデンスに対して、データ不足や方法論の限界といった「不確実性」が誠実に開示されると、断定的に語られた場合と比較して、情報および情報源への信頼を逆に「向上」させる²。

重要なのは、不確実性を開示することが、その後の人々の信念を分極化（Polarization）させることはなかったという点である²。この事実は、実務家に対して「誰に向けてプレゼンテーションを行っているか」によって表現の粒度を変えるべきであるという明確な指針を与える。

すでに自社の製品や主張に好意的なファン層（高一致度）に対しては、過度な不確実性の提示は不必要な迷いを生じさせるリスクがある。しかし、新規開拓のクライアントや、導入に対して抵抗感を持つ保守的な役員陣（低一致度）に対しては、あえて「現在のデータにおける限界や不確実性」を透明に開示することが極めて有効である。断定による押し付けではなく、情報の限界を客観的に見つめる認識論的な誠実さ（Sincerity）を示すことで、彼らの認知的な防御姿勢を解きほぐすことができるのである。

信頼を落とさない表現の科学：数字と曖昧さの境界線

不確実性を開示すること自体は信頼を損なわないが、「どう伝えるか（How）」のフォーマット設計を誤ると、意図せず信頼を損なう結果を招く。認知科学における不確実性のデザインにおいては、「曖昧な言葉」を排除し、「数値の幅」を用いることが強く推奨される¹⁰。

数値的範囲（Numeric range）と曖昧な言葉（Verbal expressions）の差

ケンブリッジ大学のWinton Centre for Risk and Evidence Communicationの研究チーム（Kerrら、2023年）が10,519人を対象に行った大規模実験では、統計データにおける不確実性の表現方法がテストされた¹⁰。具体的には、COVID-19の感染者数データを用いて、「断定」「数値的範囲」「曖昧な言葉」の3つのコミュニケーション形式が、情報そのものへの信頼と情報源（発信者）への信頼にどう影響するかが測定された¹¹。

表現手法のタイプ	コミュニケーションの具体例	情報そのものへの信頼	情報源（発信者）への信頼	評価と影響
断定（統制群）	「現在の推定値は 1,500人です」	基準値	基準値	短期的には高いが、事後の事実変更による信頼喪失リスク大
数値的範囲（定量）	「現在の推定値は 1,500人です（1,400〜1,600人の範囲）」	わずかに低下	低下しない（維持）	強く推奨。 透明性を示しつつ、専門家としての威厳を担保する
曖昧な言葉（定性）	「現在の推定値はおおよそ 1,500人ですが、不確実性があります」	大きく低下	大きく低下	回避すべき。単なる「自信のなさ」「調査不足」として解釈される

曖昧な言葉（Verbal expressions）による定性的な不確実性の提示は、受け手の脳内で「発信者は正確なデータを持っていない」「単に自信がないだけだ」というシグナルとして処理され、結果として情報源への信頼を無意味に落としてしまう¹¹。対照的に、信頼区間や予測幅といった「数値化された不確実性（Numeric uncertainty）」を提示することは、情報そのものの確実性に対する認識を適切に調整させつつも、情報源に対する「専門性」や「誠実さ」の評価を一切損なわない¹⁰。

直接的不確実性と間接的不確実性の切り分け

さらに解像度を上げるため、Winton Centreのガイドラインでは、不確実性を「直接的」と「間接的」の2つの層に分解してデザインすることを推奨している¹³。

不確実性のレイヤー	定義とメカニズム	コミュニケーションにおける推奨デザイン
直接的不確実性（Direct uncertainty）	数値や事実そのものが持つ統計的なブレや誤差。マージン・オブ・エラー、サンプリング誤差など13。	絶対的な定量値（信頼区間や確率分布）として表現する。例：「効果は15%〜25%の範囲で見込まれます」13。
間接的不確実性（Indirect uncertainty）	その数値を導き出した基盤となるエビデンス（証拠）の質の限界。データ不足、測定手法の限界、専門家間の意見の不一致など13。	エビデンスの質を定性的なラベル（高・中・低など）や前提条件のリストとして明示する。例：「この予測は過去3年間のデータに依存しています」13。

