第39章 怎样检验：保护究竟改变了什么？
一、先把本书的四种主张拆开
本书包含不同强度的判断。隐私是主体性的个体性保护的SDE发生，拒绝这一发生走向主体间性，这是作者提出的本体定义；某种保护安排有助于问题分化和方法修订，这是机制假说；某种服务组合能够支持持续生计，这是经济命题；我们应当承认每个人保有某些私人发生的基本位置，则是规范主张。四者不能由同一项实验一起证明。
定义可以接受一致性、区分能力和解释范围的检验。若无法区分暂时未知与保护性拒绝，或者把一切不公开都称为同一种发生，就需要修订定义或适用说明。机制假说需要能够观察的安排与结果。经济命题需要真实需求、成本和交付记录。规范主张则需要公开其价值前提，并回应其他主体与共同事务的要求。
若一次课堂活动表现更好，不能因此宣布整个SDE本体论已经证明；若服务没有盈利，也不能直接推出所有个体性保护都没有意义。相反，不能因为规范目标值得支持，就把机制与经济效果免于检验。每一层都需要有自己的失败方式，不能在遭遇反例时不断退到另一层躲避。
本章提出一份可继续细化的研究协议。它已经具备对象、条件、测量、分析与伦理边界，但尚未招募参与者、尚未实施，也未完成公开预注册。所有样本数与阈值均为设计值；书中没有真实实验读数。协议的作用是让未来实践可以改变具体判断，而不是预先生产支持本书的结论。
二、真正要比较的是一种安排，不是“有隐私的人”与“没有隐私的人”
为了研究保护与创造的联系，不能把参与者简单分成“有隐私”和“无隐私”两类。人的生活发生具有复杂条件，实验也不应为了检验理论而强迫一组人交出真实私人内容。较窄的对象是：在明确同意、低风险的构造任务中，私人探索工作区与小组共享工作区的安排，是否改变某些可观察的知识工作表现。
这里的共享工作区不是没有任何权利。参与者预先知道哪些任务材料向同组成员可见，内容不被任意向外扩散，也可以按约定退出。私人工作区则让探索草稿不向同组成员开放，只提交约定成果。两种条件都应保有基本保护，区别在于某一具体任务的探索显露方式。
这个设计能够检验有限的工作区机制，却不能代表人类全部隐私，更不能证明强制剥夺隐私会有什么总体后果。它尊重伦理边界，也因此限制结论范围。不能在研究说明中承认只是低风险构造任务，结果出来后却宣传成“隐私必然决定创造力”的普遍证据。
同样，参与者没有提交私人草稿，并不直接证明其内在发生更加丰富。我们需要通过任务中的对象辨认、方法修订和迁移表现获得有限证据，同时承认这些指标不能穷尽自我世界。研究不应以无法全量观察为理由，转而要求参与者放弃原本要研究的保护。
三、把反馈因素与私人边界分开
若一组人有私人空间且得到高质量指导，另一组人全部公开却没有反馈，效果差异无法清楚归因于保护。为减少这种混淆，本协议提出两个因素的交叉设计：工作区是私人还是经同意共享；是否在任务中获得同量、标准化的反馈。由此形成四种配置。
私人且有反馈的配置，允许探索保留，同时接收对提交版本的限定意见；共享且有反馈的配置，让同组成员看到约定工作区内容，并获得同样数量与形式的标准反馈。私人但暂不提供任务反馈，以及共享但暂不提供任务反馈，则帮助辨认反馈与工作区安排的不同作用。所有参与者在研究结束后都可获得必要解释，避免把暂时不反馈误作长期剥夺学习支持。
主要比较预先限定为有反馈条件下的私人工作区与共享工作区。这样，最重要的问题是：在获得相称外部差异的条件下，保留探索边界是否对任务表现有额外影响。其他比较作为次要分析，尤其关注保护与反馈是否相互作用，不能见到哪一个差异有利就临时把它改成主要结论。
