独家翻译 | 明确的惩戒、含糊的激励 ——中国社会信用体系是怎么定义“好”“坏”行为的？
源点注：本文是在刚刚召开的2019年ACM 公平、问责和透明会议(FAT)上提交讨论的论文之一。这次会议1月29日至31日在美国亚特兰大市举行，是一场独特的国际和跨学科同行评议会议，涉及的包括计算机科学、统计学、社会科学和法律。
来自德国的研究团队发布了题为《Clear Sanctions, Vague Rewards: How China’s Social Credit System Currently Defines “Good” and “Bad” Behavior》的论文。
源点的翻译小组3名成员合作翻译了本文，赶在节前最后一个工作日呈现给大家。时间仓促，能力有天花板，请专家原谅指正。为了便于网络阅读，我们删去了原文中的脚注和参考文献。
本文翻译：李鹏辉，Leon Anderson，董振磊
点击阅读原文，可以查看英文原文。
摘要
中国的社会信用体系有望成为第一个数字化驱动，旨在评估其国民、企业及其他实体行为，覆盖全国的评分系统。因此，在社会信用体系中，“好”行为可带来物质奖励和社会声誉；“坏”行为则导致被剥离物质资源和声誉受损。至关重要的是，为了实施这个体系，政府需要有能够区分导致奖惩的不同行为的能力。本文第一次透明度分析是针对两个行政机构的信用信息平台，理解社会信用体系是怎么定义“好”“坏”行为的。我们分别分析了由北京社会信用体系建设部门的官方网站和信用中国公布的194829个行为记录和942份市民行为报告。通过综合分析，我们发现了关于红名单和黑名单的公开信息当中，存在相当大的不对称性。当下，大部分关于黑名单行为的解释，都详细说明了失当行为与惩戒之间的因果关系。另一方面，对红名单行为有关弘扬正面价值观的解释则没那么透明。总体来说，此次透明度分析表明，应用评分机制所建立的社会信用体系，可能会利用不同层级的透明度来达成某些行为工程的目标。
主题
社会与专业话题-政府科技政策
信息系统-决策支撑系统
安全与隐私-社会
应用计算-人类学
关键词
社会信用体系，社会科学体系，透明度，行为工程。
引 语
关于道德的思考和行动必然依赖于所掌握的信息。如果某人问：“做什么事情才是正当的？”那么他或她基本上做出结论所依赖的信息在道德上肯定是正当的。在哲学和人类学中，书面上的“道德”，指的是群体或是社会组织是如何共同界定什么样的行为在道义上是符合标准的。因此，个人的道德责任倾向于与他或她对道德行为的认知成正比。
2014年，中国政府颁布了一项面向全国的数字化评分体系实施计划，也就是我们熟知的中国社会信用体系，将特定行为定义为“激励”和“惩戒”。因此，所有的法律主体包括公司和社会组织（及其他）都获得了一个18位的数字ID，也就是统一社会信用代码，以此来对应中国公民的18位身份证号。猜想一下，基于这些ID，社会信用体系将收集并评估行为数据，也可能把分数用到物质、名誉的奖励和惩罚当中。或者，正如中国政府说的，社会信用体系的目标就是“让守信者一路畅通、失信者寸步难行”。
但是，市民、公司和社会组织怎么知道在社会信用体系当中哪些是好的、哪些是坏的行为呢？区别来看，目前的社会信用体系在区分好坏行为的信息公开上有多少透明度呢？回答这个问题就需要先把“透明度”这个概念先定好标准。
基于Turilli和Floridi的研究，“透明度”是指信息源能否自主选择哪些信息能够被信息中介获取。首先，这个定义要求我们首先对开放信息获取途径的信息源进行区分，也就是中国政府、信息中介或是其他依据信息实施相应奖惩的主体。然后，定义还要求识别出信息透明度在“当信息披露对伦理准则产生影响时”扮演的是损害还是维护的因素。这两个部分都与社会信用体系高度相关，因为体系涉及的主体都是基于信息来实施奖惩决定的。
最近，中国政府在几个平台上开始公开发布行为信息。在这项实证研究中，我们也查阅了信用中国和信用北京这两个社会信用体系中心平台所发布的行为信息。