Schneiderら（2022）の研究によれば、エビデンスの質が「低い」あるいは「曖昧である」ことを示す手がかり（間接的不確実性の開示）は、人々の情報に対する信頼性評価や、その情報を意思決定に用いる意図を有意に低下させる¹⁴。興味深いことに、エビデンスの質が低い理由（「データが不足しているため」か「専門家の間で意見が対立しているため」か）を詳細に説明しても、単に「エビデンスの質が低い」というラベルだけを提示した場合と比較して、聴衆の信頼度に対する影響の度合いに差は生じなかった¹⁴。このことは、一般の聴衆やビジネスの現場において、細かすぎる背後関係の説明は認知的負荷を高めるだけであり、シンプルで強力な「エビデンスレベルの明示」こそが最もノイズの少ない情報伝達になることを示唆している¹⁴。

ただし、注意点として、数値へのリテラシー（Numeracy）が低い層に対しては、単なる数値的範囲の提示だけでは意図が正しく伝わらない可能性がある¹¹。そのため、後述するアイコン配列（Icon arrays）などの視覚的なデザインを併用することが求められる¹⁵。

AI時代の新たな信頼概念「認識論的信頼（Epistemic Trust）」と警戒

不確実性の伝達に関する議論は、現在急速にビジネスや社会インフラへ普及しているAIシステム（LLMを含む生成AIや予測モデル）の受容においても、最もホットな中心課題となっている。人間とAIのインタラクションにおいて、信頼（Trust）はもはや単一の指標ではなく、より複雑で動的な概念へと進化している¹⁶。

リスクを減らすのではなく、正しく「警戒」させる

AIの信頼に関する最新の文献レビュー（Afrooghら、2024）や関連研究によれば、信頼（Trust）と不信（Distrust）は単純なシーソーのような対立概念ではない¹⁶。ユーザーのシステムに対する有能性の認識と、不確実性やリスクの認識に応じて、両者は同時に共存し得るのである¹⁶。

ここで新たに注目されているのが「警戒的信頼（Vigilant Trust）」という概念である¹⁷。 従来の技術受容モデル（Technology Acceptance Modelなど）では、「ユーザーの信頼を高めれば、リスク認識が下がり、システムの導入が進む」という単純なメカニズムが想定されてきた¹⁷。しかし、認知心理学における認識論的警戒（Epistemic vigilance：Dan Sperberらが提唱した、コミュニケーションにおける情報源の信頼性や妥当性を継続的に監視する認知メカニズム）を組み込んだ視点では、この前提は覆る¹⁷。

警戒的信頼のフレームワークにおいては、AIの能力（有能性）を信頼して業務効率化などの恩恵を享受しつつも、同時にその出力に対する不確実性（ハルシネーション、データバイアス、ドメイン知識の欠如による偶発的エラー）に対して、高いリスク認識を「維持し続ける」ことこそが、健全なAI利用の絶対条件となる¹⁷。

ゼロサムゲームからの脱却とXAIの役割

AIと人間の間における信頼を「ゼロサムゲーム（AIを信頼するほど、人間の認識論的エージェンシーが奪われる）」として捉えることは、人間側の自己効力感の低下や中長期的なパフォーマンスの悪化を招く危険性がある¹⁹。

AIのUI/UXデザインやプロンプトの出力設計においても、「この出力は100%正しい」と断定するブラックボックス化されたインターフェースは回避すべきである。代わりに、XAI（説明可能なAI：Explainable AI）の要素を取り入れ、「どの程度の確信度（Confidence score）でこの推論が出力されたか」「推論の根拠となったデータの限界は何か（認識論的不確実性）」を可視化することが不可欠である¹⁸。システムが自らの不確実性を透明に開示することではじめて、ユーザーは盲信を避け、適切にシステムを監視・協働する「認識論的信頼（Epistemic trust）」を構築することが可能になるのである¹⁷。

