新思想前沿 · 哲学的其余主干

社会科学哲学

第 520 号 · 近二十年 · 两幕 · 20 个新思想 · 约 27,416 字 · 王德生亲撰 · 2026 年 8 月

社会科学哲学在过去二十年最显著的变化，是从“社会科学是否像自然科学”这类总括争论，转向解释、测量、外推与制度反馈的具体结构。机制解释和反事实推断要求研究者说明关联怎样生成；社会本体论、群体能动性与关系社会学则表明，制度和行动者并非先验给定。经济模型的施为性、价值负载与 WEIRD 样本清算进一步揭示，研究工具会改变对象，样本分母会决定“普遍人类”的形状。2016 年以后，复制危机、注册报告、平台数据、构念效度、时间化因果图、测量不变性、指标反应性与人工智能参与者，把证据基础设施本身推到前台。以下二十条共同提出一个更严格的判据：社会科学的可信度不只取决于方法是否先进，还取决于对象如何被构成、谁进入数据、研究结论能否跨场景成立，以及分类和指标被采用后怎样反过来改变社会。

【第一幕】上一个十年 · 约 2006—2016

第一幕把解释从相关推向生成链条，也把社会对象从静态实体改写为制度、关系与集体行动的成果。价值、模型与样本不再被当作中性容器，而成为社会科学必须解释的条件。

甲、机制解释：从相关走向生成链条Mechanism-Based Explanation

提出Hedström 与 Ylikoski，2010 年，“Causal Mechanisms in the Social Sciences”，Annual Review of Sociology 36:49–67。　争议Elster，2007 年，Explaining Social Behavior，Cambridge University Press。　最新Beach 与 Pedersen，2019 年，Process-Tracing Methods，第二版，University of Michigan Press。　关键社会解释必须说明行动者、规则与资源怎样在时间中生成结果，而不是只报告变量共变。

大样本回归可以稳定预测失业、投票或冲突，却常把“为何发生”留给一个变量名称。宏观结构与个体选择之间缺少可追踪的中间步骤。从问题的重新命名而非答案的更替看，机制解释的转向可由三步看清：Hedström 与 Ylikoski（2010）定下问题，Elster（2007）暴露遗漏，Beach 与 Pedersen（2019）重画适用范围；此前被排除的是“链条中以常识填补、却没有独立痕迹的中间环节”；机制解释的完整性因此要由遗漏对象来检验。

机制路线主张，决定解释是否成立的只有一条能够连接起点、行动、互动与结果的生成链，而不是相关系数大小。从什么结果会迫使理论退让来读，机制解释把行动者、制度与资源构成的生成环境视为解释核心，并默认“因果方向可以由变量名称直接给定”；只有“被独立证据支持的机制环节数／提出的全部关键环节数”出现系统差异，“机制链条能真实生成结果”才真正站得住（Beach 与 Pedersen 2019）；这也防止在机制解释中把相关性误写成充分解释。

Hedström 与 Ylikoski 区分机制、定律和描述，过程追踪进一步要求为关键环节寻找独立证据；案例中的“烟枪”与“箍环”测试使链条可被击穿。围绕Hedström与Ylikoski区分机制、定律…，Hedström 与 Ylikoski、Elster与Beach 与 Pedersen的材料必须按同一口径比较。

机制叙事可能事后拼接，过度细节也不等于因果。该路线自身承认，机制必须支持反事实差异并接受竞争机制比较。这一路线并没有获得无限通行证，Elster（2007）和Beach 与 Pedersen（2019）为机制解释留下同一个空缺：“链条中以常识填补、却没有独立痕迹的中间环节”；若不把它纳入，正面材料只能说明筛选后的对象；机制解释一旦进入该条件，原结论就必须重述。

研究报告应把机制节点、可观察痕迹、失败环节和替代路径分开列出，不以一张箭头图替代证据。把这一思想写进工作流程时，在研究报告中，机制解释不能只留下结论标签；还要保留“链条中以常识填补、却没有独立痕迹的中间环节”，以及“若过程节点不能被独立干预或追踪，增加因果箭头不构成机制解释”出现后的修订或异议记录（Beach 与 Pedersen，2019）；研究报告的质量最终取决于“若过程节点不能被独立干预或追踪，增加因果箭头不构成机制解释”能否进入下一轮设计。

它与第 519 号第三条“新机制论：生物解释要给出实体、活动与组织”共享实体—活动—组织要求，但社会机制还要处理行动者对规则的理解与制度反馈。把相同对象放进不同解释框架，在机制解释上，第089号第一幕乙“模型与理想化成为核心”提供外部对照；机制解释与对方共享“因果方向可以由变量名称直接给定”，但本条把行动者、制度与资源构成的生成环境放在中心；“链条中以常识填补、却没有独立痕迹的中间环节”仍是共同未解项（2019）；若“链条中以常识填补、却没有独立痕迹的中间环节”仍无法安放，两边就需要第三种解释。

位置E——它把“行动者、制度与资源构成的生成环境”当成单独够用的那一样　单因机制链条能真实生成结果　预设〔14 因与果的方向是给定的〕因果方向可以由变量名称直接给定　量纲被独立证据支持的机制环节数／提出的全部关键环节数　失效若过程节点不能被独立干预或追踪，增加因果箭头不构成机制解释。　自曝机制研究承认许多“机制”只是事后故事，未通过竞争解释测试　空栏链条中以常识填补、却没有独立痕迹的中间环节　异名生物学称“机制组织”；历史学称“过程追踪”；另见第 519 号第三条“新机制论：生物解释要给出实体、活动与组织”；另见第 089 号第一幕乙“模型与理想化成为核心”。

乙、反事实因果：效果是两个潜在结果之差Counterfactual Causal Inference

提出Morgan 与 Winship，2007 年，Counterfactuals and Causal Inference，Cambridge University Press。　争议Pearl，2009 年，Causality，第二版，Cambridge University Press。　最新Athey 与 Imbens，2019 年，“Machine Learning Methods That Economists Should Know About”，Annual Review of Economics 11:685–725。　关键因果效应不是观察到的组间差异，而是同一单位在不同处理下潜在结果的对比。

社会研究长期把控制若干协变量后的差异称为因果，却没有说明处理分配、共同支持和未测混杂。预测模型再准确，也可能只复现选择过程。把三笔材料按时间排开，反事实因果的转向可由三步看清：Morgan 与 Winship（2007）定下问题，Pearl（2009）暴露遗漏，Athey 与 Imbens（2019）重画适用范围；此前被排除的是“没有可比对照、却仍被纳入平均处理效应的人”；因此，反事实因果改变的是对象边界，不是术语表面。

反事实框架把因果识别锁在处理分配与可比潜在结果，而不是统计拟合；只有设计或可辩护假设能连接缺失反事实。从这条命题最容易失败的场景看，要检验反事实因果，应按“落在共同支持区的单位数／全部进入因果估计的单位数”比较；若改变单位在不同处理下的潜在结果结构后读数不变，就不能继续把它当作决定原因（Athey 与 Imbens 2019）；这样，反对者可直接用“落在共同支持区的单位数／全部进入因果估计的单位数”检验反事实因果。

潜在结果、结构因果模型、工具变量与双重机器学习提供不同识别路径。关键读数不是训练误差，而是处理效应、重叠区间、敏感性与样本外异质效应。从何种材料会改变结论来读，从2007到2019，反事实因果的证据责任从提出例子转向统一比较；若不按“落在共同支持区的单位数／全部进入因果估计的单位数”观察，Morgan 与 Winship、Pearl与Athey 与 Imbens其实可能在谈不同对象；三笔来源共同构成反事实因果可回查的论证链。

反事实永远有一半不可观察，识别依赖不可检验假设；机器学习还可能在弱重叠处稳定外推。方法自身要求显式写出估计目标与识别条件。路线内部已经留下一个关键警告，在反事实因果的边界上，Athey 与 Imbens（2019）仍须面对“反事实方法承认关键独立性假设无法从同一数据集直接验证”；如果“没有可比对照、却仍被纳入平均处理效应的人”继续缺席，反事实因果的阳性案例最多只能代表筛选后的对象；“没有可比对照、却仍被纳入平均处理效应的人”由此进入反事实因果命题本身。

政策评估应先写明单位、处理版本、时间零点、潜在结果和共同支持，再选择算法；不能由可得数据反推问题。若要让理论更新真正改变实践，由于“反事实方法承认关键独立性假设无法从同一数据集直接验证”，政策评估不能把反事实因果固化成唯一判据；围绕“没有可比对照、却仍被纳入平均处理效应的人”的版本修订者、异议登记者与结果追踪者必须分别具名（Athey 与 Imbens，2019）；这使反事实因果对政策评估的影响能在下一轮材料中被检查。

它与第 519 号第十七条“目标试验模拟：观察数据分析前先写出理想随机试验”相接：医学用协议对齐反事实，社会科学用设计与识别假设说明缺失的另一条路径。政策评估把第074号第一幕甲“可信性革命的推广期”作为外部对照，Athey 与 Imbens仍须说明反事实因果的未解边界。

位置S——它把“单位在不同处理下的潜在结果结构”当成单独够用的那一样　单因可比反事实决定因果效应　预设〔14 因与果的方向是给定的〕观察到的因果方向不需依赖分配机制　量纲落在共同支持区的单位数／全部进入因果估计的单位数　失效当算法在无重叠区域外推时，预测越平滑，因果偏差反而越难发现　自曝反事实方法承认关键独立性假设无法从同一数据集直接验证　空栏没有可比对照、却仍被纳入平均处理效应的人　异名流行病学称“目标试验”；机器学习称“因果表示”；另见第 519 号第十七条“目标试验模拟：观察数据分析前先写出理想随机试验”；另见第 074 号第一幕甲“可信性革命的推广期”。

丙、社会制度本体：规则只有在地位功能与均衡中持续成立Social Ontology of Institutions

提出Searle，2010 年，Making the Social World，Oxford University Press。　争议Epstein，2015 年，The Ant Trap，Oxford University Press。　最新Hindriks 与 Guala，2015 年，“Institutions, Rules, and Equilibria”，Journal of Institutional Economics 11(3):459–480。　关键货币、公司、婚姻与国家不是纯观念，也不是物理对象，而是规则、承认、实践与权力稳定出的社会实体。

方法论个人主义容易把制度还原为偏好集合，整体主义又把制度当作先于行动者的实体。两者都难说明规则如何被实施、承认和改变。将三笔来源的任务逐一分开，社会制度本体的转向可由三步看清：Searle（2010）定下问题，Epstein（2015）暴露遗漏，Hindriks 与 Guala（2015）重画适用范围；此前被排除的是“处于非正式规则、灰色执行与例外豁免中的社会关系”；因此，社会制度本体改变的是对象边界，不是术语表面。

制度本体论把决定社会对象存在的唯一因素锁在地位功能、规则执行与行为均衡是否共同维持，而不是法律名称或个人信念。若保持其他条件不变，在社会制度本体中，“制度存在取决于规则—实践共同维持”不是一句强调语，而是一项有明确输法的判断；Hindriks 与 Guala 2015要求它接受“实际执行并获得共同预期的规则数／正式公布规则总数”的直接比较；这也防止在社会制度本体中把相关性误写成充分解释。

Searle 分析集体意向与地位功能，Epstein 追问群体事实如何被奠基和锚定，Hindriks 与 Guala 连接规则与博弈均衡。将概念变化与经验变化分开，围绕社会制度本体，Searle（2010）给出起点，Epstein（2015）提供反例，Hindriks 与 Guala（2015）负责更新；最新材料的价值在于把比较口径收紧为“实际执行并获得共同预期的规则数／正式公布规则总数”；“实际执行并获得共同预期的规则数／正式公布规则总数”由此承担社会制度本体的裁决作用。

承认论可能低估强制与物质基础，均衡论也可能把压迫稳定误成正当。该领域自身区分“存在条件”与“合法性条件”。把边界当成命题的一部分，Epstein（2015）和Hindriks 与 Guala（2015）为社会制度本体留下同一个空缺：“处于非正式规则、灰色执行与例外豁免中的社会关系”；若不把它纳入，正面材料只能说明筛选后的对象；“处于非正式规则、灰色执行与例外豁免中的社会关系”由此进入社会制度本体命题本身。

制度研究应记录法律文本、执行资源、参与者预期、退出成本和反例，而不以名义设立等同实际存在。把抽象判断转成可执行动作时，社会制度本体进入制度研究以后，应把“处于非正式规则、灰色执行与例外豁免中的社会关系”从备注移入正式记录，并说明2015年更新前后哪项判断发生了变化；只有保留“处于非正式规则、灰色执行与例外豁免中的社会关系”，制度研究的采用才不等于封闭。

