自动不平等 下载 pdf 电子版 epub 免费 txt 2025

随着高科技日新月异的发展，数字革命如火如荼地进行，数据追踪以及在此基础上的决策机制已经成为治安管理、政治预测、市场营销、信用报告、企业管理、金融业务、公共项目管理甚至刑事判决惯常使用的工具。当我们生活在一个欢庆数字化时代时，本书作者尤班克斯却在追问，数字革命是否是一场由精英主导的游戏？普通人特别是贫困人口在数字时代的命运是什么？算法是否比人类更加中立、公正和明智？作者选取了三个故事：印第安纳州尝试用自动化程序挑选符合福利系统资格的申请者；洛杉矶对无家可归者采用电子登记方式；宾夕法尼亚州阿勒格尼县采取了一种很有风险的模式，预测哪些儿童将来可能成为被虐待或忽视的受害者。通过作者的调研，得到的结果令人惊讶，美国各地的贫困人口和工人阶层都已经成为新数字贫困管理工具的对象，算法的错误和有意排斥严重影响他们的生活质量，甚至危及其生存。算法的自动决策导致的数字歧视将让所有人处在数字济贫院而不自知。

引言：标红警示

第一章 从济贫院到数据库

第二章 美国中部地区的福利资格自动化处理系统

第三章 天使之城的高科技无家可归服务

第四章 阿勒格尼县算法

第五章 数字济贫院

结论: 拆除数字济贫院

致谢

文献和方法

索引

弗吉尼亚•尤班克斯（Virginia Eubanks）是反贫困和福利权利组织“我们的知识，我们的力量”（OKOP）的联合创始人。她曾在纽约州立大学奥尔巴尼分校的女性研究系任教，现为该校政治学副教授。代表作：《数字化的死胡同：为信息时代的社会公正而战》（Digital Dead End: Fighting for Social Justice in the Information Age）（与Alethia Jones合著，MIT Press，2012）以及《不会让任何人使我转向：四十年的运动建设》（Ain’t Gonna Let Nobody Turn Me Around: Forty Years of Movement Building）（与Barbara Smith合著，State University of New York Press，2014）。

李明倩，1984年生，华东政法大学法学博士，复旦大学政治学博士后，华东政法大学外语学院副教授，主持、参与多项国家级、省部级课题，曾在《中国法学》（英文版）、《华东政法大学学报》、《法制史研究》等核心刊物发表多篇论文、译文，专著《与近代国际法》。译著有《美国与国际法》《牛津国际法史手册》《美国法律体系》《因为性别》。

暂无出版社相关信息，正在全力查找中！

暂无相关书籍摘录，正在全力查找中！

在线阅读地址：自动不平等在线阅读

在线听书地址：自动不平等在线收听

在线购买地址：自动不平等在线购买

暂无原文赏析，正在全力查找中！

书籍介绍

随着高科技日新月异的发展，数字革命如火如荼地进行，数据追踪以及在此基础上的决策机制已经成为治安管理、政治预测、市场营销、信用报告、企业管理、金融业务、公共项目管理甚至刑事判决惯常使用的工具。当我们生活在一个欢庆数字化时代时，本书作者尤班克斯却在追问，数字革命是否是一场由精英主导的游戏？普通人特别是贫困人口在数字时代的命运是什么？算法是否比人类更加中立、公正和明智？作者选取了三个故事：印第安纳州尝试用自动化程序挑选符合福利系统资格的申请者；洛杉矶对无家可归者采用电子登记方式；宾夕法尼亚州阿勒格尼县采取了一种很有风险的模式，预测哪些儿童将来可能成为被虐待或忽视的受害者。通过作者的调研，得到的结果令人惊讶，美国各地的贫困人口和工人阶层都已经成为新数字贫困管理工具的对象，算法的错误和有意排斥严重影响他们的生活质量，甚至危及其生存。算法的自动决策导致的数字歧视将让所有人处在数字济贫院而不自知。

