踏入數位學習時代，讓電腦成為孩子的學習夥伴！

本文轉載自中央研究院「研之有物」，為「中研院廣告」

• 採訪撰文｜劉韋佐
• 責任編輯｜田偲妤
• 美術設計｜蔡宛潔

人工智慧將改變以人為主的法治領域？

由人工智慧擔任警察，再也不是科幻電影的情節，交通管制常見的科技執法就是應用 AI 辨識闖紅燈、未依規定轉彎、車輛不停讓行人等違規行為。 AI 的客觀、高效率正在挑戰以人為審判主體的法治領域，這樣的轉變會對我們產生什麼影響呢？中央研究院「研之有物」專訪院內歐美研究所陳弘儒助研究員，他將帶我們思考：當 AI 取代人類執法時，將如何改變人們對守法的認知？

想像有一天你正在尖峰時段開車，車子停在十字路口等紅燈時，後方出現一輛急駛而來的救護車，你為了讓道必須開過停止線。這時你是否願意冒著違規被開罰的風險？還是承擔風險以換取他人盡速就醫？

在上述情境中，針對「要不要闖紅燈」我們經歷了一段價值判斷過程。如果剛好十字路口有真人警察，他的判斷可能是：這是情急之下不得不的行為，並非蓄意違規。

然而，如果負責執法的是「法律人工智慧系統」（Artificially legal intelligent，簡稱 ALI）情況可能截然不同。

ALI 這個詞源自 Mireille Hildebrandt 的研究，在概念上可區分為兩類：採取傳統程式碼的 IFTTT（if this then that）、運用機器學習的資料驅動。前者是注重法律推理或論證的計算機模型，將法律規範轉為程式碼，藉由程式編寫來執行法律任務。後者則透過大量資料的學習，來預測行為範式，用於再犯率、判決結果預測上有較好的成果。

一般情況下，應用在交通管制的 ALI 會辨識車輛是否超速、闖紅燈等違規行為，不過交通情境千變萬化，ALI 能否做出包含「道德價值的判斷」將是一大挑戰！

中研院歐美研究所陳弘儒助研究員察覺，人工智慧（AI）正在左右人們對守法的價值判斷及背後的因果結構，進而反思當我們將原本由人來判斷的事項，全權交由 AI 來執行時，可能產生哪些潛移默化的影響？

讓我們與陳弘儒展開一場從法哲學出發的對話，探索 AI 與法治價值之間的緊張關係。

怎麼會對「人工智慧」（AI）與「法律人工智慧系統」（ALI）產生研究興趣？

會對 AI 感興趣是因為我很早就對電腦有興趣，我原本大學想唸資訊工程，因為高中有些科目沒辦法唸，於是去唸文組，大學進入法律系就讀，研究所考入「基礎法學組」研讀法哲學。

後來我到美國讀書，當時 AlphaGo 的新聞造成很大的轟動，啟發我思考 AI 的應用應該有些法律課題值得探討，於是開始爬梳 AI 與法律的發展脈絡。

AI 這個詞大概在 1950 年代被提出，而 AI 與法律相關的討論則在 1970、80 年代就有學者開始思考：我們能否將法律推理過程電腦程式化，讓電腦做出跟法律人一樣的判斷？

事實上，AI 沒有在做推理，它做的是機率的演算，但法律是一種規範性的判斷，所有判斷必須奠基在法律條文的認識與解釋上，給予受審對象合理的判決理由。

這讓我好奇：如果未來廣泛應用 AI 執法，法律或受法律規範的民眾會怎麼轉變？

至於真正開始研究「法律人工智慧系統」（ALI）是受到我父親的啟發。有一陣子我經常開車南北往返，有一天我跟父親聊到用區間測速執法的議題。交通部曾在萬里隧道使用區間測速，計算你在隧道裡的平均速率，如果超速就開罰。

父親就問我：「政府有什麼理由用區間測速罰我？如果要開罰就必須解釋是哪一個時間點超速。」依照一般的數學邏輯，你一定有在某個時間點超速，所以平均起來的速率才會超過速限，可是法律判斷涉及規範性，我們必須思考背後的正當性課題，不能只用邏輯解釋，這啟發我逐漸把問題勾勒出來，試圖分析執法背後的規範性意涵。

如果將執行法律任務的權限賦予 AI，可能暗藏什麼風險？

我們先來談人類和 AI 在做判斷時的差別。人類無時無刻都在做判斷，判斷的過程通常會先做「區分」，例如在你面前有 A 和 B 兩個選項，在做判斷前必須先把 A 和 B 區分開來，讓選項有「可區別性」。