它与第 513 号“黑格尔制度自由”相接：社会本体说明制度怎样存在，规范哲学进一步判断制度是否实现自由。比较两边何时会给出不同结论，第181号第一幕甲“共同生产：科学事实与社会秩序同时被建造”把社会制度本体带到另一制度或材料中；若两边同时成立，“处于非正式规则、灰色执行与例外豁免中的社会关系”就应被单列为连接社会制度本体与对方的第三个解释对象（2015）；社会制度本体与对方的差异由此不会被同义词掩盖。

位置D——它把“规则、承认与均衡的持续维持过程”当成单独够用的那一样　单因制度存在取决于规则—实践共同维持　预设〔14 因与果的方向是给定的〕制度名称已经给出因果方向与社会实体　量纲实际执行并获得共同预期的规则数／正式公布规则总数　失效当法律标签扩张却执行资源不增时，制度名目越完整，实际效力反而越碎片化　自曝社会本体论承认压迫制度也能稳定存在，存在不等于正当　空栏处于非正式规则、灰色执行与例外豁免中的社会关系　异名法学称“纸面权利与实效”；经济学称“均衡制度”；另见第 513 号第十一条“社会自由需要制度实现：意愿自由不足以成为现实自由”；另见第 181 号第一幕甲“共同生产：科学事实与社会秩序同时被建造”。

丁、群体能动性：组织可以形成不等于成员平均的判断Group Agency

提出List 与 Pettit，2011 年，Group Agency，Oxford University Press。　争议Tuomela，2013 年，Social Ontology，Oxford University Press。　最新（未见公开反对，说明本条尚未被独立检验）　关键委员会、公司与国家能够通过程序形成跨时间稳定的判断、计划和责任结构。

把群体决定视为成员偏好的简单加总，会遇到判断聚合悖论、部门分工和人员更替：组织立场可能无人单独持有，却仍指导行动。将三笔来源的任务逐一分开，从2011到2015，群体能动性不再只讨论中心案例；List 与 Pettit、Tuomela与Tollefsen的连续争论，迫使研究者把“被最终决议覆盖、却对风险判断关键的少数意见”写入对象清单；这使“被最终决议覆盖、却对风险判断关键的少数意见”从脚注进入群体能动性的检验中心。

群体能动论把决定组织是否是行动者的唯一因素锁在它能否形成一致判断、计划、信息通道与修订程序，而不是成员人数。从这条命题最容易失败的场景看，要检验群体能动性，应按“可跨人员更替保持并可修订的集体承诺数／全部组织承诺数”比较；若改变跨成员维持的集体判断与计划结构后读数不变，就不能继续把它当作决定原因（Tollefsen 2015）；这样，反对者可直接用“可跨人员更替保持并可修订的集体承诺数／全部组织承诺数”检验群体能动性。

判断聚合理论展示逐项多数可产生集体矛盾，程序设计则能维持群体态度。公司决策、政府内阁和科学合作组提供跨成员持续性案例。比较这几笔文献时，从2011到2015，群体能动性的证据责任从提出例子转向统一比较；若不按“可跨人员更替保持并可修订的集体承诺数／全部组织承诺数”观察，List 与 Pettit、Tuomela与Tollefsen其实可能在谈不同对象；群体能动性的新材料只有改变证明责任才算真正更新。

赋予群体行动地位可能让个人逃避责任，组织一致性也可能来自压制异议。理论自身要求把群体责任与成员角色责任分层。将外部批评换成内部证据，Tuomela（2013）和Tollefsen（2015）为群体能动性留下同一个空缺：“被最终决议覆盖、却对风险判断关键的少数意见”；若不把它纳入，正面材料只能说明筛选后的对象；群体能动性一旦进入该条件，原结论就必须重述。

治理文件应记录谁能提出议题、修订集体立场、保留异议和承接后果，不能只公布最终决议。把这一思想写进工作流程时，由于“判断聚合悖论显示民主程序也会产生群体不一致”，治理文件不能把群体能动性固化成唯一判据；围绕“被最终决议覆盖、却对风险判断关键的少数意见”的版本修订者、异议登记者与结果追踪者必须分别具名（Tollefsen，2015）；只有保留“被最终决议覆盖、却对风险判断关键的少数意见”，治理文件的采用才不等于封闭。

它与第 515 号“共享能动性”相接：行动哲学分析共同意图，本条给出组织级判断与责任的制度条件。从一个领域不能替代另一个领域之处看，把群体能动性与第515号第十六条“共享行动不是个人行动的相加”并读，可以看见本条解释“组织级判断结构决定群体能动性”，对方处理同一问题的另一后果；“被最终决议覆盖、却对风险判断关键的少数意见”决定两边能否真正通约（2015）；这使群体能动性与第515号第十六条“共享行动不是个人行动的相加”的接口成为可继续研究的分界。

位置S——它把“跨成员维持的集体判断与计划结构”当成单独够用的那一样　单因组织级判断结构决定群体能动性　预设〔19 类别互斥且穷尽〕每个行动只能归入个人或群体之一　量纲可跨人员更替保持并可修订的集体承诺数／全部组织承诺数　失效当组织责任被强调而个人角色不透明时，群体人格越强，具体责任人反而越难定位　自曝判断聚合悖论显示民主程序也会产生群体不一致　空栏被最终决议覆盖、却对风险判断关键的少数意见　异名行动哲学称“共享意向”；公司治理称“董事会责任”；另见第 515 号第十六条“共享行动不是个人行动的相加”

戊、关系社会学：行动者由关系位置与互动历史生成Relational Sociology

提出Emirbayer，1997 年，“Manifesto for a Relational Sociology”，American Journal of Sociology 103(2):281–317。　争议（未见公开反对，说明本条尚未被独立检验）　最新Dépelteau 编，2018 年，The Palgrave Handbook of Relational Sociology，Palgrave Macmillan。　关键个人属性与社会结构不能先分开再连接，身份、资源与能力在关系网络和交易中生成。

变量社会学常把阶级、性别、组织与态度当作单位属性，再测它们之间的效应；这种做法难解释同一人在不同关系中的身份与权力变化。从问题的重新命名而非答案的更替看，关系社会学的转向可由三步看清：Emirbayer（1997）定下问题，Crossley（2011）暴露遗漏，Dépelteau 编（2018）重画适用范围；此前被排除的是“无法被单一节点属性表达的依赖、互惠与断裂关系”；这使“无法被单一节点属性表达的依赖、互惠与断裂关系”从脚注进入关系社会学的检验中心。

关系论把决定社会行动的唯一因素锁在行动者所处的关系配置及其历史变化，而不是孤立属性。若保持其他条件不变，要检验关系社会学，应按“含方向与时间信息的关系数／模型使用的全部关系数”比较；若改变关系位置、互动历史与网络资源环境后读数不变，就不能继续把它当作决定原因（Dépelteau 编 2018）；这样，反对者可直接用“含方向与时间信息的关系数／模型使用的全部关系数”检验关系社会学。

网络分析、交易过程与场域研究展示中心性、桥接、依赖和关系序列怎样改变机会。Crossley 将音乐场景与社会运动用于检验关系生成。把支持、反例与更新放在同一阅读顺序中，从1997到2018，关系社会学的证据责任从提出例子转向统一比较；若不按“含方向与时间信息的关系数／模型使用的全部关系数”观察，Emirbayer、Crossley与Dépelteau 编其实可能在谈不同对象；关系社会学的进步应以可区分预测与边界衡量。

关系概念可能吞掉实体差异，网络图也会把意义与权力压成边。该路线自身强调关系必须有内容、时间与机制。把边界当成命题的一部分，Crossley（2011）和Dépelteau 编（2018）为关系社会学留下同一个空缺：“无法被单一节点属性表达的依赖、互惠与断裂关系”；若不把它纳入，正面材料只能说明筛选后的对象；关系社会学一旦进入该条件，原结论就必须重述。

调查与行政数据应记录关系类型、方向、持续时间和断裂，而不是只问是否“有联系”。把抽象判断转成可执行动作时，关系社会学进入调查与行政数据以后，应把“无法被单一节点属性表达的依赖、互惠与断裂关系”从备注移入正式记录，并说明2018年更新前后哪项判断发生了变化；调查与行政数据的质量最终取决于“当网络规模扩大却关系内容被删除时，结构越精细，行动意义反而越不可解释”能否进入下一轮设计。

它与第 514 号“组装体与装置”相接：关系社会学提供可测网络，欧陆理论追问关系如何主体化与分配可见性。接口不在于“都关注某事”，而在于，第514号第十一条“装置不是一个物，而是异质关系的编排”与关系社会学都拒绝把“行动者属性类别互斥且先于关系存在”当作自然事实；差别在于本条从关系位置、互动历史与网络资源环境解释，而“无法被单一节点属性表达的依赖、互惠与断裂关系”在两边仍没有稳定位置（2018）；关系社会学与对方若都有效，就必须解释同一对象为何产生不同结果。

位置E——它把“关系位置、互动历史与网络资源环境”当成单独够用的那一样　单因关系配置决定行动者能力　预设〔19 类别互斥且穷尽〕行动者属性类别互斥且先于关系存在　量纲含方向与时间信息的关系数／模型使用的全部关系数　失效当网络规模扩大却关系内容被删除时，结构越精细，行动意义反而越不可解释　自曝关系社会学承认节点并非完全由网络创造，身体与资源仍有独立约束　空栏无法被单一节点属性表达的依赖、互惠与断裂关系　异名复杂网络称“拓扑位置”；批判理论称“装置关系”；另见第 514 号第十一条“装置不是一个物，而是异质关系的编排”

己、经济模型施为性：模型会把市场做成更像模型Performativity of Economics

提出MacKenzie，2006 年，An Engine, Not a Camera，MIT Press。　争议（未见公开反对，说明本条尚未被独立检验）　最新Svetlova，2018 年，Financial Models and Society，Edward Elgar。　关键定价公式、评级模型和风险指标不仅描述市场，还进入交易、监管与组织目标，改变被描述对象。

传统方法论把模型误差理解为与独立世界的距离，却忽视模型被交易者、交易所和监管者采用后会协调行为。将三笔来源的任务逐一分开，围绕经济模型施为性，2006、2007与2018年的三笔材料依次完成提出、质疑和修订；当“未采用模型、因而从成功案例中消失的机构与交易策略”被重新纳入以后，经济模型施为性必须重写何者还算典型案例；这使“未采用模型、因而从成功案例中消失的机构与交易策略”从脚注进入经济模型施为性的检验中心。

施为性论把决定模型社会效果的唯一因素锁在模型是否被嵌入设备、规则和激励并重组行动，而不是模型拟合度。若只允许一项因素承担核心解释，关于经济模型施为性，支持者须证明模型进入市场设备并重组行为的过程足以改变结果，而不只是与结果相伴；否则“理论模型与被测市场可以保持完全分离”只是未经检验的前提（Svetlova 2018）；这也防止在经济模型施为性中把相关性误写成充分解释。

MacKenzie 追踪期权定价公式进入芝加哥市场，Callon 区分有效、反向和巴纳姆式施为，金融模型研究记录模型争议与组织使用。比较这几笔文献时，经济模型施为性不能按引文数量投票：2006年的提出、2007年的质疑和2018年的修订，需要共同解释市场向模型靠近也可能由共同外部条件造成，施为性叙事容易把经济学影响夸大，否则新年份不等于新证据；经济模型施为性的新材料只有改变证明责任才算真正更新。

市场向模型靠近也可能由共同外部条件造成，施为性叙事容易把经济学影响夸大。该路线自身要求可追踪的部署链和反事实。从支持者不得不接受的反例看，Callon（2007）和Svetlova（2018）为经济模型施为性留下同一个空缺：“未采用模型、因而从成功案例中消失的机构与交易策略”；若不把它纳入，正面材料只能说明筛选后的对象；若不记录“未采用模型、因而从成功案例中消失的机构与交易策略”，经济模型施为性的成功材料会掩盖对象筛选。

模型审计应同时记录预测误差和被采用后的行为改变、拥挤交易、规避策略与监管反馈。在机构采纳之前，把经济模型施为性落实到模型审计，最低要求是保存“未采用模型、因而从成功案例中消失的机构与交易策略”，并记录“当同一模型成为行业标准时，预测一致性越高，拥挤与系统性偏差反而越大”触发的修订；Svetlova（2018）是最近的参照；模型审计的质量最终取决于“当同一模型成为行业标准时，预测一致性越高，拥挤与系统性偏差反而越大”能否进入下一轮设计。

