> ## Documentation Index
> Fetch the complete documentation index at: https://meta.niceshare.site/llms.txt
> Use this file to discover all available pages before exploring further.

# 坎贝尔定律

> 坎贝尔定律指出，任何用于社会决策的定量社会指标越多，就越容易受到腐败和串通的影响。了解这一定律及其应用。

<Info>
  **类别**: 法则<br />
  **类型**: 社会科学法则<br />
  **起源**: 社会学, 1979, 唐纳德·坎贝尔<br />
  **别名**: 坎贝尔定律
</Info>

<Note>
  **快速回答** — 坎贝尔定律指出，任何用于社会决策的定量社会指标越多，就越容易受到腐败和串通的影响。这条法则最早由美国社会科学家唐纳德·坎贝尔于1979年提出，预测任何用于做出重要决策的指标最终都会变得腐败。理解这有助于你认识到量化治理的脆弱性，并设计更具弹性的测量系统。
</Note>

## 什么是坎贝尔定律？

坎贝尔定律以美国社会心理学家唐纳德·坎贝尔的名字命名，描述了当量化措施被用作做重要决定的主要基础时，它们如何失去其有效性。虽然与古德哈特定律相似，但坎贝尔定律 specifically addressing 社会指标——衡量人类行为、教育、健康和社会结果 measures。

> 任何用于社会决策的定量社会指标越多，就越容易受到腐败和串通的影响。

关键洞见是，当数字成为决策的货币时，个人和组织会为这些数字进行优化。这创造了一种选择压力，扭曲了被测量的现象。指标变得善于被测量，但不再善于代表 underlying 现实。

### 坎贝尔定律的三层理解

* **入门**: 任何与重要决策挂钩的指标都会被操纵。赌注越高，操纵越激烈。
* **实践**: 使用多个指标并定期轮换。永远不要让单个数字成为主要决策标准。
* **进阶**: 设计衡量结果而非活动的指标，使用复合指数，并建立验证机制。

## 起源

**唐纳德·坎贝尔**（1918–1986）是一位美国社会心理学家，以其在实验和准实验设计方面的工作而闻名。他在1979年的一篇讨论社会指标在政策制定中局限性的论文中阐述了这一定律。

坎贝尔观察到，社会统计数据——如犯罪率、教育考试分数或经济指标——最初是为了描述社会而开发的。然而，当政策制定者开始使用这些数字来做出有关资源分配、评估和惩罚的决定时，这些数字改变了它们的性质。它们不再纯粹是描述性的，而是成为需要达到的目标。

他的定律在政策界成为基础，影响了政府如何思考问责制、绩效测量和量化治理的意外后果。

## 核心要点

<Steps>
  <Step title="高赌注加速腐败">
    指标变得越重要（与资金、晋升或惩罚挂钩），它就会被越激进地操纵。低赌注指标保持更有效。
  </Step>

  <Step title="指标以可预测的方式改变行为">
    当你测量某样东西并将其与决定挂钩时，人们会为测量进行优化。这不是道德意义上的腐败——这是对激励的理性反应。
  </Step>

  <Step title="当人们操纵系统时出现串通">
    "串通"指的是被测量者与测量者串通的趋势。他们可以创造成功的表象，而没有实际的改善。
  </Step>

  <Step title="指标与被衡量的事物变得脱节">
    随着时间的推移，指标与其最初衡量的事物逐渐分离。指标成为一个具有自己内部逻辑的独立游戏。
  </Step>
</Steps>

## 应用场景

<CardGroup cols={2}>
  <Card title="教育政策" icon="graduation-cap">
    标准化考试分数成为衡量学校质量的主要指标，导致应试教育，以及抽走最好学生的学校选择系统。
  </Card>

  <Card title="刑事司法" icon="gavel">
    犯罪率和逮捕数字等指标推动警务决策，有时导致不能真正减少犯罪的操纵。
  </Card>