• 作者：盐少女 发布时间：2021-06-30 14:23:32

  只适合对“算法歧视”完全没有了解的人读，案例写得混乱、零散且无聊，对机构和对受助者两方都没有集中深入的跟踪调查，只有非常松散的数字和引言。对我来说，全书保留最后一章大概就够了。回归到内容，其实科技创造的不平等在如今已经越来越多被关注到，数据当然是客观的，但处理数据的方法却是带着立场和偏见的，因此，算法永远都不可能真正中立。

• 作者：Tradition 发布时间：2016-08-19 11:19:47

  这个昨天我在上海书展翻了翻，类似谭编辑的中国历史地图集，政区图之类为多数，后面介绍那段历史简述，史料来源等。还是很不错的，不过地图地名全部英文。没有翻译成中文

• 作者：Rosin 发布时间：2021-07-18 00:09:09

  质性研究学习素材，但是整体思路感觉很散不是很流畅……阅读过程总让我走神有些累。其实概括下来无非就是追求效率无可厚非但算法带来了更大的阶级分化，我感觉这更像是政策的制定就没有真正从受政策影响者的角度去考虑。“为你好”永远都是一种傲慢和自以为是。书里提到的算法逻辑，在我看来像是被精致愿景包装的“西比拉系统”，因为个体差异，我从来都不认为人的行为是可以被准确预判的。阅读过程就觉得……从存在主义又陷回了虚无主义当中。

• 作者：u758212 发布时间：2021-07-01 00:56:02

  非常、非常漂亮的定性研究佳作。尽管我对其中的部分论断持有不同意见，但本书提出的问题、分析的案例，无论是写作还是内容都很精彩。作者强调大数据会给行政机关提供一道屏障，掩盖其背后对穷人权利的侵犯。作者提出的两大原则值得在此引用：“该技术工具是否增加了贫困人群的自决权？如果该工具的目标对象是非贫困人群，他们是否可以容忍？”

• 作者：伦神门下走狗 发布时间：2022-02-16 20:07:42

  写得有些混乱

• 作者： 发布时间：2021-07-30 12:41:30

  有视野的质性研究，案例以一种惊骇的逻辑渐次推进（排除穷人-锁定/治安管控-代际算法预测的永恒性），锋利地指向以文化否定为根基的算法歧视。结论过于乐观，“拆除数字济贫院”的呼喊固然激昂，但难免太简单，将研究有失深度的缺陷放大了（如果结合现代治理术去讨论，还会这么乐观吗），容易拉低学术效力。不过考虑到主题并不新颖，所以更有价值的是如何用一种温柔的视线去关注挣扎在苦难的命运红线上的社会底层，如何定位一个杜绝屈身俯就的平视姿态，如何敏锐地把人性交还给算法统治之下的社会。

• 大数据治理与自动化的不平等

  作者：党员福柯 发布时间：2019-11-09 13:19:20

  科技改变生活的口号提了很多年。这几年，大数据、云计算、人工智能成为科技新潮流，我们的生活也被宣称已经或者将要被这些新的技术改变。科技真的能让生活越来越美好么？答案当然是未必。今天想分享的这本《自动化的不平等》(Automating Inequality)就以案例研究的形式说明，科技化的治理/福利体系，可能会让原本的社会不公更加严重。

  分享这本书的一个原因是科技治国、技术治理是近几年的学界、政界、甚至是商界的一个热点。如何把新的科学技术整合到社会体系中成为学者关注的要点，科技公司也思索如何利用技术产品与政府建立良性的合作关系。其实我们如今的政治生活中已经被很多技术性的介入所影响，但是除了科幻电影外，似乎很少有些媒介能够启发人们思考：科技化的治理真的那么美妙么？第二个分享这本书的原因是，今年作为所在机构seminar organizer，有幸邀请到书作者Virginia Eubanks来做本校讲座，也顺便得到了与Eubanks单独交流的机会，当然，也让她在这本书ASA年会时候促销展台5刀买来的纸皮书上签了名。借此机会秀签名。

