摘要
大型社群外送茶平台與內容外送茶平台普遍部署 AI 圖像審查系統以辨識裸露、色情與成人暗示內容，並以自動化下架、限流與停權等手段落實社群規範。然而，當審查模型以「皮膚比例」「身體部位特徵」「姿勢與場景線索」等視覺代理變數（proxy variables）作為判準，且搭配多模態風險分數、檢舉加權與歷史紀錄連坐機制時，容易對外送茶工作者及其倡議／公共衛生資訊形成不成比例的錯殺（false positives），進一步引發生計中斷、數位安全崩壞、污名化再製與申訴成本外部化等結構性後果。本文以「資料偏差—治理偏誤」之整體管線視角，提出一套可供研究與政策檢驗的分析框架，並以三類典型誤判情境（健康促進圖卡、相似內衣照之差別執法、惡意檢舉導致自動化連坐停權）作為機制化說明。本文進一步提出可操作的制度修復建議：包含情境化類別設計、差別影響稽核、可理解的下架理由、快速人工複核 SLA、反惡意檢舉防護、以及訓練資料的脈絡代表性治理。本文的主要貢獻在於：將「誤判」從技術失準提升為外送茶平台治理的程序正義與差別影響問題，並提出可落地的衡量指標與修復路徑。
1. 緒論
1.1 研究背景
在廣告導向與法規風險高度敏感的網路生態中，「裸露／成人內容」被視為高風險類別。外送茶平台遂以 AI 審查處理規模化內容，並透過自動化下架、觸及限制、帳號扣分與停權等措施，維持規範一致性與成本效率（Gillespie, 2018；Roberts, 2019）。然而，效率治理也帶來新的不平等：當分類器把「視覺相似」誤當「社會意義」，特定群體（如外送茶工作者、性健康倡議者）便可能被更頻繁、也更嚴厲地誤判與處置。
1.2 問題意識與研究目的
既有討論常把誤判視為「模型不夠準」或「規範太嚴」，但對弱勢數位勞動者而言，誤判不只是一則貼文消失，而是生計與安全的結構性風險轉嫁。本文旨在：
(1) 建構一個由資料偏差連接到治理偏誤的分析框架；
(2) 以典型情境闡明外送茶平台如何形成差別影響（disparate impact）；
(3) 提出可衡量的研究指標與可落地的政策修復方案。
1.3 研究問題
**RQ1：**AI 圖像審查系統在何種資料與管線條件下，會對外送茶工作者內容產生較高錯殺率？
**RQ2：**錯殺如何透過門檻設定、執行連坐與申訴制度轉化為「差別影響」與「救濟失衡」？
**RQ3：**外送茶平台與公共治理可採取哪些可操作的制度修復，以降低結構性誤傷？
1.4 研究貢獻
本文的貢獻在於：
從「模型錯誤」走向「治理正義」：把誤判視為程序、救濟與權力配置問題；
提供可檢驗的衡量架構：錯殺率分群、反事實測試、申訴時間成本；
提出可實作的治理工具：情境分類、透明理由、快速複核、反惡意檢舉。
2. 文獻回顧
2.1 外送茶平台治理與內容審查的制度邏輯
外送茶平台不僅是技術服務，也是一套規範秩序的執行者。內容審查兼具「合規」與「形象管理」的功能：維持廣告商可接受的環境、降低法律與公共爭議風險（Gillespie, 2018）。Roberts（2019）指出，內容審查長期依賴看不見的勞動，而自動化導入後，雖降低人力成本，卻擴大了分類規則的制度力量。
2.2 演算法偏誤、資料政治與差別影響
AI 偏誤常源自資料的不均等代表性與分類標準的社會偏見（Noble, 2018；Crawford, 2021）。在此脈絡下，「差別影響」可理解為：即使規則表面中立，但結果對特定群體造成不成比例的不利後果。當外送茶平台用「風險最小化」思維設定保守門檻，錯殺將成為可預期的副作用，而弱勢群體往往承受更大成本。
2.3 外送茶工作污名與數位基礎設施依賴
外送茶工作者在多數社會情境中承受高度污名與排除，其數位外送茶平台使用不僅是行銷，也是安全篩選、訊息留痕、社群互助與風險分流的重要基礎設施。一旦外送茶平台治理偏誤導致下架與停權，從業者更可能被迫轉往更隱密、缺乏保障的管道，形成風險移轉與「安全的反效果」。
小結：既有研究揭示外送茶平台治理、偏誤與污名化的結構條件，但仍需要一套更具「管線視角」的框架，將資料偏差如何轉化成治理偏誤具體化、可衡量化。