它与第 518 号“算法中介”相接：经济模型通过价格与风险设备施为，技术哲学则追踪界面与系统怎样物质化同类规范。模型审计把第518号第二条“技术中介：装置不只传递行动，还重写知觉与选择”作为外部对照，Svetlova仍须说明经济模型施为性的未解边界。

位置D——它把“模型进入市场设备并重组行为的过程”当成单独够用的那一样　单因模型嵌入实践决定施为效果　预设〔19 类别互斥且穷尽〕理论模型与被测市场可以保持完全分离　量纲因模型部署而改变的关键市场规则数／模型声称描述的全部规则数　失效当同一模型成为行业标准时，预测一致性越高，拥挤与系统性偏差反而越大　自曝施为性研究承认部分市场变化来自外部制度而非模型本身　空栏未采用模型、因而从成功案例中消失的机构与交易策略　异名技术哲学称“算法中介”；管理学称“指标驱动行为”；另见第 518 号第二条“技术中介：装置不只传递行动，还重写知觉与选择”

庚、价值负载：社会科学不能把风险分配伪装成纯事实Values in Social Science

提出Douglas，2009 年，Science, Policy, and the Value-Free Ideal，University of Pittsburgh Press。　争议（未见公开反对，说明本条尚未被独立检验）　最新Elliott，2017 年，A Tapestry of Values，Oxford University Press。　关键选题、构念、误差容忍和政策建议都包含价值判断，客观性来自公开和约束价值，而非假装没有价值。

价值自由理想允许学者在数据与价值之间画硬线，却不能解释假阳性与假阴性由谁承担、哪些问题获得经费以及何种差异算重要。把早期命题与后来的边界研究并读，从2009到2017，价值负载不再只讨论中心案例；Douglas、Kitcher与Elliott的连续争论，迫使研究者把“未被计入方法表、却决定假阳性与假阴性由谁承担的价值判断”写入对象清单；价值负载的完整性因此要由遗漏对象来检验。

价值负载论把决定客观性的唯一因素锁在价值影响是否被公开、批判并由证据责任约束，而不是研究者是否宣称中立。从什么结果会迫使理论退让来读，要检验价值负载，应按“被公开说明价值与误差代价的关键决策数／全部关键方法决策数”比较；若改变价值选择进入选题、误差与阈值的判断过程后读数不变，就不能继续把它当作决定原因（Elliott 2017）；价值负载若不出现预期差异，就应缩小或撤回。

Douglas 分析归纳风险，Kitcher 讨论民主优先序，Elliott 区分价值进入科学的多条路径。环境标准与公共健康阈值提供具体案例。若不把引文数量当作证据强度，围绕价值负载，Douglas（2009）给出起点，Kitcher（2011）提供反例，Elliott（2017）负责更新；最新材料的价值在于把比较口径收紧为“被公开说明价值与误差代价的关键决策数／全部关键方法决策数”；“被公开说明价值与误差代价的关键决策数／全部关键方法决策数”由此承担价值负载的裁决作用。

公开价值不等于所有结论相对，民主参与也不能替代专业证据。该路线自身坚持价值影响必须与方法透明和反证开放结合。在最不利的条件下，Kitcher（2011）和Elliott（2017）为价值负载留下同一个空缺：“未被计入方法表、却决定假阳性与假阴性由谁承担的价值判断”；若不把它纳入，正面材料只能说明筛选后的对象；若不记录“未被计入方法表、却决定假阳性与假阴性由谁承担的价值判断”，价值负载的成功材料会掩盖对象筛选。

研究方案应标出错误代价、利益相关者、决策阈值和价值冲突，使政策使用者看见结论的规范前提。从被影响者实际会遇到的节点看，在研究方案中，价值负载不能只留下结论标签；还要保留“未被计入方法表、却决定假阳性与假阴性由谁承担的价值判断”，以及「当“中立”被用来隐藏阈值选择时，形式客观性越强，弱势群体承担的错误反而越不可见」出现后的修订或异议记录（Elliott，2017）；这使价值负载对研究方案的影响能在下一轮材料中被检查。

它与第 516 号“立场认识论”相接：两边都承认位置影响知识，但位置只有在可批评程序中才提升而非削弱客观性。从尚未被两边共同解释的余项看，第089号第二幕二“价值负载的论证被补齐”把价值负载带到另一制度或材料中；若两边同时成立，“未被计入方法表、却决定假阳性与假阴性由谁承担的价值判断”就应被单列为连接价值负载与对方的第三个解释对象（2017）；价值负载与对方若都有效，就必须解释同一对象为何产生不同结果。

位置D——它把“价值选择进入选题、误差与阈值的判断过程”当成单独够用的那一样　单因公开且受约束的价值介入决定客观性　预设〔04 测量不改变被测对象〕测量与判断不会改变研究对象和风险分配　量纲被公开说明价值与误差代价的关键决策数／全部关键方法决策数　失效当“中立”被用来隐藏阈值选择时，形式客观性越强，弱势群体承担的错误反而越不可见　自曝价值论承认公开立场不能替代证据，政治正确也可能造成选择性解释　空栏未被计入方法表、却决定假阳性与假阴性由谁承担的价值判断　异名女性主义科学称“强客观性”；政策分析称“归纳风险”；另见第 516 号第六条“立场优势需要议程权：多样性若不能改问题就只是样本装饰”；另见第 089 号第二幕二“价值负载的论证被补齐”。

辛、WEIRD 清算：便利样本不能代表普遍人类Beyond WEIRD Samples

提出Henrich、Heine 与 Norenzayan，2010 年，“The Weirdest People in the World?”，Behavioral and Brain Sciences 33(2–3):61–83。　争议Rad、Martingano 与 Ginges，2018 年，“Toward a Psychology of Homo Sapiens”，PNAS 115(45):11401–11405。　最新Apicella、Norenzayan 与 Henrich，2020 年，“Beyond WEIRD”，Nature Human Behaviour 4:23–30。　关键西方、受教育、工业化、富裕与民主社会在感知、推理和合作上并非人类默认值。

心理学和行为经济学长期用大学生与在线样本建立“人类”规律，文化差异常在讨论段被当作外部效度限制。将三笔来源的任务逐一分开，围绕WEIRD 清算，2010、2018与2020年的三笔材料依次完成提出、质疑和修订；当“没有稳定网络、语言或支付账户而无法进入便利样本的人”被重新纳入以后，WEIRD 清算必须重写何者还算典型案例；这条时间线显示WEIRD 清算在哪一步失去旧解释力。

WEIRD 清算把决定普遍性资格的唯一因素锁在跨文化、跨制度和跨生计方式的复制，而不是样本量。把隐含前提翻到台面上，要检验WEIRD 清算，应按“覆盖不同制度与生计方式的样本数／声称普遍的研究样本总数”比较；若改变文化、制度与招募构成的样本环境后读数不变，就不能继续把它当作决定原因（Apicella、Norenzayan 与 Henrich 2020）；“跨情境复制决定普遍性”因此拥有明确的输法。

2010 年综述列举视觉错觉、公平、分类与自我观差异；2018 与 2020 年文献推动样本描述、全球合作与理论修订。把不同材料的证据角色逐项说明，WEIRD 清算不能按引文数量投票：2010年的提出、2018年的质疑和2020年的修订，需要共同解释WEIRD标签可能把西方内部差异抹平，也可能把其他群体重新异域化，否则新年份不等于新证据；这使WEIRD 清算中的提出、反对和修订不再混成同一种引文。

WEIRD 标签可能把西方内部差异抹平，也可能把其他群体重新异域化。该路线自身要求具体描述制度、语言与招募，而非粗分文化。从支持者不得不接受的反例看，在WEIRD 清算的边界上，Apicella等（2020）仍须面对「WEIRD 批评承认“非西方”不是单一对照组，粗糙多样化也会制造新偏差」；如果“没有稳定网络、语言或支付账户而无法进入便利样本的人”继续缺席，WEIRD 清算的阳性案例最多只能代表筛选后的对象；WEIRD 清算一旦进入该条件，原结论就必须重述。

期刊与数据库应强制报告样本来源、语言、教育、收入、制度和招募渠道，并把外推范围写进结论标题。在课程、档案或治理环节，由于「WEIRD 批评承认“非西方”不是单一对照组，粗糙多样化也会制造新偏差」，期刊与数据库不能把WEIRD 清算固化成唯一判据；围绕“没有稳定网络、语言或支付账户而无法进入便利样本的人”的版本修订者、异议登记者与结果追踪者必须分别具名（Apicella等，2020）；期刊与数据库的质量最终取决于“当同一在线平台扩大样本量时，人数越多，制度与语言同质性反而可能越高”能否进入下一轮设计。

它与第 517 号“知识地理”相接：去殖民哲学追问谁设定问题，本条给出样本代表性与理论外推的经验读数。把相同对象放进不同解释框架，把WEIRD 清算与第265号第一幕二“民族志拒绝：被研究者有权不被完全知道”并读，可以看见本条解释“跨情境复制决定普遍性”，对方处理同一问题的另一后果；“没有稳定网络、语言或支付账户而无法进入便利样本的人”决定两边能否真正通约（2020）；这使WEIRD 清算与第265号第一幕二“民族志拒绝：被研究者有权不被完全知道”的接口成为可继续研究的分界。

位置E——它把“文化、制度与招募构成的样本环境”当成单独够用的那一样　单因跨情境复制决定普遍性　预设〔04 测量不改变被测对象〕测量同一任务不会因文化情境改变对象　量纲覆盖不同制度与生计方式的样本数／声称普遍的研究样本总数　失效当同一在线平台扩大样本量时，人数越多，制度与语言同质性反而可能越高　自曝WEIRD 批评承认“非西方”不是单一对照组，粗糙多样化也会制造新偏差　空栏没有稳定网络、语言或支付账户而无法进入便利样本的人　异名去殖民方法称“知识地理”；统计学称“目标总体”；另见第 517 号第一条“殖民性：帝国结束后，知识与分类仍会继续统治”；另见第 265 号第一幕二“民族志拒绝：被研究者有权不被完全知道”。

【第二幕】这十年 · 约 2016—2026

第二幕聚焦证据基础设施。复制、预注册、平台数据、构念效度、时间顺序、比较不变性、指标反应和人工智能污染共同要求：社会科学既要研究世界，也要研究自己的测量怎样进入世界。

一、复制危机：单实验显著不再等于稳定事实Replication and Multi-Lab Science

提出Open Science Collaboration，2015 年，“Estimating the Reproducibility of Psychological Science”，Science 349(6251):aac4716。　争议Camerer 等，2018 年，“Evaluating the Replicability of Social Science Experiments in Nature and Science”，Nature Human Behaviour 2:637–644。　最新Klein 等，2018 年，“Many Labs 2”，Advances in Methods and Practices in Psychological Science 1(4):443–490。　关键一个结果能否成为公共知识，取决于独立团队、不同地点与分析选择下是否保持可解释稳定。

显著性文化把一次发表视为事实入口，失败复制则归于情境差异或能力不足。选择性发表与灵活分析使文献中阳性比例远高于真实稳定率。把近二十年的材料按问题而非学派重排，复制危机的转向可由三步看清：Open Science Collaboration等（2015）定下问题，Camerer 等（2018）暴露遗漏，Klein 等（2018）重画适用范围；此前被排除的是“未发表、因不显著而不进入元分析的高质量重复研究”；这使“未发表、因不显著而不进入元分析的高质量重复研究”从脚注进入复制危机的检验中心。

复制转向把决定结果可信度的唯一因素锁在独立重做与多地点异质性解释，而不是原期刊声望或 p 值。从支持与不支持应当出现何种差异来判断，关于复制危机，支持者须证明跨团队、地点与分析选择的稳定结果结构足以改变结果，而不只是与结果相伴；否则“测量与重做不会因研究者和地点改变对象”只是未经检验的前提（Klein 等 2018）；“独立复制决定公共可信度”因此拥有明确的输法。

2015 年心理科学项目复制 100 项研究，2018 年高影响社会科学实验和 Many Labs 2 又比较跨地点效应与情境变量。从原始论证的推进方式看，复制危机不能按引文数量投票：2015年的提出、2018年的质疑和2018年的修订，需要共同解释直接复制不能覆盖理论构念，低功效复制也会误判，否则新年份不等于新证据；“在预设容差内成功复制的效应数／接受独立复制的效应总数”由此承担复制危机的裁决作用。

