数据空间证据法的法经济学分析

褚尔康

(太原理工大学 马克思主义学院，山西 太原 030600)

数据空间证据法是指在区别于传统物理空间的以计算机网络为载体的数据信息空间领域中，如何适用证据法理论相关制度规范的问题。其主要研究对象和内容，是在理论层面对数据运算处理和证据法规范体系衔接性问题进行深入探究，是进一步沟通数据“虚拟”空间与规范“现实”空间的桥梁和纽带的现实问题。从研究方法论体系来看，法经济学从其诞生和发展的历时态上考察，是一种对法律的经济分析，其核心要义就是运用经济学的理论和方法进行法律问题的分析和探讨。随着研究的不断深化和发展，在法经济学研究体系中，微观经济学、福利经济学、公共选择理论等已经得到广泛的运用。特别是随着实证主义和经验主义方法的引入和融合，基于宏观制度分析和微观信息研究法律制度的成果日渐丰盈，开创了以经济分析的量化方法开展法学研究的崭新路径。1959年，著名经济学家马尔萨克(J.Marschak)发表了奠基性的著作《信息经济学家评论》，奠定了以信息搜集、分析、运用为研究对象的信息经济学研究理论根基。而其理论的发轫，则源于香农(Shannon)于1948年提出的《信息论》。香农将信息视为一种用来消除随机不确定性的特殊物质性存在。正是基于信息科学和经济学理论范畴的相互渗透和融合，经过半个多世纪的发展演进，以信息为研究对象的信息经济学成为当前的主流研究范式之一。

随着信息技术的发展，数据空间的领域延伸已不再简单停留在对人类社会浅层的影响上。信息经济学不仅在本学科内得到蓬勃发展，同时在相关学科领域也有着诸多应用。1999年，法律经济学家波斯纳(A.Posner)发表了著名的《证据法的经济分析》，开创了法律经济学研究证据法理论的先河，并在学术界引起巨大反响。这部具有划时代意义的著作，将信息经济学理论的最新成果引入传统证据法研究视域中，对于深化证据法理论体系的构建具有一定的创新意蕴。特别是波斯纳先生在著作中将经济学基本原理运用于法学理论以及具体法律制度和规范运行的研究过程中，强调运用法经济学的研究方法实现以效率来诠释正义性的研究目的，提出了探讨在经济学效率性分析基础上法的价值性实现优化路径选择的理论命题，至今仍然具有重要的指导意义。面对陌生的贝叶斯、博弈论等经济学分析方法和数理模型的研究范式，诸多法学学者虽然感受到运用经济学理论量化分析证据法的巨大魅力，但也感觉到学科研究方法革命的不适用。特别是波斯纳对证据法的经济分析，还是基于传统的成本收益分析研究方法，更多是对证据获取和运用的成本收益均衡性进行分析。这种基于传统证据对象的分析范式，已经无法适应新的数据环境下数据空间新的发展趋势，亟待从方法论层面进行理论的深度思考和探寻。因此，面对数据空间理论的发展，对于证据法理论研究应当以新的视角进行解读，特别是将其他经济学研究工具引入其中，深化两者之间的学科融合度，这样才能推动法经济学在证据法理论研究中的实践运用。

一、数据空间证据属性的法经济学范式解读

现代证据法学理论认为，证据“由信息依附于存储载体而生成，是内容(信息)和形式(载体)的结合体”。以“信息”来界定内涵，正是由于现代信息理论和实践的发展，带给人们崭新的观察视角和分析方法。在信息技术诞生之前，对于证据的存在形式和具体形态往往采取二元化的理论构建。传统意义上的物证和书证，其物理载体与其中证据信息存在分离性的特征，这也是传统证据理论中取证往往是一种“现实”物理性活动的原因。随着信息传播进入电子讯息时代，证据的信息属性与存在的数据形式已完全融合为一体。在这个过程中，信息搜集、提取、运用呈现出“虚拟”空间性特征，证据的取得和分析已经完全成为一种基于数据的运算活动。正是这种数据空间的特殊性，使得信息经济学研究范式引入证据法理论成为必然。作为信息经济学的另一位奠基人，斯蒂格勒(J.Stigler)的信息搜寻理论成为现代经济学发展的重要理论基础。斯蒂格勒认为，信息经济学处理的基本问题在于如何通过信息搜寻获得最优的信息集合，并对上述集合进行深层次结构化处理，进而整合形成信息系统，并以经济分析手段选择最优的搜索实现路径，以达到成本效益的均衡。上述思想对于数据空间证据法理论研究具有重要价值，而两者的深度结合首先必须明晰数据空间中证据的基本属性特征。

