数字时代声誉罚的运行风险与规制体系 雷雨薇 (北京林业大学人文社会科学学院讲师)
[摘 要] 声誉罚作为公权力机关通过披露相对人的违法行为以降低其社会信用评价的一项处罚种类,在数字行政与算法决策深度融合的背景下,正经历由算法自动化驱动的范式革新。其运行逻辑深度嵌入数据采集、信用评价与信息传播的技术体系之中,在提升治理效能的同时,也引发了制裁泛化、评价失准与程序虚置等多重制度风险。其异化根源在于,算法技术重塑了行政权力的运行逻辑,导致实体法规制难以匹配算法技术的动态迭代,事后救济也因声誉损害的瞬时扩散与不可逆性,陷入结构性失灵的困境。在此背景下,程序主义进路及其在数字语境下的升级形态,即技术性正当程序,凸显出关键价值。它通过将程序要求嵌入算法设计、运行与评估过程,推动规制重点从对行为结果的静态约束,转变为对行政权力运行过程的动态控制。据此,数字时代声誉罚的规制框架主要聚焦于三方面:强化算法透明度与解释机制,保障相对人的实质程序参与权,以及建立融合动态退出与信用修复的弹性机制,以平衡惩戒效能与权利保障。该框架旨在为规范数字时代的声誉罚提供兼具操作性与适应性的制度方案,也为推进算法治理背景下行政程序的法治化转型贡献理论参考与实践可能。 [关键词] 行政处罚;声誉罚;技术性正当程序;算法决策;违法信息公开
一、问题的提出 声誉罚是公权力机关通过披露相对人的违法行为以降低其社会信用评价的处罚种类,因其制裁后果的严厉性与持续性,已成为行政机关广泛运用的高效治理工具。2021年修订的《行政处罚法》将“通报批评”明确列为法定处罚种类,表明立法者已关注到声誉制裁对公民名誉权、人格尊严权等基本权利的深刻影响。这一立法进展,为声誉罚的设定与实施提供了成文法上的规范依据与约束机制。然而,伴随数字行政与算法治理的深度融合,声誉罚不再局限于传统“一事一议”的个案处理模式,而是深度依托算法技术实现负面信息的自动归集、评价与披露,从而全面介入并重塑相对人的社会信用评价。这一转型催生了三重结构性困境:其一,算法决策的“黑箱化”使得处罚的事实依据与推理过程难以获得全面、客观的追溯和审查;其二,自动化评价机制的广泛应用,导致制裁效果极易突破个案边界,引发“一处失信、处处受限”式的过度惩戒;其三,数字记忆的持久性与可复制性,导致以“遗忘”为前提的声誉修复机制在技术层面归于失效。这些困境既冲击了行政处罚的过罚相当原则与程序正义价值,也对相对人的名誉权、信用利益等合法权益构成持续威胁。既有研究在声誉罚的概念厘定、类型划分及单一惩戒形式(如“通报批评”“列入黑名单”“违法行为公开/公告”)的规范分析方面均有进展,但对数字技术引发的行为模式调整、风险结构转型及规制路径转变等议题,尚未形成系统且具操作性的理论回应。 基于此,本文论证思路和目的在于:第一,揭示算法自动化技术在声誉罚中的介入机制与运作样态;第二,剖析算法决策如何传导并加剧声誉罚的实施风险,归纳其典型表现;第三,聚焦规制路径的重构,指出在声誉损害不可逆的前提下,程序控制比事后救济更具根本意义。当前,程序主义被视为规制自动化行政的重要取向,但算法系统的不透明性、复杂性与即时性,使传统正当程序面临诸多结构性嵌入障碍。为此,有必要引入“技术性正当程序”(Technological Due Process)理论,通过构建覆盖事前预防、事中控制与事后修复的全周期规制框架,为自动化决策中的权利保障提供可持续的程序支持。