在資料龐大的情況下，AI 的優勢在於能協助人類快速做好區分，可是做判斷還需經歷一段 AI 難以觸及的複雜過程。人類在成長過程中會發展出一套顧及社會與文化認知的世界觀，做判斷時通常會將要區分的選項放進這個世界觀中，最終做出符合社會或自身考量的抉擇。

當我們將判斷程序交由 AI 執行，就會涉及「判斷權限移轉」的問題，這經常在日常生活中發生，你只要發現原本自己可以執行的事情，有另外一個對象做的比你好或差不多好，你就會漸漸把判斷的工作交給它，久而久之，你大概會覺得這是很好的做法，因為可以節省大量時間。

我擔心這種判斷權限移轉會快速且廣泛的發生，因為 AI 的工作效率極高，可以大幅節省人力成本，但是哪一些權限可以放給 AI？哪一些權限人類一定要守住？我們經常沒有充足的討論，等到發生問題再亡羊補牢可能為時已晚。

以讓道給救護車而闖紅燈的情境為例，如果讓 AI 來做交管，可以節省警察人力，又可以快速精準地開罰，卻迫使民眾需額外花時間，證明闖紅燈有正當理由。如果是真人警察來判斷，警察通常會認為你的行為有正當理由而不開罰。這對於受法律規範的民眾來說，會產生兩種全然不同的規範作用。

AI 產生的規範作用會讓民眾擔心事後銷單的麻煩程序，如果無法順利解決，可能會訴諸民意代表或上爆料公社，並漸漸改變民眾對守法的態度。而真人警察產生的規範作用，將使民眾自主展現對法律的高度重視，雖然當下的行為牴觸法律，卻是行為人經過多方權衡後做的判斷，相信法律會支持自己出於同理心的行為。

使用 AI 執法除了看上它的高效率，也是因為和真人相比 AI 不會受私情影響，比較可以做出公正的判斷。如果從法治觀念來看，為何決策權不能全權交由 AI 執行？

我認為法治的核心價值在臺灣並沒有很好的發展，我們常想的是怎麼用處罰促成民眾守法，長久下來可能會得到反效果。當人們養成凡事規避處罰的習慣，一旦哪天不再受法律約束，可能會失去守法的動機。

事實上，法治最根深柢固的價值為：

法律作為一種人類行為規範的展現，促使民眾守法的方式有很多種，關鍵在於尊重人的道德自主性，並向民眾陳述判決理由。

給理由非常重要，可以讓民眾不斷透過理由來跟自己和法律體系溝通。如此也可以形成一種互惠關係，使民眾相信，國家公權力能用適當的理由來制定法律，而制定出的法律是以尊重公民自主性為主。當民眾理解法律對我所處的社會有利，會比較願意自動產生守法的動機。

AI 執法看似比人類「公正無私」，但它的執法方式以處罰為主、缺乏理由陳述，也沒有對具體情境的「敏感性」。人跟人之間的互動經常需要敏感性，這樣才能理解他人到底在想什麼。這種敏感性是要鍛鍊的，真人警察可在執法過程中，透過拿捏不同情境的處理方式來累積經驗。

例如在交通尖峰時段應該以維持交通順暢為原則，這時警察是否具備判斷的敏感性就很重要，例如看到輕微的違規不一定要大動作開罰，可以吹個警笛給駕駛警示一下就好。

我越來越覺得人類這種互動上的敏感性很重要，我們會在跟他人相處的過程中思考：跟我溝通的對象是什麼樣的人？我在他心中是什麼模樣？然後慢慢微調表現方式，這是人類和 AI 最根本的不同。

相較於法律人工智慧，ChatGPT 等生成式 AI 強大的語言功能似乎更接近理想中的 AI，其發展可能對我們產生哪些影響？

我認為會有更複雜的影響。ChatGPT 是基於大型語言模型的聊天機器人，使用大量自然語言文本進行深度學習，在文本生成、問答對話等任務上都有很好的表現。因此，在與 ChatGPT 互動的過程中，我們容易產生一種錯覺，覺得螢幕後好像有一名很有耐心的真人在跟你對話。

事實上，對於生成式 AI 來說，人類只是刺激它運作的外在環境，人機之間的互動並沒有想像中的對等。

仔細回想一下整個互動過程，每當外在環境（人類）給 ChatGPT 下指令，系統才會開始運作並生成內容，如果我們不滿意，可以再調整指令，系統又會生成更多成果，這跟平常的人際互動方式不太一樣。