(一)数据空间证据的效度性特征

在数据空间中，由于数据规模的指数级扩大，使得数据与数据之间关系的复杂性和关联性匹配规模急剧扩张，同时也使得以准确性为度量单位的数据效度迅速下降。在充斥着海量信息的噪声数据环境中，信息的价值低密度化特征异常凸显。对于这种复杂的数据环境，只有通过特定的技术和分析方法才能实施有效的数据搜集和分析，进而实现数据密度集聚化(Data-Intensive Scientific)的要求。上述数据分析的过程，就是对数据空间中隐藏在大量无效数据中的有效信息进行提取，最终形成有效数据的信息集合的过程。而这种信息的提取和提纯过程，提升了证据效度性标准，成为数据空间证据法的最重要特征。

信息经济学基本观点认为，信息虽然依托数据而存在，但其本身同样是一种客观实在。从数据角度看，近乎无穷的信息并不具有典型的稀缺性特征。只有精确定位、适用需求的信息，才是具有稀缺性和经济学研究对象性的重要资源。通过对关键信息的运用减少决策和活动的不确定性，这也是信息经济学研究的重要领域。因此，信息的搜寻过程本质上就是知识的生产过程，而信息搜寻成本必定带来可能的“沉没成本”。这是因为从时间和资源配置的角度来看，在近乎无穷的浩瀚空间中获取信息并分析有效信息都将面对高昂成本的挑战，如果预设的搜索路径出现偏差，将导致成本系统性积聚的出现。作为经济理性的决策者和实施者，在无效信息远大于有效信息的数据空间中进行证据搜集，在信息搜寻成本高昂而预期产品收益又不确定的情况下，最理性的选择路径只能是获取其中效度最高的部分信息，并对其他信息进行裁剪和取舍。这种基于效度分析的理论范式，对于传统证据法研究是难以接受的。因为对于证据法而言，获取完备的证据信息是接近事实真相的唯一路径，放弃可能潜在关键证据，将面对非正义的价值质疑，可以说追求绝对的证据证明效力是信息革命时代之前证据法理论研究的圭臬。但是，在数据空间中这种忽略成本因素和经济分析的证据理论，对现实来讲是非理性的选择，只有在证据搜集过程中进行合理的放弃才是最优的路径。因此，基于经济学范式的数据空间的信息效度分析，在实施路径上首先要确定在预期条件下搜寻有效证据信息可能付出的成本，并从制度规范层面做出预判和规范，从而有效减少可能带来的沉没性成本。

(二)数据空间证据的关联性特征

信息经济学理论认为，数据粘合度(Viscosity )是用以衡量数据之间关联性的概念。传统物理空间环境下的经典证据理论将各个证据在证明过程和证据体系中视作独立的要素和个体，而证据链条的形成和构建也是这些要素之间彼此关联集合而成的综合结果。但是，这种预设和规律在数据空间中已基本无法适用。这是因为从数据产生和运行的特征来看，有效信息的获取将不再依赖于对单个要素的分析，而是更加关注对要素之间的关系进行分析之后得出的结论。换言之，数据要素自身所蕴含的信息量已经不足以支撑证据的证明力，只有大量数据要素之间的关联性结合才是证据证明力的来源。这种以数据粘合度为标准的证据特征，成为数据空间证据取证规则的重要理论基础。