共享本身也可能带来非正式反馈，即使没有标准化意见，成员看见彼此过程也会影响工作。协议需要承认这一点，将其视为工作区安排的组成，而不是宣称两个因素已经在现实中完全分离。对具体交流范围的记录可以帮助解释，但不能用研究需要作为超出同意范围的全面监控理由。
四、研究单位与样本设计
共享条件可能使同组成员相互影响，因此主要随机分配单位设为小组，而不简单把同一组内的每个人当作完全独立。候选正式设计为四十八个小组，每组四人，总计一百九十二位成人，四种配置各十二组。这个规模是清楚的设计值，不是已经招募的人数，也不保证对任何大小的效应都具有足够检验力。
正式研究之前，另设二十四人的独立先导，用于检查说明是否被理解、任务是否适合、工具是否按规则运行，以及评分标准是否存在严重歧义。先导不用于宣传机制已经有效，也不与正式样本混在一起扩大显著性。根据先导中与正式组间结论无关的可行性和变异信息，研究者应在看到正式结果之前确定并锁定最终规模与分析方案。
分配可以在预先确定的任务场次与基线层中进行，使不同配置尽量具有可比较的起点。具体分层规则要在正式分配前写清，不根据后来哪个分组更有利而改变。参与者的基本任务能力可以通过低负担的构造题观察，不需要获取完整教育经历、私人档案或其他无关信息。
小组成员如何组成也需要说明。若全是熟人，与全是陌生人的共享体验可能不同；不能在没有记录的情况下把两类情形混为一谈。协议可以固定一种构成，或者预先设置相应层次，但应避免在结果出来后才寻找最支持理论的人群。研究范围宁可较窄，也不应通过事后挑选获得虚假的普遍性。
五、任务材料与工具条件
任务采用不涉及参与者真实私人生活的构造材料，例如流程分析、有限设计问题与可核的数量比较。每类任务应当有足够空间形成不同方法，也有明确约束，使评价不只是偏好。题目不能一开始就把本书期望的答案写进提示，否则所谓创造只是按照理论语言复述。
各组获得相同的公开材料和相近的工具资源。若允许AI，需记录实际使用的系统版本、关键设置、可用功能和调用规则，并尽可能在正式研究期间保持一致。系统发生重要变化时，要按预定规则暂停、标记或重新安排，而不能把不同条件的表现直接比较后忽略工具差异。
工具使用额度可以按任务设置相同上限，但相同额度不保证每个人实际使用一样。实际使用方式可以作为辅助记录，不过不能为此保存全部私人对话。可以由系统在不保留内容的条件下记录必要的调用次数与耗时，前提是参与者清楚同意；若无法实现，应当减少所收资料并承认分析限制。
材料难度需要避免两种极端。若题目太简单，几乎所有人都能完成，难以观察方法修订；若过于专业，大量参与者完全无法进入，差异可能主要来自先备知识。先导阶段可以据此调整，但调整完成后应固定正式材料，不能在正式结果不符合期待时随意更换。
六、主要结果不能只数答案数量
本协议拟用一个零到十二分的任务评分作为主要结果，由四个零到三分的项目组成：对象区分、方法修订、反例回应、迁移与结论边界。它不是创新智商测验，不测量人的总价值，也不宣称穷尽创造力。它只是用于这些构造任务的一项工作表现指标。
对象区分的零分表示没有辨认任务核心对象，一分表示注意到相关差异但仍混同关键层次，二分表示清楚区分并用于分析，三分表示进一步指出条件变化会怎样改变对象。方法修订的评分关注是否因具体问题改变步骤或约束，而不是增加更多文字。单纯重复原方案不因为写得长就取得高分。
反例回应的评分区分忽略反例、只作表面辩护、实际收缩或修订方法，以及明确说明修订后的剩余限制。迁移与结论边界则关注在新题中能否使用相应区别，并避免结论超出材料。每项都要配有题目相关的锚定例子，不能只凭抽象词语让评分者自行理解。