二、数字时代声誉罚的运作机理与行为特征 声誉罚作为公权力介入私人领域的特殊规制工具,其效能实现深度依赖于信息传播与社会评价的塑造。伴随大数据、算法等数字技术全面嵌入社会治理,传统的声誉惩戒机制在实施逻辑、作用范围以及社会效应等层面均呈现出全新的复杂特征,亟待从理论上予以系统性回应。 (一)传统声誉罚的运作机理阐释 声誉罚作为行政制裁中独具特色的规制手段,其运行逻辑表现为“信息传递—社会评价—损害后果”这一递进链条。区别于其他行政处罚种类,声誉罚惩戒效能的实现,不依赖于行政机关的直接物理强制,而取决于违法信息能否有效触达相关公众,并引发足以减损相对人社会评价的反馈行动,其核心特征在于制裁的间接性与社会性。具体而言: 声誉罚的生效始于违法信息的有效公开,其前提是信息能够触达目标群体并引发关注。此阶段需着重考量三项核心要素:其一,公开内容的范围厘定,这关乎公民知情权与私益保护之间的动态平衡。详实明确的公开内容有助于信息接收者全面掌握违法事实,及时作出风险评估;但过度具象的身份信息则可能侵害特定主体的隐私、名誉等人格利益。其二,公开受众的范围设定,受众规模与反馈质量将直接决定声誉罚的实际惩戒效果。实践中的负面声誉信息公开包含三种情形:一是限定于特定对象的内部通报;二是面向特定群体开放但允许公众查询;三是完全向社会公众公开。其三,传播渠道的便利性与权威性,二者影响惩戒意图的准确传达与社会共识的有效凝聚。 在违法信息公开后,声誉罚的效果取决于公众据此形成的社会评价及可能采取的抵制等行动。实践中,公众反馈主要呈现三种样态:一是“正反馈”,公众基于利益关联或道德认同主动参与谴责或抵制,其动因往往更接近风险规避而非传统处罚目的中的“报应主义”或正义维护;二是“静止反馈”,因信息未能准确触达核心利益相关群体而缺乏有效回应;三是“负反馈”,即当公布内容或方式偏离特定社群的朴素道德认知时,反而引发公众对执法本身的质疑,削弱惩戒公信力。公众是否以及如何反馈,根本上取决于其对自身利益、风险及道德接受的综合判断。 声誉罚的损害客体指向相对人的名誉权益,法律语境下的名誉权表现为权利束集,凝结着精神、财产、资格等多重权益,其内涵在理论上存在争议。民法通说主要围绕“社会评价说”“人格尊严说”及“内外名誉折中说”展开,分歧在于是否将个人主观的名誉感(内在尊严体验)纳入法律保护范畴。本文认为,在行政处罚语境下,声誉罚所损害的客体应同时涵盖相对人主观体验感的损失与外部社会评价的降低双重维度。将主观名誉感纳入考量,一方面,羞辱、不安等内在感受是促使相对人行为矫正的重要心理机制;另一方面,若法律忽视个体在承受相同声誉制裁时可能存在的精神感受差异,将导致制裁强度在实质结果层面的不公平。 综上,违法信息的公开与传播、社会公众评价的生成与公众反馈等环节,均与信息环境及其传播机制紧密相关。近年来,伴随数字化行政与信息技术的迅猛发展,信息环境与传播方式持续更迭,声誉罚的运作逻辑亦呈现出深刻的结构性变迁与新质特征。 (二)违法信息公开阶段的新特征 数字技术对声誉罚的首要重塑,发生于违法信息的传播环节。其技术性新特征集中表现为:在传播端,依靠算法推荐实现了从广泛传播到精准触达的范式转变;在平台端,依托一体化信用信息系统实现了从信息分散到集中可见的结构性变革。二者共同重塑了负面声誉信息传递的广度、速度与精准性,在实质上改变了违法信息公开阶段的传统运作模式。 首先,算法赋能的个性化推荐引擎建构了“点对面”的信息传播矩阵,改变了传统“点对点”的线性信息流动模式。算法技术通过持续追踪用户的数字足迹,通过海量数据“了解”不同群体的行为,准确预测其内容偏好与潜在关注点,进而将特定的违法信息精准推送至最可能产生共鸣的目标群组。这种“信息找人”的模式,极大地优化了信息与受众的匹配效能,使得传播的动力机制从依赖公众主动检索,转变为由算法驱动的、基于用户画像的主动投送。当违法信息被投入这样一个高度同质化的社群“回声室”时,社群成员基于相似的价值认同,往往能够迅速完成从信息接收到价值判断的闭环,致使违法信息的传播效率呈指数级提升。