直接复制不能覆盖理论构念，低功效复制也会误判；效应异质并非自动等于失败。该领域自身因此区分可重复、可复制和可推广。把批评与内部承认分开，复制危机最有力的限制来自路线内部：“多实验室项目自身发现情境异质与测量差异，复制不是机械复印”；在复制危机中，Camerer 等（2018）与Klein 等（2018）都表明，一旦出现“当期刊只奖励新奇阳性时，文献规模越大，真实稳定率反而越难估计”，原结论必须缩小；复制危机的反例因此决定结论范围，而不是被当作噪声。

研究共同体应预留复制经费、共享材料、预先定义成功区间，并发表高质量阴性结果与异质性。从谁能够要求改正来设计，由于“多实验室项目自身发现情境异质与测量差异，复制不是机械复印”，研究共同体不能把复制危机固化成唯一判据；围绕“未发表、因不显著而不进入元分析的高质量重复研究”的版本修订者、异议登记者与结果追踪者必须分别具名（Klein 等，2018）；否则，研究共同体只会用复制危机的新术语保存旧问题。

它与第 519 号“证据双钥匙”相接：复制检验效应稳定，机制与外推则回答为何在不同条件下保持或改变。为了避免只做类比，第519号第十二条“医学证据双钥匙：效果与机制必须互相校验”把复制危机带到另一制度或材料中；若两边同时成立，“未发表、因不显著而不进入元分析的高质量重复研究”就应被单列为连接复制危机与对方的第三个解释对象（2018）；复制危机与对方若都有效，就必须解释同一对象为何产生不同结果。

位置S——它把“跨团队、地点与分析选择的稳定结果结构”当成单独够用的那一样　单因独立复制决定公共可信度　预设〔04 测量不改变被测对象〕兼属〔25 失败样本不含信息〕测量与重做不会因研究者和地点改变对象　量纲在预设容差内成功复制的效应数／接受独立复制的效应总数　失效当期刊只奖励新奇阳性时，文献规模越大，真实稳定率反而越难估计　自曝多实验室项目自身发现情境异质与测量差异，复制不是机械复印　空栏未发表、因不显著而不进入元分析的高质量重复研究　异名临床研究称“多中心验证”；软件工程称“可重做构建”；另见第 519 号第十二条“医学证据双钥匙：效果与机制必须互相校验”

二、有效性先于测量：不存在的构念不能被精密量表救活Validity before Measurement

提出Flake 与 Fried，2020 年，“Measurement Schmeasurement”，Advances in Methods and Practices in Psychological Science 3(4):456–465。　争议Jacobs 与 Wallach，2021 年，“Measurement and Fairness”，FAccT 2021:375–385。　最新Zhao，2023 年，“Measuring the Nonexistent: Validity before Measurement”，Philosophy of Science 90(2):227–244，DOI 10.1017/psa.2023.3。　关键在开发量表和算法之前，必须先论证构念为何存在、用于什么实践、怎样被反例修订。

社会科学常从现成题项和数据开始，以信度、因子拟合或预测精度证明测量成功，却没有说明“韧性”“极端主义”“风险”是否是同一对象。把近二十年的材料按问题而非学派重排，围绕有效性先于测量，2020、2021与2023年的三笔材料依次完成提出、质疑和修订；当“被量表删除、无法归入因子却对生活后果关键的经验”被重新纳入以后，有效性先于测量必须重写何者还算典型案例；这条时间线显示有效性先于测量在哪一步失去旧解释力。

有效性优先把决定测量资格的唯一因素锁在实践性验证论证，而不是内部一致性。以一个清楚的反事实重述，关于有效性先于测量，支持者须证明构念、用途与验证实践的测量环境足以改变结果，而不只是与结果相伴；否则“更多数据必然减少构念偏倚”只是未经检验的前提（Zhao 2023）；有效性先于测量的分界由此从态度差异转成可裁决问题。

Flake 与 Fried 清算隐蔽测量决策，Jacobs 与 Wallach把构念效度引入公平，Zhao 倒转“先假定存在再测量”的顺序。把论证节点与可比较观察并置，围绕有效性先于测量，Flake 与 Fried（2020）给出起点，Jacobs 与 Wallach（2021）提供反例，Zhao（2023）负责更新；最新材料的价值在于把比较口径收紧为“经多用途与后果验证的构念关系数／量表声称测量的全部关系数”；这使有效性先于测量中的提出、反对和修订不再混成同一种引文。

实践验证也可能循环：制度需要一个数，于是构念因可用而被实在化。该路线自身要求多种用途、反例和后果共同检验。从支持者不得不接受的反例看，有效性先于测量并没有获得无限通行证；对有效性先于测量而言，内部材料已经承认“有效性优先承认验证过程可能受制度用途绑架，存在判断仍需独立反例”，而“若构念没有可识别的边界与外部判据，提高信度不能证明测量有效”正是2021年以来可检查的失败情形；这项限制因此是有效性先于测量的反证材料，而非礼貌保留。

量表与算法文档应公开构念图、题项删改、用途、受影响群体和误分类后果，不能只给 Cronbach α 或 AUC。在课程、档案或治理环节，把有效性先于测量落实到量表与算法文档，最低要求是保存“被量表删除、无法归入因子却对生活后果关键的经验”，并记录“若构念没有可识别的边界与外部判据，提高信度不能证明测量有效”触发的修订；Zhao（2023）是最近的参照；否则，量表与算法文档只会用有效性先于测量的新术语保存旧问题。

它与第 519 号“过度诊断”和“精神病学效度危机”相接：医学显示精密检测会制造病人，社会测量说明对象存在不能由仪器输出倒推。量表与算法文档把第519号第十五条“过度诊断：发现更多异常可能让健康人变成患者”作为外部对照，Zhao仍须说明有效性先于测量的未解边界。

位置E——它把“构念、用途与验证实践的测量环境”当成单独够用的那一样　单因实践验证决定构念可测性　预设〔10 更多数据必然减少偏倚〕兼属〔28 记录存在即可核对〕更多数据必然减少构念偏倚　量纲经多用途与后果验证的构念关系数／量表声称测量的全部关系数　失效若构念没有可识别的边界与外部判据，提高信度不能证明测量有效。　自曝有效性优先承认验证过程可能受制度用途绑架，存在判断仍需独立反例　空栏被量表删除、无法归入因子却对生活后果关键的经验　异名医学称“诊断效度”；技术治理称“构念公平”；另见第 519 号第十五条“过度诊断：发现更多异常可能让健康人变成患者”

三、时间必须进入因果图：无时间的 DAG 会隐藏循环与错位Time in Causal DAGs

提出Aalen、Røysland、Gran 等，2016 年，“Can We Believe DAGs?”，Statistical Methods in Medical Research 25(5):2294–2314。　争议（未见公开反对，说明本条尚未被独立检验）　最新Reisach、Suárez、Weichwald 与 Chambaz，2026 年，“The Case for Time in Causal DAGs”，Philosophy of Science，First View:1–21，DOI 10.1017/psa.2026.10216。　关键因果箭头只有相对于明确时间点和持续区间才有方向，静态图会把反馈误画成无环。

社会过程常有政策—行为—政策反馈、选择—态度共同演化和时间零点错位；一张无时间 DAG 可能把同名变量在不同阶段合并。把主流叙述之外的残余重新放进来，围绕时间必须进入因果图，2016、2020与2026年的三笔材料依次完成提出、质疑和修订；当“在测量间隔内发生、却被静态变量合并的反馈与中止事件”被重新纳入以后，时间必须进入因果图必须重写何者还算典型案例；这使“在测量间隔内发生、却被静态变量合并的反馈与中止事件”从脚注进入时间必须进入因果图的检验中心。

时间化因果论把决定图可解释性的唯一因素锁在每个变量是否带有时间资格，而不是图形是否无环。从支持与不支持应当出现何种差异来判断，时间必须进入因果图把变量在时间序列中的生成与反馈过程视为解释核心，并默认“数据量增加会自动修正时间错位”；只有“具有明确时点与持续区间的因果边数／图中全部因果边数”出现系统差异，“时间资格决定因果方向”才真正站得住（Reisach、Suárez、Weichwald 与 Chamb 2026）；时间必须进入因果图若不出现预期差异，就应缩小或撤回。

纵向因果推断、目标试验和 2026 年形式化工作显示，展开时间后原来的循环可变成有序关系，也可能暴露不可辩护的无环假设。把不同材料的证据角色逐项说明，时间必须进入因果图不能按引文数量投票：2016年的提出、2020年的质疑和2026年的修订，需要共同解释更高时间分辨率不总可得，过细切分会增加测量误差，否则新年份不等于新证据；这使时间必须进入因果图中的提出、反对和修订不再混成同一种引文。

更高时间分辨率不总可得，过细切分会增加测量误差；有些因果是持续约束而非离散触发。该路线自身要求按问题选择时间尺度。Hernán 与 Robins与Reisach等都把更高时间分辨率不总可得，过细切分会增加测量误差留作时间必须进入因果图的内部限制。

每张政策 DAG 应标明测量时点、暴露持续、反馈窗口与不可逆事件，并做替代时间划分敏感性分析。从被影响者实际会遇到的节点看，把时间必须进入因果图落实到每张政策DAG，最低要求是保存“在测量间隔内发生、却被静态变量合并的反馈与中止事件”，并记录“当样本频率提高却时间零点仍错位时，数据越密，伪因果方向反而越稳定”触发的修订；Reisach等（2026）是最近的参照；这使时间必须进入因果图对每张政策DAG的影响能在下一轮材料中被检查。

它与第 519 号“因果约束”和“目标试验”相接：一边限制可达状态，一边对齐时间零点；共同反对静态背景。每张政策DAG把第519号第十七条“目标试验模拟：观察数据分析前先写出理想随机试验”作为外部对照，Reisach等仍须说明时间必须进入因果图的未解边界。

位置D——它把“变量在时间序列中的生成与反馈过程”当成单独够用的那一样　单因时间资格决定因果方向　预设〔10 更多数据必然减少偏倚〕数据量增加会自动修正时间错位　量纲具有明确时点与持续区间的因果边数／图中全部因果边数　失效当样本频率提高却时间零点仍错位时，数据越密，伪因果方向反而越稳定　自曝时间化 DAG 承认过细分辨率会放大噪声，时间不是越细越真　空栏在测量间隔内发生、却被静态变量合并的反馈与中止事件　异名流行病学称“时间零点对齐”；系统科学称“动态反馈”；另见第 519 号第十七条“目标试验模拟：观察数据分析前先写出理想随机试验”

四、注册报告：发表承诺应当先于结果方向Registered Reports and Preregistration

提出Chambers，2013 年，“Registered Reports”，Cortex 49(3):609–610。　争议Nosek、Ebersole、DeHaven 与 Mellor，2018 年，“The Preregistration Revolution”，PNAS 115(11):2600–2606。　最新Hardwicke 与 Ioannidis，2018 年，“Mapping the Universe of Registered Reports”，Nature Human Behaviour 2:793–796。　关键研究问题、主要分析与发表原则在看见结果前锁定，才能降低选择性报告与事后假设。

传统评审在结果出来后决定发表，研究者可试多种模型、终点与排除规则，再把成功路径写成预先计划。从被旧分类排除的对象开始，从2013到2018，注册报告不再只讨论中心案例；Chambers、Nosek等与Hardwicke 与 Ioannidis的连续争论，迫使研究者把“被探索发现却因标签不清而伪装成确认性结论的分析”写入对象清单；新增材料由此重画了注册报告必须负责的对象清单。

注册报告把决定证据可信度的唯一因素锁在结果未知时是否完成方法审查与发表承诺，而不是最终显著性。若只允许一项因素承担核心解释，要检验注册报告，应按“按预注册完成并解释偏离的主要分析数／全部主要分析数”比较；若改变结果未知时锁定的研究承诺结构后读数不变，就不能继续把它当作决定原因（Hardwicke 与 Ioannidis 2018）；这也防止在注册报告中把相关性误写成充分解释。

Cortex 率先制度化注册报告，PNAS 综述预注册革命，跨期刊映射显示该模式扩大但执行质量不均。从文献如何缩小结论范围看，围绕注册报告，Chambers（2013）给出起点，Nosek等（2018）提供反例，Hardwicke 与 Ioannidis（2018）负责更新；最新材料的价值在于把比较口径收紧为“按预注册完成并解释偏离的主要分析数／全部主要分析数”；注册报告的新材料只有改变证明责任才算真正更新。