在信用中国网站上，我们收集并分析了156份有关“好”行为的新闻报导（作为正面案例）和789份对应的有关“坏”行为的报告（作为负面案例）。在这些负面画像中，个体通常都被称为“老赖”，这是在中国对金融领域欺诈或失信的个体的专有描述。
因为我们收集的所有案例都是源于现实生活的新闻报道，这些事件描绘的个体在道德上或好或坏，都包含了当今中国社会中对个人强调“理想的”和“不受欢迎的”特征的描述性规范。
接下来，在信用北京上，我们检索了来自所谓“红黑名单”的记录好坏行为的大量信息。因此我们采用了下述的研究方法：1.从信用北京收集并对200000条红黑名单的记录进行数据分析。然后，基于机器学习和语义模型以及专家校验的方法，我们识别出了与信用中国的近1000条好坏行为的报告中所呈现的共同语义。
我们展示了目前政府社会信用平台上关于信息透明度所展现出的几个表征的信息不对称。最终，我们会讨论透明度是如何提供的不同激励策略，来适应这个对法律实体进行评级的社会科技体系。
本文结构如下：第2节我们讨论了中国社会信用体系的发展以及相关领域的研究，第3节我们提出了数据采集和数据分析方法，第4节和第5节开展相应分析，第6节分析结果和结束语。
研究背景
社会信用体系的有效执行归根结底有赖于至少三个主要因素：首先，过去二十年来层出不穷的食品安全、化学、金融欺诈、电信诈骗、学术舞弊等等事件，已经让诚信缺失成为中国社会的严重问题。据分析，中国企业每年因不诚信事件造成的损失约达6000亿元人民币（约920亿美元）。根据Ipsos公共事务研究所的调查，“道德观念退化”被认为是2017年中国最严重的事情；47%的中国受访者把它列为关注点前三名，相较而言，这个数字全球平均水平只有15%。
此外，中国的社会信用体系有望推动国内经济发展。中国政府希望社会信用体系能为上百万没有金融信用记录的中国公民获得授信，也为本土市场带来新的投资机会。中国有着全球最大的非银行客户群体（总数），超过2.25亿市民没有银行账户。到目前为止，只有3.2亿中国公民有信贷记录。然而，中国经济的持续增长部分有赖于国内消费市场的驱动。通过社会信用体系，公民可以根据诚信分而无需通过金融信贷额度申请。
最后，在中国社会，个人价值观很大程度源于儒家思想。因此，人格应该从个人扩展到大众，因此人们可以承受私人和公共的模糊边界。换句话说，不太需要考虑用于区分私人领域和公共领域的对个人的规范性期望。过多的掩藏自己反而被公众认为是遮遮掩掩，不够磊落。实际上，直到最近，隐私才刚刚作为名誉权开始受到中国法律的保护。同时，公众利益在中国民法中是更受重视的：“在不涉及公众利益或他人利益的前提下，个人信息应不被披露”。不过，中国对隐私的观念也在同时演变，可能跟其他社会还是有所区别。总的来说，社会信用体系的建立很难会被中国社会认作是侵犯隐私的一个事情，当然这对西方文化而言是难以置信的。
（一）社会信用体系的现状
在当前阶段，社会信用体系还是处于一个割裂的状态，国家、省、市都在各自探索，行政上没有一个清晰的架构。在最近几年，部分省份和城市在社会信用体系上发展出了不同的模式。重要的是，社会信用体系把企业、政府部门、司法机构都纳入进来。这表明有些企业在社会信用体系建设当中扮演着重要角色。2015年，8家公司获得了开展个人征信业务的试点许可。不过截至2017年底，两年过去8家公司还是没有一家获得许可牌照。最后是这8家连同央行旗下的中国互联网金融协会，一起成立了百行征信，并在2018年2月拿到了国内首张个人征信业务许可牌照。
（二）有关工作
我们没发现有既有的分析，基于数据对中国社会信用体系建设关键网站进行研究。不过我们找到了两篇实证研究，可以帮助我们了解中国媒体和中国群众对社会信用体系建设的一些看法。