スライド・ブログへの実装：信頼を損なわない不確実性のデザイン手順

上記の認知科学的・心理学的知見を、日々のプレゼンテーション資料、ブログ記事、営業のピッチ資料へ落とし込むための具体的なデザインルールと手順を以下に構造化する。

1. アンチ「断定」のサンドイッチ構造を作る

意見が対立する可能性がある相手（新規顧客、保守的な決裁者、学術的な聴衆）に対しては、プレゼンテーションの冒頭で「間接的不確実性（データや手法の限界）」を先に開示する²。

• 「本データは過去3年の特定の市場に限定されたものであり、完全な未来予測ではありません」と先に明言することで、相手の心理的武装と粗探しモードを解除させる。その上で、メインとなる強い主張を展開する。

2. 「かもしれない」を禁句にし、幅（レンジ）で語る

効果予測や市場規模などの不確実性を伝える際に、「〜の可能性があります」「おおよそ」「高い確率で」といった曖昧な副詞・形容詞の使用を厳格に控える¹¹。

• 代わりに、「導入によるコスト削減効果は、現行モデルを基準として15%〜25%の範囲で見込まれます」と、定量的な数値の幅（直接的不確実性の信頼区間）で表現する。これにより、専門性と正確性を損なうことなく誠実さを担保できる¹¹。

3. 低確率のリスクは「自然頻度（Natural Frequencies）」と「視覚化」を用いる

1%未満のような低い確率やリスクを伝達する際は、パーセンテージ表現（例：0.5%）を避ける¹⁵。人間のシステム1は、分母の大きさを無視して分子だけに注目してしまう傾向があるためである¹⁵。

• 表現手法として、「200人に1人（1 out of 200）」のような自然頻度を使用し、分子と分母を明確にする¹⁵。
• さらに、アイコン配列（Icon arrays：100個の人のアイコンのうち、対象となる数個だけ色を変えるデザイン）などの視覚的ツールを併用することで、聴衆のリスクの過大評価・過小評価を直感的に防ぐことができる¹⁵。

4. 「エビデンスの限界」をQ&AやAppendixに明文化する

スライドの本編でわかりやすくメッセージを打ち出す場合でも、Appendix（付録資料）やQ&Aの想定セクションに「この予測が外れるとしたら、どの変数が原因か？（What are the known unknowns?）」という不確実性の要因を明文化しておく。

• これにより、将来的に市場環境が変わって予測が外れた際にも「あの時、限界要因として提示されていたものだ」と認識され、発信者への致命的な信頼喪失を防ぐ「バッファー効果」を確実に発動させることができる¹。

FAQ

Q. 不確実性を伝えると、素人や自信がない人だと思われませんか？ A. 定量的な幅（レンジ）を用いて伝えれば、専門性や信頼は低下しません。最新のメタ分析（28研究）でも、不確実性の開示が情報源の信頼をシステマティックに落とすという結果は完全に否定されています¹。ただし、「〜だと思います」のような曖昧な言葉だけで定性的に不確実性を示すと、情報源への信頼が大きく低下するため注意が必要です¹¹。

Q. プレゼンの相手がすでに自社を支持している場合でも、不確実性を強調すべきですか？ A. すでに同意している支持層（信念とエビデンスの一致度が高い層）に対しては、過度な不確実性の強調は避けるべきです。研究によれば、彼らに不確実性を強く伝えると、かえって信頼を低下させ、不要な迷いを生じさせることが示唆されています²。相手の事前のスタンスに応じた情報設計の使い分けが重要です。

