底層競爭：透過強迫選擇排名量化社會危害
「社會危害」的概念極難量化。雖然經濟學家使用 GDP，社會學家使用生活品質指數，但很少有機制能捕捉到大眾對各種產業所產生的直觀、主觀「邪惡感」。一個名為 Race to the Bottom 的新計畫試圖透過使用強迫選擇排名系統，來確定哪些經濟部門被認為對社會危害最大。
其核心實驗非常簡單：使用者被提供兩個選項，並被要求根據其個人知識、價值觀和生活經驗，投票選擇他們認為「較差」的一個。透過匯總這些二元選擇，該平台生成了一份感知社會危害的排行榜。
強迫選擇的心理學
Race to the Bottom 所使用的研究方法是成對比較（pairwise comparison）的一種變體，這是一種常用於 Elo rating systems（例如棋手排名）的技術，旨在從個人偏好中建立全球排名。然而，將此應用於道德判斷會引入複雜的主觀性層次。
社群的主要批評之一是缺乏「中立」或「兩者皆壞」的選項。正如使用者所指出的，被迫在兩個選項之間做出選擇——即使兩者都被認為同樣良善或同樣災難性——都可能導致數據偏差。這種強迫選擇機制凸顯了公眾輿論調查中的一個根本矛盾：在乾淨、具備行動力的數據與人類信仰的細微差異之間進行權衡。
框架效應與偏見的力量
圍繞該計畫的討論，很大一部分集中在選項的措辭如何影響結果。描述一個產業的方式，既可以引導使用者投票認為其「較差」，也可以使其免受審查。
描述的偏見
使用者指出，不同類別的框架方式存在顯著差異。例如，雖然「Cannabis」被中立地描述為「種植、零售店和與大麻相關的業務」，但「Sugary Food & Beverage」卻是透過其後果來進行框架化：「與肥胖、糖尿病和健康問題相關的產品」。
「如果你認為糖也有正面的一面，那麼上下文會讓你清楚地知道你正在為負面的一面投票。但 Cannabis 的負面影響在上下文中被省略了，因此你更有可能對其持中立或正面的態度。」
「最差」的主觀性
除了描述之外，標籤本身也帶有內在的偏見。像「Exploitative Gig Economy」這樣的標籤是一種明確的價值判斷，而「Advertising」則是一個中立的描述詞。這引ため發了一個關鍵問題：實驗是在衡量產業的危害，還是在衡量使用者對措辭的反應？
對危害的不同觀點
生成的排行榜引發了辯論，揭示了感知危害與系統性影響之間的差距。一些使用者對排名表示震驚，指出在參與者的眼中，社群媒體的排名往往比石油和天然氣或武器製造業還要差。
這種差異表明，大眾可能會更看重「日常」的危害——那些可見、頻繁且能感受到個人影響的危害——而非感覺遙遠或抽象的系統性、大規模危害。這點因責任軸線而變得更加複雜：
- 社會責任： 無論選擇如何，都會影響每個人的危害（例如：環境污染）。
- 個人責任： 在很大程度上是個人選擇導致的危害（例如：含糖飲料）。
技術與 UX 考量
從技術角度來看，社群建議了幾項改進措施，以使數據更具穩健性：
- 非遞歸偏好（Intransitive Preferences）： 實施一個能檢測使用者是否具有非遞歸偏好（A > B, B > C, 但 C > A）的系統，這將顯示排名是基於「感覺」而非一致的邏輯框架。
- 進度追蹤： 增加完成進度條以防止使用者疲勞，因為目前無止盡的問題流可能會導致使用者感到無聊或隨機點擊。
- 人口統計細分： 收集區域或州級數據，以觀察危害的感知如何隨不同文化和政治氣候而變化。
結論：經濟的快照
儘管存在關於偏見和框架效應的批評，Race to the Bottom 仍是現代經濟的一個迷人鏡子。透過剝離專業倫理和法律框架的細微差異，它捕捉到了公眾情緒的原始快照。它不僅揭示了我們認為什麼是「邪惡」的，還揭示了我們的感知是如何被描述世界的語言所塑造的。