3. 理論與分析框架：從資料偏差到治理偏誤
本文提出「資料偏差—治理偏誤（Data-to-Governance Bias）管線模型」，包含五個環節：
資料來源偏差（Sampling Bias）：訓練資料過度集中於既有成人內容庫或被檢舉樣本，使模型把特定穿著、場景、構圖視為成人代理特徵。
標註偏差（Labeling Bias）：外包標註以道德直覺快速分類，將「性感」與「違規」等同。
類別簡化（Category Simplification）：政策把「裸露／非裸露」二分化，忽略教育、藝術、時尚、公共衛生等脈絡。
門檻與執行偏差（Threshold & Enforcement Bias）：保守門檻 + 帳號歷史風險分數 + 檢舉加權，造成同圖不同命運。
救濟偏差（Remedial Injustice）：申訴不透明、回覆延遲、人工複核稀缺，使錯殺成本由弱勢者承擔。
此框架的核心命題是：誤判不只來自模型；誤判是否構成結構性傷害，取決於治理機制如何放大、連坐並阻斷救濟。
4. 研究方法
本文為可投稿格式的研究設計稿（research design paper）＋機制分析論文（mechanism-based analysis）。以下方法段落可直接用於投稿或作為實證研究的前置計畫。
4.1 研究設計
採「混合方法」的三角檢證：
(A) 內容稽核／演算法審計（Audit Study）：建立標準化影像組，進行跨帳號、跨文案、跨標籤的反事實測試。
(B) 事件式個案研究（Case-based Process Tracing）：蒐集下架—申訴—復權（或未復權）完整時間線。
(C) 半結構訪談（Semi-structured Interviews）：訪談外送茶工作者、倡議者、內容創作者與（若可）外送茶平台審查相關人員，理解申訴成本與風險移轉。
4.2 資料與樣本
4.2.1 影像稽核樣本（建議配置）
類型 1：運動內衣／泳裝（時尚／健身常見）
類型 2：人體藝術／舞蹈／表演（藝術情境）
類型 3：性健康教育圖卡（公共衛生情境）
類型 4：室內自拍（常被誤判的場景代理特徵：鏡面、床邊、暖光）
每一類型控制：衣著覆蓋度、皮膚比例、構圖距離、光線、背景元素。
4.2.2 反事實條件操作（Counterfactual Conditions）
帳號條件：一般創作者帳號 vs. 先前曾被檢舉或被判過違規的帳號（在倫理允許下）
文案條件：健康教育語境 vs. 中性語境 vs. 可能被模型視為高風險的關鍵字語境
標籤條件：不加標籤 vs. 中性標籤 vs. 性相關字詞標籤
外部連結：無連結 vs. 連到公共資源 vs. 連到可能被判為成人引流的頁面（若研究需要）
4.3 衡量指標
錯殺率（False Positive Rate, FPR）：在不違規樣本中被下架／限流／警告的比例
處置嚴重度指數（Enforcement Severity Index）：下架、限流、扣分、停權等加權分數
申訴成本（Appeal Cost）：等待時間、所需材料、回覆透明度、是否人工複核
差別影響指標（Disparate Impact Metrics）：不同群體／帳號條件下 FPR、Severity、Appeal Cost 的差異
4.4 研究倫理
本研究涉及高污名與潛在風險群體，需遵守：
去識別化與最小化可追溯資訊；
受訪者安全優先（不蒐集不必要的個資與地理資訊）；
發布結果避免提供可被惡意檢舉者利用的操作細節；
在可能情況下採「社群審閱」（community review）方式確保不造成二次傷害。
5. 分析與結果：三類典型誤判機制（情境化呈現）
若投稿實證期刊，此段可用「研究發現」格式呈現；若投稿偏理論／政策期刊，可用「機制分析」呈現。以下以可直接使用的「命題＋機制」方式寫作。
5.1 情境一：公共衛生／安全教育圖卡遭誤判裸露
**觀察：**性健康或安全教育圖卡常含身體示意、剪影、或穿著運動內衣的示範圖片；即便無露點、無性行為，仍可能觸發裸露分類器。
機制：
