算法道德责任：一个互联网企业社会责任新构面

石文华，刘丽杰，冉华，黄来恩

(北京邮电大学 经济管理学院，北京 100876)

企业社会责任这一概念自提出后就成为一个焦点话题，学者先后对其内涵、构面和应用等方面进行了广泛、深入的研究[1-3]。以传统行业为研究对象的企业社会责任内涵不断完善，企业社会责任的构面研究、量表开发及其应用逐渐成为学者关注的重点[4-5]。随着互联网迅速发展，电商、社交和资讯平台等各类互联网平台渗透了消费者生活的方方面面。作为互联网企业产品或服务的核心技术，算法虽然有助于社会各个领域治理效率的提升[6]，但其高度的不透明性和专业性也带来了算法歧视、信息窄化和隐私泄露等社会隐患[7]。近几年，已经出现多起由算法引起的给消费者造成负面影响的事件，很多学者随之跟进，从三个角度将算法和企业社会责任联结：第一，从企业社会责任治理的角度，将算法治理视为一个新的治理对象，并由此衍生出了一系列议题[8]；
第二，从企业社会责任评价的角度，根据互联网企业现状探索企业社会责任边界，提出了将信息内容监管、用户隐私保护、算法监管纳入互联网企业社会责任评价体系的观点[9-10]；
第三，从算法风险及其应对的角度，学者们认为算法技术不透明、责任不明确、用户与媒体平台间的信息不平等是现阶段算法技术存在伦理风险的原因[11-13]，提出了通过企业算法披露、法律规制和社会监督来提高算法透明以应对算法道德风险的对策[14-16]。

尽管已有研究对算法责任的治理研究、算法责任的重要性和算法责任失当等问题进行了初步的识别，但是算法道德责任还并未被纳入社会责任的研究维度，也缺乏对算法道德责任清晰的界定和测量，亟需规范性的研究。因此，在国内外相关文献的基础上，笔者拟提出算法道德责任这一概念，并将其作为一个新的构面加入Carroll[1]42的金字塔模型中，遵循严谨的量表开发流程开发算法道德责任量表，通过实证方式检验量表的信度和效度，形成包括算法道德责任在内的互联网企业社会责任量表。通过结构方程模型，拟探讨算法道德责任对企业声誉和客户满意度的影响机制，进一步验证笔者提出的新构面的合理性，最后对本研究的理论和实践意义进行深入讨论。

(一)企业社会责任

纵观企业社会责任的研究历程，依据研究侧重点不同可将其大致可分为五个阶段。第一阶段主要讨论企业社会责任的概念和合理性，即围绕“企业是否应当承担社会责任”和“企业社会责任是什么”两类问题展开。Bowen将企业社会责任定义为企业根据整个社会对它的期望去设定一些目标，并采取相关行动。随着企业社会责任这一概念逐渐清晰，企业社会责任的合理性得到充分认可，学者转而关注企业社会责任的维度和内容，提出了许多经典模型，Carroll[1]42提出的金字塔四维模型、CED提出的三层同心圆模型等。虽然这一阶段学者已经从规范性角度探讨了企业社会责任的维度，但仍缺乏量化标准。第三阶段，学者将目光投向企业社会责任理论工具的发展，Carroll的金字塔模型在学术界得到普遍认可和应用，Wartick等[18]和Aupperle等[19]均是在Carroll金字塔模型的基础上分别开发了企业社会绩效模型和企业社会责任测量量表。第四阶段，利益相关者理论等新理论的融入为扩延企业社会责任研究边界以及明确企业社会责任利益相关方提供了理论依据和基础。Donaldson等[2]71基于利益相关者理论提出，企业社会责任的评价主要关注股东、雇员、消费者、政府和社区责任五个方面。第五阶段，企业社会责任的管理应用成为关注重点，Turker[20]在实证研究的基础上开发了四维企业社会责任测量量表。Pérez等[21]开发了基于消费者感知的企业社会责任量表。国内学者如买生等[22]通过实证研究构建了基于科学发展观的企业社会责任测量模型。齐丽云等[4]147以ISO26000和GRI4.0标准为基础开发了企业社会责任测量量表。