Ohlberg等人在2017年开展了一次素材收集，为期6个月，主要搜集了中国的一些新闻和社评，还有博客、论坛中的文章。大部分文章都对社会信用体系成为解决社会、经济问题的“万能药”有着积极的看法。批评主要是针对体系建设缓慢，或是某些利用社会信用体系所开展的商业化运作。群众的社交媒体很少会提到隐私问题，焦点更多是如何利用规则，以在商业化的信用体系中拿到更高的信用评分。与后者有关的是，利用评分规则所带来的影响也受到了一些学者从非经验角度带来的讨论。
Kostka曾对约2,200名中国群众通过不同的渠道（包括网站、应用程序）进行过一项在线调查。由于中国有着广泛的互联网监控，这种对在线调查的有效性至少在一定程度上应该有所保留。根据她的调查结果，大约80％的受访者对这样由政府和商业分别发起的社会信用体系有着积极的看法。有趣的是，受访者随着年龄越大、受教育程度越高，支持率也会相应提升。相比之下，这些人口统计因素通常在西方国家会与较高的隐私意识相关。几项政策分析的论文提到了社会信用体系与大规模监视的联系。
总的来说，虽然对金融征信系统有着严谨的比较研究，不过这都是早在中国社会信用体系出现之前进行的，研究的焦点也只是在金融领域的征信。同样的，Hoofnagle也曾就为促进授信所带来的隐私问题和背景调查进行过探讨。
（三）伦理问题
我们的分析是建立在中国社会信用关键网站公开数据的基础上的，这些数据的发布是为了让公众监督。我们的论文当中包括当前可用的实施方式的屏幕截图。我们已经模糊了所有个人身份信息。
研究方法
我们采用计算机辅助分析的方式，对前述两大信用体系建设门户网站（即“信用中国”与“信用北京”）中当前所公示的信用主体行为信息进行透明度分析。首先，我们对“信用北京”门户网站中所列示的红黑名单记录进行数据爬取和统计分析。同时，为了更好地理解守信激励典型案例与失信惩戒典型案例的语义和结构模式，我们爬取了“信用中国”门户网站中，“诚信文化”板块下，被标注为“诚信人物/故事”的有关良好行为的新闻报道，和被标注为“典型案例”的有关不良行为的新闻报道。而后，在2018年8月12日，我们对所能获取到的156条良好行为新闻报道（守信激励典型案例）和789条不良行为新闻报道（失信惩戒典型案例），进行了基于LDA文档主题生成模型的统计主题建模分析。
我们运用中文处理工具Jieba，对已下载的文档进行了预处理。预处理工作包含文字细分和停用词过滤等。我们使用了中文搜索引擎百度所编辑的停用语料库。在对给定文段进行了特征标记后，我们应用tf-idf算法对词语计数情况进行了重新赋权。由于我们对于给定语料库中主题k被检测到的数量并没有合理的期望，我们开展了最佳主题数搜索。我们分别为守信激励典型案例和失信惩戒典型案例创建了几个LDA模型，并对主题一致性得分进行了计算。我们由主题数k=2开始，逐渐增加主题数直至其达到k=40的上限。如图1所示，守信激励典型案例与失信惩戒典型案例文档集的模型一致性数值在k达到15之前逐渐增加，k=15后逐渐停止增加。因此，我们对模型制造的15个主题中，每个主题中最为突出的30个词语进行了探究。由此，我们在应用相关性度量中，设定δ=0.6。
图1、守信激励与失信惩戒典型案例主题模型一致性得分随主题数量的变化情况（横坐标为主题数，纵坐标为一致性得分）
同时，我们对k=10，k=20和k=30时的结果进行了复核，以便人工确认最佳主题数。我们最终确定k=10是守信激励典型案例和失信惩戒典型案例的最佳模型。最后，我们额外选取了5个守信激励典型案例主题和7个失信惩戒典型案例主题。
基于我们得到的主题模型分析结果，我们为每一个主题选取4个关联度最大的案例（最高的归属于该主题的预测概率）。而后，我们对20个守信激励典型案例和26个失信惩戒典型案例进行了人工细节分析，一个作者首先分别复核5个守信激励典型案例和5个失信惩戒典型案例，并起草一份编码指南，交由另一位作者复核，通过提炼和反复测试来生成一致的定义。我们最终为守信激励典型案例和失信惩戒典型案例分别开发了两套编码方案。在建立了可靠的模型后，我们对全部46个案例的结构和主题共性进行了检查。每一张编码清单上含有一个守信激励典型案例或失信惩戒典型案例的信息，当编码清单完成后，我们对其进行组合，并对其中包含的信息进行了分析。