  

  本书的作者Virginia Eubanks是美国纽约州立大学阿尔巴尼亚分校的政治系副教授，按她自己的话说，虽然她有政治系的学位，但一直研究的都是美国贫穷和不平等问题，对学科的归属感并不清晰。在这本书出版前，她也没觉得被政治科学圈承认过，但是书出名后，突然间有许多政治科学系、社会学系、社会政策系开始邀请她做讲演，并把她划归为自己学科/领域的研究者。Eubanks本人给自己的定位是半学者半新闻工作者，因为她现在将许多精力用在向公众写作上，在面对公众的媒体平台发表文章，来唤起大家都贫困问题的重视，以及反思科技是否再生产了不平等等问题。

  虽然很多人都认为科技是中立无害的，但是Eubanks在本书一开始，就直截了当的表示：贫穷治理过程的科技手段并非中立，因为它们是被美国社会对经济不安全的恐惧以及对穷人的厌恶所塑造的；这些技术在运用中进而影响到贫困的政治和穷人的体验。虽然在美国社会，很多学者和政客不断强调科技对社会的正面作用，但是Eubanks认为现在很少能听到某种新科技真的为社区提供贡献，为穷人提供更多机会的新闻。更多情况下，我们听到的是新数据技术构成了限制劳工阶层工作、动员以及抗争的新政体。数据技术不断成为美国贫穷治理过程中决策的一部分，但这种数据化的决策过程，非但没有解决贫困问题，反而对穷人造成了伤害。为什么技术发展，尤其是数据技术的发展成为了劳工阶层乃至边缘人群的噩梦呢？在这本书中，Eubanks选取了三个案例来回答这一问题：1，印第安纳州福利系统的在线审核；2洛杉矶房屋救助的电子登记系统；3宾夕法尼亚州儿童虐待案的风险预测模型。

  印第安娜州长于 2004年启动了雄心勃勃的公共服务私有化战略，从高速公路到汽车管理，再到公共救助系统，原本由政府提供的服务被州政府外包给私营企业。在这个进程中，一个重要社会福利部门--家庭社会服务办公室（FSSA）也经历了私有化改革。FSSA对于印第安纳州的穷人非常重要，因为超过一百万人通过这一部门获得政府提供的健康保险、社会服务以及心理健康干预服务。FSSA在改革前被认为效率低下，想获得社会福利的穷人需要经历很长时间的审核才会获得相关援助。在原有的FSSA系统内，需要获得帮助的人要与社会工作者进行面对面的沟通，但是政府认为这种过时的模式不如电子系统效率高，运用电子系统进行福利登记不但节省人力，还可以自动审核登记者信息，将骗保人群拒之门外，从而节省社会资源。在改革过程中，FSSA采用IBM开发的网上申请系统。每一份申请不再由社会工作者负责与市民对接，而由外包的客服中心负责答疑沟通。

  改革的结果并不乐观。一方面，实现登记系统的电子化需要把大量的纸质文件登记到数据库中，历时三年的改革中，超过30万份文件在这一过程中丢失了，有超过十万份文件处于没有编入索引库的状态。这种混乱的改革过程造成了困难家庭的噩梦。因为文件丢失，电子系统不会批准求助人的申请，而且会判定为求助人自己没有递交文件配合审核。超过一百万份申请在2006-2008年被材料不全而的原因拒绝了。虽然系统内置申诉渠道，但往往耗时较长。很多贫困家庭来常年依靠FSSA的食物卷、保险来生活，一旦申请没有通过，食品医疗开支会为这些家庭带来巨大的财政负荷。Eubanks的个案研究发现，有些家庭是靠FSSA的保险来给身患重病的亲人购买需要长期服用的药物，申请审批有差池，中间耽搁几个月就会造成上万美元的药物开支，这对于这些低收入家庭是无法承受的。另一方面，审批电子化的一个目的是杜绝社工联合申请人骗取政府福利。为了实现这个目的，电子化系统中，所有的case，由原来的社工主导的个案负责制变成任务考核制度，每一个case都被切割成琐碎的小任务，分配给不同的审查者或者话务员负责。这种以流水线的形式处理社会福利问题的弊端就是，没有任何一个人全面地了解一个case。每当有低保家庭打电话询问自己审批过程中出现的问题，接电话的话务人员无法提供有效的信息，更没有裁决权去给这些家庭提供可解燃眉之急的帮助。