資工人員可能會用這個理由說明，生成式 AI 只是一種工具，透過學習大量資料的模式和結構，從而生成與原始資料有相似特徵的新資料。

上述想法可能會降低人們對「資料」（Data）的敏感性。由於在做 AI 訓練、測試與調整的過程中，都必須餵給 AI 大量資料，如果不知道資料的生產過程和內部結構，後續可能會產生爭議。

另一個關於資料的疑慮是，生成式 AI 的研發與使用涉及很多權力不對等問題。例如現在主流的人工智慧系統都是由私人公司推出，並往商業或使用者付費的方向發展，代表許多資料都掌握在這些私人公司手中。

資料有一種特性，它可以萃取出「資訊」（Information），誰有管道可以從一大群資料中分析出有價值的資訊，誰就有權力影響資源分配。換句話說，多數人透過輸入資料換取生成式 AI 的服務，可是從資料萃取出的資訊可能在我們不知情的狀況下對我們造成影響。

面對勢不可擋的生成式 AI 浪潮，人文社會學者可以做些什麼？

國外對於 AI 的運用開始提出很多法律規範，雖然國外關於價值課題的討論比臺灣多，但並不代表那些討論都很細緻深入，因為目前人類跟 AI 的相遇還沒有很久，大家還在探索哪些議題應該被提出，或賦予這些議題重新認識的架構。

這當中有一個重要課題值得思考：

我們需不需要訓練 AI 學會人類的價值判斷？

我認為訓練 AI 理解人類的價值判斷很可能是未來趨勢，因為 AI 的發展會朝人機互動模式邁進，唯有讓 AI 逐漸理解人類的價值為何，以及人類價值在 AI 運作中的局限，我們才有辦法呈現 AI 所涉及的價值課題。

當前的討論多數還停留在把 AI 當成一項技術，我認為這種觀點將來會出問題，強大的技術如果沒有明確的價值目標，是一件非常危險的事情。實際上，AI 的發展必定有很多價值課題涉入其中，或者在設計上有一些價值導向會隱而不顯，這將影響 AI 的運作與輸出成果。

思考怎麼讓 AI 理解人類價值判斷的同時，也等於在問我們人類：對我們來說哪一些價值是重要的？而這些重要價值的基本內容與歧異為何？

我目前的研究有幾個方向，一個是研究法律推理的計算機模型（Computational models of legal reasoning）；另一個是從規範性的層面去探討，怎麼把價值理論、政治道德（Political morality）、政治哲學等想法跟科技界交流。未來也會透過新的視野省視公民不服從議題。

這將有助科技界得知，有很多價值課題需要事先想清楚，影響將擴及工程師怎麼設計人工智慧系統？設計過程面臨哪些局限？哪些局限不應該碰，或怎麼把某些局限展現出來？我覺得這些認識都非常重要！

鐵面無私的 ALI ？人類與人工智慧執法最大的分野是什麼？

陳弘儒是臺灣少數以法哲學理論研究法律人工智慧系統（ALI）的學者，他結合各種現實情境，與我們談論 ALI、生成式 AI 與當代法治價值的緊張關係。

由於 ALI 擅長的資料分類與演算，與人類判斷過程中涉及的世界觀與敏感性思辨，有著根本上的差異；以處罰為主、缺乏理由陳述的判斷方式，也容易影響民眾對公權力的信任。因此陳弘儒認為，目前 ALI 應該以「輔助人類執法」為發展目標，讓人類保有最終的判斷權限。

至於現正快速發展的生成式 AI ，根據陳弘儒的觀察，目前仍有待各方專家探索其中的價值課題，包括資料提供與使用的權力不對等、哪些人類價值在訓練 AI 的過程中值得關注等。

在過去多是由人文社會學者提出警告，現在連 AI 領域的權威專家也簽署公開信並呼籲：AI 具有與人類競爭的智慧，這可能給社會和人類帶來巨大風險，應該以相應的關注和資源進行規劃和管理。