Q. AIを活用したサービスで、ユーザーに信頼してもらうにはどうすればいいですか？ A. 「100%の精度」を謳ってブラックボックス化するのではなく、AIが間違える可能性（不確実性）と、その推論の根拠を開示する「警戒的信頼（Vigilant Trust）」のデザインが必要です¹⁷。説明可能なAI（XAI）の要素を取り入れ、ユーザーがシステムを盲信せず、適切に監視・評価できる透明性を提供することが、長期的な認識論的信頼に繋がります¹⁷。

Q. リスクを伝える際、パーセンテージと「〇人に〇人」のどちらが良いですか？ A. 「〇人に〇人」という自然頻度（分母を揃えた表現）を推奨します。人間の脳（システム1）は確率や少数のパーセンテージを直感的に処理するのが苦手なため、自然頻度を用いたりアイコンによる視覚化（Icon arrays）を行うことで、誤解や過大評価を防ぐことができます⁶。

まとめ

「伝える技術」としてのデザインやコミュニケーション術は、長らく「いかにノイズを削ぎ落とし、自信満々に言い切るか」ということに最適化されてきた。しかし、認知科学と心理学の最新の知見を総合すれば、情報が氾濫しファクトが常に更新され続ける現代の知的な聴衆に対しては、「不確実性を隠蔽する」こと自体が最大のリスクとなる。

数値の幅を用いた誠実な不確実性の開示は、断定を用いた時のような一時的で盲目的な熱狂を生まないかもしれない。しかし、それは懐疑派の心を開く鍵となり、将来の予測不可能な環境変化に対する堅牢な防波堤（バッファー）となる¹。人間の認知バイアスの限界を理解し、言い切りによる短絡的な説得フレームから脱却すること。そして、エビデンスの粒度と限界を透明に共有する「認識論的信頼」を構築することこそが、これからのビジネス・コミュニケーションやデザインにおける新たなスタンダードとなる。明日のスライド作成から、ぜひ「数値の幅」と「限界の開示」というデザインを実装してみてほしい。

出典リスト

著者名	発表年	タイトル	媒体名	URL・備考
Afroogh, S., et al.	2024	Trust in AI: progress, challenges, and future directions	Humanities and Social Sciences Communications, 11, 1568	https://doi.org/10.1057/s41599-024-03099-2
Dries, C., et al.	2025	The effect of uncertainty communication on public trust depends on belief–evidence consistency	PNAS Nexus, 4(3), pgaf071	https://doi.org/10.1093/pnasnexus/pgaf071
Dries, C., et al.	2026	The impact of uncertainty communication on trust in its sources: a systematic review and meta-analysis	Royal Society Open Science, 13(4), 251896	https://doi.org/10.1098/rsos.251896
Kahneman, D.	2011	Thinking, Fast and Slow	Farrar, Straus and Giroux	二重過程理論および認知バイアスに関する原典
Kerr, J., et al.	2023	The effects of communicating uncertainty around statistics, on public trust	Royal Society Open Science, 10(11), 230604	https://doi.org/10.1098/rsos.230604
Kruglanski, A. W., & Webster, D. M.	1996	Motivated closing of the mind: “Seizing” and “freezing”	Psychological Review, 103(2), 263-283	認知的閉合への欲求に関する原典
Schneider, C. R., et al.	2022	The effects of communicating scientific uncertainty on trust and decision making in a public health context	Judgment and Decision Making, 17(4), 849-882	https://doi.org/10.1017/S1930297500008962
Winton Centre for Risk and Evidence Communication	n.d.	RealRisk FAQ & Guidelines	University of Cambridge	https://realrisk.wintoncentre.uk/faq