  <Card title="医疗保健" icon="stethoscope">
    医院再入院率和患者满意度分数用于评估质量，但可能激励避免困难患者或操纵再入院的计数方式。
  </Card>

  <Card title="经济政策" icon="chart-line">
    GDP、失业率和通胀目标驱动重大政策决策，为统计操纵或优化数字而非福利的政策选择创造激励。
  </Card>
</CardGroup>

## 经典案例

### 美国"不让一个孩子掉队"考试制度

《不让一个孩子掉队法案》（2001年）使标准化考试分数成为衡量学校和学生成功的主要标准。未达到"年度充分进步"的学校面临越来越严重的后果：资金流失、强制重组和员工更换。

从坎贝尔定律来看，结果是可以预测的。该制度没有改善教育，而是产生了广泛的操纵。学校将资源集中在可能通过的"边缘学生"上，忽视非考试科目如艺术和体育教育，在某些情况下是公然作弊。研究表明，虽然考试分数上升了，但其他评估衡量的实际学习成果并没有相应改善。

到2015年，甚至连教育部都承认了意外后果。《每个学生都成功法案》取代了许多最惩罚性的元素，反映出人们越来越认识到高风险考试产生了坎贝尔定律所预测的腐败。

## 边界与失效场景

**法则不适用的场景：**

* **内置验证的指标**：一些系统可以相互交叉验证指标，使操纵更加困难。
* **私人指标**：当组织为自己进行内部改进而没有外部后果时，腐败不太可能发生。
* **多个竞争的指标**：当使用几个不同的指标，每个都有不同的偏见时，操纵变得更加困难。

**常见误用：**

* **用坎贝尔定律来反对所有测量**：该法则警告高风险、单一指标系统——而不是测量本身。
* **假设所有操纵都是有意识的操纵**：许多操纵源于对激励的理性反应，没有恶意意图。
* **忽视某些指标仍然有价值**：坎贝尔定律是概率性的，不是绝对的。尽管有腐败压力，一些指标仍然有用。

## 常见误区

<AccordionGroup>
  <Accordion title="坎贝尔定律意味着我们应该只信任主观判断">
    \*\*错误。\*\*主观判断也容易受到偏见和操纵。解决方案是更好的指标设计，而不是放弃测量。
  </Accordion>

  <Accordion title="该法则只适用于政府">
    \*\*错误。\*\*任何使用指标做重要决定的组织——公司、非营利组织、学校——都面临相同的动态。
  </Accordion>

  <Accordion title="我们可以通过测量更多东西来解决这个问题">
    \*\*错误。\*\*添加更多指标只会创造更多需要达到的目标。解决方案是设计更难腐败的指标。
  </Accordion>
</AccordionGroup>

## 相关概念

坎贝尔定律与其他关于测量和治理的重要原则相交。

<CardGroup cols={3}>
  <Card title="古德哈特定律" icon="bullseye">
    古德哈特定律密切相关但适用范围更广，而坎贝尔定律 specifically addressing 用于政策的社会指标。
  </Card>

  <Card title="彼得原理" icon="arrow-up">
    两条法则都描述了善意的组织系统在指标成为目标时如何产生失败。
  </Card>

  <Card title="麦克纳马拉谬误" icon="brain">
    只测量可量化的事物而忽略最重要的定性因素的谬误。
  </Card>

  <Card title="眼镜蛇效应" icon="snake">
    当激励产生与预期相反的结果时，正如坎贝尔定律所预测的。
  </Card>

  <Card title="幸存者偏差" icon="clipboard-check">
    当指标只捕获成功（因为失败没有被计算）时，它们成为现实的扭曲表示。
  </Card>

  <Card title="格雷欣法则" icon="coins">
    与格雷欣法则一样，坎贝尔定律描述了好的指标如何在受到腐败压力时被驱逐。
  </Card>
</CardGroup>

## 一句话总结

<Tip>
  **任何用于重要决策的指标最终都会变得腐败**——设计具有多个措施、轮换指标和基于结果的指标的系统，以保持有效性。
</Tip>