在訪談過程中，有一件令人印象深刻的小插曲，陳弘儒希望我們不要稱呼他「老師」，因為他從小就畏懼老師、警察等有權威身分的人，希望以更平等的方式進行對話。

假如今天以 AI 進行採訪，整個談話過程或許能不受倫理輩分影響，但這也讓我們意識到，在 AI 的世界裡，許多人際互動特有的敏感性、同理反思都可能不復存在。

陳弘儒的研究讓我們體會，AI 在法治領域的應用不僅是法律問題，背後更包含深刻的哲學、道德與權力課題，也讓我們更了解法治的核心價值：

法律要做的不只是規範人們的行為，而是透過理由陳述與溝通展現對每個人道德自主性的尊重。

本文轉載自中央研究院「研之有物」，為「中研院廣告」

• 採訪撰文｜田偲妤
• 美術設計｜蔡宛潔

為什麼「特別」＝不正常？

回想求學過程中，你是否曾煩惱特立獨行的行為會成為老師和同學眼中的「異類」？當社會慣用同一套標準檢視每個人，你我都可能被貼上「污名標籤」。中央研究院「研之有物」專訪院內社會學研究所曾凡慈副研究員，她長期投入「醫療社會學」研究，探討社會如何建構正常性與異常性，特別在臺灣的教育現場，有一群「注意力不足／過動症」（ADHD）學童，經常被貼上社會加諸的「疾病污名標籤」。一起來認識 ADHD ，聽聽成人患者、家長與老師們的親身經歷，了解他們如何面對污名？怎麼看待正常與異常的界線？

ADHD 學童與教育者會遇到哪些困境？

就讀小學五年級的小曉，外表與一般小女孩無異，卻經常坐立不安、注意力難集中，甚至瞬間情緒崩潰。在班上不只被同學霸凌孤立，還被其他家長視為問題兒童，責備小曉的父母沒有善盡教養義務。

小曉的父親長年在國外工作，導致養育責任、就醫治療的重擔全落在母親薇芳身上。面對女兒一天到晚闖禍，在家又不按時吃藥，母女兩人經常爆發衝突。龐大的身心壓力讓薇芳不禁心想：「如果沒有妳，我是不是能做自己？」

從香港來的新老師保羅試圖幫助小曉融入學校生活、緩解薇芳的壓力，成為母女兩人的避風港，也背負是否因特殊原因而關照小曉的質疑。

電影《小曉》道盡「注意力不足／過動症」（Attention Deficit/ Hyperactivity Disorder，簡稱 ADHD ）學童在臺灣教育環境經常發生的狀況，以及家長與老師面臨的教養與照護困境。

究竟 ADHD 在兒童間的盛行率有多少？根據美國精神醫學會 2022 年發行的《精神疾病診斷與統計手冊》顯示， ADHD 在全球兒童中的盛行率推估為 7.2 % 。臺灣 2019 年對全國中小學生進行的抽樣調查研究則發現，符合美國精神醫學會 ADHD 診斷準則（DSM-5）的學生比例高達 10 % 。

換言之，每 100 名學生中約有 10 名有明顯的 ADHD 症狀。面對這麼高的比例，社會大眾對 ADHD 的認識卻不夠普及。究竟 ADHD 有什麼樣的表現？如何協助孩子調整身心狀況、應對治療伴隨的疾病污名標籤？家長、老師等照護者需要什麼樣的支持？

容易被污名化的「隱性障礙」！

中研院社會學研究所曾凡慈副研究員長期投入「醫療社會學」研究，試圖理解社會如何建構正常性與異常性。近年來持續探討 ADHD 等「隱性障礙」在教育場域如何被醫療化、標籤化，以及親職角色面臨的各種教養難題。

所謂「隱性障礙」是指：病況模糊、有爭議或不可見，需要精神藥物、心理與特殊教育介入，從而為家長帶來尋求診斷與治療的複雜挑戰。

ADHD 即是一種隱性障礙，對生活的影響通常反映在人際互動與學習表現上，詳細診斷標準可參考臺大神經部衛教說明，主要症狀整理如下：

由於 ADHD 的行為樣態多元、表現程度不一，而且可能隨著成長過程而改善或惡化，讓位在教學第一線的老師經常面對的難題是：究竟孩子只是不夠努力，還是真的無法控制自己？

這種判斷困難常出現在孩子重新分班、需適應新環境時。大部分老師會先觀察半學期至一學期，如果孩子的行為一直沒有改善，就會試著與家長溝通，評估是否帶孩子就醫檢查。因此，求學階段通常是孩子被診斷出 ADHD 的高峰期。

由於臺灣社會長期缺乏隱性障礙的觀念，孩子在學校表現不好會認為是小孩天性調皮，只要嚴加管教就會慢慢改善，並不會直接想到看醫生，而且民眾普遍對看精神科有不好的觀感。

因此，當老師提議帶孩子就醫，多數家長一時之間可能難以接受，再加上每個家庭具備的文化與經濟資本不同，對親職角色的焦慮程度不一，也進而影響家長選擇的回應方式。

為了深入了解隱性障礙對親職造成的挑戰，曾凡慈訪談了 50 位家中有隱性障礙學童的家長，分別具備不同教育程度、家庭型態、社經地位等條件，並藉由發展「道德工作」概念來考察這種獨特的親職任務。什麼是「道德工作」呢？