(二)算法道德责任

互联网企业的快速发展和算法技术的广泛应用引发了社会各界对互联网企业社会责任的重视和思考。与传统企业不同，互联网企业具备经济和媒体双重属性：一方面作为经济平台要实现经济利益目标的追求；
另一方面作为媒体平台要承担舆论引导等责任[23]，因而不仅要承担传统企业承担的社会责任，还应将算法相关责任考虑在内。而数智化背景下互联网企业的算法已经融入社会各个领域，算法不仅是一种基于计算机的自动决策与自动推理分析程序，在广义层面还成为一种参与社会治理、构建社会秩序、影响社会发展的智能模型[7]13。算法的构建规则已经成为社会运行的一种基础性规则，并对利益相关方产生了广泛的影响[24]，算法也逐渐成为塑造个人生活的重要因素[25]。

探讨算法道德责任存在的合理性与必要性，首先要对算法的角色进行定位。算法的概念最早出现于数学领域，指解决数学问题的运算法则。而目前，算法则更多地应用于计算机科学领域，指在一定的计算情境下将输入数据转换为输出结果的计算机语言程序，是对计算机上执行的计算过程的具体描述。基于人与计算机交互的角度，有学者将算法定义为人类和机器交互的决策，即人类通过代码设置、数据运算与机器自动化判断进行决策的一套机制[26]。在一些情境下，人还会借助算法程序的判断而进行决策。由此可见，在人与机器交互的过程中，算法在人作出决策的过程中起辅助作用。算法实际上执行类人的意志，可以影响人的行为决策，在人、算法和社会三者之间的关系中承担人的“代理者”的角色。由此表明，算法具有间接的主体作用，负责算法开发的公司或个人是对应的直接主体，算法可以且应当对社会负责[27]。

除了算法这一角色本身产生的责任以外，笔者认为，算法输出的结果带来的社会影响也是企业算法应当对社会负责的原因。算法在设计开发过程中包含了设计者选择性的价值植入[28]，如为了提高用户粘性，资讯平台将“用户兴趣为主”的价值观念嵌入内容推荐算法中，造成使用者获取的信息窄化，内容低俗化[9]132。可见，算法对于社会而言并非单纯的工具，且并未局限于算法自身的功能，而是对利益相关者和社会产生正面或负面的影响，影响利益相关者的权利[29]。目前，算法具有高度复杂性，在复杂的社会动态环境中，当算法被应用于社会领域不同场景，算法决策的结果也具有不确定性和不可预测性，因而可能引发相关社会伦理问题和社会风险[27]204。

从责任主体的角度出发，讨论算法道德责任与企业社会责任的关系也离不开对责任主体的定位和判断。现阶段，算法责任主体主要有社会、政府和互联网企业。基于在算法责任中扮演的角色和功能定位的差异，不同的责任主体应当以不同的方式承担对于算法的治理和规制责任，防范算法技术异化和衍生的各类社会风险[30]。让算法在社会道德底线之上、在法律制度监管之下、在企业社会责任范围之内良性发展是社会各界对算法提出的要求。在社会方面，2017年《人民日报》(1)参见：羽生.评算法推荐：不能让算法决定内容[N].人民日报，2017-09-18(4).对基于算法技术的智能个性化推荐的互联网商业模式提出批评，有关算法责任的相关议题也逐渐成为社会公众关心的问题。在法律方面，近年来，有关部门颁布了《关于印发〈加强互联网信息服务算法综合治理的指导意见〉的通知》(国信办发文〔2021〕7号)等规定，旨在逐步建立治理机制健全、监管体系完善、算法生态规范的算法安全综合治理格局。要从根本上解决算法带来的各类负面问题，不仅需要国家政策治理和社会舆论监督，还需要企业自身积极承担起对算法的管理责任。作为算法的责任主体，企业应当对社会承担责任的合理性得到了众多学者的理论支持。孙庆春等[30]8从责任主体的角度提出，广义的算法责任泛指一切与实现算法决策合理合法的相关的责任事项，而算法提供方对此应当承担算法模型设计、验证、运行和维护等相关事项责任。汪钰庚[31]认为，责任是主体在一定的社会关系中对某项任务的自由确认和自觉服从，算法开源和应用的企业以及主动或被动参与其中的民众和用户都是算法责任主体。综上，笔者认为，互联网企业作为责任主体应当对其所开发应用的算法承担相应的责任。