这套分数仍可能遗漏有价值的发生。例如，一位参与者形成了重要自我理解，却没有在任务中表达出来。研究应承认指标范围，不把低分解释为缺少主体性。规范上的基本保护不依赖分数，机制研究则需要一个有限、可重复讨论的观察对象。
七、评分者怎样避免提前知道研究者希望什么
至少由两位不参与条件实施的评分者独立评价提交成果，尽量去除能够直接识别配置的标签，并使用相同格式呈现。评分者事先得到任务标准，不获得关于哪种配置应当更好的期待。盲评不能完全保证，因为文本风格或内容仍可能暴露条件，但应尽量减少这种影响，并如实记录限制。
独立评分以后，先保留原始分数，再按预定办法处理差异。可以报告总分与分项的分歧情况，检查哪些标准最容易被不同理解。若需要共同裁定，应记录裁定依据，而不是悄悄只留下一个看起来高度一致的最终分。评分一致性不等于指标有效性，但过大的无解释分歧会削弱结果的可解释性。
先导阶段可以用构造答案校准评分标准。若评分者只因文字流畅就给予高分，需调整锚定例子，使实际方法改变和证据边界取得位置。不能为了使某组表现突出而修改标准，也不能在看到正式组别后把不利项目删去。
还可以设置少量机械可核项目，例如算术是否正确、规定限制是否被满足，与较开放的论证评价并列。机械项目不替代创造性判断，但能够帮助发现华丽表达掩盖基本错误的情况。两类证据应分别报告，不将其中更好看的一个独占最终结论。
八、主要分析应当预先确定
主要分析以小组为分配单位，比较有反馈条件下两种工作区配置的平均迁移任务得分，并报告差值与不确定范围。组内成员的影响不能被当作大量独立样本来人为提高精度。基线调整、分层处理与异常值规则，都应在正式结果可见之前确定。
由于分配在小组层进行，可以考虑与随机分配方式相对应的置换分析；区间估计也应保留小组结构。具体计算程序需要在正式运行前通过构造数据检查，验证不会把小组标签与个人标签混淆。本稿没有真实研究数据，因此不生成任何显著性数值，也不把空白数据表伪装成实验结果。
次要分析包括反馈的作用、两因素的交互、任务类型差异和时间成本。它们可以帮助解释机制，但应与主要结论分开，并说明多项分析带来的选择风险。不能因为主要比较没有支持，就从许多次要结果中挑一个有利值宣称原命题已经获证。
结果解读还要区分没有发现明确差异与证明完全相同。样本、变异和测量范围都会影响能够辨认的差别。报告应给出具体估计和限制，不只宣布“显著”或“不显著”。如果差值很小而成本很大，即使方向符合期待，实际意义仍需讨论；如果差值不清楚，也不能因此取消基本隐私的规范理由。
九、失访与退出不能被自动记成失败
参与者没有提交最终作品，可能出于时间安排、身体不适、任务理解、对研究规则的不满，也可能因为不愿继续开放材料。研究者不能把这些不同情况全部写成能力不足，更不能把行使退出选择惩罚性地计为零分。研究对象是某种安排的作用，不是参与者是否愿意一直配合研究者。
需要分开处理两件事。参与者未按原分配使用工作区，但仍同意保留已提交资料，可以在主要分析中按原分配原则处理，再报告实际使用情况；参与者撤回相关资料的使用许可，则要依照事先说明与实际可执行的范围处理，不能为了维持分析完整而偷偷继续使用。不遵从安排与撤回资料同意，不是一个统计标签。
缺失数量应按条件、小组与任务阶段分别报告。缺失原因只在参与者愿意说明且确有分析必要时记录，不能为了研究隐私保护而追问其不愿公开的私人经历。如果某一条件缺失更多，这本身需要进入结果限制，而不能只比较留下来的高分作品。留下者之间的平均差异，未必代表原来所有被分配者的差异。