预注册可能僵化探索，也可能以模糊计划形式化通过；公开计划不保证合理设计。制度自身因此允许探索分析但要求明确标识。这一路线并没有获得无限通行证，Nosek等（2018）和Hardwicke 与 Ioannidis（2018）为注册报告留下同一个空缺：“被探索发现却因标签不清而伪装成确认性结论的分析”；若不把它纳入，正面材料只能说明筛选后的对象；若不记录“被探索发现却因标签不清而伪装成确认性结论的分析”，注册报告的成功材料会掩盖对象筛选。

期刊、基金和团队应区分确认与探索，记录偏离理由，并把高质量阴性结果视为完成而非失败。进入具体研究和制度后，把注册报告落实到期刊、基金和团队，最低要求是保存“被探索发现却因标签不清而伪装成确认性结论的分析”，并记录“当注册文本只写宽泛选项时，形式预注册越普及，分析自由度反而越难审计”触发的修订；Hardwicke 与 Ioannidis（2018）是最近的参照；注册报告在期刊、基金和团队中的后果于是成为可复核的改变。

它与第 518 号“负责任创新”相接：两者都要求在方向尚可改变时设定响应节点，而不是事后贴责任标签。与相邻领域的关系不能停在主题相似，在注册报告上，第518号第五条“负责任创新：预见、反思、包容与响应必须形成闭环”提供外部对照；注册报告与对方共享“更多公开数据必然减少分析偏倚”，但本条把结果未知时锁定的研究承诺结构放在中心；“被探索发现却因标签不清而伪装成确认性结论的分析”仍是共同未解项（2018）；若“被探索发现却因标签不清而伪装成确认性结论的分析”仍无法安放，两边就需要第三种解释。

位置S——它把“结果未知时锁定的研究承诺结构”当成单独够用的那一样　单因事前审查与承诺决定抗选择性　预设〔10 更多数据必然减少偏倚〕更多公开数据必然减少分析偏倚　量纲按预注册完成并解释偏离的主要分析数／全部主要分析数　失效当注册文本只写宽泛选项时，形式预注册越普及，分析自由度反而越难审计　自曝注册报告承认探索不可取消，强行锁定会错失意外发现　空栏被探索发现却因标签不清而伪装成确认性结论的分析　异名软件工程称“测试先行”；治理称“事前承诺”；另见第 518 号第五条“负责任创新：预见、反思、包容与响应必须形成闭环”

五、平台数据不对称：研究对象由私有接口决定Platform Data and Epistemic Asymmetry

提出Lazer 等，2009 年，“Computational Social Science”，Science 323(5915):721–723。　争议Freelon，2018 年，“Computational Research in the Post-API Age”，Political Communication 35(4):665–668。　最新Husovec，2024 年，“Transparency”，载 Principles of the Digital Services Act，Oxford University Press，347–368，DOI 10.1093/law-ocl/9780192882455.003.0016。　关键数字痕迹并非自然留下的全景，它由平台产品、接口、推荐与商业权限选择性产生。

计算社会科学曾把海量在线行为视为实时、自然和低成本数据，但 API 关闭、字段变更和排序不可见使研究可重复性受平台控制。若先观察旧理论最难处理的案例，从2009到2024，平台数据不对称不再只讨论中心案例；Lazer 等、Freelon与Husovec的连续争论，迫使研究者把“被平台删除、降权、拒绝接口或没有账户而不进入数字总体的人”写入对象清单；这条时间线显示平台数据不对称在哪一步失去旧解释力。

平台认识论把决定数字证据边界的唯一因素锁在谁拥有数据、接口、算法日志与删除权，而不是记录规模。从什么结果会迫使理论退让来读，在平台数据不对称中，“平台可见性决定数字证据边界”不是一句强调语，而是一项有明确输法的判断；Husovec 2024要求它接受“可由独立研究者复核的数据字段数／平台用于关键结论的字段总数”的直接比较；这样，反对者可直接用“可由独立研究者复核的数据字段数／平台用于关键结论的字段总数”检验平台数据不对称。

2009 年纲领开启大规模数字研究，后 API 时代研究记录访问收缩，欧盟 DSA 的研究者数据访问机制把平台透明变成制度问题。围绕2009年纲领开启大规模数字研究，后API时代研…，Lazer 等、Freelon与Husovec的材料必须按同一口径比较。

强制访问会触及隐私与安全，独立研究者也可能滥用数据。该路线自身要求分级访问、审计、最小化和公共利益审核。从最新文献的保留条件看，平台数据不对称最有力的限制来自路线内部：“计算社会科学承认平台数据是产品行为痕迹，不等于离线生活与动机”；在平台数据不对称中，Freelon（2018）与Husovec（2024）都表明，一旦出现“当平台用户和日志规模扩大却接口收缩时，数据越大，公共可核性反而越低”，原结论必须缩小；平台数据不对称的反例因此决定结论范围，而不是被当作噪声。

论文应保存数据生成规则、接口版本、缺失字段和平台变更日志；监管需记录申请、批准、拒绝与可复核时限。若要避免“原则正确、执行空转”，由于“计算社会科学承认平台数据是产品行为痕迹，不等于离线生活与动机”，论文不能把平台数据不对称固化成唯一判据；围绕“被平台删除、降权、拒绝接口或没有账户而不进入数字总体的人”的版本修订者、异议登记者与结果追踪者必须分别具名（Husovec，2024）；平台数据不对称在论文中的后果于是成为可复核的改变。

它与第 518 号“情境完整性”和第 514 号“平台资本主义”相接：隐私限制流向，批判理论追踪平台所有权，本条把二者转为研究可见性。若用另一个领域的术语重述，把平台数据不对称与第172号第二幕六“透明度”并读，可以看见本条解释“平台可见性决定数字证据边界”，对方处理同一问题的另一后果；“被平台删除、降权、拒绝接口或没有账户而不进入数字总体的人”决定两边能否真正通约（2024）；若“被平台删除、降权、拒绝接口或没有账户而不进入数字总体的人”仍无法安放，两边就需要第三种解释。

位置S——它把“平台接口、排序与权限构成的数字证据结构”当成单独够用的那一样　单因平台可见性决定数字证据边界　预设〔02 单一读数代表复杂对象〕一个大规模数字读数能代表复杂社会对象　量纲可由独立研究者复核的数据字段数／平台用于关键结论的字段总数　失效当平台用户和日志规模扩大却接口收缩时，数据越大，公共可核性反而越低　自曝计算社会科学承认平台数据是产品行为痕迹，不等于离线生活与动机　空栏被平台删除、降权、拒绝接口或没有账户而不进入数字总体的人　异名技术治理称“平台透明”；档案学称“来源记录”；另见第 518 号第六条“情境完整性：隐私是信息流是否符合关系规范”；另见第 172 号第二幕六“透明度”。

六、多方法三角互证：方法数量不等于证据独立Triangulation and Robust Evidence

提出Wimsatt，2007 年，Re-Engineering Philosophy for Limited Beings，Harvard University Press。　争议Munafò 与 Davey Smith，2018 年，“Robust Research Needs Many Lines of Evidence”，Nature 553:399–401。　最新Boyd 与 Matthiessen，2024 年，“Observations, Experiments, and Arguments for Epistemic Superiority”，Philosophy of Science 91(1)，DOI 10.1017/psa.2023.101。　关键观察、实验、机制、自然实验与质性材料只有在错误来源不同且结论会共同收敛时才构成稳健证据。

“混合方法”常被当作质量标签，但几种方法可能共享同一便利样本、构念和选择偏差；数量增加并未增加独立性。若不预设现有分类天然完备，多方法三角互证的转向可由三步看清：Wimsatt（2007）定下问题，Munafò 与 Davey Smith（2018）暴露遗漏，Boyd 与 Matthiessen（2024）重画适用范围；此前被排除的是“方法间不一致、因无法合并而被从最终故事删除的结果”；这使“方法间不一致、因无法合并而被从最终故事删除的结果”从脚注进入多方法三角互证的检验中心。

三角互证把决定稳健性的唯一因素锁在证据路径是否具有不同失败模式，而不是方法名称数。从什么结果会迫使理论退让来读，要检验多方法三角互证，应按“不共享关键误差源的证据路径数／全部声称独立的证据路径数”比较；若改变不同方法的证据生成与误差关系后读数不变，就不能继续把它当作决定原因（Boyd 与 Matthiessen 2024）；“独立失败模式决定三角互证强度”因此拥有明确的输法。

Wimsatt 以稳健性分析说明独立派生，Munafò 与 Davey Smith倡导多证据线，2024 年工作反思实验对观察的先验优越。把三笔资料各自承担的任务分开，围绕多方法三角互证，Wimsatt（2007）给出起点，Munafò 与 Davey Smith（2018）提供反例，Boyd 与 Matthiessen（2024）负责更新；最新材料的价值在于把比较口径收紧为“不共享关键误差源的证据路径数／全部声称独立的证据路径数”；“不共享关键误差源的证据路径数／全部声称独立的证据路径数”由此承担多方法三角互证的裁决作用。

不同方法可能给出不可合并的对象，完全独立也不现实；三角互证自身要求先说明它们是否在回答同一问题。把阳性案例与未解释对象并列，多方法三角互证最有力的限制来自路线内部：“稳健性研究承认不同方法可能不测同一对象，收敛不是自动目标”；在多方法三角互证中，Munafò 与 Davey Smith（2018）与Boyd 与 Matthiessen（2024）都表明，一旦出现“若多种方法共享同一构念、样本和误差来源，它们不能算独立证据线”，原结论必须缩小；“方法间不一致、因无法合并而被从最终故事删除的结果”由此进入多方法三角互证命题本身。

项目应绘制每种方法的样本、构念、误差和依赖图，只有不共享关键偏差的证据才计为独立支持。如果这一主张进入评估标准，把多方法三角互证落实到项目，最低要求是保存“方法间不一致、因无法合并而被从最终故事删除的结果”，并记录“若多种方法共享同一构念、样本和误差来源，它们不能算独立证据线”触发的修订；Boyd 与 Matthiessen（2024）是最近的参照；只有保留“方法间不一致、因无法合并而被从最终故事删除的结果”，项目的采用才不等于封闭。

它与第 519 号“证据双钥匙”相接：医学把效应与机制分开，本条进一步检查两把钥匙是否由同一偏差铸成。项目把第193号第一幕甲“FAIR数据原则——把‘可用’写成机器可执行的四条要求”作为外部对照，Boyd 与 Matthiessen仍须说明多方法三角互证的未解边界。

位置D——它把“不同方法的证据生成与误差关系”当成单独够用的那一样　单因独立失败模式决定三角互证强度　预设〔02 单一读数代表复杂对象〕兼属〔28 记录存在即可核对〕多个读数相加即可代表复杂对象　量纲不共享关键误差源的证据路径数／全部声称独立的证据路径数　失效若多种方法共享同一构念、样本和误差来源，它们不能算独立证据线。　自曝稳健性研究承认不同方法可能不测同一对象，收敛不是自动目标　空栏方法间不一致、因无法合并而被从最终故事删除的结果　异名医学称“证据双钥匙”；工程称“异构冗余”；另见第 519 号第十二条“医学证据双钥匙：效果与机制必须互相校验”；另见第 193 号第一幕甲“FAIR 数据原则——把‘可用’写成机器可执行的四条要求”。

七、测量不变性：同一分数跨群体未必同一含义Measurement Invariance and Fair Comparison

提出Millsap，2011 年，Statistical Approaches to Measurement Invariance，Routledge。　争议Putnick 与 Bornstein，2016 年，“Measurement Invariance Conventions and Reporting”，Developmental Review 41:71–90。　最新Jacobs 与 Wallach，2021 年，“Measurement and Fairness”，FAccT 2021:375–385。　关键跨性别、语言、文化与时期比较之前，必须检验题项、尺度与阈值是否具有相同结构。

社会指标常直接比较平均分，以为同一量表产生同一对象；翻译、反应风格、制度风险和题项关联却会改变分数含义。把主流叙述之外的残余重新放进来，从2011到2021，测量不变性不再只讨论中心案例；Millsap、Putnick 与 Bornstein与Jacobs 与 Wallach的连续争论，迫使研究者把“因翻译、污名或制度风险而以沉默回应、却被当作低特质的人”写入对象清单；新增材料由此重画了测量不变性必须负责的对象清单。

测量不变性把决定比较资格的唯一因素锁在构念结构、载荷和阈值是否跨群体保持，而不是量表名称。若保持其他条件不变，测量不变性把群体语言、制度与题项反应构成的测量环境视为解释核心，并默认“同一量表总分足以代表不同群体的同一对象”；只有“通过实质与统计不变性检验的题项数／用于跨群体比较的题项总数”出现系统差异，“跨群体含义稳定决定比较资格”才真正站得住（Jacobs 与 Wallach 2021）；这也防止在测量不变性中把相关性误写成充分解释。