  Eubanks认为，FSSA这种社会福利系统的电子化改革是失败的。这种失败的根本原因并非技术上的问题，而在于把社会福利获取资格的审批过程进行自动化的目的是错误的。对于政府来说，他们的目的是提高效率、杜绝欺诈，所以他们在设计系统时基于‘宁可拒绝十个合理申请，不能放过一个骗保申请’的原则。Eubanks认为，社会福利应该是支持困难家庭的社会存在，而不是一个困难家庭需要经历层层审核才能获得的国家施舍。正因为这一假设的存在，在福利审核系统自动化的过程中，所有的系统问题都预先被判定为申请人的错误，由申请人承担损失。而对于困难家庭来说，这种损失对其几乎是毁灭性的。

  本书呈现的第二个个案也是洛杉矶的房屋救助系统。洛杉矶政府针对流离失所的社会底层开发了一个房屋救助匹配系统。这套内置算法的系统设计初衷是解决当地救助房供需平衡问题。因为洛杉矶的流浪汉很多，还有些因为财政、家庭原因暂时失去住处的无房者。诸多无房者在政府进行登记后，需要在等候名单上排队许久：每当救助房提供方有名额空出的流言，无房者会提前好几天到房屋管理处排队‘抢房‘。政府为了解决这一问题，运用技术手段开发出一个联合准入系统（coordinated entry system）。这套系统通过对无家可归的人进行信息采集，然后进行打分，最后按照分数来恒定申请者是否能优先获得房屋救助。

  系统将无家可归者分为两类，一种叫危机性无家可归。这类人群往往是因为短期生活变故，失去了住所。这一类人可能工作没了交不上房租，也可能是遭受家庭暴力而离家出走。这一类无家可归者需要的是短期的庇护所，过一段时间他们就可以通过朋友或者亲人找到新的居所。房屋救助对他们来说，是雪中送碳，可以防止这一类人因失房而沉沦。第二种无家可归是长期性的。这一类人往往有行为、生理、心理上的问题，他们经常付不起房租，或者常年流落街头，对于他们来说，在根本上解决他们生活上的问题需要更复杂的社会救助，而一个稳定长期的住所对他们来说更为关键。但在现有的分房系统不支持长期性无家可归者。危机性无家可归者得到的是对长期性无家可归者更合适的资源，而长期性无家可归者在系统中被评分很低，最终一无所有。