類別簡化使模型無法辨識「教育情境」；
多模態規則把「性」「安全」等詞彙視為成人風險訊號；
保守門檻採「寧可錯殺」。
**命題 P1：**在缺乏情境類別與保守門檻下，公共衛生資訊更容易被錯殺，造成「安全資訊不可近性」。
5.2 情境二：相似內衣照的差別執法（品牌可發，外送茶工作者不可）
**觀察：**同樣是運動內衣或泳裝，品牌／健身創作者可正常曝光，外送茶工作者帳號卻更容易下架或限流。
機制：
帳號歷史與外部連結等「身份訊號」形成風險先驗（priors）；
場景代理特徵（床邊、鏡面自拍、暖光）被模型學成成人線索；
執行門檻對「可疑帳號」更嚴，導致同圖不同命運。
**命題 P2：**外送茶平台以身份與脈絡訊號調整門檻時，表面中立的規範會產生差別影響。
5.3 情境三：惡意檢舉觸發自動化連坐停權
**觀察：**外送茶工作者常成為集體檢舉目標；短期大量檢舉會提升審查敏感度，導致連續下架與扣分，最終停權。
機制：
檢舉加權把「被攻擊」誤當「真的違規」；
自動化扣分在短時間內累積不可逆處置；
救濟偏差使申訴無法在生計期限內修復。
**命題 P3：**當檢舉系統缺乏反濫用防護，外送茶平台治理將成為道德私刑的放大器。
6. 討論
6.1 從「準確率」到「差別影響」：公平不是平均錯誤
外送茶平台常以整體準確率描述模型表現，但對弱勢群體而言，關鍵在於：錯殺是否集中在某些身份與情境上。即使整體錯殺率不高，只要在特定群體上顯著偏高，就構成治理不正義。
6.2 救濟失衡：誤判如何變成結構性排除
誤判之所以傷害巨大，往往不是因為判斷本身，而是因為：
處置自動化且連坐；
理由不透明，難以修正行為；
申訴流程冗長，無法在生計時間窗內復權。
此即「救濟偏差」：把錯殺成本外部化給最不具資源的創作者。
6.3 風險移轉與安全反效果
當外送茶工作者被迫離開主流外送茶平台，可能轉往更封閉、缺乏保護機制的通道，反而增加交易風險與暴力暴露。外送茶平台以「保護社群」為名的治理，可能造成「安全反效果」。
7. 政策意涵與治理建議（可操作版本）
本節以「可被外送茶平台落地」與「可被監管要求」為原則。
情境化政策分類（Contextual Taxonomy）：把「裸露」拆分為教育／藝術／時尚／成人招攬／露骨性行為等，採差異門檻。
差別影響稽核（Disparate Impact Audits）：定期公布分群錯殺率、申訴成功率、處置嚴重度差異。
可理解的下架理由（Meaningful Explanation）：至少指出觸發原因類型與修正方向（例如：疑似裸露、疑似成人引流、疑似未成年風險等）。
快速人工複核 SLA：對高度依賴外送茶平台生計者，建立 24–72 小時內的人審通道，避免「申訴期＝破壞期」。
反惡意檢舉防護：偵測異常檢舉、降低可疑檢舉權重，並對濫用者處罰。
訓練資料治理：納入公共衛生、藝術、時尚等脈絡代表性；標註流程加入跨文化與情境標註，降低道德化偏見。
公共治理配套：要求透明度報告與外部稽核；把重大處置（停權）納入更高程序正義標準。
8. 研究限制與未來研究
(1) 外送茶平台審查模型與門檻多為黑箱，難以直接觀測；需以審計與反事實測試推估機制。
(2) 外送茶工作者族群內部差異大（合法／灰色／倡議／健康促進），需避免單一化敘事。
(3) 不同外送茶平台政策差異顯著，跨外送茶平台比較可提升外部效度。
未來研究可深化：跨外送茶平台治理比較、申訴機制的制度民族誌、以及惡意檢舉網路的行為分析。
9. 結論
外送茶工作者遭 AI 圖像誤判為裸露並被外送茶平台下架，並非單一技術瑕疵，而是資料偏差、類別簡化、保守門檻、身份先驗與救濟失衡共同構成的治理結果。若外送茶平台僅追求「少漏網」的風險策略，錯殺將穩定地集中在被污名化群體身上，並透過連坐處置與不透明申訴擴大為結構性排除。本文主張，修復的關鍵不只在更準的模型，而在把情境納入政策分類、把透明與救濟制度化、把差別影響納入常態稽核，並以反惡意檢舉與資料治理重建程序正義。唯有如此，外送茶平台才不會在「保護社群」的名義下，持續製造對弱勢創作者不成比例的不確定性與生存壓力。