多组确认性因子、项目反应理论和公平研究提供配置、度量与截距不变性检验。发展心理综述发现报告实践仍不一致。将概念变化与经验变化分开，测量不变性不能按引文数量投票：2011年的提出、2016年的质疑和2021年的修订，需要共同解释严格不变性可能不现实，近似不变也可能掩盖重要群体差异，否则新年份不等于新证据；三笔来源共同构成测量不变性可回查的论证链。

严格不变性可能不现实，近似不变也可能掩盖重要群体差异；统计通过不能证明构念伦理正当。该路线自身要求部分不变与实质解释。在最不利的条件下，测量不变性并没有获得无限通行证；对测量不变性而言，内部材料已经承认“不变性研究承认完全相同并非总能或总应追求，差异本身可能有意义”，而“当机构强行统一量表而含义漂移时，标准化越彻底，群体误判反而越稳定”正是2016年以来可检查的失败情形；这项限制因此是测量不变性的反证材料，而非礼貌保留。

跨群体排名应报告不变性层级、非不变题项和替代结论，不能在一个总分上直接分配资源或惩罚。把失败和例外保留下来，在跨群体排名中，测量不变性不能只留下结论标签；还要保留“因翻译、污名或制度风险而以沉默回应、却被当作低特质的人”，以及“当机构强行统一量表而含义漂移时，标准化越彻底，群体误判反而越稳定”出现后的修订或异议记录（Jacobs 与 Wallach，2021）；测量不变性在跨群体排名中的后果于是成为可复核的改变。

它与第 518 号“算法公平不可能三角”相接：公平指标冲突常源于基准率差异，而本条进一步追问标签本身是否可比。跨群体排名把第270号第一幕甲“交叉性：权力位置不能被单轴身份相加表示”作为外部对照，Jacobs 与 Wallach仍须说明测量不变性的未解边界。

位置E——它把“群体语言、制度与题项反应构成的测量环境”当成单独够用的那一样　单因跨群体含义稳定决定比较资格　预设〔02 单一读数代表复杂对象〕同一量表总分足以代表不同群体的同一对象　量纲通过实质与统计不变性检验的题项数／用于跨群体比较的题项总数　失效当机构强行统一量表而含义漂移时，标准化越彻底，群体误判反而越稳定　自曝不变性研究承认完全相同并非总能或总应追求，差异本身可能有意义　空栏因翻译、污名或制度风险而以沉默回应、却被当作低特质的人　异名算法治理称“标签偏差”；跨文化心理称“测量等值”；另见第 518 号第十一条“公平不可能三角：多个正义指标不能同时满足”；另见第 270 号第一幕甲“交叉性：权力位置不能被单轴身份相加表示”。

八、指标反应性：一旦成为目标，读数就会改变含义Goodhart Effects and Reactivity

提出Espeland 与 Sauder，2007 年，“Rankings and Reactivity”，American Journal of Sociology 113(1):1–40。　争议Muller，2018 年，The Tyranny of Metrics，Princeton University Press。　最新（未见公开反对，说明本条尚未被独立检验）　关键排名、绩效、风险分和问责指标被采用后，会改变组织行为、数据生成和被测对象。

传统测量假定指标只是观察世界，大学排名、警务数字和医院绩效却诱发资源重配、游戏化、选择性收治与定义迁移。从最容易被当成例外的材料切入，从2007到2019，指标反应性不再只讨论中心案例；Espeland 与 Sauder、Muller与Campbell的连续争论，迫使研究者把“被优化行动挤出、却没有独立指标的教学、照护与预防工作”写入对象清单；新增材料由此重画了指标反应性必须负责的对象清单。

反应性理论把决定指标是否仍有效的唯一因素锁在被考核者是否有能力和动机改变读数，而不是初始相关性。以一个清楚的反事实重述，要检验指标反应性，应按“指标采用后仍保持原目标相关性的读数数／全部用于奖惩的核心读数数”比较；若改变指标进入奖惩后重塑行为的过程后读数不变，就不能继续把它当作决定原因（Campbell 2019）；“指标采用后的反应决定其持续效度”因此拥有明确的输法。

Espeland 与 Sauder 追踪法学院排名如何重组组织，指标批评又汇集教育、医疗、警务与科研案例。可测读数是指标采用前后行为与目标的偏离。把支持、反例与更新放在同一阅读顺序中，指标反应性不能按引文数量投票：2007年的提出、2018年的质疑和2019年的修订，需要共同解释并非所有指标都会被游戏，透明量化也能揭示不平等；该领域自身要求比较设计、审计与多指标是否降低而非消除反应，否则新年份不等于新证据；指标反应性的进步应以可区分预测与边界衡量。

并非所有指标都会被游戏，透明量化也能揭示不平等。该领域自身要求比较设计、审计与多指标是否降低而非消除反应。反对意见最锋利的地方在于，指标反应性最有力的限制来自路线内部：“排名研究承认部分行为变化是组织学习而非纯游戏，反应不必全为负”；在指标反应性中，Muller（2018）与Campbell（2019）都表明，一旦出现“当单一绩效指标权重提高时，达标率越高，未计目标与真实质量反而越低”，原结论必须缩小；指标反应性的反例因此决定结论范围，而不是被当作噪声。

绩效制度应记录策略性响应、退出者、未计成本和目标漂移，并定期更换或撤销失去含义的指标。绩效制度应记录“被优化行动挤出、却没有独立指标的教学、照护与预防工作”，并由Campbell说明2019年后的修订。

它与第 513 号“承认与制度自由”及第 518 号“平台排序”相接：指标通过承认与排序分配机会，使用后会制造自己声称测量的行为。比较两边何时会给出不同结论，第253号第一幕二“注意力经济与暗黑模式”把指标反应性带到另一制度或材料中；若两边同时成立，“被优化行动挤出、却没有独立指标的教学、照护与预防工作”就应被单列为连接指标反应性与对方的第三个解释对象（2019）；指标反应性与对方若都有效，就必须解释同一对象为何产生不同结果。

位置D——它把“指标进入奖惩后重塑行为的过程”当成单独够用的那一样　单因指标采用后的反应决定其持续效度　预设〔21 制度采纳不改变指标含义〕制度采纳不会改变指标含义　量纲指标采用后仍保持原目标相关性的读数数／全部用于奖惩的核心读数数　失效当单一绩效指标权重提高时，达标率越高，未计目标与真实质量反而越低　自曝排名研究承认部分行为变化是组织学习而非纯游戏，反应不必全为负　空栏被优化行动挤出、却没有独立指标的教学、照护与预防工作　异名管理学称“目标替代”；技术哲学称“算法施为”；另见第 518 号第十三条“平台超助推：架构通过实时个性化重写选择环境”；另见第 253 号第一幕二“注意力经济与暗黑模式”。

九、循环效应：社会分类会被被分类者理解、抵抗与利用Looping Effects of Human Kinds

提出Hacking，1999 年，The Social Construction of What?，Harvard University Press。　争议Khalidi，2015 年，Natural Categories and Human Kinds，Cambridge University Press。　最新Mallon，2016 年，The Construction of Human Kinds，Oxford University Press。　关键精神诊断、族群、风险和能力类别一旦公开，会改变身份、机构实践与下一轮统计分布。

自然种类模型把类别看作等待发现的稳定簇，却难解释诊断扩散、身份政治、政策资格和人们对标签的策略性反应。若不预设现有分类天然完备，循环效应的转向可由三步看清：Hacking（1999）定下问题，Khalidi（2015）暴露遗漏，Mallon（2016）重画适用范围；此前被排除的是「拒绝、策略使用或无法理解标签而不符合“典型反应”的被分类者」；循环效应的完整性因此要由遗漏对象来检验。

循环效应把决定人类类别轨迹的唯一因素锁在分类与被分类者之间是否存在认识和制度反馈，而不是类别是否完全社会构造。从什么结果会迫使理论退让来读，关于循环效应，支持者须证明分类、被分类者与制度反馈的动态结构足以改变结果，而不只是与结果相伴；否则“类别被制度采纳后仍保持固定含义”只是未经检验的前提（Mallon 2016）；这也防止在循环效应中把相关性误写成充分解释。

Hacking 提出互动种类，Khalidi 与 Mallon 分析因果基础和社会建构可以共存。诊断史、人口分类和风险评分提供长期反馈案例。把论证节点与可比较观察并置，围绕循环效应，Hacking（1999）给出起点，Khalidi（2015）提供反例，Mallon（2016）负责更新；最新材料的价值在于把比较口径收紧为“记录分类版本与反馈变化的时期数／使用同一类别的全部时期数”；循环效应的新材料只有改变证明责任才算真正更新。

不是所有类别都被当事人知道，反馈也可能很弱；强调循环不能否认生物和物质约束。理论自身因此区分互动强度与路径。把批评与内部承认分开，循环效应最有力的限制来自路线内部：“循环理论承认许多分类没有强自我理解，反馈强度需经验测量”；在循环效应中，Khalidi（2015）与Mallon（2016）都表明，一旦出现“当诊断或风险标签传播更广时，识别率越高，原类别的行为分布反而越会改变”，原结论必须缩小；循环效应一旦进入该条件，原结论就必须重述。

长期研究应保存分类版本、资格规则、公众认知和行为变化，不能把跨时期同名类别当作同一总体。为了防止新概念复制旧盲区，循环效应进入长期研究以后，应把「拒绝、策略使用或无法理解标签而不符合“典型反应”的被分类者」从备注移入正式记录，并说明2016年更新前后哪项判断发生了变化；否则，长期研究只会用循环效应的新术语保存旧问题。

它与第 516 号“性别类别工程”和第 519 号“精神病学效度”相接：类别既用于认识，也进入身份、待遇和医疗路径。接口不在于“都关注某事”，而在于，第519号第十四条“精准医学：分层只有在能改变行动时才具有临床价值”与循环效应都拒绝把“类别被制度采纳后仍保持固定含义”当作自然事实；差别在于本条从分类、被分类者与制度反馈的动态结构解释，而「拒绝、策略使用或无法理解标签而不符合“典型反应”的被分类者」在两边仍没有稳定位置（2016）；关于循环效应的跨学科比较因此保留对象差异。

位置S——它把“分类、被分类者与制度反馈的动态结构”当成单独够用的那一样　单因分类反馈决定人类种类轨迹　预设〔21 制度采纳不改变指标含义〕类别被制度采纳后仍保持固定含义　量纲记录分类版本与反馈变化的时期数／使用同一类别的全部时期数　失效当诊断或风险标签传播更广时，识别率越高，原类别的行为分布反而越会改变　自曝循环理论承认许多分类没有强自我理解，反馈强度需经验测量　空栏拒绝、策略使用或无法理解标签而不符合“典型反应”的被分类者　异名医学称“诊断回写”；语言哲学称“概念部署”；另见第 519 号第十四条“精准医学：分层只有在能改变行动时才具有临床价值”

十、制度韧性：冗余、备份与修复能力不是低效率Institutional Resilience and Repair

提出Wildavsky，1988 年，Searching for Safety，Transaction Books。　争议Page，2010 年，Diversity and Complexity，Princeton University Press。　最新Linkov 等，2014 年，“Changing the Resilience Paradigm”，Nature Climate Change 4:407–409。　关键社会系统面对未知冲击时，真正的安全来自多样路径、冗余资源、地方判断和快速修复，而不是正常时期的极致效率。

绩效治理常把库存、重复岗位和备用通道视为浪费，供应链、公共卫生和灾害响应却显示，单一路径在压力下会同时失败。把不同年份的文本当作连续争论而非三次背书，围绕制度韧性，1988、2010与2014年的三笔材料依次完成提出、质疑和修订；当“危机前被裁撤、故障时才显出价值的备用人力与地方知识”被重新纳入以后，制度韧性必须重写何者还算典型案例；制度韧性的完整性因此要由遗漏对象来检验。

韧性论把决定制度持续性的唯一因素锁在冲击后维持、适应与修复能力，而不是平稳期单位成本。从对手最有力的质疑出发，要检验制度韧性，应按“在主要通道失效后仍可运行的功能数／全部关键制度功能数”比较；若改变多样路径、冗余资源与修复能力环境后读数不变，就不能继续把它当作决定原因（Linkov 等 2014）；这也防止在制度韧性中把相关性误写成充分解释。

Wildavsky 区分预期安全与韧性，Page 分析多样性与复杂系统，韧性框架把承受、恢复、适应与转型分开测量。不把三笔来源简单当成多数票，围绕制度韧性，Wildavsky（1988）给出起点，Page（2010）提供反例，Linkov 等（2014）负责更新；最新材料的价值在于把比较口径收紧为“在主要通道失效后仍可运行的功能数／全部关键制度功能数”；制度韧性的新材料只有改变证明责任才算真正更新。