古典经济学研究虽然不以信息作为研究对象，但依然强调经济主体对于自身决策的依据判定等问题。在复杂经济环境中信息主要以连续信息、计算信息和累积信息的形式存在和发生作用。连续信息的作用过程，使得信息相互叠加，并最终完成信息量的积聚。康芒斯(Commons)认为，在这种积累信息的反向搜集过程中，前期搜索决策对后续事件将具有重大的影响作用，因此特别强调信息处理演化过程中的“路径依赖性”，这也构成了演化经济学的基本研究思路。制度经济学则进一步明确指出制度规范在信息搜索和发现过程中的重要引导性价值，特别强调通过规则体系内在的系统联系性对未来的信息搜寻的范围和规范性意义。在这种引导作用的发挥过程中，以规则的外部性规范作用取代了盲目的搜寻所带来的“无秩序”性，从而有效提升了信息处理的效率，降低了成本。具体到证据法特征，数据空间中的证据搜寻，已不再是对孤立对象特征性的解读，而是基于制度规范基础上的搜索路径，对数据之间的关联性进行分析和解读，通过对数据之间关系的深度挖掘，在数据集合基础上抽象出信息集合，从而获取数据背后隐含着的有效证据关系。

(三)数据空间证据的复杂性特征

从信息哲学本体论研究视域来看，数字空间的存在形式虽然呈现出虚拟化和数字化的特点，但是这种空间并非一种“虚空”，而是由物质属性的数字和符号化信息构成的混合态，是一种客观实在性的具体体现。在这个超越人类感官但有客观存在的现实空间里，数据规模巨量化、数据结构超限化、数据模型非线性化等特征，使得对于数据的分析和处理已经远远超出人工认识和分析的能力范畴，呈现出复杂的空间结构特点。面对海量数据的冲击，从信息技术层面去解决现实存在的问题已经成为必然的路径选择。但随之而来的问题是，这种完全以计算机算法为支持的分析范式，如何满足人类价值理念的要求，从而避免陷入韦伯所提出的“技术理性”与“价值理性”的对立呢？如何解决上述价值冲突，成为当前法理学研究的热点问题。

现代博弈论着重分析了经济信息系统的模糊性。认为对于空间结构所形成的系统来讲，模糊性越小，系统有效性就越强，且现实价值性也越高。包含大量信息的系统，其搜索成本将远大于包含有效信息的系统。但是，这种基于理想环境的完全信息博弈必然无法满足数据空间下证据搜索的技术需要。而基于不完全信息的博弈分析路径，才是最优的路径选择。通过各要素之间复杂的关系判断，能够验证相关博弈过程决策的科学性和经济性，从而达到将复杂博弈化约为简单博弈的目的，进而实现数据分析的高效性与经济性。因此，在传统证据体系理论研究中，证据的搜集和运用基于一种前提性预设，即针对现实的法律关系依据法律规范和经验进行情景预设，通过搜集证据的过程进行证明或证伪。但是在数据空间，任何试图通过预设前提方式进行证据因果关系的推理方式，从数据运算复杂性角度看都是无法实现的。可以说基于“预设—分析”的传统证据法范式已经无法满足数据规模指数级增长的现实空间需要。数据模式下证据的运用无法再通过简单要素之间的“一一映射”或是“一对多映射”模式进行分析，而需要直接进入“多对多映射”的复杂结构空间进行数据分析。从证据搜集的过程来看，对于每个数据要素而言，个体证据的真实性已不再是证据链条形成的必然前提。某一要素的正确性无论是否精确或真实对于复杂的数据空间而言已经处于非决定性作用。有效证据空间的形成，必须在不完备博弈基础上，对可能搜寻到的信息资源综合判定，从而在这种分析过程中逐步从模糊走向清晰。

二、数据空间证据规则的法经济学范式构建

现代经济学研究认为，经济活动中人的行为过程首先是对信息的处理过程。也就是说，为了做出合理决策和选择，必须在多方博弈中了解更多的决策依据，进而形成可行的决策方案。然而，获取不同方案的有效信息所需要的资源和时间却是十分稀缺和昂贵的。理性的经济活动参与者不可能无止境地随机收集信息，必须在预期的边际成本等于边际预期效益的均衡点上做出选择。在数据空间中，面对信息搜寻将耗费的资源和成本，如果没有正确的搜索路径，必然面临可能存在的风险挑战。如何避免这种情况的发生，最优选择是构建完备的证据规则体系，为证据获取提供有效的规范性空间约束，从而避免无效信息的系统性蔓延。

