← Archive
lm-003628 · 2026-09

Paper 03：政治評價不是喜歡與討厭——公共判斷的高維向量、張量結構與投影模型

zh-Hant · md Raw source ↗ Metadata ↗
下載 MD 檔 ⬇

政治符號學 2.0——共享政治世界、關係耦合與動態契約

Paper 03：政治評價不是喜歡與討厭

公共判斷的高維向量、張量結構與投影模型

Political Semiotics 2.0 — Shared Political Worlds, Relational Coupling, and Dynamic Contract
Paper 03: Political Evaluation Is Not Like or Dislike — A High-Dimensional Vector, Tensor, and Projection Model of Public Judgment

作者：Neo.K × Aletheia
機構：EveMissLab／一言諾科技有限公司
版本：v0.1
日期：2026-08-30
性質：內部研究論文／系列政治評價基礎篇

摘要

政治討論最常使用的語言之一，是「我喜歡這個政治人物」「我討厭這個政府」「這項政策很好」「這個政黨很爛」。這些語句具有高度溝通效率，卻同時造成嚴重的資訊壓縮。兩個人都說「我支持某政治人物」，其底層理由可能完全不同：一人重視經濟成長，一人重視國家安全，一人重視社會福利，一人重視文化認同，一人則只是因為厭惡對手。若研究者直接把「支持／反對」「喜歡／討厭」視為政治判斷的原子，就會把多維政治評價錯誤壓成單一標量。

本文提出「多維政治評價模型」（Multidimensional Political Evaluation Model, MPEM），將政治評價拆分為利益、損害、權利、自由、安全、尊嚴、身份、信任、公平、未來機會、外部性與可逆性等維度。對主體 SiS_i 、政治對象 OjO_j 、時間 tt，定義政治評價向量：

Eij(t)=(B,H,R,F,S,D,I,T,J,U,X,V)ijt.\mathbf{E}_{ij}(t) = \left( B, H, R, F, S, D, I, T, J, U, X, V \right)_{ijt}.

其中每個分量本身又可依尺度、群體、政策領域與時間展開為張量。

本文主張，「喜歡」「討厭」「支持」「反對」只是高維政治評價經過主體價值權重、情感狀態、資訊可見性與語境壓縮後形成的低維投影：

Lij=Πaffect(Eij,wi,Ii,Ci).L_{ij} = \Pi_{\text{affect}} \left( \mathbf{E}_{ij}, \mathbf{w}_i, \mathcal{I}_i, \mathcal{C}_i \right).

因此：

Like/Dislike≠Political Evaluation Itself\boxed{ \text{Like/Dislike} \neq \text{Political Evaluation Itself} }

本文同時區分「價值偏袒」與「認知錯誤」。政治共享世界中的主體本身就是被作用者，因此其價值權重並非單純噪聲；但價值權重不能替代事實與因果驗證。政治評價需要分離事實判斷、因果判斷、利益位置、價值權重與規範結論。

本文最後把高維政治評價接回政治符號學 2.0：政治語句本身是壓縮符號，而政治評價的真正分析對象，是主體、對象、關係、尺度與時間共同決定的多維狀態。這為下一篇「權力越大為何責任越大」建立基礎：只有先知道某政治人物究竟在哪些維度、對哪些主體造成何種影響，責任才可能被形式化，而不只是道德口號。

關鍵詞： 政治評價、喜歡與討厭、支持、反對、多維向量、張量、政治符號學、價值權重、公共判斷、政治責任

第一部　問題：政治評價為什麼總被壓縮成情感標籤？

1. 「我喜歡他」其實說得很少

日常政治語言會說：

我喜歡這個總統。

我討厭這個政黨。

我支持這項政策。

我反對這個政府。

這些句子看起來很清楚，但對分析者而言，其實資訊極少。

因為「喜歡」可能代表：

  • 覺得他讓經濟變好；
  • 覺得他維持國家安全；
  • 覺得他符合自己的價值觀；
  • 覺得他代表自己的身份；
  • 覺得他比另一個候選人好；
  • 覺得他至少沒有傷害自己的核心利益；
  • 單純對其人格風格有好感；
  • 對其政治對手有更強烈厭惡。

所以：

Like\text{Like}

並不是政治評價的最小單位。

2. 同一標籤可以包住完全不同的結構

令兩個主體 SaS_a 與 SbS_b 都表示：

La(O)=Lb(O)=+1.L_a(O)=L_b(O)=+1.