从企业视角出发，阳镇等[7]19认为，互联网企业的生产创造模式主要有两种，一部分是将算法作为一种技术或产品直接进行交易，而另一部分则是将算法与传统的产品或服务相结合，从而实现功能再造或应用场景创新。因此，对于互联网企业，算法不仅是一种技术，还是一种直接性的产品与服务。作为一种技术，根据约纳斯[32]的理论，人类的任何行为都要接受道德的检验，技术是人权的表达也是行动的一种形式，必须经过道德的评估。从技术伦理的视角出发，对于技术与伦理之间的关系，技术伦理学普遍认同技术本身包含价值、具有价值载荷，而非价值中立的。现代技术伦理学认为，技术物能够满足道德行动体界定的因果效应标准、代理标准和道德自主性标准[33]，可通过“道德物化”实现其伦理价值和道德性[34]。在上述观点下，算法作为技术物，不再是单纯的技术工具或手段，而是具有伦理价值的道德行动体。作为一种产品或服务，利益相关方需要明确算法在开发和应用过程中可能产生的结果，避免产生信息茧房、算法歧视或算法垄断等社会负面问题[7]19。因此，不管算法在互联网企业中扮演何种角色，互联网企业都应起到责任主体的作用，即互联网企业社会责任应包含企业对算法的源头式管理责任。这种责任具体表现为互联网企业在设计、开发和应用算法时，确保算法在该过程中能够符合基本的社会道德观念、规范和价值，避免可能产生的各类负面后果，笔者将其定义为算法道德责任。

结合目前学术界对企业社会责任的理解，企业社会责任具有明显的时代性，其必定随着社会条件的演变而演进[35]。因此，笔者认为，对于互联网企业而言，传统的企业社会责任维度需要延扩，应当将算法道德责任纳入企业社会责任的基础性维度中，即互联网企业除了承担Carroll[1]42提出的经济、法律、道德和慈善责任以外，还应承担算法道德责任。据此笔者提出，算法道德责任可能成为一个互联网企业社会责任新构面。

(三)企业社会责任、企业声誉与客户满意度

企业声誉对于企业而言是非常重要的无形资产，能够反映企业和品牌的公信力，并持续为企业创造价值，对于企业的成功有重要贡献[36]。回顾学术界对企业声誉的研究，其定义主要围绕企业过去行为、企业信息和利益相关者评价三个关键词展开。如Rindova等[37]将企业声誉定义为一直基于企业过去行为和结果的综合体现。Gotsi等[38]将企业声誉定义为利益相关者基于自身经验或获得的企业行为或竞争状况的信息而形成的对企业的总体评估。基于前人研究，笔者将企业声誉定义为包括消费者在内的利益相关者基于企业特性和相关信息形成的对于企业的整体评价。

对于企业声誉的维度，目前广为认可的是Manfred[39]提出的企业声誉模型。他认为，企业声誉是包含认知声誉和情感声誉的二维结构。本文也将遵循这一结构，其中，企业认知声誉指消费者基于企业特征形成的主观理性评价，企业情感声誉指消费者对企业所产生的感性体验。心理学理论认为，认知和情感作为两个独立层面相互产生影响，两者的发生和存在相互依赖[40]。而许多研究表明，感觉和情感能够影响个体认知和行为。Forgas[41]的研究表明，在充满高度未知性和不可预测性的环境中，情感最有可能对认知和行为产生显著影响。Isen[42]也认为情感会对人们的认知发生强烈的影响。个人对待外部环境的认知也会受情感的影响，积极的情感能够增强认知[43]。基于上述理论，笔者认为，企业认知声誉建立在企业情感声誉的基础上，企业情感声誉能够对企业认知声誉产生影响。