道德工作指的是：人們在日常生活中如何判斷哪些目標值得追求？怎樣的做法比較適當？又應該相信什麼、感受什麼與做什麼，才算善盡職責？

這對一般父母來說絕非易事，應該讓孩子養成乖巧懂事還是自由自在？要努力培養未來競爭力還是享受快樂童年？一道道選擇題已夠令人煩惱，如果孩子的氣質特殊，情緒行為不符合大部分孩子的常態時，將更難仰賴一套明確的價值指引行事，因此需要透過更加複雜的道德工作來幫自己和孩子應付日常難題。

對孩子有隱性障礙的家長來說，道德工作要處理的問題通常包括：該不該用「病」的框架來解釋孩子的違常行為？如果能治療，什麼才是「應該的」目的？要讓孩子擁有公開的障礙身分，還是盡量隱瞞以避免污名？面對孩子持續表現出失序的狀態，該體諒包容還是嚴格要求？

一起來看看與 ADHD 孩童朝夕相處的家長與老師們做出什麼樣的抉擇。

ADHD 學童與其家長面臨哪些選擇？

曾凡慈發現，從親職的角度考量，家長首先須設法釐清問題屬性：究竟孩子的行為是個性、環境或病理所致？才能決定該往什麼方向努力。

承認孩子可能患有 ADHD 是家長要克服的首要難題，尤其在臺灣想獲得特殊教育資源，或讓學校接受孩子的差異、提供相應的對待，通常得先取得醫療診斷，使得就醫並接受藥物治療成為某些家長維護孩子受教權的策略。

緊接著家長要摸索的是，怎麼教導孩子看待吃藥行為可能帶來的「污名標籤」。例如有孩子因為吃藥而被同學取笑，與同學發生紛爭時也常被問「今天是不是沒吃藥」。如果沒有妥善處理，診斷用藥將增加孩子被歧視的風險，也會降低孩子配合治療的意願。

某些家長則教孩子以「尋常化」的態度看待用藥。例如告訴孩子「每個人身上都有一點病，像是阿公也每天在吃糖尿病的藥」。或者說吃的是「聰明藥」、「專心藥」，吃藥不代表「有病」，而是能在學校表現的更好。

也有部分家長採取「以醫療模式轉移污名」的策略，讓孩子相信只要「治好」就不會發生污名問題。

例如有的孩子主要是注意力不足（ ADHD 的一種次類型），家長引用醫生的說法向孩子強調「你是注意力不足不是過動」。每當孩子接受積極治療、在學校的表現明顯進步時，家長也會藉此培養孩子有自信的應對方式，下次再被同學取笑時可以勇敢回覆：「我只是注意力不足」、「我現在都好了」。

當然也有比較特殊的案例，曾凡慈訪談的家長中，有位媽媽教孩子不要主動挑釁他人，可是一旦別人欺負到你頭上，就一定要捍衛自己。

例如有人罵孩子吃藥就是神經病，她要孩子大力反擊：「你才有病！又不是你要吃藥，關你什麼事？」雖然這麼做無法改善孩子的人際關係，但曾凡慈指出，我們的社會存在一種奇怪的權力，自以為「正常」的人能隨便對被視為「異常」的人指指點點，這種權力應該被揭露和挑戰：

教養方式沒有絕對好壞，教孩子言語反擊，看似在破壞社會互動秩序，實際上是讓孩子正面回擊污名化背後的權力關係。

環境、家庭、教育現場不同會造成什麼差異？

從事隱性障礙的道德工作時，另一值得注意的是，家長的教養方式可能因不同的文化和經濟資本而產生差異，這將影響家長與老師的溝通，以及孩子可得到的教育與醫療資源。

例如某些家長比較有能力與老師對等討論，一起摸索出適合孩子的學習方式，也比較有能力爭取醫療資源、進行污名管理。課餘時間還會陪孩子完成課業、調整情緒行為，甚至自費取得其他輔助資源。

其中一位有教育學博士學位的家長令曾凡慈印象深刻。這位母親為了讓患有 ADHD 的孩子得到最佳照護，自行創辦了幼兒園，過程中投入的金錢與時間精力，超乎一般家長所能想像！

