就明晰生育权中的育的内涵而论。

[77]另一方面，合宪性审查机制的建设使得最高人民法院依据《立法法》第99条行使审查要求权的制度空间进一步扩大。(二)本土方案 1.宪法司法化背景下直接效力与间接效力的论争 受德国法知识资源影响，我国学界在讨论基本权利与私法问题之初，就主要采取了第三人效力的进路。

[71]参见王锡锌、彭錞:《个人信息保护法律体系的宪法基础》,载《清华法学》2021年第3期。此后，有学者进一步补充了上世纪90年代以来的学术进展，如保护义务与第三人效力关系、基本权利功能的重构等。在实践后果上，该理论将本来约束国家权力的基本权利适用于私人之间，对私人自治构成较大威胁。在这一前提下，美国的国家行为理论通常是作为对比或参照而出现。其二，不同国家的不同制度与方法所立足的理由是相似的，也就是在一方私主体越发强大的背景下，为交易关系中弱势的一方提供保护，避免经济上的不平等造成人权行使上的不平等。

就此来说，本文所做的只是一个阶段性的总结评述，基本权利与私法在中国，无论在学理还是实践层面，都仍是一个颇具潜力的研究领域。真正承认这些权利的保证在哪里呢?在于人民中那些意识到并且善于争取这些权利的各阶级的力量。在大数据时代，基于正当性逻辑的不同，法律智能系统的说理必须以解释替代论证。

失信者正是在被联合抵制、处处得不到交易机会的意义上一处失信，步步受限。[8]欲解决上述困境，失信惩戒的法治化应当以管控风险而非制裁失信为进路。信用的道德规范维度源于、依附于信用的资源配置维度，两者是上层建筑与经济基础的关系。以缔约资格排除为例，信用算法根据市场主体的各种信息，预测其违约的可能性很高或是不能承受其违约风险，就会将其列入不得与之缔约的黑名单。

[72]一方面，道德化意味着制裁。其三，失信惩戒的社会性也决定了要以信用算法为法治化中心。

若是信息不充分，欺诈行为不能被观测到的话，信用就会出问题。[69][加]雷蒙·安德森：《信用评分工具：自动化信用管理的理论与实践》，李志勇译，中国金融出版社2017年版，第22页。[85]为此，行政机关需要解释：其基于何种风险而运用信用算法作出信用评级。当下信用治理大行其道的根本是蓬勃发展的大数据与人工智能突破了政府对数据的收集与处理瓶颈及政府对新型治理机制的需求，而不是因为立法者主观上将其作为制裁手段。

[63]换言之，现存的法律框架难以胜任失信惩戒法治化的重任，需要为之设计全新的法治化架构。[2]在修订行政处罚法的过程中，全国人大常委会部分委员也如此建议。在大数据与人工智能的辅助下，行政机关可以在社会问题还未达到明显、重大、突出之时就迅速预测出来，并根据相对人违法风险的等级与危害程度，有针对性地配置执法资源消除、隔离违法风险，而不是在违法之后再制裁。[20] （三）难以实现《纲要》的失信治理预期 联合惩戒揭示了这样一个现实：没有市场主体的广泛参与，就没有有效的失信惩戒。

因而，这是一种可能违反法治主义（侵害的测定可能性和预见可能性较低）的手段。这是因为行政机关所面临的风险虽然很多，但不同机关所面临风险不一样，同一机关的不同交易类型所面临的风险也不一样。

进言之，信用修复措施并不能满足减罚（刑）所要求的功过相抵。这样一来，能否通过行政处罚框架来救济相对人，就不能不令人生疑。

前者提出，建设社会信用体系，是整顿和规范市场经济秩序、改善市场信用环境、降低交易成本、防范经济风险的重要举措。我国个人信息保护法第6条规定：处理个人信息应当具有明确、合理的目的，并应当与处理目的直接相关，采取对个人权益影响最小的方式。[20]朱芒：《作为行政处罚一般种类的通报批评》，载《中国法学》2021年第2期，第164—165页。正如有学者指出的，在不同行业和不同领域，信用维度各有差异……信用的分级分类由用信主体依据用信场景，运用不同的算法自主确定，是唯一科学的做法。即便是政府，不同部门的信用需求也不相同……[78]也正因为风险的存在决定了失信惩戒的适用，风险的类型及其界定既需要随着时代的发展而发展，也需要维持一定的稳定性，不能由行政机关随意界定并设计、运用信用算法与失信惩戒。归根结底，为了平衡社会大众的自主交易需要与安全交易需要，行政机关需要采取不同的失信惩戒来管控风险：适用提高检查频次、适用审慎检查程序等强化监管措施而不是适用简易审查或是告知承诺制程序等失信惩戒，是为了避免、预防相对人因为监管资源配置不到位、脱离监管视线而违法。

[73]不过，从管控风险而不是惩戒失信这一目的出发，将其命名为包容原则或鼓励交易原则更为合理。但如果行政机关只依赖单方面的暴力机制，就难免因独木难支而无法充分实现这一目标。