众多学者已证实[44-45]企业社会责任是影响企业声誉的重要因素。回顾相关文献，企业社会责任主要通过两条路径对企业声誉产生影响。一方面，企业承担社会责任可以增强消费者对企业声誉的感知，促使消费者相信企业通过营销活动营造的良好的企业形象是可信的。根据消费者行为理论，作为企业营销信息的接收者，消费者并不会对企业营销宣传的内容全盘接收，而是会根据自己所获取的企业行为信息来进一步判断分析，进而形成对企业的认知[46]。Ferrell[47]基于消费者期望视角指出，企业的经济、法律、道德伦理和慈善责任等八项责任与企业声誉有相关关系。Lai等[48]研究证明积极的企业社会责任行为可以加强消费者对企业声誉的感知。Hur等[49]实证研究表明，基于消费者感知的企业环境责任和慈善责任对企业声誉有直接的正向影响。另一方面，企业社会责任行为还会向除消费者之外的其他利益相关者传达企业正面信息，从而影响利益相关者群体对企业声誉的评价，提升其对企业形象的好感度。Eberle等[50]研究发现，企业可以通过在线互动媒体传播企业社会责任来提高声誉。齐丽云等[4]150基于利益相关者诉求和社会期望，通过实证研究证明企业社会责任，包括劳动实践、人权、公平运营、消费者责任、责任治理和社区发展责任，对企业声誉有显著影响。刘远等[51]等研究发现，当企业履行慈善责任时，员工的情感承诺和员工对组织的认同和参与度可以得到提高。当然，也有学者从整体视角将企业社会责任作为企业声誉的驱动变量展开研究。田虹等[52]通过实证研究证明企业的社区责任和环境责任对企业声誉有积极的影响。Minor等[53]发现，在出现负面事件时，社会责任履行较好、获得评价较高的企业的声誉损失显著较低。周丽萍等[54]通过实证研究证明两者有显著的相关关系。因此，企业社会责任对企业声誉的影响机制是企业社会责任行为会影响消费者在内的利益相关者对企业的感知和评价，加强外界对企业的情感联系并提高积极评价，从而影响企业声誉。据此提出以下假设：

H1：企业的算法道德责任行为正向影响企业情感声誉。

H2：企业的算法道德责任行为正向影响企业认知声誉。

H3：企业情感声誉正向影响企业认知声誉。

客户满意度是企业经营者和理论界长期共同关注的问题。对于消费者，企业声誉会影响其购买行为，包括购买什么、购买时间等[55]。消费者会通过企业声誉推测产品或服务的质量，高声誉在一定程度上代表了高质量、低风险。因此，客户更喜欢与声誉良好的企业交易，保持长期合作[56]。企业声誉能够影响顾客购买意愿和购买决策[57]，同时也会影响客户满意度[3]95。在产品或公司信息缺乏的情境下，消费者会根据企业声誉来判断其产品或服务的质量[58]。良好的企业声誉还会提高广告宣传的可信度，使消费者更加相信企业的产品和服务，减少消费者对企业认识上的分歧[59]，促使消费者作出购买决策[60]。此外，良好的声誉还可以保护公司免受消费者对负面信息的感知[61]，带来更高的客户满意度[3]95。也有学者从行业角度探索企业声誉与客户满意度的关系，研究证实了在多个行业中两者有显著的正相关关系。Nguyen等[62]以电信业、零售业和教育业为研究对象发现，企业声誉正向影响客户忠诚度。李海芹等[3]95通过对手机品牌的实证研究发现，企业认知声誉和情感声誉与客户满意呈正相关关系。

对于客户满意度，Tse等[63]将其定义为客户对产品的预期与消费后的实际感知不一致性的反馈。Woodside等[64]将其定义为顾客购买产品后的一种基于体验的消费态度，也是表达顾客情感程度的评价。基于前人研究，笔者将客户满意度定义为消费者在某一产品或服务的购买和使用过程中由情感反应和理性认知所形成的综合感知。笔者采用由Fornell[65]提出的在国内学术界获得广泛认可和应用的美国客户满意度指数模型。据此提出以下假设：

H4：企业情感声誉正向影响客户满意度。

H5：企业认知声誉正向影响客户满意度。

企业社会责任通过企业声誉影响客户满意度这一路径已经得到许多学者的验证。李海芹等[3]95研究表明，企业的经济责任、消费者责任、法律责任和慈善责任通过企业认知声誉和情感声誉影响客户满意。杨皖苏等[66]基于利益相关者理论，通过实证分析证明，在国产乳制品行业中，企业的消费者责任、环境责任和慈善责任通过企业声誉对客户满意度产生影响。魏农建等[67]实证研究证明企业的社区、环境和顾客责任通过企业声誉对顾客满意有显著影响。因此，笔者认为这一路径是成熟稳健的，可在本研究中借助这一模型对算法道德责任作为互联网企业社会责任的新构面进行二次验证。