然而，並非每位家長都有能力為孩子做那麼多，許多家長可能因工作繁忙、手頭不寬裕，或對 ADHD 等隱性障礙缺乏認知，因而無法長期陪伴孩子、或與老師密切溝通，也沒有餘裕定期請假帶孩子回診。

如果老師跟家長的溝通卡關，又正好遇到老師的教學標準較高，可能會認為只要家長不願帶孩子就醫，就沒有立場對疑似有 ADHD 症狀的學生進行個別調整或導入特教資源，這將導致各方關係陷入惡性循環。

近期曾凡慈也開始訪問教過 ADHD 學生的老師，希望了解他們遇到的教學難題與處理經驗。

老師的壓力之大在於，既要在教學上符合全班學生對「公平性」的期待，又要對有特殊需求的學生進行「彈性調整」。如果家長不願讓學生接受診斷，面對看似 ADHD 的學生，究竟要用平常標準要求還是寬容對待？如何避免其他人抱怨老師沒有一視同仁？都將陷老師於左右為難的境地。

面對教育現場因不同理念而產生的紛爭，老師非常需要家長與專家的支持，也需要額外人力幫忙分擔並改善孩子在學校的狀況，否則老師疲於應付、教學品質也難以維持。

曾凡慈訪談的老師們也分享了有助增進教學知能的資源，例如現在的教師研習會將 ADHD 等隱性障礙的基本知識與教學策略納入課程，參加教學互助社群也有助交流在教學現場可應用的實務技巧。

此外，老師們也希望有彈性的人力調度，能適時支援臨時狀況。例如孩子坐不住、或行為失控需要拉開距離時，可以有行政體系的老師陪孩子出去走走、緩和情緒。如何讓專業資源與輔助人力能及時支援教育現場，是日後值得關注的課題。

「可不可以讓我們的差異變成獨特？」

未來曾凡慈也將持續訪談成人 ADHD 患者，了解他們怎麼走過求學與治療階段，怎麼看待自己的身心狀態。訪談過程中發現，雖然成長過程有其艱辛之處，但也出現正向看待 ADHD 的社群。

許多在童年時期被診斷出 ADHD 的孩子已長大成人，並開始透過聚會重新思考 ADHD 對自己的意義，致力推動社會大眾以正向心態看待 ADHD，甚至語帶自信地以「A 咖」自稱！

曾凡慈非常樂見創造正向標籤的行動能延續下去。例如「 A 咖」社群中有人認為 ADHD 就是一種個人特質，有天馬行空的創意、勇於跳脫常軌，擅長抓住大方向且不拘小節。此外，「怕無聊」的個性讓他們幾乎終其一生都在尋求新鮮挑戰，過著樂在學習的精彩人生。

然而，曾凡慈也注意到，部分 A 咖仍需要藥物及諮商資源，協助他們應付大學生活，以及工作職場上更加嚴峻的挑戰。有些人很需要心理師擔任一對一的「 ADHD 教練」，訓練人際相處應對、生活安排與工作規畫，或調適因外在刺激而累積的壓力。

然而，目前心理諮商或治療都所費不貲，如果不住在大都市，相關資源將更難取得，導致他們只能靠自助或社群互助，慢慢摸索自我調適策略，比一般同齡人更加辛苦。

因此，有些成年患者會為了使用校內免費的心理諮商服務，選擇延畢或繼續念研究所，導致出社會的時間往後拖延、影響職涯發展。

我們不能否認病症會為患者帶來應付生活的困難，但隨著隱性障礙逐漸被視為人類行為多元光譜的一環，我們也看到了改變的契機。

曾凡慈期許：「我們不該只想著指認孩子的內在缺失，甚至期待醫師將他們治癒，使他們能適應主流環境。」更該轉向思考的是：

如何支持個別差異，發展有利於所有人的教育文化與社會體系。

一、前言

選後的立法院三黨不過半，但民眾黨有八席不分區立委，足以與民進黨或國民黨結成多數聯盟，勢將在國會居於樞紐地位。無獨有偶的是：民眾黨主席柯文哲在總統大選得到 26.5% 的選票，屈居第三，但因其獲得部分藍、綠選民的支持，在選民偏好順序組態的基礎上，它卻也同樣地居於樞紐地位。這個地位，將足以讓柯文哲及民眾黨在選後的台灣政壇持續激盪。