若 +1+1 表示「支持」。

這並不推出：

EaO=EbO.\mathbf{E}_{aO} = \mathbf{E}_{bO}.

例如：

EaO=(+Economy,+Security,−Freedom,+Identity),\mathbf{E}_{aO} = (+Economy,+Security,-Freedom,+Identity),

而：

EbO=(−Economy,+Welfare,+Freedom,+Fairness).\mathbf{E}_{bO} = (-Economy,+Welfare,+Freedom,+Fairness).

兩人最後都支持同一政治人物，但底層政治世界不同。

因此本文提出：

Symbolic Agreement⇏Evaluative Identity.\boxed{ \text{Symbolic Agreement} \not\Rightarrow \text{Evaluative Identity}. }

第二部　政治評價的十二維基本向量

3. 多維政治評價向量

對主體 SiS_i 與政治對象 OjO_j，定義：

Eij(t)=(Bij,Hij,Rij,Fij,Sij,Dij,Iij,Tij,Jij,Uij,Xij,Vij)t.\mathbf{E}_{ij}(t) = \left( B_{ij}, H_{ij}, R_{ij}, F_{ij}, S_{ij}, D_{ij}, I_{ij}, T_{ij}, J_{ij}, U_{ij}, X_{ij}, V_{ij} \right)_t.

其中：

  • BB：Benefit，利益與正向效益；
  • HH：Harm，損害與負向成本；
  • RR：Rights，權利影響；
  • FF：Freedom，自由與選擇空間；
  • SS：Security，安全；
  • DD：Dignity，尊嚴；
  • II：Identity，身份與認同；
  • TT：Trust，信任；
  • JJ：Justice/Fairness，公平與正義；
  • UU：Future Opportunity，未來機會；
  • XX：Externality，對第三方與外部系統的影響；
  • VV：Reversibility，政策可逆性與修復能力。

這十二維不是封閉集合，而是最低可擴張骨架。

4. 利益與損害不是同一條軸的正負值

直覺上似乎可以寫：

H=−B.H=-B.

但現實未必如此。

一項政策可能同時帶來：

B>0B>0

以及：

H>0.H>0.

例如大型建設可以創造就業，同時造成環境損害；國防擴張可以提高外部安全，同時增加財政負擔；科技監管可以降低某些風險，同時壓縮創新。

因此：

Benefit≠−Harm.\boxed{ Benefit \neq -Harm. }

它們應分開建模。

5. 權利與自由也不是完全同一回事

一個制度可以在法律上承認權利：

Ri>0,R_i>0,

但若主體實際無法使用：

Fi≈0.F_i\approx0.

例如形式上具有申訴權，卻因成本、資訊或風險而幾乎無法行使。

因此：

Nominal Right≠Effective Freedom.\text{Nominal Right} \neq \text{Effective Freedom}.

這與政治符號學 2.0 的選擇底空間區分一致。

第三部　從向量到張量

6. 一個政治評價必須標記「對誰」

若某人說：

這個政策對人民很好。

「人民」不能被當成單一均質點。

令群體索引為 gg，則：

Eijg(t).\mathbf{E}_{ijg}(t).

可能存在：

Bijg1>0B_{ijg_1}>0

而：

Bijg2<0.B_{ijg_2}<0.

例如同一住宅政策可能：

  • 對既有屋主有利；
  • 對首次購屋者不利；
  • 對租屋者產生另一種影響；
  • 對未來世代又是不同結果。

因此：

Average Benefit≠Universal Benefit.\boxed{ \text{Average Benefit} \neq \text{Universal Benefit}. }

7. 一個政治評價也必須標記尺度

令尺度為：

s∈{micro,meso,macro,civilizational}.s \in \{micro,meso,macro,civilizational\}.

則：

Eijgs(t)\mathbf{E}_{ijgs}(t)

表示同一政治對象在不同尺度下的評價。

例如：

微觀：

ΔIncomei<0.\Delta Income_i<0.

宏觀：

ΔGDP>0.\Delta GDP>0.