结 论
4.1黑名单
在“信用北京”门户网站中，我们共找到三个可以公开访问并支持词语检索查询的，存储有不良行为信息的数据库（见图2），它们分别是：1、黑名单数据库（1,137,546条记录），2、重点关注名单数据库（9,229,179条记录），3、行政处罚数据库（14,885,789条记录）。
黑名单数据库中还包含16个子分类。我们爬取了其中两个子分类，其中一个分类是自然人被禁止进入证券交易市场（自然人证券交易市场禁入令，共422条记录），另一个分类则是针对负债企业（失信被执行人企业，共1,116,707条记录，占黑名单记录总条数的98.2%）。在自然人证券市场交易禁入令黑名单中，422条记录全部对惩戒措施做出了更细致的描述（例如禁令的时长）并引用了与金融相关的法律条文（详见图3）。同时，对于失信自然人主体，除身份证号被删减隐藏之外，他们的姓名全部被公示。
图3、证券市场禁入黑名单数据项明细
由于黑名单、重点关注名单和行政处罚数据库中的信息量过大，我们仅爬取了以上三大数据库中前1000页的数据。爬取所得结果显示，失信被执行人企业黑名单记录共有131,485条，所有记录全部描述了企业主体为何被纳入黑名单（详见图4）。同时，在以上131,485条记录中，有128,006条记录显示失信主体在数据爬取的时间节点仍未履行偿债责任。以上信用记录全部引用了相关法律法规条文，并明确了失信企业主体的全名（详见图5）。需要注意的是，并非每个失信企业主体只对应一条黑名单记录，部分企业由于出现多项失信行为，在黑名单中存在多条记录。我们爬取了每条黑名单记录的发布时间，通过分析可知，在2018年6月16日，共有125,747条企业黑名单记录被公示，占我们所爬取到的黑名单记录总数的95.6%（详见图6）。这一数据表明，这些黑名单记录在被转至“信用北京”门户网站进行统一公示前，已由某一机构进行了归集和处理。
图4、被列入失信被执行人企业黑名单的五大主要原因（由上至下分别为阻碍或抵制法院强制执行、无正当理由不履行债务责任、逃避法院强制执行、违反财产报告制度、无法履行债务责任。图中数字为黑名单记录总数。）
图5、失信被执行人企业黑名单记录示例
对于重点关注名单，我们采集了有关企业违反商业经营管理条例的30,625条数据。全部数据表明，企业会因为向监管机构出具了不同类型的虚假信息而被纳入重点关注名单（详见图7）。
图7、企业主体被纳入重点关注名单的五大主要原因（由上至下分别为：未在登记地址开展经营活动、未及时披露企业信息、所披露的企业信息有隐藏事实或弄虚作假情况、无法在企业注册地与企业取得联系、未及时披露年报。图中数字为重点关注名单记录总数。）
最后，我们爬取了32,719条涵盖自然人主体与法人主体的行政处罚数据（详见图8）.根据图9所示，违反交通法规是信用主体受到行政处罚的主要原因。
图8、行政处罚记录示例
与之相对应的，罚款是最常见的行政处罚措施（详见图10）。我们同时发现，只有有关企业的行政处罚记录和黑名单记录，才会披露统一社会信用代码。
在国家级信用体系建设信息平台“信用中国”上，我们发现了由中国民用航空局出具的另一份黑名单。这份黑名单每月更新一次，主要发布自然人因在乘机过程中或在机场候机过程中的不良行为，而被处以一年内不得乘机处罚的记录（以上数据归集于2018年8月10日，详见图11）。根据中国民用航空局2018年8月发布的黑名单，946名自然人被处以一年内不得乘机出行的处罚。这份与航空服务相关的黑名单公示了失信主体的姓名、被部分因此的身份证号码以及对该失信主体受处罚原因的解释（详见图11箭头标记所示）。这些自然人受到处罚的原因，主要包括携带违禁品乘机、乘机过程中吸烟和利用假护照登机等。同时从图11可知，该黑名单的管控范围并不局限于中国公民，外国公民同样可能因违反此类规定而受到惩戒。