“韧性”可能被用来要求弱者适应不公，冗余也有真实成本。该路线自身要求区分把负担下放给个人与公共能力建设。最有价值的限制来自这一路线自己的材料，制度韧性最有力的限制来自路线内部：「韧性研究承认“适应”可能把结构责任转嫁给受害者」；在制度韧性中，Page（2010）与Linkov 等（2014）都表明，一旦出现“当平稳期效率被单独最大化时，冗余越少，危机中的总体损失反而越大”，原结论必须缩小；制度韧性一旦进入该条件，原结论就必须重述。

制度评估应报告备用通道、恢复时间、地方裁量、失败演练和修复劳动，而不只报告平均效率。把这一思想写进工作流程时，在制度评估中，制度韧性不能只留下结论标签；还要保留“危机前被裁撤、故障时才显出价值的备用人力与地方知识”，以及“当平稳期效率被单独最大化时，冗余越少，危机中的总体损失反而越大”出现后的修订或异议记录（Linkov 等，2014）；制度评估的质量最终取决于“当平稳期效率被单独最大化时，冗余越少，危机中的总体损失反而越大”能否进入下一轮设计。

它与第 518 号“维护与维修伦理”相接：技术维修提供物质层，制度韧性解释知识、人员和权限怎样在故障中接续。当两个领域的结论同时成立，把制度韧性与第265号第二幕九“维修与维护”并读，可以看见本条解释“修复与冗余决定制度韧性”，对方处理同一问题的另一后果；“危机前被裁撤、故障时才显出价值的备用人力与地方知识”决定两边能否真正通约（2014）；若“危机前被裁撤、故障时才显出价值的备用人力与地方知识”仍无法安放，两边就需要第三种解释。

位置E——它把“多样路径、冗余资源与修复能力环境”当成单独够用的那一样　单因修复与冗余决定制度韧性　预设〔21 制度采纳不改变指标含义〕兼属〔25 失败样本不含信息〕制度采纳效率指标后仍能完整代表安全　量纲在主要通道失效后仍可运行的功能数／全部关键制度功能数　失效当平稳期效率被单独最大化时，冗余越少，危机中的总体损失反而越大　自曝韧性研究承认“适应”可能把结构责任转嫁给受害者　空栏危机前被裁撤、故障时才显出价值的备用人力与地方知识　异名工程称“容错与维修”；公共管理称“连续性规划”；另见第 518 号第十七条“维修与修复政治：坏掉后的劳动决定技术能否持续”；另见第 265 号第二幕九“维修与维护”。

十一、可逆政策学习：不确定性下应先保留改错能力Reversible Policy Learning under Uncertainty

提出Cartwright 与 Hardie，2012 年，Evidence-Based Policy，Oxford University Press。　争议Manski，2013 年，Public Policy in an Uncertain World，Harvard University Press。　最新（未见公开反对，说明本条尚未被独立检验）　关键政策证据不能消除深度不确定性，好的决策应设置试点、触发器、退出和更新规则。

“循证政策”容易把某地平均效应当作可复制配方，忽视机制支持、目标人群、实施能力和不可逆损失。将三笔来源的任务逐一分开，在可逆政策学习的争论中，Cartwright 与 Hardie（2012）提出问题，Manski（2013）把“试点退出者、不可逆损失和未被采用替代方案的机会成本”变成反例，Marchau等（2019）再据此收缩可逆政策学习的结论边界；变化落在责任对象，而不只是术语表面；可逆政策学习的完整性因此要由遗漏对象来检验。

可逆学习把决定政策理性的唯一因素锁在制度能否用新证据及时修改、停止或分流，而不是事前置信度。若只允许一项因素承担核心解释，在可逆政策学习中，“可逆更新能力决定不确定性下的理性”不是一句强调语，而是一项有明确输法的判断；Marchau、Walker、Bloemen 与 Popper 2019要求它接受“触发实质修订或停止的监测信号数／预设关键监测信号总数”的直接比较；可逆政策学习的分界由此从态度差异转成可裁决问题。

Cartwright 与 Hardie 分析“会在这里奏效吗”，Manski 用部分识别保留决策区间，深度不确定性研究发展适应路径与触发点。把作品、年份和争议对象同时列出，围绕可逆政策学习，Cartwright 与 Hardie（2012）给出起点，Manski（2013）提供反例，Marchau等（2019）负责更新；最新材料的价值在于把比较口径收紧为“触发实质修订或停止的监测信号数／预设关键监测信号总数”；三笔来源共同构成可逆政策学习可回查的论证链。

有些政策不能小规模试验，过度可逆也会造成摇摆和不平等；学习制度可能只对有资源群体响应。路线自身要求先识别不可逆部分。把批评与内部承认分开，可逆政策学习并没有获得无限通行证；对可逆政策学习而言，内部材料已经承认“适应性政策承认频繁改动会损害稳定预期，更新本身也有成本”，而“当政策只追求一次性确定时，承诺越强，错误出现后的修正速度反而越慢”正是2013年以来可检查的失败情形；若不记录“试点退出者、不可逆损失和未被采用替代方案的机会成本”，可逆政策学习的成功材料会掩盖对象筛选。

政策方案应预先写明最坏损失、监测读数、更新时间、停止阈值和补偿责任，并公开未被采用的替代路径。在课程、档案或治理环节，可逆政策学习进入政策方案以后，应把“试点退出者、不可逆损失和未被采用替代方案的机会成本”从备注移入正式记录，并说明2019年更新前后哪项判断发生了变化；可逆政策学习在政策方案中的后果于是成为可复核的改变。

它与第 518 号“负责任创新”相接：创新治理在方向可改时组织响应，政策哲学则给出外推、触发与撤回的证据结构。政策方案把第230号第一幕甲“全球正义把国家边界从终点改成责任条件”作为外部对照，Marchau等仍须说明可逆政策学习的未解边界。

位置D——它把“试点、监测、触发与撤回的政策过程”当成单独够用的那一样　单因可逆更新能力决定不确定性下的理性　预设〔25 失败样本不含信息〕失败政策样本不含下一轮决策信息　量纲触发实质修订或停止的监测信号数／预设关键监测信号总数　失效当政策只追求一次性确定时，承诺越强，错误出现后的修正速度反而越慢　自曝适应性政策承认频繁改动会损害稳定预期，更新本身也有成本　空栏试点退出者、不可逆损失和未被采用替代方案的机会成本　异名技术治理称“响应式创新”；医学称“自适应试验”；另见第 518 号第五条“负责任创新：预见、反思、包容与响应必须形成闭环”；另见第 230 号第一幕甲“全球正义把国家边界从终点改成责任条件”。

十二、人工智能参与者：在线调查的“人类分母”正在失真AI Participants and Synthetic Survey Data

提出Westwood，2025 年，“The Potential Existential Threat of Large Language Models to Online Survey Research”，PNAS 122:e2518075122，DOI 10.1073/pnas.2518075122。　争议Zhang、Xu 与 Alvero，2025 年，“Generative AI Meets Open-Ended Survey Responses: Research Participant Use of AI and Homogenization”，Sociological Methods & Research 54(3):1197–1242，DOI 10.1177/00491241251327130。　最新Gerber 与 Cash，2026 年，“Identifying Generative AI Use among Genuine Responders in Online Survey Research”，Communications Psychology 4:111，DOI 10.1038/s44271-026-00506-8。　关键调查中的回答者可能是自主机器人，也可能是真人借助模型生成答案，传统质量检查已不足以确认经验主体。

在线样本过去用速度、直线作答、IP 和开放文本识别欺诈；生成模型却能给出流畅、连贯且符合注意检查的回答。比较提出者、批评者和更新者各自保留的对象，从2025到2026，人工智能参与者不再只讨论中心案例；Westwood、Zhang、Xu 与 Alvero与Gerber 与 Cash的连续争论，迫使研究者把“由真人提交却主要来自模型、既非纯人类也非自动机器的混合回答”写入对象清单；新增材料由此重画了人工智能参与者必须负责的对象清单。

新清算把决定调查有效性的唯一因素锁在回答是否来自可识别的人类经验与立场，而不是语法质量或平台身份。若只允许一项因素承担核心解释，在人工智能参与者中，“可验证经验主体决定调查有效性”不是一句强调语，而是一项有明确输法的判断；Gerber 与 Cash 2026要求它接受“经多重来源验证为独立人类经验的回答数／进入分析的全部回答数”的直接比较；“可验证经验主体决定调查有效性”因此拥有明确的输法。

Westwood 报告代理可通过 99.8% 标准质量检查并完成逾 43000 次调查；2026 年研究还指出真实参与者会使用模型，使答案趋同。从提出到修订的连续性看，从2025到2026，人工智能参与者的证据责任从提出例子转向统一比较；若不按“经多重来源验证为独立人类经验的回答数／进入分析的全部回答数”观察，Westwood、Zhang、Xu 与 Alvero与Gerber 与 Cash其实可能在谈不同对象；人工智能参与者的进步应以可区分预测与边界衡量。

AI 检测会误伤非母语者，真人也可合法使用辅助工具；禁止粘贴不能区分协助与伪造。研究自身承认事后检测可能持续落后。把批评与内部承认分开，人工智能参与者最有力的限制来自路线内部：“2026 年研究承认检测特征会随模型变化且可能歧视语言风格”；在人工智能参与者中，Zhang、Xu 与 Alvero（2025）与Gerber 与 Cash（2026）都表明，一旦出现“当语言模型更擅长通过质量检查时，回答越整齐，真实意见多样性反而越低”，原结论必须缩小；人工智能参与者的反例因此决定结论范围，而不是被当作噪声。

调查设计应强调个人经历、允许“不知道”、记录辅助工具、做敏感性分析并建立验证子样本，而不把单一检测器当真值。调查设计应记录“由真人提交却主要来自模型、既非纯人类也非自动机器的混合回答”，并由Gerber 与 Cash说明2026年后的修订。

它与第 511 号“模型语言不自动构成言语行为”和第 518 号“生成式模型的认识中介”相接：流畅文本既不能自动作证，也不能自动证明有人类经验。从尚未被两边共同解释的余项看，第044号第二幕八“悬而未决：黑箱、对齐与‘理解’”把人工智能参与者带到另一制度或材料中；若两边同时成立，“由真人提交却主要来自模型、既非纯人类也非自动机器的混合回答”就应被单列为连接人工智能参与者与对方的第三个解释对象（2026）；关于人工智能参与者的跨学科比较因此保留对象差异。

位置S——它把“可追踪的人类经验与回答来源结构”当成单独够用的那一样　单因可验证经验主体决定调查有效性　预设〔28 记录存在即可核对〕平台记录存在即可核对真实回答者　量纲经多重来源验证为独立人类经验的回答数／进入分析的全部回答数　失效当语言模型更擅长通过质量检查时，回答越整齐，真实意见多样性反而越低　自曝2026 年研究承认检测特征会随模型变化且可能歧视语言风格　空栏由真人提交却主要来自模型、既非纯人类也非自动机器的混合回答　异名语言哲学称“言语行为资格”；数据治理称“来源真实性”；另见第 511 号第十九条“模型语言不自动构成言语行为”；另见第 044 号第二幕八“悬而未决：黑箱、对齐与‘理解’”。

◎ 二十年连起来看

第一条贯穿线是解释被拆开。机制、反事实、时间图与三角互证分别回答生成、识别、顺序和稳健性，任何一个统计读数都不能独自替代整条证据链。（参见Hedström 与 Ylikoski 2010；Beach 与 Pedersen 2019。）

第二条贯穿线是社会对象会反馈。制度、群体、关系、模型、指标和类别一旦被命名或采用，就会改变行动者与下一轮数据；测量不再是站在外部的镜子。（参见Henrich、Heine 与 Norenzayan 2010；Apicella、Norenzayan 与 Henrich 2020。）

第三条贯穿线是证据基础设施成为研究对象。样本地理、平台接口、预注册、复制、人工智能回答和修复能力共同决定什么社会可以被看见。（参见Cartwright 与 Hardie 2012；Marchau、Walker、Bloemen 与 Popper 2019。）

◎ 三个常见误解

误解一是“更复杂的统计模型更接近因果”。没有处理分配、时间资格、共同支持和机制证据，复杂度只会更稳定地拟合选择过程。（参见Searle 2010；Hindriks 与 Guala 2015。）