  除了资源不匹配的问题，Eubanks认为这套系统更大的问题在于对无家可归者隐私权的侵犯。无家可归者必须通过问卷的形式回答许多很私密的问题，而且要交出自己的社保、账单、租房历史，医疗史、犯罪历史等等个人信息。对无家可归者，只有这样才能被纳入数据库，才能获得算法的评估。而系统本身又与168家不同的政府、私人机构进行数据共享。这些个体的数据怎么用，谁有权查看，最终数据流到哪里去，没有人知道。Eubanks认为美国贫穷治理政策一直有将穷人罪犯化的趋势。无家可归的人睡公园长凳，在路边搭帐篷，很多时候都是无奈之选，但是因为触犯相关城市管理法律会被罚款。家都没有，罚款自然交不上，于是这些穷人又增加了拖欠罚款的罪名成为‘逃犯’。这种记录让穷人更失去了找正经工作的机会，最终陷入贫穷-犯罪的恶性循环。在1996年以前的美国，如果警察想通过社会福利体系获取穷人的有关信息，是要经过严格的法律程序的。但如今，福利记录可以很容易被警方调取。而这套准入系统包含了无家可归者大量的个人信息，更成为了警察常常来调取数据的资源库。在Eubanks看来，这套系统，以救助为名义，实际上已经成为对流浪者进行数据采集、电子监控的绝佳工具。对无家可归者而言，不在这套系统上登记永远没房住，登记了就要把所有的信息交出去，承担被警察追查的风险，当然最终的结果仍然大概率分不到房。Eubanks认为政府开发这一系统是将失房问题简化为信息和效率问题。政府似乎认为掌握了足够多的信息，并用算法进行精准的匹配，就可以解决救助房的供需矛盾。但其实，流离失所是一种复杂的贫穷问题，它涉及到很多宏观和微观因素，不是一个算法可以搞定的。而因为设计者依旧被美国穷人罪犯化的治理思路影响，最后的系统会再生产这种治理模式，最后的结果就是穷人越来越被边缘。

  最后一个案例是宾夕法尼亚州Allegheny的儿童虐待预防系统。这一系统结合当地儿童虐待举报电话，来对被举报家庭进行风险评估。Eubanks称这个风险评估系统是一个包含132个变量的预测模型。他们会对来电举报的家庭进行评分，1到20分，1为低风险，20为高风险。如果风险指数超过16，除非有监管者取消，否则本系统会自动触发上门调查命令。儿童福利部门进行上门调查，如果情况属实，父母则有可能被暂时中止抚养权。

  那么这样一个数据化的儿童保护性系统有那些问题呢？首先，这一模型在学术界被认为有极大的偏差，可能有百分之七十的高风险家庭都是被错误预测的。通过分析模型中的变量，Eubanks发现，系统用来评估儿童是否得到粗暴对待的结果变量本来应该是是对儿童的侵害/疏忽是否发生，但是因为在当地真实发生的儿童侵害案件不够多，没有办法直接算入统计之中，所以开发人员用了两个替代性变量：第一个是，重复报案率，比如，有人打电话举报某人虐待/疏忽孩子，如果是首次来电，经过其他数据模型的推测，可能会排除风险。但是如果两年内同一人被第二次举报，那就是被重复报案；第二个替代变量是儿童安置情况，如果被筛选出的小孩在两年内被社区、法庭或者相关机构暂时寄养，那么算作儿童被安置。但其实，这两个替代性变量都不能真的反映出儿童是否被侵害。被重复举报可能是因为邻居有人故意找茬，孩子被暂时性寄养在相关机构也并非全然是由于父母蓄意伤害孩子导致的，也可能是法官或者执法机构对不同文化下儿童养育的看法不同所致。另一方面，由于评估系统高度依靠热线报告来计算风险，有些虐待儿童的家庭如果住得远住得偏，没有邻居打电话举报，就永远不会被预测到。

  第二，该系统通过对孩子父母领取社会福利的历史，母亲的年龄，心理状况，是否单亲，犯罪记录等历史数据来进行收集，用以评估孩子未来被虐待的风险程度。但这些信息都来自于与儿童福利有关的公共部门。换句话说，这些参与到预测模型中的变量，大多是从针对贫困人口的福利部门收集的。因为只有穷人才依靠公共部门来获取相关的育儿福利，而中产或者有钱人往往有商业保险，更不去针对穷人的医疗或者育儿机构，他们有更高的隐私意识，其数据也被私有机构以严格的保密方式存储。所以当前的情况下，穷人越依靠公立部门的医疗、育儿或社会救助服务，就更容易让自己的信息被收集到这一预测体系中。声称是针对全地区儿童的风险评估系统实际上仅能获得穷人的数据，所以这套系统成为了监测穷人家父母行为的工具。