4.2 红名单
在“信用北京”门户网站上，我们发现了一类对良好行为进行公示的文件：红名单。红名单数据共有1,206,944条，分为24大类（其中3大类针对自然人，21大类针对企业法人）。其中，与自然人相关的红名单类别分别是：1、的士之星（共有1557条记录）；2、十佳导游（共有14条记录）；3、五星志愿者（共有603条记录）。以上三大类记录全部对守信自然人姓名和部分隐藏的身份证号码进行了公示。“五星志愿者”红名单还对守信主体的性别和累计参加志愿服务的总时长进行了公示，数据显示，被列入“五星志愿者”红名单的自然人中，累计参加志愿服务时间最短的为1500小时（这可能是“五星志愿者”红名单的准入门槛），最长的为25,400小时。所有我们采集到的红名单数据，均未对守信主体为何被纳入红名单做出明确解释（详见图12）。因此，我们无法通过“信用北京”中的红名单来对良好行为的正当性进行研究。
图12、自然人红名单记录示例
有关企业的红名单分类包括纳税奖励（例如A级纳税人）、和谐劳动关系企业以及中国社会主义建设突出贡献企业等荣誉分类。与个人信用红名单的情况类似，我们同样无法查询到对守信主体被纳入红名单原因的明确解释。红名单记录全部不含统一社会信用代码。总体而言，图12表明一个企业可同时拥有多项守信激励记录（例如红名单）和失信惩戒记录（例如黑名单、重点关注名单、行政处罚）。因此我们有理由相信，图12所示的门户网站界面，显示了中国政府开展信用体系建设工作的内容模板，即记录并向社会公示具有高透明度的信用奖惩信息。
值得一提的是，每一项红黑名单记录都提供了“异议/纠错”功能（详见图13）。这一功能使民众可以通过提交一份不多于2000字的声明（提交时需提供自身18位身份证号码），表达自身对红黑名单公示结果的异议。
图13、企业黑名单记录中异议/纠错功能示例
4.3 有关良好行为案例的编码结果
有关良好行为的新闻报道，发布于全国信用体系建设门户网站“信用中国”中，“诚信文化”板块下的子板块“诚信人物/故事”。我们所选取的20个守信激励典型案例，皆描述了主人公如何牺牲个人利益（包括物质的和非物质的），维护大众利益。同时，所有的案例都在强调社会信用体系的核心美德“诚实”和“信用”。所有的故事都遵循同样的叙事结构：首先描述自然人的详细信息（姓名、社会阶层、职业、家庭情况等），而后提出一个两难的矛盾：失信行为将为故事主人公带来短期微小的利益，而诚信行为将为主人公赢得长期巨大的利益。在我们所分析的全部守信激励典型案例报道中，一旦主人公采取了诚信的行为，文章就会转入对主人公各项诚信美德的全面列示。
举例而言，在有关主人公拾金不昧的案例中，我们所分析的四个案例主题全部与拾金不昧相关，但在结尾部分提炼出主人公身上的“自律”、“助人”、“关爱他人”、“责任感”等美德。我们所选取案例的另一个共同点是，所有的主人公都受到了他们所处的社会圈子对其道德品质的赞誉。同时，所有的主人公都因其良好行为而受到了政府机构和媒体的广泛认同，获得了荣誉、奖章和可爱的昵称等精神奖励。另一方面，当这些主人公因构建美好家庭社区关系、拾金不昧和脱贫助困等良好行为而获得物质奖励时，他们无一例外地拒绝接受。
4.4 有关不良行为案例的编码结果