這兩者可以同時成立。

因此：

Micro Loss⇏Macro Failure\boxed{ \text{Micro Loss} \not\Rightarrow \text{Macro Failure} }

同時：

Macro Gain⇏No Micro Victim.\boxed{ \text{Macro Gain} \not\Rightarrow \text{No Micro Victim}. }

8. 再加入政策領域與時間

令政策領域為 dd，時間為 tt，則完整評價可寫成：

Eijgsdt.\mathcal{E}_{ijgsdt}.

這是一個高階政治評價張量。

它允許我們表達：

某政策對某群體在短期經濟上有利，但在長期住房、自由與代際公平上不利。

而不是強迫回答：

所以到底好還是不好？

第四部　價值權重：偏袒不是單純噪聲

9. 主體有不同價值權重

對主體 SiS_i，定義價值權重向量：

wi=(wB,wH,wR,wF,wS,wD,wI,wT,wJ,wU,wX,wV)i.\mathbf{w}_i = \left( w_B, w_H, w_R, w_F, w_S, w_D, w_I, w_T, w_J, w_U, w_X, w_V \right)_i.

則同一政治評價向量：

E\mathbf{E}

對不同主體可能產生不同總體判斷：

Ui=wiTE.U_i = \mathbf{w}_i^{T} \mathbf{E}.

若：

wi≠wj,\mathbf{w}_i \neq \mathbf{w}_j,

則即使：

Ei=Ej,\mathbf{E}_i = \mathbf{E}_j,

仍可能有：

Ui≠Uj.U_i\neq U_j.

這不是必然表示其中一方「不客觀」。

10. 價值權重與認知錯誤必須分離

如果某人更重視安全：

wS≫wF,w_S\gg w_F,

而另一人更重視自由：

wF≫wS,w_F\gg w_S,

兩人可能在事實完全一致的前提下得到不同結論。

這是價值差異。

但如果某人錯誤認為：

ΔSecurity>0\Delta Security>0

而真實資料顯示：

ΔSecurity<0,\Delta Security<0,

那是認知錯誤。

因此政治分析必須區分：

Value Disagreement≠Factual Disagreement.\boxed{ \text{Value Disagreement} \neq \text{Factual Disagreement}. }

第五部　政治情感作為低維投影

11. 情感投影函數

令主體的政治評價為：

Eij.\mathbf{E}_{ij}.

令資訊狀態為：

Ii,\mathcal{I}_i,

語境為：

Ci,\mathcal{C}_i,

情感狀態為：

Ai.\mathcal{A}_i.

則最終語言標籤可以表示為：

Lij=Πaffect(Eij,wi,Ii,Ci,Ai).L_{ij} = \Pi_{\text{affect}} \left( \mathbf{E}_{ij}, \mathbf{w}_i, \mathcal{I}_i, \mathcal{C}_i, \mathcal{A}_i \right).

例如：

Lij∈{Like,Dislike,Support,Oppose,Neutral}.L_{ij}\in \{ Like, Dislike, Support, Oppose, Neutral \}.

所以情感標籤是結果，不是原始資料。

12. 壓縮造成政治誤讀

若兩個高維狀態：

E1≠E2\mathbf{E}_1 \neq \mathbf{E}_2

但：

Πaffect(E1)=Πaffect(E2),\Pi_{\text{affect}}(\mathbf{E}_1) = \Pi_{\text{affect}}(\mathbf{E}_2),

則發生投影碰撞。

本文稱之為：

Political Projection Collision.\boxed{ \text{Political Projection Collision}. }

也就是不同政治世界被壓成同一語句。

第六部　支持與反對不應視為二元真值

13. 二元支持模型的問題

傳統民調常問：

Support∈{0,1}.Support\in\{0,1\}.

但很多真實政治態度是：

  • 支持政策 A，但反對政策 B；
  • 支持政府方向，但不信任執行；
  • 支持某領袖處理外交，但反對內政；
  • 反對政黨，但仍支持其中某項改革。

因此：

Support(O)Support(O)

應展開為：

Si(O)=(s1,s2,…,sn).\mathbf{S}_i(O) = (s_1,s_2,\ldots,s_n).

14. 條件性支持

更精確地：

Supporti(O∣Ck).Support_i(O|C_k).

例如：

Supporti(O∣Security)>0Support_i(O|\text{Security}) >0

但：

Supporti(O∣Economy)<0.Support_i(O|\text{Economy}) <0.

所以「支持率」是一個高度聚合後的統計投影。

第七部　政治評價中的反事實

15. 評價不能只看結果

一個政治人物做出決策 aa，最後得到結果：

Ya.Y_a.