一个纯粹示意的敏感性计算能够说明这一点。设两个条件各计划观察四十八人，实际各有四十份获准使用的完整结果；私人条件平均八点五分，共三百四十分，共享条件平均七点五分，共三百分。若只看完整结果，前者高一分。现在假定未观察的每份结果只能确定在零到十二分之间，不能进一步假设它们与已观察者相同。
将每组八份缺失分别放在允许范围两端，私人条件的全体均值可以从三百四十除以四十八，到四百三十六除以四十八，约为七点零八至九点零八；共享条件则约为六点二五至八点二五。两者差值的极端范围从负的一点一七到正的二点八三。完整结果中的正一分，在这些宽松条件下并不能确定全体差异的方向。
这个计算不是本研究的结果，也不替代小组随机设计所需的正式分析。它刻意采用简化的总体平均，只让读者看见：不知道的结果不能被默默填成对理论有利的值。实际研究可以在有根据的假设下做更细的缺失处理，但每项假设都需要说明，并同时提供对假设改变是否敏感的结果。
本书附带的计算程序用分数精确核对上述边界。它证明的是示意算术无误，不证明真实缺失一定落在最不利情形，也不证明某种统计补全办法适用于所有数据。研究诚实的要求不是永远采用最悲观结论，而是让依赖什么假设才成立的判断，保持可见。
十、保护有没有执行，要另设一组观察
任务成绩不能独自证明保护有效。即使私人条件表现更好，也可能只是参与者相信受到保护，实际内容仍被不必要地复制；相反，保护规则被严格执行，也可能没有改善这类任务的表现。因此，研究必须把规则执行与知识工作结果分开测量，再分析二者之间的联系。
执行检查可以使用完全构造的测试材料，而不使用参与者的真实秘密。在已明确同意的范围内，将若干测试对象设为不允许某角色调用，另将若干对象设为允许调用，检查系统是否按声明范围处理。每次测试要保留对象、角色、目的、规则版本和预期结果，不能只保存一个“通过”的总数。
至少应分开报告三类结果：不该允许却允许的调用，该允许却被阻断的调用，以及不能取得充分证据判断的调用。前两者分别涉及越界与服务受阻，第三者是验证不足，不能为了好看而归入成功。分母是预先规定的测试调用数，不是事后挑选的用户数；同一测试重复执行多少次，也要说明，避免把反复点同一个按钮当作覆盖更多场景。
测试材料中可以放入不会对应真实生活的人工标记，检查它是否出现在不该出现的输出。但标记没有出现，并不能证明语义内容没有被改写后传出；也不能证明其他存储位置没有副本。这类检查只提供有限证据，需要与访问配置、用途约束、记录范围和版本变化一起理解。
本书第十章与第二十三章已经提供两类有限程序演示。它们帮助检查明确输入下的规则是否自相矛盾，却没有覆盖现实系统的一切行为。因此，实际研究必须记录它采用的工具究竟能够保证什么，哪一部分依赖受托方声明，哪一部分经过独立检查。相信、声明与验证不应合并成一个词。
十一、研究不能为了看见“我”，取消“我”的边界
正式实施以前，应由具备相应职责的独立审查者评估风险、同意说明与退出安排。这里提出这一要求，不意味着本书已经获得任何机构批准。候选研究只面向自愿参加的成人，使用构造材料，不以教师评价、雇佣考核或基本服务资格迫使人参加，也不把不参加者当作反对创新的人。
参与者需要知道自己可能被分到哪一种工作区，哪些内容向谁可见，哪些内容用于评分，哪些内容不收集，以及退出能够改变哪些后续使用。说明应当包括边界：已经在小组中被他人看见的内容，无法承诺从所有人的记忆中消失；研究者仍可以停止新增传播、处理受控副本，并履行已经说明的补救。