二、柯文哲是「孔多塞贏家」？

這次總統大選，誰能脫穎而出並不是一個特別令人殷盼的問題，更值得關心的問題是藍白綠「三跤㧣」在選民偏好順序組態中的消長。台灣總統大選採多數決選制，多數決選制英文叫 first-past-the-post（FPTP），簡單來講就是票多的贏，票少的輸。在 10 月中藍白合破局之後，賴蕭配會贏已經沒有懸念，但這只是選制定規之下的結果，換了另一個選制，同樣的選情可能就會險象環生。

從另一個角度想：選制是人為的，而選情反映的是社會現實。政治學者都知道天下沒有十全十美的選制；既定的選制推出了一位總統，並不代表選情的張力就會成為過眼雲煙。當三股社會勢力在制度的帷幕後繼續激盪，台灣政治將無法因新總統的誕生而趨於穩定。

如果在「三跤㧣」選舉之下，選情的激盪從候選人的得票多少看不出來，那要從哪裡看？政治學提供的一個方法是把候選人配對 PK，看是否有一位候選人能在所有的 PK 中取勝。這樣的候選人並不一定存在，如果不存在，那代表有 A 與 B 配對 A 勝，B 與 C 配對 B 勝，C 與 A 配對 C 勝的 A＞B＞C＞A 的情形。這種情形，一般叫做「循環多數」（cyclical majorities），是 18 世紀法國學者孔多塞（Nicolas de Condorcet）首先提出。循環多數的存在意涵選舉結果隱藏了政治動盪。

另一方面，如果有一位候選人能在配對 PK 時擊敗所有的其他候選人，這樣的候選人稱作「孔多塞贏家」（Condorcet winner），而在配對 PK 時均被擊敗的候選人則稱作「孔多塞輸家」（Condorcet loser）。三角嘟的選舉若無循環多數，則一定會有孔多塞贏家和孔多塞輸家，然而孔多塞贏家不一定即是多數決選制中贏得選舉的候選人，而多數決選制中贏得選舉的候選人卻可能是孔多塞輸家。

如果多數決選制中贏得選舉的候選人不是孔多塞贏家，那與循環多數一樣，意涵選後政治將不會穩定。

那麼，台灣這次總統大選，有沒有孔多塞贏家？如果有，是多數決選制之下當選的賴清德嗎？我根據戴立安先生調查規劃的《美麗島電子報》追蹤民調第 109 波（1 月 11 日至 12 日），也是選前最後民調的估計，得到的結果令人驚訝：得票墊後的柯文哲很可能是孔多塞贏家，而得票最多的賴清德很可能是孔多塞輸家。果然如此，那白色力量將會持續地激盪台灣政治！

我之前根據美麗島封關前第 101 波估計，侯友宜可能是孔多塞贏家，而賴清德是孔多塞輸家。現在得到不同的結果，顯示了封關期間的三股政治力量的消長。本來藍營期望的棄保不但沒有發生，而且柯文哲選前之夜在凱道浩大的造勢活動，還震驚了藍綠陣營。民調樣本估計出的孔多塞贏家本來就不準確，但短期內的改變，很可能反映了選情的激盪，甚至可能反映了循環多數的存在。

三、如何從民調樣本估計孔多塞贏家

根據這波民調，總樣本 N=1001 位受訪者中，如果當時投票，會支持賴清德的受訪者共 355 人，佔 35.4%；支持侯友宜的受訪者共 247 人，佔 24.7%。支持柯文哲的受訪者共 200 人，佔 19.9%。

美麗島民調續問「最不希望誰當總統，也絕對不會投給他的候選人」，在會投票給三組候選人的 802 位支持者中，一共有 572 位對這個問題給予了明確的回答。《美麗島電子報》在其網站提供了交叉表如圖：

根據這個交叉表，我們可以估計每一位明確回答了續問的受訪者對三組候選人的偏好順序，然後再依這 572 人的偏好順序組態來判定在兩兩 PK 的情形下，候選人之間的輸贏如何。我得到的結果是：

• 柯文哲 PK 賴清德：311 > 261（54.4% v. 45.6%）
• 柯文哲 PK 侯友宜：287 > 285（50.2% v. 49.8%）
• 侯友宜 PK 賴清德：293 > 279（51.2% v. 48.8%）

所以柯文哲是孔多塞贏家，賴清德是孔多塞輸家。當然我們如果考慮抽樣誤差（4.1%），除了柯文哲勝出賴清德具有統計顯著性之外，其他兩組配對可說難分難解。但在這 N=572 的小樣本中，三位候選人的得票率分別是：賴清德 40%，侯友宜 33%，柯文哲 27%，與選舉實際結果幾乎一模一樣。至少在這個反映了選舉結果的樣本中，柯文哲是孔多塞贏家。依多數決選制，孔多塞輸家賴清德當選。