  除此以外，Eubanks发现，系统进行的预测育儿不当的那些变量几乎都是用来描述贫穷的指标：缺少食物、住房面积不足，去无证托儿所，交通方式不靠谱，缺少保险等等。所有的这些变量说明的是父母的贫穷程度，而并不说明这一家的儿童受到了身心上的侵害。Eubanks认为，政府本身在这个过程中承担了双重角色，一方面它是家庭支持资源的提供者，另一方面它也是家庭失责行为的调查者。对穷人来说，接受救助就等于接受政府的权威，而这种权威可能在某一天会评估其为高风险父母，进而剥夺这些父母的抚养权。在这个意义上，贫穷的家庭是通过交换自己的隐私权和抚养权来获取生存权。在美国法律体系中，儿童虐待指的是任何身体、精神上对孩子的伤害。在宾夕法尼亚，父母在照看过程中的疏忽和粗暴行为都被定义为对儿童的虐待/疏忽。但在实际育儿中，打屁股算不算伤害? 单身母亲一边工作一边带孩子，因为你在厨房洗碗，让孩子一个人在门口玩，或者让孩子一个人去街区公园算不算疏忽?住不起大房子，让孩子睡沙发自己睡地板算不算照顾不周? Eubanks认为，这套系统的问题是是混淆了家庭困难时候的育儿(parenting while poor)以及糟糕的育儿（poor parenting）,把需要求助公共服务的家庭视为有虐儿风险的家庭。这种偏差其实是对贫穷家庭的偏见。很多接受Eubanks采访的单亲母亲表示，她们不得不在家务、工作、育儿的多种压力下，承担这种时时刻刻被监视，或许某一天就会失去抚养权的精神负担。并不是她们不想像中产白人家庭那样育儿，而是他们的文化环境、经济条件使她们不得不以一种让别人看上去疏忽的方式去放养或者糙养孩子。

  通过这三个个案，Eubanks说明了数字化的社会治理系统，其实并没有那么美好。当然，技术本身是没有过错的，但技术的应用推动了社会不公的再生产。在Eubanks的书中，她花很大量篇幅介绍了美国贫穷治理政策以及三个个案中提及的地区社保、住房、以及儿童保护政策的历史演变。她想说明的是，这些暴露出各种问题的技术化治理手段并不是创造了新的社会不公，而是延续或者恶化了美国社会边缘穷人、监禁穷人、污名化穷人的传统。技术让这些原本的偏见和歧视变得规模化和自动化了。在本书中，Eubanks提出了数字救济院 (digital poorhouse)这一概念来呈现出数字技术在延续美国贫穷治理偏见逻辑中的角色，因为看到其他书评提了这一概念，我就不再重复了。

  Eubanks在书中写道，当她去各地做讲演时，很多数据工程师向她表示自己在开发的产品会解决很多社会不公的问题。Eubanks只是提醒他们，运用技术手段开发治理工具时，一定要思考：这些数据工具真的提高了穷人的自决能力和能动性了吗？如果这些工具用在中产和富人身上，他们会允许么？

  我看到有些评论对本书嗤之以鼻，认为科技本身是中立的没有错的。其实捍卫科技无罪这种观点没什么意义啊，因为科技不会凭空涉入社会生活，而是以某种产品、某个政策、某种应用的形式进入生活，这种科技应用化的过程从来不是中立的。这本书不正是说明了哪些偏见和不公被技术应用放大了么？还有一种批评声音认为这本书理论性不足，比较水。Eubanks自己对这个问题有所回应，她认为自己的确没有在这本书上投入很多理论心思，甚至她在写作过程中都没多过多关心现象产生的原因问题。这本书的产生和她个人际遇有很大关系(前言有讲)，而因为个人际遇的关系，她也更倾向于在情感上能够冲击到读者。这也让她因此更重视非学术性的写作。这本书本身也没有被她看作一本理论性乃至纯学术性著作，毕竟如开头她自己对自己的定位已经是半个新闻工作者了。我并不太认同以理论性低来指责本书因为其实本书中的经验资料详实程度，已经可以对相关领域的研究者（至少对我）有很多理论启发了，Eubanks自己没兴趣做，不正好给了我们机会么?