(一)涵摄性规则的经济学范式分析

涵摄(Subsumtion)，从逻辑学角度看是指将外延较窄的概念划归到外延较宽的概念之下，即内涵之间的包摄关系。涵摄在法学理论中主要用于描述“确定生活事实与法律规范之间关系的思维过程”。从证据法角度看，案件事实的产生无法离开规范性要素的作用，是主体依据现有的法律概念、理念所作出的合乎秩序性的行为过程。因此，涵摄规则的前提在于法律规范的精确性和逻辑性。其作用机理的核心是基于法律规范和惯例对于案件建立一个预设立场，通过可控和精确的证据搭建好案件规范空间与事实空间的衔接渠道。制度规范的经济学意义在于减少和协调人类活动中因偶然性或盲目性带来的不必要成本，实现人在较为理想化的“无摩擦”环境中从事经济活动。而这种制度经济学分析范式的关键是形成各种具有协调功能的规则和规则集，并在这些规则集结构中规范和调整外部现实世界。制度作为一整套关于行为和事件可预见性的抽象规范体系，其作用的机制在于通过内部规则的体系性来规范外部活动的秩序性。现实中要确保制度系统的相容性和严密性，确保制度运行的秩序性，是制度经济学研究的重要领域。

在数据空间的涵摄规则运用过程中，现实的法律以及其他规范体系，虽然无法对所有的具体案件全部给出明确的适用规范，但已经给出可供绝大部分案件适用的规则空间。根据一定的制度性、先验性信息“规范”，将信息搜索的不确定性降到最低的限度，从而实现在制度框架下对于信息经济性的最优化路径选择。因此，对证据涵摄性规则的范式体系的构建，必须首先预设一种具有高度系统性的规则体系，只有首先消除内部制度空间可能存在的相互抵触的系统性风险，才能在规范外部活动的过程中发挥规制和协调的作用。通过对法律规范的要素化分解，实现要素之间关系的数据对象的整合，从而确保在数据空间中证据搜索和挖掘过程的效率性和准确性。

(二)耦合性规则的经济学范式分析

数据空间的工具选择和应用的重要作用就是发现复杂数据集间客观存在的“耦合性”关系，从而更好地揭示出数据集合各要素之间表面上所呈现出的无规律性特点。传统证据理论认为，证据的适格性和证明效力的评价标准来源于证据与事实之间的契合度。在传统证据处理过程中，人类受到有限计算能力的束缚和制约，往往在对非关键性信息的剥离与留存之间犹豫不决。面对可能存在的具有间接证明力的“隐性”数据证据的价值性取舍成为证据法学研究的重要理论问题。

信息经济学认为，信息搜集的过程就是如何从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的相关证据信息的过程。证据搜索的序列性路径基于规则空间与证据空间的耦合性判断。传统经济学研究范式，对经济活动的研究建立在完备信息假设上，即在设定目标和实现手段之间，设想一种理想化的信息采集路径作为研究预想和基础。但是，现代信息经济学研究范式特别强调将信息活动的运行建立于人类有限知识与方法论的语境之中进行分析，并对基于完备信息假设的传统经济学研究范式进行了批判。特别是运用微观经济学量化分析的方法，得出当获取的证据越来越多、证据集合要素和结构日趋复杂的条件下，追加证据对于案件结果的直接影响是将出现边际效用递减的重要结论。为了避免这种效用递减带来成本激增，必须构建完成具有引导作用的搜索序列。制度经济学认为，这种搜索序列的体系性构建是呈现出一种具备从具体规则到一般准则的体系化层级特征的有效的逻辑框架，从而为搜索路径的形成和运行提供协调性、稳定性机制。而在实践运行过程中，证据搜寻最佳路径的选择必须以最具证明力证据为搜索起点，严格依据具有高度衔接性规则序列(Order of Rules)进行搜索序列的构建，并以此为运行指导，在证据的规范空间和信息空间之间进行耦合性分析，从而最终完成证据空间的系统建构。

(三)盖然性规则的经济学范式分析

证据法基本理论认为，事实认定是法律适用之基础，是构建法律事实空间的基本要素。因此证据法的价值不仅是追求真实，而且关系到法律制度整体价值目标实现。正如前文所述，客观真实和事实发现的准确性是证据法的基本价值追求，但必须要进行成本和收益的核算。因此，波斯纳在证据法的经济分析中，就尝试运用信息经济学经典的搜寻模型和古典经济学成本最小化模型，对证据的取得、提出和认定过程进行经济学视角下的深入分析和探讨。基于事实发现能力的有限性特点，对证据要素准确性和成本性之间进行有效平衡，并在效率性与正义性价值之间进行权衡。上述理论的提出，体现出运用经济学、数学等多学科方法对证据和证据法进行分析研究已经成为证据法学研究的新范式之一，并且在法经济学领域中占据着重要地位。