引用文献

1. The impact of uncertainty communication on trust in its sources: a systematic review and meta-analysis – Royal Society Publishing, https://royalsocietypublishing.org/rsos/article/13/4/251896/481235/The-impact-of-uncertainty-communication-on-trust
2. effect of uncertainty communication on public trust depends on belief–evidence consistency | PNAS Nexus | Oxford Academic, https://academic.oup.com/pnasnexus/article/4/3/pgaf071/8052021
3. Psychology and Power of Closure Experiences – UX Magazine, https://uxmag.com/articles/psychology-and-power-of-closure-experiences
4. Need for Cognitive Closure and Information Search Strategy – ResearchGate, https://www.researchgate.net/publication/229911485_Need_for_Cognitive_Closure_and_Information_Search_Strategy
5. Danny Kahneman, the ‘Paul McCartney’ of psychology – Dansk Selskab for Patientsikkerhed, https://patientsikkerhed.dk/danny-kahneman-the-paul-mccartney-of-psychology/
6. Thinking Fast and Slow: a summary of Kahneman’s most important insights, https://www.suebehaviouraldesign.com/en/blog/kahneman-thinking-fast-and-slow/
7. Framing effect (psychology) – Wikipedia, https://en.wikipedia.org/wiki/Framing_effect_(psychology)
8. Differences in decisions affected by cognitive biases: examining human values, need for cognition, and numeracy – PMC, https://pmc.ncbi.nlm.nih.gov/articles/PMC10485213/
9. The effect of uncertainty communication on public trust depends on belief – evidence consistency – PubMed, https://pubmed.ncbi.nlm.nih.gov/40115049/
10. The effects of communicating uncertainty around statistics, on public trust. – Apollo, https://www.repository.cam.ac.uk/items/2c8f4dc0-7fb4-4df6-8cd9-d654b9e9e399
11. The effects of communicating uncertainty around statistics, on public trust, https://royalsocietypublishing.org/rsos/article/10/11/230604/91800/The-effects-of-communicating-uncertainty-around
12. The effects of communicating uncertainty around statistics, on public trust – PubMed, https://pubmed.ncbi.nlm.nih.gov/38026007/
13. Communicating uncertainty about facts, numbers and science – Royal Society Publishing, https://royalsocietypublishing.org/rsos/article/6/5/181870/95102/Communicating-uncertainty-about-facts-numbers-and
14. The effects of communicating scientific uncertainty on trust and decision making in a public health context – Cambridge University Press & Assessment, https://www.cambridge.org/core/journals/judgment-and-decision-making/article/effects-of-communicating-scientific-uncertainty-on-trust-and-decision-making-in-a-public-health-context/721727C5DA7F0438804568657808D951
15. How to communicate risks reported in scientific articles in an understandable way, https://sciencemediacentre.es/en/how-communicate-risks-reported-scientific-articles-understandable-way
16. Trust in Artificial Intelligence and AI Adoption Intention in Enterprises – International Journal of Social Science Humanity & Management Research, https://www.ijsshmr.com/v5i5/Doc/39.pdf
17. Beyond Risk Reduction: Vigilant Trust in Artificial Intelligence Based on Evidence from China – PMC, https://pmc.ncbi.nlm.nih.gov/articles/PMC12837474/
18. An overview of model uncertainty and variability in LLM-based sentiment analysis: challenges, mitigation strategies, and the role of explainability – Frontiers, https://www.frontiersin.org/journals/artificial-intelligence/articles/10.3389/frai.2025.1609097/full
19. Trust the AI, Doubt Yourself: The Effect of Urgency on Self-Confidence in Human-AI Interaction – arXiv, https://arxiv.org/html/2604.07535v1
20. (PDF) When trust is zero sum: automation’s threat to epistemic agency – ResearchGate, https://www.researchgate.net/publication/392475550_When_trust_is_zero_sum_automation’s_threat_to_epistemic_agency
21. Trust in AI: progress, challenges, and future directions – Semantic Scholar, https://www.semanticscholar.org/paper/Trust-in-AI%3A-progress%2C-challenges%2C-and-future-Afroogh-Akbari/207ea1c4cf6ad3daa19ed849c55428967f49d112
22. Full article: Between transparency and trust: identifying key factors in AI system perception, https://www.tandfonline.com/doi/full/10.1080/0144929X.2025.2533358