隐私条件不应以暗中监测全部私人草稿来判断是否“真的在独立思考”。那样会在方法上取消实验所声称提供的条件。研究者可以观察参与者愿意提交的成果、任务用时和有限的自评，却必须承认自己无法完整读取自我世界。测量的节制不是研究失败，而是研究对象对研究方法提出的限制。
报酬如有，应当主要补偿已经投入的时间，而不与支持本书结论、提供更多私人内容或者取得高分挂钩。中途退出后的合理结算也要预先说明。否则，研究可能通过经济压力换取表面自愿，得到的结果反映的不是保护安排，而是参与者不敢退出的处境。
发现真实敏感内容被误提交时，应暂停其传播并按既定程序处理，不因研究者“并未要求提供”就任其进入公开数据。共同工作区中出现的参与者互相评价，也要有适当的行为边界。研究不会因为主题是创造力，就对实际伤害免责。
十二、记录表应该留下什么，又必须舍弃什么
候选数据结构由项目编号、小组编号、分配条件、任务版本、基线任务分、提交作品编号、独立评分、必要时间指标和明确的资料使用状态构成。能够识别联系人的信息另行保存，与评分表分开；评分者不需要接触联系方式。内部编号只能降低直接识别程度，不能自动保证没有重新识别的可能。
私人草稿全文、全部AI对话、无关生活经历和第三人的真实资料，不进入默认收集范围。共享条件中的工作材料也不是研究者可以永久占有的资产。只保留经过明确说明的构造任务材料，不能把参加一场研究扩展成对参与者未来一切知识工作的观察许可。
为使草案可以被实际审查，本协议提出一个有待批准的保留方案：正式提交的构造任务作品在结果核验阶段保留九十天，必要的编码评分与方法记录保留一年，期限均从该参与者完成最后任务之日起计算。这些是本书的设计值，不是任何地区的法定期限；在研究启动前必须结合实际审查结果锁定，而不能无声延长。
需要长期公开的应是尽可能不涉及个人的任务材料、评分规则、分析代码和汇总结果。逐人作品是否公开，另设单独且非强迫的许可，不能与参加研究捆绑。对已经公开的汇总结果，也要提前说明撤回的实际限制，不承诺可以删除所有被他人取得的版本。
期限届满时，应分别检查受控原件、工作副本与备份处理状态。无法立即删除的部分需要有具体理由、隔离与到期安排，不能只用“技术原因”无限保留。处理记录无需包含被删除内容本身，否则为了证明删除，反而重新复制了一份。
十三、从先导到实际场景，不能一步跳成普遍规律
先导研究首先检查可行性：参与者是否理解工作区区别，评分规则能否稳定使用，任务是否会诱使真实私人内容进入，工具的访问规则是否与说明一致。出现严重误解、无法执行的边界或评分标准失效时，应先修订设计，而不是带着问题进入更大样本。
正式构造任务研究则主要检查预先限定的机制比较。它与真实工作有距离：任务时间较短，结果风险较低，参与者知道处于研究中，工具使用也受到统一安排。这些条件使比较更清楚，却同时限制了外推。不能把一次任务成绩差异直接换算成一年创新收入或人格成长。
进入教学、研究服务或社区经营场景时，可以开展自愿的持续观察，但不应故意剥夺一部分人的基本隐私来制造对照。参与者选择不同安排可能与能力、资源、信任和任务类型有关；这些选择差异不能仅靠增加观察人数自动消失。现场材料更贴近生活，也更需要谨慎解释因果。
每个阶段都应有停止或退回条件。若边界执行反复失败，应先处理保护问题；若实际服务需要大量未在原协议中的资料，应重新设计任务；若代价明显高于参与者得到的收益，应公开讨论是否继续。研究过程不能为了完成既定计划，就要求参与者无限承担理论试错。
十四、经济观察必须把真正的账与示意账分开
