王燃在《法制与社会发展》2025年第5期撰文指出：司法证明领域的通常观点认为，大数据证据的相关关系与传统证据的关联性存在冲突。实际上，传统证据的关联性兼具物理载体的接触性和证据事实的因果性；而大数据证据则具有因果关系与相关关系的双重属性。在“证据事实→待证事实”阶段，大数据证据与传统证据同样遵循因果逻辑；但在“证据载体→证据事实”阶段，大数据证据则呈现出独特的相关关系。这种相关关系的理解难点源自逻辑驱动型算法的制度黑箱和机器学习型算法的技术黑箱。大数据证据关联性审查的关键在于构建符合人类因果思维的解释机制。在数据层面，应审查数据源是否具有载体关联性，训练数据是否与分析对象具有一致性。在算法层面，应围绕模型逻辑一致性、推理过程透明性和特征变量因果性，构建面向司法证明场景的分层解释机制，对关键特征变量进行因果验证。此外，可借助概率值对大数据证据进行辅助解释，审查算法输出的准确度是否达到人类经验的准确度及司法证明标准。