误解二是“复制失败等于原研究错误”。复制可能揭示效应不稳定、测量不同或情境异质；真正要求是预先定义什么差异算成功、什么差异要求改理论。（参见Aalen、Røysland、Gran 等 2016；Reisach、Suárez、Weichwald 与 Chamb 2026。）

误解三是“大数据天然提高代表性”。平台用户、API 字段与 AI 回答可以同时扩大记录并缩窄人类经验分母。（参见Hacking 1999；Mallon 2016。）

◎ 与相邻领域的接口

与统计学和计量经济学的接口在识别与估计：本块判断因果问题、构念和外推条件，技术学科提供估计器、误差和算法实现。（参见Emirbayer 1997；Dépelteau 编 2018。）

与政治哲学的接口在制度正当性：社会本体说明制度怎样存在和施为，政治哲学判断权力、责任和分配是否可辩护。（参见Lazer 等 2009；Husovec 2024。）

与技术哲学的接口在平台、指标与人工智能：第 518 号分析设计和中介，本块追踪这些技术如何改变样本、证据和社会对象。

与医学哲学的接口在诊断、目标试验与患者证据：两边共享构念效度、时间零点、外推与分类回写问题。（参见Open Science Collaboration 2015；Klein 等 2018。）

◎ 争议现场

争议一：机制解释与反事实识别谁更基础。要收敛，需要在同一政策问题中比较两者对新情境的预测，并公开各自无法识别的环节。（参见Douglas 2009；Elliott 2017。）

争议二：复制率应怎样解释。要收敛，需要预注册成功区间、测量等值、地点异质与分析差异，不能只比较显著与否。（参见Millsap 2011；Jacobs 与 Wallach 2021。）

争议三：平台数据访问如何兼顾公共审查与隐私。要收敛，需要公开分级访问的批准率、复核时间、隐私事件与独立研究产出。（参见Cartwright 与 Hardie 2012；Marchau、Walker、Bloemen 与 Popper 2019。）

◎ 往下五年看什么

到 2031 年，观察社会科学期刊有多少要求构念图、时间资格、共同支持与外推总体，而不只要求代码和数据共享。

观察 DSA 等平台访问制度是否产生可核的申请、批准、拒绝、复核和研究成果读数，并减少 API 变更造成的不可重复。（参见Espeland 与 Sauder 2007；Campbell 2019。）

观察多实验室项目是否从统一复制转向跨语言、跨制度的测量等值与机制异质研究。（参见Westwood 2025；Gerber 与 Cash 2026。）

观察在线调查是否建立 AI 使用披露、验证子样本和经验型问题，并报告疑似合成回答对结论的敏感性。（参见Wimsatt 2007；Boyd 与 Matthiessen 2024。）

◎ 可与哪些领域对撞

本块第一条“机制解释”可与第 519 号第三条“新机制论：生物解释要给出实体、活动与组织”对撞。共享预设是相关不足以解释；生物机制强调实体活动，社会机制强调意义与规则。若两边都成立，机制抽取必须同时记录物理连接和行动者理解。

本块第十五条“测量不变性”可与第 518 号第十一条“公平不可能三角：多个正义指标不能同时满足”对撞。共享预设是统一标签可公平比较；一个揭示标签含义漂移，一个揭示公平标准冲突。共同结论是错误负担不能由单一分数隐藏。

本块第十六条“指标反应性”可与第 514 号“平台资本主义”对撞。共享预设是指标只描述绩效；前者显示被考核者游戏化，后者显示平台以排序重组积累。第三变量是控制指标与修改规则的权力。

本块第八条“WEIRD 清算”可与第 517 号“去殖民课程与知识地理”对撞。共享预设是中心样本代表普遍；一个改样本分母，一个改定题与正典。若二者都成立，多样化必须同时改变问题和证据。

◎ 十条可做的研究命题

1. 命题：含独立机制证据的政策评估比仅有平均处理效应的研究更能跨地区复制。做法：回顾性盲评；若无增量预测则证伪。

2. 命题：时间零点重新对齐会改变至少一类行政数据研究的效应方向。做法：同数据双协议分析；若方向与幅度均不变则证伪。

3. 命题：构念效度文档比量表信度更能预测跨群体不变性。做法：多语种复核；若信度独立足够则证伪。

4. 命题：平台 API 收缩会降低公开研究可重复性而提高公司内部知识优势。做法：追踪字段与论文复算率；若无关联则证伪。

5. 命题：注册报告显著降低主要结局的选择性，但不降低高质量探索发现。做法：配对期刊比较；若两项均无变化则证伪。

6. 命题：指标进入奖惩后，其与原目标的相关性会随策略性响应下降。做法：采用前后中断序列；若相关不降则证伪。

7. 命题：多方法研究只有在误差源独立时才提高样本外稳定。做法：构建依赖图并比较预测；若方法数本身同样有效则证伪。

8. 命题：制度冗余在危机中降低恢复时间，但平稳期增加可见成本。做法：跨机构事件研究；若恢复无优势则证伪。

9. 命题：AI 辅助回答会降低开放题语义多样性。做法：自报加盲检测实验；若多样性不降则证伪。

10. 命题：明确可逆触发器的政策比一次性承诺更快纠错且不降低公众信任。做法：自然实验；若纠错与信任均无改善则证伪。

◎ 资料核验

以下资料按提出、争议与更新三类反查；书籍列明出版社，论文尽量列明卷页或 DOI。
Hedström 与 Ylikoski，2010 年，“Causal Mechanisms in the Social Sciences”，Annual Review of Sociology 36:49–67。
Elster，2007 年，Explaining Social Behavior，Cambridge University Press。
Beach 与 Pedersen，2019 年，Process-Tracing Methods，第二版，University of Michigan Press。
Morgan 与 Winship，2007 年，Counterfactuals and Causal Inference，Cambridge University Press。
Pearl，2009 年，Causality，第二版，Cambridge University Press。
Athey 与 Imbens，2019 年，“Machine Learning Methods That Economists Should Know About”，Annual Review of Economics 11:685–725。
Searle，2010 年，Making the Social World，Oxford University Press。
Epstein，2015 年，The Ant Trap，Oxford University Press。
Hindriks 与 Guala，2015 年，“Institutions, Rules, and Equilibria”，Journal of Institutional Economics 11(3):459–480。
List 与 Pettit，2011 年，Group Agency，Oxford University Press。
Tuomela，2013 年，Social Ontology，Oxford University Press。
Tollefsen，2015 年，Groups as Agents，Polity。
Emirbayer，1997 年，“Manifesto for a Relational Sociology”，American Journal of Sociology 103(2):281–317。
Crossley，2011 年，Towards Relational Sociology，Routledge。
Dépelteau 编，2018 年，The Palgrave Handbook of Relational Sociology，Palgrave Macmillan。
MacKenzie，2006 年，An Engine, Not a Camera，MIT Press。
Callon，2007 年，“What Does It Mean to Say That Economics Is Performative?”，载 Do Economists Make Markets?，311–357。
Svetlova，2018 年，Financial Models and Society，Edward Elgar。
Douglas，2009 年，Science, Policy, and the Value-Free Ideal，University of Pittsburgh Press。
Kitcher，2011 年，Science in a Democratic Society，Prometheus Books。
Elliott，2017 年，A Tapestry of Values，Oxford University Press。
Henrich、Heine 与 Norenzayan，2010 年，“The Weirdest People in the World?”，Behavioral and Brain Sciences 33(2–3):61–83。
Rad、Martingano 与 Ginges，2018 年，“Toward a Psychology of Homo Sapiens”，PNAS 115(45):11401–11405。
Apicella、Norenzayan 与 Henrich，2020 年，“Beyond WEIRD”，Nature Human Behaviour 4:23–30。
Open Science Collaboration，2015 年，“Estimating the Reproducibility of Psychological Science”，Science 349(6251):aac4716。
Camerer 等，2018 年，“Evaluating the Replicability of Social Science Experiments in Nature and Science”，Nature Human Behaviour 2:637–644。
Klein 等，2018 年，“Many Labs 2”，Advances in Methods and Practices in Psychological Science 1(4):443–490。
Flake 与 Fried，2020 年，“Measurement Schmeasurement”，Advances in Methods and Practices in Psychological Science 3(4):456–465。
Jacobs 与 Wallach，2021 年，“Measurement and Fairness”，FAccT 2021:375–385。
Zhao，2023 年，“Measuring the Nonexistent: Validity before Measurement”，Philosophy of Science 90(2):227–244，DOI 10.1017/psa.2023.3。
Aalen、Røysland、Gran 等，2016 年，“Can We Believe DAGs?”，Statistical Methods in Medical Research 25(5):2294–2314。
Hernán 与 Robins，2020 年，Causal Inference: What If，Chapman & Hall/CRC。
Reisach、Suárez、Weichwald 与 Chambaz，2026 年，“The Case for Time in Causal DAGs”，Philosophy of Science，First View:1–21，DOI 10.1017/psa.2026.10216。
Chambers，2013 年，“Registered Reports”，Cortex 49(3):609–610。
Nosek、Ebersole、DeHaven 与 Mellor，2018 年，“The Preregistration Revolution”，PNAS 115(11):2600–2606。
Hardwicke 与 Ioannidis，2018 年，“Mapping the Universe of Registered Reports”，Nature Human Behaviour 2:793–796。
Lazer 等，2009 年，“Computational Social Science”，Science 323(5915):721–723。
Freelon，2018 年，“Computational Research in the Post-API Age”，Political Communication 35(4):665–668。
Husovec，2024 年，“Transparency”，载 Principles of the Digital Services Act，Oxford University Press，347–368，DOI 10.1093/law-ocl/9780192882455.003.0016。
Wimsatt，2007 年，Re-Engineering Philosophy for Limited Beings，Harvard University Press。
Munafò 与 Davey Smith，2018 年，“Robust Research Needs Many Lines of Evidence”，Nature 553:399–401。
Boyd 与 Matthiessen，2024 年，“Observations, Experiments, and Arguments for Epistemic Superiority”，Philosophy of Science 91(1)，DOI 10.1017/psa.2023.101。
Millsap，2011 年，Statistical Approaches to Measurement Invariance，Routledge。
Putnick 与 Bornstein，2016 年，“Measurement Invariance Conventions and Reporting”，Developmental Review 41:71–90。
Espeland 与 Sauder，2007 年，“Rankings and Reactivity”，American Journal of Sociology 113(1):1–40。
Muller，2018 年，The Tyranny of Metrics，Princeton University Press。
Campbell，2019 年，The Campbell’s Law Reader，Routledge。
Hacking，1999 年，The Social Construction of What?，Harvard University Press。
Khalidi，2015 年，Natural Categories and Human Kinds，Cambridge University Press。
Mallon，2016 年，The Construction of Human Kinds，Oxford University Press。
Wildavsky，1988 年，Searching for Safety，Transaction Books。
Page，2010 年，Diversity and Complexity，Princeton University Press。
Linkov 等，2014 年，“Changing the Resilience Paradigm”，Nature Climate Change 4:407–409。
Cartwright 与 Hardie，2012 年，Evidence-Based Policy，Oxford University Press。
Manski，2013 年，Public Policy in an Uncertain World，Harvard University Press。
Marchau、Walker、Bloemen 与 Popper 编，2019 年，Decision Making under Deep Uncertainty，Springer。
Westwood，2025 年，“The Potential Existential Threat of Large Language Models to Online Survey Research”，PNAS 122:e2518075122，DOI 10.1073/pnas.2518075122。
Zhang、Xu 与 Alvero，2025 年，“Generative AI Meets Open-Ended Survey Responses: Research Participant Use of AI and Homogenization”，Sociological Methods & Research 54(3):1197–1242，DOI 10.1177/00491241251327130。
Gerber 与 Cash，2026 年，“Identifying Generative AI Use among Genuine Responders in Online Survey Research”，Communications Psychology 4:111，DOI 10.1038/s44271-026-00506-8。
Ross, Lauren N. 2024. “Causal Constraints in the Life and Social Sciences.” Philosophy of Science 91(5):1068–1077. DOI 10.1017/psa.2023.165.
Vredenburgh, Kate. 2024. “Causal Explanation and Revealed Preferences.” Philosophy of Science.
Zhang, Shijun, Jing Xu, and A. J. Alvero. 2025. “Generative AI Meets Open-Ended Survey Responses.” Sociological Methods & Research 54:1197–1242.
Gerber, Suzannah, and Sean B. Cash. 2026. “Identifying Generative AI Use among Genuine Responders in Online Survey Research.” Communications Psychology 4:111.

SDEUniverses.com · 新思想前沿　｜　第 520 号　｜　王德生亲撰