不過以上的分析有一個問題：各陣營的支持者中，有不少人無法明確回答「最不希望看到誰當總統，也絕對不會投給他做總統」的候選人。最嚴重的是賴清德的支持者，其「無反應率」（nonresponse rate）高達 34.5%。相對而言，侯友宜、柯文哲的支持者則分別只有 24.1%、23.8% 無法明確回答。為什麼賴的支持者有較多人無法指認最討厭的候選人？一個假設是因為藍、白性質相近，對許多綠營選民而言，其候選人的討厭程度可能難分軒輊。反過來說，藍、白陣營的選民大多數會最討厭綠營候選人，因此指認較無困難。無論如何，把無法明確回答偏好順序的受訪者歸為「遺失值」（missing value）而棄置不用總不是很恰當的做法，在這裡尤其可能會造成賴清德支持者數目的低估。

補救的辦法之一是在「無法明確回答等於無法區別」的假設下，把「遺失值」平分給投票對象之外的其他兩位候選人，也就是假設他們各有 1/2 的機會是無反應受訪者最討厭的候選人。這樣處理的結果，得到

• 柯文哲 PK 賴清德：389 > 413（48.5% v. 51.5%）
• 柯文哲 PK 侯友宜：396 > 406（49.4% v. 50.6%）
• 侯友宜 PK 賴清德：376 > 426（46.9% v. 53.1%）

此時賴清德是孔多塞贏家，而柯文哲是孔多塞輸家。在這 N=802 的樣本中，三位候選人的得票率分別是：賴清德 44%，侯友宜 31%，柯文哲 25%。雖然依多數決選制，孔多塞贏家賴清德當選，但賴的得票率超過實際選舉結果（40%）。用無實證的假設來填補遺失值，反而造成賴清德支持者數目的高估。

如果擔心「無法明確回答等於無法區別」的假設太勉強，補救的辦法之二是把「遺失值」依有反應受訪者選擇最討厭對象的同樣比例，分給投票對象之外的其他兩位候選人。這樣處理的結果，得到

• 柯文哲 PK 賴清德：409 > 393（51.0% v. 49.0%）
• 柯文哲 PK 侯友宜：407 > 395（50.8% v. 49.2%）
• 侯友宜 PK 賴清德：417 > 385（52.0% v. 48.0%）

此時柯文哲又是孔多塞贏家，而賴清德又是孔多塞輸家了。這個樣本也是 N=802，三位候選人的得票率分別是：賴清德 44%，侯友宜 31%，柯文哲 25%，與上面的結果一樣。

以上三種無反應處理方法都不盡完美。第一種把無反應直接當遺失值丟棄，看似最不可取。然而縮小的樣本裡，三位候選人的支持度與實際選舉結果幾乎完全一致。後兩種以不同的假設補足了遺失值，但卻過度膨脹了賴清德的支持度。如果以樣本中候選人支持度與實際結果的比較來判斷遺失值處理方法的效度，我們不能排斥第一種方法及其結果。

無論如何，在缺乏完全資訊的情況下，我們發現的確有可能多數決輸家柯文哲是孔多塞贏家，而多數決贏家賴清德是孔多塞輸家。因為配對 PK 結果缺乏統計顯著性，我們甚至不能排除循環多數的存在。此後四年，多數決選制產生的總統能否在三角嘟力量的激盪下有效維持政治穩定，值得我們持續觀察。

四、結語

柯文哲之所以可以是孔多塞贏家，是因為藍綠選民傾向於最不希望對方的候選人當總統。而白營的中間偏藍位置，讓柯文哲與賴清德 PK 時，能夠得到大多數藍營選民的奧援而勝出。同樣的，當他與侯友宜 PK 時，他也能夠得到一部份綠營選民的奧援。只要他的支持者足夠，他也能夠勝出。反過來看，當賴清德與侯友宜 PK 時，除非他的基本盤夠大，否則從白營得到的奧援不一定足夠讓他勝出。民調 N=572 的樣本中，賴清德得 40%，侯友宜得 33%，柯文哲得 27%。由於柯的支持者討厭賴清德（52.5%）遠遠超過討厭侯友宜（23.7%），賴雖然基本盤較大，能夠從白營得到的奧援卻不多。而侯雖基本盤較小，卻有足夠的奧援。柯文哲之所以成為孔多塞贏家，賴清德之所以成為孔多塞輸家，都是這些因素的數學結果。

資料來源

• 《美麗島電子報》追蹤民調第109波（1月11日至12日）