后来一些经济学学者进一步探讨、界定了其风险管控而非法律制裁属性。这个机制需要收集、核实信用算法机制运作过程中的各种数据，并基于大数据方法评估信用算法的效果，为信用算法的监督与改善提供基础。

[80]N. Cortez, Regulation by Database,89 University of Colorado Law Review 1,11(2018). [81]Nizan Geslevich Packin Yafit Lev-Aretz, On Social Credit and the Right to Be Unnetworked.2 Columbia Business Law Review 339,424(2016). [82]参见王瑞雪：《论横跨公私法域的个人信用评价制度》，载《暨南学报（哲学社会科学版）》2022年第1期，第75页。因为后者旨在追究失信责任并由此填补失信者对信用的危害，而信用修复既不能降低失信者已经造成的社会危害，也不基于失信者对社会的重大贡献。

[29]以刑罚为例，减刑（责）以社会危害性降低和社会危害后果的降低为圭臬，而有重大立功表现是减刑的绝对实质条件，即对社会有重大立功必然减刑。这一进路的实质是通过信用机制的事前预防机能去管控将来的交易风险、避免失信行为的产生，而不是通过事后的制裁去报复、威慑失信主体使其今后不敢再犯。[96]这就留下了现实与算法结论之间不一致的可能性。[37]林均跃：《社会信用体系原理》，中国方正出版社2003年版，第73—80页。

如网络婚姻介绍即有不同算法——长相、体型、DNA以及基于传统数据挖掘出的经验，所需要的信息可区分为长相、体型、DNA与传统婚介信息。[47]参见陈国栋：《缔约资格排除类信用惩戒的法治化路径》，载《现代法学》2021年第1期，第112页。

[27]参见解志勇、王晓淑：《正当程序视阈下信用修复机制研究》，载《中国海商法研究》2021年第3期，第4页。[83]还有学者指出，通过信用机制所实现的一个没有犯罪的世界值得我们去追求吗？让人不可能犯罪（而不是在事后给予惩戒），我们得到了些什么，又失去些什么呢？这种方法对重要的民主价值，如团结、异议和审慎有什么影响呢？[84]为防范这些风险，我们不能不审慎考虑失信惩戒的适用范围与场景。

参见戴昕：《理解社会信用体系建设的整体视角：法治分散、德治集中与规制强化》，载《中外法学》2019年第6期，第1472—1473页。[68]参见马长山：《数字时代的法律变革与权利保护》，法律出版社2021年版，第124页。

上述困境源于现行信用立法与学理将违法与违约视为失信，将失信上升为法律上的失范，进而将失信惩戒视为制裁、矫正失范行为的法律制裁。以信用算法而非惩戒行为作为失信惩戒法治化的中心，主要出于如下三方面原因。[51]黄锫：《为什么选择性执法？制度动因极其规制》，载《中外法学》2021年第3期，第787页。[64]就此而言，信用算法就是按照一定的相关性设定，对特定信用信息进行处理，从而预测相对人的失信风险及其等级以及相应应对方式的方法。

[74]这就意味着信用算法必须更具包容性，以最大化保留交易自由、扩张交易机会为倾向，否则就可能导致系统性的歧视与不公平对待。第四，失信惩戒需要在与其他社会治理手段综合比较的情况下运用。

进入专题： 失信惩戒 法治化 风险管控 大数据 社会治理革新 信用算法 。因为市场主体一般只关心自己的利润，在商言商地与所有人做生意，不会像有些学者所认为的那样，仅仅因为行政机关将相关违法、违约信息纳入诚信体系就实施声誉制裁。

[52]也就是说，市场主体不仅通过失信惩戒规训参与资源配置的主体，使其不敢、不能失信，还会提供各种信用信息便于包括行政机关在内的资源配置主体实施惩戒。在传统信用评估中，不独违法、违约信息，企业的品德（character）、资本（capital）、能力（capacity）、抵押（collateral）方面的信息，能够对企业偿付能力产生影响的社会经济发展趋势与特定发展和变动情况（condition）信息，个人身份、信贷与公共事业缴费信息、公共记录即遵纪守法信息、就业信息与消费信息，都属信用信息。

相约安徽·向春而行 |肥东首个！全沉浸式VR体验开启党建教育新模式

相约安徽·向春而行｜发车啦！快来寻找肥东的春天！

新潮果汁，超能卖萌！众口妙，喵~

相约安徽 向春而行｜人间四月的冶父山 原来长这样

雄奇灵秀天柱山 “五一”假期等你来

合肥市科技馆联合多所学校举办航天科普进校园行动

汽水新口味，喝出好滋味！唤燃茶汽汽水，全国热销，市场再添黑马

相约安徽·向春而行 | 这是春天里，包河努力的样子！

相约安徽·向春而行 | 三河古镇

相约安徽·向春而行｜让书香飘满城！打造家门口的阅读空间