圣德太子 2.0 的机制

步骤 1：收集意见

发布议题并准备 15–40 条种子意见（易分化的短句）。可手写或由 Ivy 从历史讨论生成。

参与者对每条意见选择赞成/反对/保留。与 Pol.is 一样，只看投票模式而非文本挖掘。

步骤 2：生成意见地图

由所有投票构建「参与者×意见」矩阵，然后进行：

• PCA：将矩阵投影到二维，找出意见分歧最大的轴。
• K-means：将投票相似的参与者聚类（2–5 组，用轮廓系数调优）。
• 意见地图：在二维空间绘制参与者，显示其靠近哪个群体。

数百条意见可归纳为少数意见群体及其关系。

步骤 3：群体感知共识

核心不是人头，而是各群体都能接受的陈述——公式族与 Pol.is 一致。

对每条意见 c 与每个群体 g，令 P_agree(g,c) 为 g 中的赞成率：

C(c) = ∏ P_v=a(g, c) ^ (1/n)
       g

各群体都同意则分数升高；极化陈述下沉，搭桥句上浮。

步骤 5：呈现共识与分歧

活动足够后，自动生成高共识排名与跨群体分歧排名。

共识线可成为工作坊或政策讨论的议程；显式分歧揭示下一轮应辩论的真问题。

防范刷票/围攻

我们组合多种手段，防止同质群体扭曲结果：

• 必须认证（Social9 账号或邮箱验证，禁止完全匿名灌水）。
• 速率限制：阻止短时间连投与刷票。
• 时间窗 PCA：用近期投票检测分布突变。
• 当参与明显偏斜时，临时下调新投票权重。
• 严格审核：去重、处理人身攻击、拆分多论点帖子。

案例：vTaiwan 与 Uber

2015 年台湾用 Pol.is 四周收集 Uber 议题：四个对立集群合并为两个，二手业者两级评级义务化方案达成约 95% 跨群共识并随后入法。

圣德太子 2.0 希望把 vTaiwan 式流程带给政府、企业与社区，而不仅是行政机关。