综上所述，笔者建立了理论模型，如图1所示。

参照MacKenzie等[68]的量表开发程序，笔者拟在此节中开发互联网企业算法道德责任量表。首先，结合文献回顾、小范围访谈和专家筛选，构建了算法道德责任的初始量表；
其次，进行预测试，根据预测试结果对问卷进行修正；
再次，进行大样本问卷调查；
最后，对量表进行信度检验和效度检验、探索性因子分析和验证性因子分析，进而开发出信效度良好的算法道德责任量表。

(一)初始题项产生

通过开放式访谈产生算法道德责任量表的初始题目。开放式访谈样本为3名企业社会责任研究方向的管理学教授、2名网络安全专业的教授和10位在读硕士研究生。首先，访谈通过“您是否有过被互联网平台推荐个性化内容的经历？”等问题抛出本次访谈的主题，引导受访者展开相关思考。其次，进行开放式访谈，在与受访者同步本研究对算法道德责任的定义的基础上，受访者根据自己的经验和认知表达个人对企业的算法道德责任的理解和期望，列出1～5条算法道德责任内容。最后，在2名管理学教授的指导下，笔者对访谈结果进行整理提炼，删除表述不明确或与主题关联性较差的项目，合并具有相同意义的项目，最终得到含有7个题项的算法道德责任原始量表。

除算法道德责任这一构面由笔者开发以外，其他构面均来自成熟量表。基于Carroll[1]42金字塔四维模型，笔者参考Maignan[69]和金立印[5]115的研究，结合互联网企业的实际情况，筛选出16个题项用以测量互联网企业的经济、法律、道德和慈善责任。

(二)测量题项的修订

笔者将含有7个初始题项的问卷发放给10位北京邮电大学(以下简称北邮)的硕士研究生，与每位受访者逐一确认测量项，确保不存在表述有歧义、不清晰或难以理解的题项，以保证量表的实用性和准确性。根据所有意见对原始量表进行修订，随机选取3位参与者再次对问卷进行评价，修改后的量表得到3位参与者的认可，得到初始量表。

(三)量表的预测试与分析

1.样本

采用李克特五级量表(1=非常不同意，5=非常同意)，将初始量表编制成问卷并发放。由于高校在读学生群体对互联网平台具有丰富的使用经验，是互联网企业面对的重要的消费群体，而且北京邮电大学是信息行业特色型大学，其学生群体对互联网企业的了解程度较高，本研究主要面向北京邮电大学的在读本科生和硕士研究生开展调查。

2.探索性因子分析

笔者利用SPSS 26.0对样本进行了一系列探索性因子分析以检验量表结构。结果显示，KMO指标为0.919，Bartlett球体检验达到显著水平，说明适合继续进行探索性因子分析。探索性因子分析选用主成分分析法，最大方差正交旋转，抽取特征值大于1的因子，选出因子负荷大于0.4的测量项。结果提取出5个因子成分，5个因子累计解释总方差的73.87%，各因子载荷均在0.7以上，表明量表具有良好的收敛效度，效度检验通过，可以进行验证性因子分析。

(四)正式量表的验证

1.样本

为了验证正式量表的可靠性，笔者继续通过线上问卷调研的方式扩大样本量。除了北邮的在读本科生和研究生以外，调研样本还包括部分社会人士。最终得到了376份有效问卷，其中：81.5%的参与者在18～25岁，11.6%在26～30岁；
男性比例为42.6%，女性比例为57.4%；
27.5%的参与者是本科在读或本科学历，67.6%的参与者是硕士在读或拥有硕士及以上学位，另有4.9%的参与者为本科以下学历；
71.5%的参与者目前为在校学生，10.7%的参与者为事业单位职工或管理者。

2.验证性因子分析

为了验证本研究提出的互联网企业社会责任量表，笔者进行了验证性因子分析。利用Amos软件，量表拟合度指标如表1所示。从表1可以看出，x2/df=2.794<3，达到理想水平，GFI、TLI、CFI和RMSEA等指标也符合判别标准，说明该量表构建的模型拟合度较好。结果表明，互联网企业社会责任是一个五维模型，包含经济责任、法律责任、道德责任、慈善责任和算法责任五个维度。