在这种分析过程中，证据规则体系的“盖然性” (Probability) 成为证据法经济学分析范式的重要切入点。所谓盖然，究其本质就是一种基于概率性的解读范式，主要描述证明标准中对于证据认同性的程度指标。信息经济学,是在经济活动中对于信息资源的运用和配置以及信息对经济活动影响的有效性进行分析研究的学科。在研究方法和视角上，主要是在不完全信息和非对称信息视域下，对行为主体依据信息决策进行模型化的研究。数据空间的证据效度性和关联性特征，决定了证据判断的高度盖然性的意义，这个过程体现了经济学研究从“完备信息”假设到“不完备信息”假设的视角转换。而在方法论的选择上，将统计学贝叶斯定理运用到证据法领域，构建起以概率性分析为基础理论的证据法经济学研究范式，成为学科发展的热点问题，对于证据法研究领域而言具有划时代的意义。

三、数据空间证据模型的法经济学范式构建

与传统证据是由过去事实遗留在证据载体中的、仅凭自然人感官便能把握和体验到的痕迹不同，数据空间证据的取得往往依靠专业化的数据搜索模型和技术手段。数据空间的这种特殊属性，对于证据法理论的影响更集中体现为一种思维方法和运行机制层面的深层次性。正是这种突破传统证据获取和判断的数据分析工具的出现，开启了学术界对于以数据挖掘为特征的新的证据学科学研究方法的重新审视。在分析对象选取、分析模型构建、运行机制系统集成等各个方面，基于信息经济学研究范式的深化认知，进一步深化以数据为中心的证据体系和逻辑范式解读，成为当前理论研究的重要方向。

(一)证据关系层体系构建

信息经济学认为，证据搜集通常不可能事先获得完全预判，要等信息积累到一定程度后，才能基于现实的信息集合进行成本性和有效性判断。考虑到信息的价值不可能在获得它之前得到评估，这种证据活动的风险性是必须要思考的关键问题。对于如何降低这种证据搜寻的成本考量，必须在证据关系层体系的构建中，通过数据挖掘技术，实现对碎片化信息的有效整合和聚集，进而逐渐形成一幅完整的证据“图谱”，达到证据要素获取效率性的目的。从计算信息学角度看，实体要素构成了基础的实体层，在此基础上通过算法的解析和运算，对实体数据之间逻辑关系进行系统性填充，这个过程在数据挖掘技术中被称为“实体对齐”(Entity Alignment )。上述理论在数据空间的证据法研究中具有重要意义。这是因为获取和量化案件信息不仅仅是对数据进行简单的汇总、罗列和比较，而是需要更加专业的处理技术，对数据的来源、科学性、逻辑性等方面进行判断和加工整理，挖掘出其中隐含在证据之间的关系性要素。从证据的搜集、分析和处理来看，证据算法的构建就是将证据所承载的数据作为实体，实现数据空间下证据信息与法律规范所设定的要素之间的耦合。这种耦合性的制度实现过程，就是从浩如烟海的数据中搜寻和定位具有有效性、关联性特征的证据材料，并得出可以作为判断或决策依据的结论的基础环节。因此，在证据搜集过程中，算法的运算其本质就是实现实体性法律规范要素和现实性证据事实之间的数据关系的相互匹配。通过与规范要素这个实体“参照物”模糊性算法匹配，充分挖掘数据与行为之间背后的关联性特征，从而彻底脱离传统人工进行关联性匹配的证据搜集模式，实现证据法理论从“实体”优先向“关系”优先价值性判断的根本转变。