有关不良行为的报道，多来源于地区报刊和地方信用平台，在“信用中国”门户网站中以“典型案例”形式展现。我们所选取的有关7个主题的26个失信惩戒典型案例全部与一个共同主题相关，那就是“老赖”，即拒绝偿还债务的自然人或企业法人。这些失信惩戒典型案例多以两种形式展现，其中4个以“公开羞辱”为主题的案例主要描述了法院如何采取行动解决老赖偿还债务问题。其余的故事则是与特定自然人或企业法人有关。所有的自然人姓名和企业法人名称都未进行公示。在4个以“公开羞辱”为主题的案例中，地方法院与当地通信运营公司在处理“老赖”行动中开展了合作；而公安局则在与“违反公共交通规则”相关的案例中起到了关键作用。在这些新闻报道中，法院强制执行措施与被纳入黑名单的威胁共同作用，迫使“老赖”履行债务偿还责任。总体而言，我们所研究的守信激励典型案例或失信惩戒典型案例，在文章结构、框架和内容上都有较强的趋同性，这表明中国信用监管部门有意对社会信用体系建设工作中的良好行为和不良行为进行引导和定义。
分 析
我们的文本分析结果表明，目前两个数据集（“信用北京”和“信用中国”）中存在着多个维度的信息不对称。
5.1企业红黑名单与个人红黑名单
目前，在“信用北京”平台上，企业占了红名单和黑名单记录的大多数。 我们发现参与社会信用体系建设的公司也被列入了名单中。例如，阿里巴巴（与芝麻信用）和腾讯（与腾讯信用）均获准在2015年启动个人征信试点计划，并已将网购和社交数据与社会信用平台共享。阿里巴巴和腾讯都被列为红名单上的A级纳税人。由于我们只爬取了“信用北京”平台数据，我们无法对其他红黑名单网站的透明度作出评价。
我们对“守信激励典型”和“失信惩戒典型”案例的分析则呈现了相反的情况：大多数案例都聚焦于个人行为。在我们的手动编码样本中，只有15.4％的“失信惩戒典型”和30.0％的“守信激励典型”主体为企业。然而，在企业的“守信激励典型”和“失信惩戒典型”案例中，报告通常突出了企业负责人的优点和缺点。换句话说，不是公司本身受到了“责备”或“赞扬”，而是企业负责人。因此，这些画面表明个人没有被大型机构庇护起来，他们仍然要对自己的“好”或“坏”决策负责。
5.2惩戒的合法性与激励的合法性
所有黑名单记录都解释了某人或企业为什么被列入黑名单。此外，黑名单解释包括法律条款，并引述了相关法律和法规。换句话说，黑名单解释通过指定行为和后果之间的因果关系，使惩罚机制变得透明。被限制乘坐民用航空器的特定严重失信人黑名单可能最能说明这一点（见图11）。黑名单条目中所包含的法律威胁能够进一步表明，特定的不诚信行为将被监测和制裁。
另一方面，没有一个红名单记录解释一个人或企业了为什么被授予了某项荣誉。我们发现全面履行法律义务（A类纳税人）、提供专业服务（的士之星）或参加志愿服务（五星志愿者）都可以在当前的社会信用体系中获得荣誉。但是，没有进一步说明确定个人或企业被列入红名单时的机制或标准。总的来说，当前的社会信用体系中，哪些行为受到惩戒比哪些行为受到激励更加透明。更概括地说，根据可获得的公开信息，我们的研究无法将特定行为与一个评分或评级机制关联起来。
5.3惩戒类型与激励类型
企业被列入任何“黑名单”的最常见原因是未能偿还债务（第二个最常见的原因是信息作假）。未能偿还债务也是 “失信惩戒典型”案例的主体被列入黑名单上的最主要原因。在我们收集的789份“失信惩戒典型”案例中，中国的“老赖”一词出现了481次。我们手动编码的所有“失信惩戒典型”案例都报道了“老赖”人（作为个人或企业的法定代表人）的行为。在惩戒条款方面，个人和企业既面临相应法律中规定的物质损失，也面临着被列入黑名单公开羞辱的后果。超过40％的“失信惩戒典型”案例中，当被威胁将被列入黑名单，个人立即履行了义务。
另一方面，红名单上的个人和企业获得了道德 “赞许”和声誉奖励。同样，“守信激励典型”案例中，个人获得了声誉奖励，不过并没有因为其榜样行为收到物质奖励。尽管如此，没有人提及甚至暗示“被列入红名单”是他们守信行为的动机。我们分析的所有案例都强调，一项道德上“值得赞许”的活动原因在于它是“纯粹”的美德，而非其有助于获得物质奖励。此外，所有“守信激励典型”案例都呈现出美德瀑布（a virtue cascade）：一旦某人被描述为“诚实”或“守信”，他或她就会被赋予其他的“良好”品德。