表1 研究一拟合度指标

续 表

3.信度和效度分析

本研究利用SPSS 26.0检验了量表的内部一致性信度系数，即Cronbach’sα系数。该系数是检验量表可靠程度的重要指标，结果如表2所示。由表2可见，各维度的α系数均大于0.8，其中算法道德责任的α系数为0.926，表示本研究量表的内部一致性和可靠性很好。

表2 信度检验结果

表3为验证性因子分析的因子负荷结果。标准化因子载荷及其显著性可以反映量表的收敛效度。由表3可见，每个题项在各自潜在变量上的因子载荷均显著大于0.5，所有维度的组合信度均大于0.7，说明该量表具有良好的收敛效度。此外，没有横跨两个因子的测量题项，所有题项均落到了预期的因子上。

表3 验证性因子分析因子负荷

基于文献回顾，企业社会责任通过企业声誉对客户满意度有显著影响，且该影响路径十分稳健，已得到众多学者验证。既然算法道德责任是企业社会责任的一个构面，那么其理应产生类似的作用。因此笔者设计研究二，通过建立模型和开展实证研究，检验算法道德责任对企业声誉和用户满意度的影响路径。通过验证该路径从而对算法道德责任企业这一社会责任新构面的合理性进行再次验证。

(一)样本

本研究的样本主要是北京邮电大学的在读本科生和硕士研究生，也包括部分社会人士。通过线上调研方式，最终得到了376份有效问卷。其中：89.3%的参与者在18～25岁，5.8%在26～30岁；
男性比例为27%，女性比例为73%；
29.3%的参与者为本科在读，68.3%的参与者为硕士在读或拥有硕士及以上的学位；
在本科在读及本科以上学历者中，62.5%的参与者就读经济管理类专业，23.5%的参与者就读计算机及通信相关专业；
88.3%的参与者目前为在校学生，2.9%的参与者为互联网企业员工。

(二)测量工具

1.量表

问卷中所使用的量表除研究一所开发的算法道德责任维度之外，均采用成熟量表。

2.算法道德责任

采用研究一中所开发的算法道德责任量表来测量。量表的内部一致性信度系数为0.89。

3.企业声誉

参考Manfred[39]64和Fombrun等[59]10学者的研究，使用6个题项测量企业情感声誉，5个题项测量企业认知声誉。企业情感声誉量表的内部一致性信度系数为0.91，企业认知声誉量表的内部一致性信度系数为0.91。

4.客户满意度

使用Fornell[65]11的包含3个题项的量表。量表内部一致性信度系数为0.91。

(三)假设检验结果

1.验证性因子分析

检验路径之前进行验证性因子分析，以检验变量之间的区分性。

本研究模型包括4个主要变量：算法道德责任、企业情感声誉、企业认知声誉和客户满意度。笔者比较了3种模型，如表4所示。结果表明，与其他模型相比，模型1具有更好的拟合指数，拟合程度最好，说明本研究模型的变量区分度良好。

表4 研究二的测量模型与竞争模型拟合结果比较

2.描述性统计分析

变量的均值和标准差如表5所示。由表5可知，所有的变量之间显著相关。

表5 研究二各变量均值、标准差和相关系数

3.假设检验

采用结构方程模型在考虑测量误差的情况下估计路径系数。使用AMOS26.0，用结构方程模型对样本数据进行分析，验证算法道德责任、企业情感声誉、企业认知声誉和客户满意度的路径关系，结果如图2所示。研究模型中的所有假设都得到了支持，结果如表6所示。由表6可知，算法道德责任显著地影响企业情感声誉和企业认知声誉，算法道德责任通过影响企业情感声誉和认知声誉对客户满意度有正向影响，同时企业情感声誉与企业认知声誉有正向相关关系。

图2 模型路径系数

表6 研究二模型路径系数结果

本研究关注互联网企业在开发应用算法时产生的社会责任问题，提出算法道德责任这一新的企业社会责任构面。首先，开发了算法道德责任量表并对量表的信度和效度进行了实证检验；
其次，通过检验算法道德责任对企业声誉和客户满意度的影响，进一步验证了该构面的效度和合理性。研究结果显示，算法道德责任是一个新的互联网企业社会责任构面，算法道德责任通过企业声誉对客户满意度产生正向影响。