(二)证据数据层标准转换

古典经济学到现代经济学研究范式的转变，经历了从注重对主体的过程、结果式研究路径向对普遍、抽象规则适用研究路径的转变；经历了从假定其他因素不变的理想化模型到宏观把握经济活动要素间相互关系的系统化模型研究范式的转变。在这个转变过程中，行为主体搜集和掌握信息的作用机制，关键信息的搜集、传递、分析、处理研究成为现代信息经济学特别是博弈论的理论基础。而围绕行为人在经济活动中的“可预见性”作用运行机制实现问题，则进一步成为包括信息经济学、制度经济学、组织经济学、行为经济学等诸多分支研究的主要对象。其中，共同知识(Common Knowledge)理论是博弈论研究的一个基本问题，如果在博弈过程中信息能够具备共同知识属性，那么此时博弈过程就是不完全信息条件下的信息和决策选择。在数据空间中，海量数据不仅刻画了主体行为的时空动态性，同时数据流在传输各环节所带来的“流转痕迹”蕴含着巨大的证据证明力价值。但是相较于传统数据，数据空间的数据结构和形式呈现多样化的特点，包括文本、多媒体等结构化和非结构化的不同类型的数据，如何把这些数据耦合为规范性的数据集合体，成为大数据空间体系证据法研究的重点内容。从数据空间的要素组成来看，构成海量数据包括结构化和非结构化两种数据类型。其中结构化数据带有标准化、可识别和对象性的数据特征，由于它们本身具备结构化特征，通过简单的配置解析后，即可轻易地把握关系模型中数据的证据信息。但是，现实生活中全世界信息空间中大约95%以上的数据甚至更高都是非结构化数据。数据空间下证据法运行的关键环节不仅要对简单结构化数据进行采集和分析；更为重要的是，通过转化途径和技术手段，将占据绝大多数的非结构化数据转化为可供分析的数据形式，从而才能实现证据获得的效率性和有效性。

(三)证据模型层工具选择

正如前文所述，制度经济学研究的基本思路认为，在有限信息中进行决策制定，必须依赖于试错过程，这是数据蕴含信息的复杂性和不确定性所带来的必然结果。因此必须要通过制度的规范性来减少信息盲目搜索所带来的巨大成本负担。这就要求在证据搜索过程中，遵循模型化的发展理念，最大限度通过预期的理性化路径，减少可能存在的无效性行为。现代经济学理论发展路径，是依托模型化技术手段的支撑，利用算法实现数据的采集、分析和整合的全过程。在传统经济学模型的抽象性基础上，增加与现实性的联系渠道和环节，并从宏观规范性的角度，对运行机制的作用机理进行系统动力学的研究，从而获得规律性的认知。而抽象数学模型在经济学中的运用，是将现实世界作为抽象、简化的数学结构，通过对现实对象的抽象刻画，进而实现对现实对象的信息进行提炼、分析、归纳，从而在更加规范和可预见的范围内实现经济学研究的重要价值追求。在模型的构建过程中，如何将文本性的数据量化为可供计算机系统识别和计算的数据种类，这是任何系统实现“数据”结构化研究的基础和前提。因此，借鉴信息经济学模型方法，从业务规范中抽取系统组成要素，进而建立面向实际法律运行规律的满足信息采集需要的数据库，并对其中的指标、目录、项目等构成元素进行模型化和算法化转化，成为保证数据采集和处理规范性和效率性的基本路径。在证据模型的构建过程中，参照信息经济学的建模过程，对数据空间的证据模型进行必要的简化、抽象和模拟，并用适当的数学工具和符号化规则语言将其主要特征描述出来，是实现数据空间证据分析从定性到定量的思维转化的重要方式。

法经济学研究通过抽象性的体系和模型设定，将适用于外部无数重复性的具体情境抽象处理，通过一种简化的认知工具，使得个体对于世界的认知和活动具有了更加明确的可预见性和秩序性，进而有效减少世界的复杂性。这种通过制度规范将现实数据复杂性“降维”的过程，成为信息经济学研究的重要工具价值取向。目前，在证据法研究过程中使用的一些所谓“数据”分析范式还没有突破传统信息技术理论视野窠臼，更多的还是停留于运用信息哲学的视角对证据空间的特征进行分析，并没有真正涉及复杂数据空间中证据的分析方法，也没有形成严谨的理论逻辑体系。借助于经济学研究范式，从理论层面探索性提出符合数据空间特点的证据运行规律和方法，期冀为数据空间的证据法研究提供一种可供参考的范式和思路。