若只看結果，容易產生事後偏誤。

政治評價至少要比較：

YaY_a

與：

Yalt.Y_{alt}.

但 YaltY_{alt} 不能是任何幻想世界，而應是當時真正可達的替代方案。

令可達政策集合為：

Ωtreachable.\Omega_t^{reachable}.

則評價需要考慮：

ΔY=Ya−E[Yalt∣alt∈Ωtreachable].\Delta Y = Y_a - \mathbb{E} \left[ Y_{alt} \mid alt\in\Omega_t^{reachable} \right].

Paper 09 將專門處理這一問題，但 Paper 03 先建立接口。

第八部　政治評價的五層分解

16. 第一層：事實層

回答：

發生了什麼？

記為：

Factual.Factual.

17. 第二層：因果層

回答：

是誰造成的？

記為：

Causal.Causal.

18. 第三層：分配層

回答：

誰得到，誰失去？

記為：

Distributional.Distributional.

19. 第四層：價值層

回答：

哪些結果更重要？

記為：

NormativeWeight.NormativeWeight.

20. 第五層：總體判斷層

最後才得到：

OverallEvaluation.OverallEvaluation.

因此：

Overall Political Judgment=F(Fact,Cause,Distribution,Value).\boxed{ \text{Overall Political Judgment} = F \left( \text{Fact}, \text{Cause}, \text{Distribution}, \text{Value} \right). }

第九部　政治符號學 2.0 接口

21. 評價也是一種政治符號

「好總統」「壞政府」「愛國」「賣國」「左派」「右派」都可能是高壓縮評價符號。

這些符號不只描述，也會影響主體選擇底空間。

例如：

Πlabel:Bi→Bi′.\Pi^{label}: \mathfrak{B}_i \rightarrow \mathfrak{B}_i'.

某人被貼上「不愛國」標籤後，其可發言空間、社會信任與政治參與可能改變。

因此評價語言本身也具有政治算子性。

22. 評價必須回到主體—對象—關係

令：

Rij\mathcal{R}_{ij}

表示主體 SiS_i 與政治對象 OjO_j 的關係。

則：

Eij=F(Si,Oj,Rij,t,s,g).\mathbf{E}_{ij} = F \left( S_i, O_j, \mathcal{R}_{ij}, t, s, g \right).

政治評價因此不是漂浮在空中的道德分數，而是關係性狀態。

第十部　十項核心命題

23. MPEM-A1：評價—情感非同一命題

Political Evaluation≠Like/Dislike.\boxed{ \text{Political Evaluation} \neq \text{Like/Dislike}. }

24. MPEM-A2：高維評價命題

Eij∈Rn.\boxed{ \mathbf{E}_{ij} \in \mathbb{R}^{n}. }

政治評價不能安全地被假設為單一標量。

25. MPEM-A3：利益—損害非同軸命題

Benefit≠−Harm.\boxed{ Benefit \neq -Harm. }

一項政策可以同時創造收益與損害。

26. MPEM-A4：權利—自由非同一命題

NominalRight≠EffectiveFreedom.\boxed{ NominalRight \neq EffectiveFreedom. }

27. MPEM-A5：價值—事實分離命題

ValueDisagreement≠FactualDisagreement.\boxed{ ValueDisagreement \neq FactualDisagreement. }

28. MPEM-A6：平均—全體非同一命題

AverageBenefit≠UniversalBenefit.\boxed{ AverageBenefit \neq UniversalBenefit. }

29. MPEM-A7：尺度依賴命題

Evaluation=Evaluation(s).\boxed{ Evaluation = Evaluation(s). }

微觀、中觀、宏觀與文明尺度可能同時產生不同但相容的判斷。

30. MPEM-A8：投影碰撞命題

若：

E1≠E2\mathbf{E}_1\neq\mathbf{E}_2

但：

Π(E1)=Π(E2),\Pi(\mathbf{E}_1)=\Pi(\mathbf{E}_2),

則同一政治標籤不能推出同一底層評價。

31. MPEM-A9：支持條件化命題

Support(O)={Support(O∣Ck)}.\boxed{ Support(O) = \{Support(O|C_k)\}. }

支持應被拆為條件性結構。

32. MPEM-A10：評價關係性命題

Eij=F(Si,Oj,Rij,t,s,g).\boxed{ \mathbf{E}_{ij} = F(S_i,O_j,\mathcal{R}_{ij},t,s,g). }