• 数字赋能还是助纣为虐？数字帷幕的背后是politics

  作者：u758212 发布时间：2021-07-01 02:11:23

  这本书讲的是大数据被引入行政管理后，穷人如何受到伤害。读过之后有三方面感想。第一方面是对作者观点的一些批评，涉及对大数据和算法缺陷的一些认知。第二方面是关于“数字济贫院”背后的真问题究竟为何。笔者的观点是：真问题仍然是“济贫院”。第三方面，则涉及到“数字”给“济贫院”带来的新特点。

  书中的三个案例谈到了穷人如何被行政系统的算法所伤害。算法有缺陷并不新奇，从“算法偏误”的角度攻击算法的使用也没有什么力量。第一，算法和大数据虽然会犯错，但大量的实证证据显示，在很多领域算法和大数据比临床专家失误的概率要低。丹尼尔卡尼曼在新书《noise》中做出了如下总结：“临床判断明显不如机械预测。”如果行政管理改革的目标是降低犯错的可能性，那么没有理由专门指责算法。第二，算法的缺陷是客观的、可修改的，因而并不是不可以纠正的。相比之下，行政人员的判断失误常常难以客观评价，更不用说问责和改进。

  相比于大数据的一些技术缺陷，技术背后的politics和power才是问题的核心。例如，在印第安纳州福利审核系统的例子里，系统过分严厉地拒绝了许多本应合格的申请者。但是，这是因为运用了大数据系统吗？即便仅从作者的描述中，我们也能看到，是共和党州长缩减福利的政治议程，规定了这套系统过分严格审核的设计理念。再如，洛杉矶警察利用大数据对无家可归者的骚扰，只是其一贯方针在大数据加持下的延续。

  讲到这里，“数字济贫院”的第一个新特征就出现了：“数字”为“济贫院”设置了帷幕。在传统时代，行政机关对穷人权利的侵犯是显性的，容易被发现、分析、批评。在披上了大数据的外衣后，政策设计背后的politics就被算法的具体内容所掩盖；社会的关注点都被吸引到技术层面，而决定这套系统的politics则可以躲在帷幕之下。这一特点带来的后果，是让真问题被忽略，让真正重要的结构改革无限期推迟。

  “数字济贫院”的第二个新特点，是“数字”对“济贫院”的能力进行了大幅强化。第一，大数据与行政管理结合后，传统上被认为是私人领域的许多空间，被毫无保留地暴露在了行政权力面前；数字时代的私域被大大压缩。第二，在这种暴露下，弱势的个体最后的武器“躲避”也遭到剥夺，不得不直面强势的行政权力。第三，大数据的一个重要特征，是数据可能比你更了解你自己。这一特征不仅使得行政部门掌握了关于你的更多信息，同时还在某种程度上剥夺了你反抗的正当性。这三个特点，让politics决策的影响被放大，规制产生的不确定性大大增加。

  在讲清楚了上面三方面内容后，就可以很自然地给出如下的公共建议。第一，算法和大数据的时代已经到来，不可抗拒。无论是公共管理人员，还是被管理的普通人，为了自己的liberty，都应该尽可能掌握大数据的基本知识。第二，大数据时代不要被技术的新奇迷惑，我们仍然应该关注那些决定社会公共生活的基本问题、基本结构。第三，大数据对行政部门是一柄利剑，但挥舞不慎则可能造成灾难性后果。在强调风险管理、底线意识的今天，运用大数据需要比以往更多的审慎。这一点对mainland China的我们，比对大洋彼岸的美国人显得更加重要。