计算社会学：有利化原则的介绍

有利化原则在于理解和改善研究中所存在的风险/收益状况，然后判断研究是否达到正确的平衡。

《贝尔蒙报告》认为，遵循有利化原则是研究人员对参与者的义务，它涉及两部分：（1）不伤害，（2）最大程度保障有利及最小程度造成伤害（如果无法避免）。《贝尔蒙报告》从古希腊医学家希波克拉底在传统医学伦理中的“不伤害”原则中获得灵感，并且以一种强有力的形式表达出研究人员“不应该伤害一个人，不管这可能会给别人带来什么好处”（Belmont Report 1979）。尽管如此，《贝尔蒙报告》也承认，理解这可能给别人带来什么好处的过程本身也许会让某些人暴露在风险中。因此，不伤害的必要性可能与理解过程的必要性相冲突，导致研究人员偶尔要做出艰难的决定：“在涉及风险的情况下，何时我们可以理所当然地寻求某些利益，何时因风险的存在我们应该放弃相关利益？”

在实践中，有利化原则被解释为研究人员应该实施两个不同的步骤：风险/收益分析，以及随后判定风险和收益是否达到适当的道德伦理平衡。第一个过程主要涉及实质性专业知识的技术问题，而第二个过程主要是伦理问题，在第二个过程里，实质性专业知识可能不那么有价值，甚至是有害的。

风险/收益分析包含理解与改善研究中的风险与收益。对风险的分析应该包括两个要素：不良事件发生的概率以及这些事件的严重程度。作为风险/收益分析的结果，一名研究人员可以调整研究的设计方案，以降低不良事件发生的概率（比如排除心理脆弱的参与者），或者在其发生后减轻事件的严重程度（比如向有需求的参与者提供咨询服务）。再者，在风险/收益分析的过程中，研究人员需要明确，他们的研究所产生的影响不仅限于参与者，也包括非参与者和社会公众。譬如，请想想雷斯蒂沃与范德里杰特关于奖励对维基百科编辑的影响实验（在第4章讨论过）。在这个实验中，研究人员对一小部分他们认为有价值的编辑给予一些奖励，然后追踪这些人之后对维基百科的贡献，与之对照的是另一部分同样值得奖励的编辑，但研究人员没有给予奖励。试想一下，如果不是仅对一小部分人提供奖励，而是对维基百科的编辑均提供非常多的奖励会是什么样的？尽管这样的设计并不会伤害任何一位参与者，但是它可能破坏整个维基百科的系统奖励机制。换句话说，当进行风险/收益分析时，你不仅应该思考你的工作对参与者的影响，而且应该把整个世界都更多地考虑进来。(www.xing528.com)

接下来，一旦风险被最小化，利益被最大化后，研究人员就应该评估研究是否能够带来一个良好的平衡。伦理学家并不建议单纯地计算成本与收益。特别是，某些风险会致使研究不被允许做实验，无论其收益有多高（比如在历史附录中涉及的塔斯基吉梅毒实验）。与技术性的风险/收益分析不同，第二个步骤需要非常符合道德标准，事实上可以由没有特定专业领域和专业知识的人来实施。事实上，局外人往往相较于局内人更能够注意到各种不同事件，这就是在美国的机构审查委员会中至少需要一位非研究人员参与的原因。在我服务机构审查委员会的经历中，这些局外人能帮助我们防止从众思考。因此，如果你在研究项目中对是否适当进行了风险/收益分析感到疑惑，那么别去询问你的同事，试着去请教一下非研究人员的意见，他们的答案可能会让你感到意外。

在我们分析的三个事例中，应用有利化原则可能会改善其风险/收益的平衡。譬如，在情绪感染项目中，研究人员本可以尝试排除18周岁以下的用户以及对这项措施反应特别过激的用户。他们本可以通过一些有效的统计学方法尽量减少参与者的人数（具体细节在第4章中已经讨论到）。再者，他们本可以试图监控参与者，并向似乎受到伤害的人提供帮助。在“3T”项目中，研究人员本可以在他们公开数据时附带特别保护措施（尽管他们的程序得到了哈佛机构审查委员会的批准，而这一批准表明在当时这样做是符合常规做法的）；我在6.62小节中描述信息化风险时，会提供一些更详细的有关数据公开的建议。最后，在“Encore”项目中，研究人员本可以尽量减少为实现测量目标而创建的风险请求的数量，并且他们本可以排除受到专制政府威胁最大的参与者。每一项可能的改变均需要这些项目的设计做出一些取舍，我的目的不在于建议研究人员做出这些改变，而在于更多地展示有利化原则能够带来的改变。

最后，虽然数字时代通常使风险和收益的平衡更加复杂，但它也使研究人员更容易增加其工作的收益。特别是，数字时代的工具极大地促进了开放和可重复研究，研究人员可以将他们的研究数据和代码提供给其他研究人员，并通过公开发表向公众提供他们的论文结果。开放和可重复研究的这种趋势绝非简单的变化，它为研究人员提供了一种增加研究收益的途径，而不会使参与者面临任何额外的风险（数据共享是一个例外情况，我将在6.6.2小节中详细讨论信息化风险）。