政治評價取決於主體、對象、關係、時間、尺度與群體位置。

第十一部　反例與限制

33. 高維模型不保證客觀

把政治評價變成向量或張量，不會自動消除偏見。

如果輸入本身錯誤：

Ewrong,\mathbf{E}_{wrong},

那高維形式只是把錯誤形式化。

因此形式化必須結合資料驗證。

34. 維度越多不一定越好

若無限制增加維度：

n→∞,n\rightarrow\infty,

模型可能失去可解釋性與實用性。

因此維度選擇應依任務決定。

35. 情感不是需要消滅的東西

本文並不主張：

Emotion=Error.Emotion=Error.

情感可能是主體對損害、尊嚴、身份與風險的快速整合反應。

問題在於：

不能把情感標籤當成完整分析。

第十二部　通往 Paper 04：權力越大為何責任越大？

36. 有了多維影響，才能談責任

Paper 02 已經建立：

Power to Alter⇒Standing.\text{Power to Alter} \Rightarrow \text{Standing}.

Paper 03 進一步告訴我們：

Alteration\text{Alteration}

不是一個單一量，而是：

ΔEij.\Delta\mathbf{E}_{ij}.

因此如果某政治人物能同時改變：

  • 經濟；
  • 權利；
  • 安全；
  • 自由；
  • 尊嚴；
  • 未來；
  • 第三方外部性；

其政治責任就不能只以「職稱」來描述。

下一篇將把責任形式化為：

Responsibility=F(Control,Impact,Knowledge,Alternatives,Reversibility).Responsibility = F \left( \text{Control}, \text{Impact}, \text{Knowledge}, \text{Alternatives}, \text{Reversibility} \right).

結論

政治評價不是「喜歡」與「討厭」本身。

它更接近：

E=Multi-Dimensional+Relational+Scale-Dependent+Time-Dependent+Value-Weighted.\boxed{ \mathcal{E} = \text{Multi-Dimensional} + \text{Relational} + \text{Scale-Dependent} + \text{Time-Dependent} + \text{Value-Weighted}. }

「喜歡」「討厭」「支持」「反對」只是這個高維狀態被壓縮後的低維介面。

因此：

Political Labels=Compressed Interfaces,not Complete Evaluations.\boxed{ \text{Political Labels} = \text{Compressed Interfaces}, \quad \text{not Complete Evaluations}. }

政治分析若停在標籤，就很容易把不同主體、不同尺度、不同利益與不同價值權重誤認為同一個政治立場。

本文最終主張：

真正高解析度的政治評價，必須先問「對誰、在哪一維、什麼時間尺度、造成什麼影響」，最後才問「所以你喜歡還是討厭」。

下一篇將正式處理：當政治人物、政府與制度具有不同程度的控制力、資訊優勢與作用半徑時，為什麼政治責任也應呈現光譜，而不能只用職稱或結果論粗略判定。

內部理論接口

  1. EveMissLab，《政治知識的多源性——為什麼政治學專業不等於政治全知》，本系列 Paper 01，2026。
  2. EveMissLab，《公民批評的政治正當性——從專業資格到受影響者 Standing》，本系列 Paper 02，2026。
  3. EveMissLab，《政治符號學 2.0：主體、選擇底空間與不可代決政治的統一公理框架》，2026。
  4. EveMissLab，《政治算子論》，政治符號學 2.0 基礎論文 III，2026。
  5. EveMissLab，《政治科學的診斷革命：四光譜理論與治理科學的範式重構》，2025。
  6. EveMissLab，《統治者—人民同向性原理》，2026。

經典理論接口

  • Amartya Sen, works on capabilities, freedom, and social choice.
  • John Rawls, A Theory of Justice.
  • Isaiah Berlin, “Two Concepts of Liberty.”
  • Philip Pettit, works on freedom as non-domination.
  • Daniel Kahneman, works on judgment and decision-making.
  • Kenneth Arrow, works on social choice and preference aggregation.

Canonical source note: 本文件以 UTF-8 Markdown 為正式原始稿。數學原始碼只使用 $...$ 與 $$...$$ 作為 canonical delimiters；不以渲染後公式替代原始碼。