讨论和结束语
在这份首次对中国社会信用体系主要网站的研究中，我们的目标是了解目前社会信用体系中关于“好”和“坏”行为信息的透明度。为此，我们收集并分析了信用北京网站中的194,829个黑名单和红名单记录，并用机器学习主题建模算法分析了国家社会信用信息平台——信用中国上的近1000个关于“守信激励典型”和“失信惩戒典型”案例。最后，我们手动处理这些文本的样本，以了解它们包含哪些特定的行为信息。
我们认为，我们的研究产生的主要问题是，当前的社会信用体系透明度是有意设计的，还是仅仅是发展过程中的一种表现形式。是否故意明确说明和公布失信行为与惩戒之间的因果关系，但守信与激励之间的关系信息则含含糊糊？首先，红名单和黑名单之间的信息不对称含有经济激励因素：当大量的人被排除在有价值的物质资源之外时，只有有限的人能够享受宝贵的资源（例如，高铁一等座）。因此，关于如何赢得奖励的详细说明可能带来资源分配问题，因为许多人都可以实施这些策略。另一方面，对当前社会信用体系信息不对称的另一种解释可能是既有的违法记录开始被用于认定黑名单。因此，这些记录更具有合法性，因为它们参考了具体的法律或法规条款。
在我们研究中呈现的社会信用体系透明度也可以用行为工程目标来解释。让我们假设社会信用体系是完全不透明的（即，系统对分数增加或减少及其最终带来的惩罚或奖励不做任何解释）。在这种情况下，人们几乎不可能了解在社会信用体系中，何时因何种行为受到激励或惩戒。此外，除了不遵守道德行为准则之外，个人也没有能力对制度的决策过程提出质疑（同样，讨论一个规范必须拥有必要的认知资源）。需要说明的是，在《欧盟通用数据保护条例》的“解释权”条款中，也就这个问题进行过辩论。另一方面，一个完全透明的评分系统，能够将行为精确地映射到激励或惩戒。实际上，在一个全国性的数字化评分系统的背景下，完全的透明度要求必须说明激励或惩戒分配的机制。这种透明度让个人有可能至少在一定程度上了解系统的决策流程。在我们对社会信用体系的黑名单和红名单记录的分析中，我们没有看到清晰的社会信用评分机制。但是，我们表明，社会信用体系已经让个人可以对单个黑名单和红名单记录提出异议。另一方面，完全透明的社会信用体系可能会带来其他问题：如果社会信用体系的评分机制完全透明，那么遵守规范可能会成为市场交易。事实上，对内在和外在动机的研究表明，对一个规范引导的行为给予外部奖励，会将这种遵守规范的行为转化为可以购买的商品。这种被称为“挤出效应”的现象，将导致更少的遵守规范，因为不遵守规范的后果可以简单地用财务手段来补偿[2,9,26]。例如，如果一个人因诚实而获得金钱回报，那么诚实对于双方而言都将不再被认为是道德行为。正如这些研究所表明的那样，在完全透明的社会信用体系中，人们可能会不再认为获得高分的人是纯粹的道德高尚的人。
我们的分析提供了证据，证明目前实施的社会信用体系建设可能试图阻止这种道德行为向市场交易的转变。所有的“积极”案例研究都明确地强调，规范一致性是“好的”，因为它对普通公民和首席执行官都“具有道德价值”。没有一个红名单记录描述了道德行为和外部物质奖励之间的联系。相反，通过授予象征性的荣誉称号（例如，五星志愿者），它们带有着美德标志和声誉收益。 在“信用中国”的另一个子页面上，我们发现32个宣传“自我概念”的中国古代寓言（未图示），其中包括做一个道德上“好”公民的美德。相反，我们对“失信惩戒典型”案例的分析表明，“负面的”自我概念（“老赖”）的赋予可归因于具体的违规（如故意不偿还债务）。总之，我们的分析表明，在数字化评分系统的环境中，透明度可以服务于不同的行为工程目标。
参考文献略
相关阅读
☟
独家翻译 | 中国的社会信用体系：社会进步的标志，还是对隐私的威胁？
♚
☞ 记录信用中国 ☜
点击阅读☝源点3年☝推文总目录
公益 | 有益 | 有趣
欢迎加入我们的作者队伍
与7500名读者分享见解