(一)理论贡献

笔者首次提出算法道德责任这一概念，并在传统的企业社会责任金字塔四维模型中加入这一新的构面，开发了互联网企业社会责任量表。在此之前，虽有一些学者关注到互联网企业的算法治理和算法风险的法律规制，提出互联网企业应当承担算法相关责任的观点，但其均为定性研究，且学者并未提供明确的测量和实证参考。笔者首次将算法道德责任作为新的企业社会责任维度开展实证研究。本研究对互联网企业算法道德责任的关注丰富了互联网企业社会责任的内涵和企业社会责任理论，为该领域进一步深入量化研究奠定了基础，为未来研究提供了可能的新方向。

研究二具有双重作用：一方面，检验了算法道德责任的预测效度，证实了算法道德责任量表的有效性；
另一方面，检验了算法道德责任作为一个企业社会责任新构面对企业声誉和客户满意度的影响路径。在实证研究中，笔者将企业声誉作为中间变量，实证研究结果证明算法道德责任对企业声誉和客户满意度的影响显著。研究结论一方面拓展了企业声誉和客户满意度相关研究领域的边界，另一方面也证实了互联网企业的算法道德责任值得关注。

(二)实践意义

企业社会责任对于企业长远发展具有重要影响。在数字经济时代，互联网企业对整个社会生活产生了巨大影响力，社会各界对互联网企业履行社会责任提出了更多的期待和要求。而近年来，互联网企业利用算法技术为政治、经济、社会发展等领域赋能的同时，也带来了算法歧视、信息茧房等社会负面问题，对社会公平公正、意识形态稳定和网民合法权益产生了不可忽视的影响。基于此，笔者提出了算法道德责任是互联网企业社会责任的一个新构面的看法，对目前的情况有实际意义：第一，构建了一个完善的互联网算法责任评价体系，在这个体系下算法可以在社会主流价值的轨道上得到健康发展，同时也敦促互联网企业积极承担算法道德责任，为维护社会秩序、保障消费者权益和营造清朗的网络环境作出贡献；
第二，为政府和相关利益者监督企业履行社会责任提供了参考；
第三，为对算法责任实践仍有疑虑的互联网企业指明了方向，为互联网企业履行社会责任、有针对性地自查自纠和加强企业社会责任实践提供了方向和依据。互联网企业积极履行算法道德责任，对于社会而言是算法相关行业健康有序发展的先决条件，对社会稳定和公平公正具有重要意义。

(三)研究局限

笔者提出了狭义的算法责任，试图对互联网企业在算法开发应用过程中产生的社会责任进行初步探索。由于这一概念是首次提出，本研究必然存在不足，也希望将来的研究能够更加深入地揭示互联网企业算法道德责任。

首先，笔者在企业社会责任和算法责任相关理论的基础上，提出了算法道德责任，并开发了一个包含7个观察变量的算法道德责任量表。未来研究还可以探索互联网企业算法道德责任更具体的内涵和结构。其次，笔者考察的算法道德责任的影响机制有限，除了企业声誉和客户满意度，算法道德责任可能还会影响其他的企业经营指标。最后，由于研究设计的局限性，本研究仅涉及算法道德责任在消费者层面对企业声誉和满意度的影响机制。在以往的研究中，企业的社会责任行为对员工及其他利益相关者的影响也受到普遍关注。未来研究有待于继续探索该影响机制在员工或其他利益相关者层次的有效性。

猜你喜欢 声誉量表道德 头上的星空与心中的道德律十几岁(2021年24期)2021-11-18短期与长期声誉风险的不同应对银行家(2021年9期)2021-09-18Top 5 World考试与评价·高二版(2020年3期)2020-09-10跟踪导练（五）（2）时代英语·高一(2019年5期)2019-09-03道德是否必需?——《海狼》对道德虚无主义的思考英美文学研究论丛(2019年2期)2019-08-24胸痹气虚证疗效评价量表探讨中国中医急症(2019年10期)2019-05-21审计师声誉与企业融资约束智富时代(2018年7期)2018-09-03审计师声誉与企业融资约束智富时代(2018年7期)2018-09-03声誉树立品牌中国科技信息(2016年16期)2016-09-10三种抑郁量表应用于精神分裂症后抑郁的分析中国卫生标准管理(2015年1期)2016-01-15