第六编与第三十八章的算例已经说明，即使一个服务组合在纸面上能覆盖目标，其成立仍依赖真实需求、交付时间、返工、退款、维护与研究投入。正式经济观察要记录实际发生的这些项目，不能把计划订单当成已售订单，把报名意向当成支付，把外部补助混成客户购买。
提供者的研究时间与私人生活不必为核算而全部透明。可以在获得明确同意后，以服务项目为单位记录必要工时、直接支出和约定费用，再说明未计成本。客户也不必交出私人内容才能证明服务有用；可以通过双方预定的任务交付与验收记录取得有限证据。
收入、现金结余和经济利润应分别讨论。没有给提供者的劳动、设备折旧或机会成本定值，并不意味着它们等于零；只是当前账目尚未包含。反过来，对这些成本采用某个假设值，也不能冒充真实发生的现金支出。不同读数回答不同问题，不能选择最有利的一种作为全部成功。
观察期内存在资助时，应把资助作为独立的资金来源，而不是偷偷改写为市场已经认可。接受资助不一定损害项目价值，但它改变了持续性的条件。若资助终止，项目能否继续，需要另做分析。基本隐私保护也不能因某个项目经济失败而被撤销。
十五、结果怎样改变具体命题
为避免结果出来以后任意解释，协议预先把一分设为零到十二分量表上的候选实际意义阈值。这个值只是研究设计的起点，需在正式研究前结合评分锚点与使用情境审定，不是关于创造力的普遍标准。它让研究者在看到结果之前说明，多大的差异才足以支持改变安排。
若主要差异及其合理不确定范围都支持私人且有反馈条件取得有意义的优势，可以增加对这一有限机制的信心，但不能据此宣称所有工作都应私密。若估计非常接近零，而且整个区间都落在预先规定的小差异范围内，则可以得到针对这类任务、这套安排的有限等效证据；若区间很宽，结论应是证据不足，而不是证明无效。
若私人条件明显更差，研究者需要检查任务是否依赖即时共同线索，保护设计是否妨碍必要反馈，以及理论是否高估了某种探索边界的作用。可以提出新的解释，但必须让新的解释接受后续检验，不能仅仅说参与者“没有真正发生”便排除反例。
还可能出现混合结果：方法修订更好，耗时却更长；少数任务有优势，另一些没有；规则执行可靠，但经济成本难以承担。此时需要按预先区分的命题分别修改，不用某个局部成功遮盖整体代价。保护基本位置的规范论证，与选择哪一种实现方式的效果评价，在这里尤其不能混同。
十六、让研究也接受本书要求的有限开放
协议正式采用以前，应固定版本、问题、主要比较、分析程序和结果解释规则，并在适当的公开记录位置登记。登记能够约束事后改口，却不自动保证研究质量；独立审读、执行记录与诚实报告仍不可缺少。本稿只是提供候选协议，没有完成这项登记，也没有制造一个虚构的登记号。
可公开的方法应尽量公开：构造题、评分锚点、代码、修订说明和不涉及私人内容的汇总结果，使别人能够检查研究者怎样得到结论。不能公开的材料则说明范围和理由，在必要时接受受约束的审查。这样，研究并不是以“隐私”为由取消验证，而是把验证对象与进入范围分别规定。
作者本人也不能成为自动正确的评分标准。研究人员不因使用了SDE术语就加分，也不因反对本书而减分。真正有价值的负面结果，应能够进入下一版，而不是被移到看不见的地方。程序运行成功证明程序按声明工作；它不替作者完成本体论、经验与规范上的全部责任。
本章的研究协议因此留下两项清楚的承诺。对可以测量的有限命题，接受与期待不一致的结果；对不能被这一测量直接回答的问题，不借读数装作已经解决。一个新典范只有允许不同层次的主张以不同方式受挫，才不会把每一种现实都重新解释成自己的胜利。最后一章将把这种约束推到最强的反对意见面前。