精华简报 | 张丹丹学术争议与平台研究独立性危机
来源：虎嗅网 / 微信公众号“太阳照常升起” / 作者：慕峰
链接：https://www.huxiu.com/article/4885277.html?f=rss
TL;DR
本文是一篇针对北大教授张丹丹“灵活用工福利论”及其学术研究的尖锐批评。作者慕峰认为，替张丹丹“挽尊”的两类说法——把“福利”解释为经济学专业术语、强调其研究站在底层立场——都站不住脚。文章指出张丹丹的学术研究存在明显矛盾：2018年她论证最低工资上调会增加流动人口失业与犯罪，2025年却转而建议提高最低工资标准；其与头部外卖平台的合作数据不透明，存在被平台俘获、为平台降低社保成本背书的嫌疑。作者由此提出两项制度性方案：强制公开平台具有公共属性的数据、强制学者披露经费来源，并警告在AI时代，若社科界继续“扶不起”，将面临资源削减与信任崩塌。
核心观点与深度展开
1. “福利”概念之争：学术话语与公众认知的断裂
文章反驳了“张丹丹说的福利是经济学 welfare，不是老百姓理解的‘好处’”这一辩护。作者认为，即便在经济学框架内，将灵活用工的“灵活性”直接等同于“福利”也是错误百出。作者通过海外灵活用工研究对比指出，大量海外研究结论与公众直觉相符，而国内某些专家的观点却与老百姓感受相反。这并非公众“没文化”，而是部分学者学术能力或立场出了问题。作者甚至讽刺，AI在概念辨析和文献对比上已经可以替代某些北大教授。
2. 学术立场反转：最低工资研究的自我矛盾
文章发现张丹丹的研究结论存在180度大转弯：
- 2018年：张丹丹在论文中提出，最低工资上调显著增加流动人口失业概率，失业又增加外来务工人员犯罪可能性。
- 2025年：张丹丹在外卖用工研究中提出，应当提高最低工资标准。
作者质问：按照其2018年逻辑，提高最低工资会增加犯罪率，为何换一个课题就自我否定？这种矛盾要么说明研究缺乏一惯性，要么说明研究立场随课题经费或外部环境而变化。
3. 研究方法与公共资金使用的争议
文章点名张丹丹主页第一篇英文论文《Air Pollution, Labor Productivity, and Individual Consumption》，该研究利用深圳监狱内男性服刑人员数据来分析空气质量与消费的关系。作者讽刺其逻辑是“监狱里不会出现因空气质量差而少出门或收入下降的情况，所以数据更纯粹”，并批评“你交的税的一部分，北大就是用来干这个了”。这指向一个更深层问题：大量公共资金资助的社科研究，其现实意义和公共价值存疑。
4. 平台数据合作：专家俘获与代表性危机
这是文章最核心的商业/政策洞察。张丹丹2024年与某头部外卖平台合作，获得4万多外卖用工数据，研究结论是“外卖员不愿自愿缴纳社保，平台也承担不起，因此建议政府补贴”。作者质疑：
- 这项“合作”究竟代表谁？课题经费谁出？
- 头部平台为何愿意提供从不对外公开的原始数据？
- 不能因为研究外卖员、呼吁补贴，就自动等同于代表外卖员利益。
- 不能排除张丹丹实际站在平台立场，帮助平台降低社保成本。
作者指出，这暴露了一个系统性风险：平台企业通过数据垄断和课题经费，俘获大量学者为其发声；而其他利益相关方（劳动者、消费者、中小企业）因无法获得数据，难以形成有效制衡。 政策制定过程因此容易出现偏执一方的情况。
5. 制度性解决方案：数据公开与经费披露
作者八年前在《电子商务法》立法时就提出两个核心方案，本文再次强调：
- 官方主动立法，获取平台企业具有公共属性的数据并公开，让不同领域的学者进行充分研究和公开辩论。
- 强制学者在产出学术成果时披露经费来源，以确定其代表谁的利益。
作者并不认为代表大企业有错，但大企业不是唯一一方。如果代表大企业的专家还声称代表劳动者或公共利益，最终受损的是政策公信力和官方本身。
6. 社科研究的整体困境与AI冲击
文章指出，官方已越来越不信任高校的许多学者。全职学研人员消耗大量公共资源，若不能做出真正贡献，只有两条路：
- 在AI时代大幅减少对社科的总支出，让真正有能力者脱颖而出；
- 通过制度方式倒逼学者做出真实贡献。
作者承认文科不像理工科，学术不端难以识别，但单纯贬低不能解决问题。他最后强调：真正的社会科学研究永远在真实的土地上、人与人之间，而不是在象牙塔里。
启发与影响
对平台经济与劳动政策
- 数据垄断即话语权垄断：平台掌握海量用工数据，却只向特定学者开放，导致公共政策讨论被单一立场主导。外卖骑手社保、灵活用工权益等议题，需要多源数据和多元研究视角，否则政策容易偏向平台成本最小化。
- “专家建议”需警惕利益俘获：当学者与平台存在经费或数据合作关系时，其“建议政府补贴”等结论可能实质上是为平台转嫁成本。监管层和公众应追问：谁资助了研究？数据从哪来？
对学术治理与公共政策
- 经费披露应成为强制规范：学术成果必须披露资金来源，否则无法判断研究立场。这不仅是学术伦理问题，更是公共政策制定的信息基础设施。
- 平台公共数据应纳入公共治理：具有公共属性的平台数据不应成为企业私产。官方主动立法获取并公开数据，是打破“专家俘获”的关键一步。
- 研究一致性需要被审视：同一学者在不同时期、不同课题中得出相反结论，若缺乏充分的方法论解释，其学术可信度应受到质疑。
对企业与学者合作
- 企业资助研究本身不是错，但隐瞒立场是错。企业需要有人代表其利益，但学者若拿了企业经费或数据，却声称代表劳动者或公共利益，将同时损害学术声誉和企业公信力。
- 声誉风险管理：在信息高度透明的时代，学者与企业的利益绑定一旦被曝光，反噬会非常严重。企业和学者都应建立更清晰的边界与披露机制。
对AI与知识工作
- AI正在加速社科领域的“去魅”：简单的概念辨析、文献对比、逻辑一致性检查，AI已经可以快速完成。这会让那些依赖术语包装、缺乏真实洞察的学者加速暴露。
- 社科研究的价值锚点转向：AI时代，真正稀缺的不是信息处理能力，而是深入田野、理解真实社会关系、提出制度性解决方案的能力。象牙塔内的“精致研究”将面临更大的合法性质疑。
一句话评价：这篇文章表面是批评一位学者，实质是敲响平台经济时代学术独立性、数据治理与公共政策制定机制的警钟。