外送茶促進會

  一、前言：當「風險標註」成為制度化歧視   在現代醫療體系中，「高風險群體」原本是一個用於公共衛生治理的技術性分類，用以協助資源分配、預防性介入與流行病監測。然而，當這一分類被不加區分地套用在特定社會身分之上，尤其是外送茶工作從業者身上時，它往往不再只是中性的醫療用語，而成為一種結構性歧視與制度性污名的工具。   在許多國家與地區的臨床實務中，外送茶工作者在尚未提供任何具體病史、風險行為評估或實際症狀之前，便被預設性地標註為「高風險族群」。這樣的標註不僅影響醫療人員的專業判斷，也實質改變了醫病互動的權力關係，進而造成健康權利的不平等。   本文將從醫療制度、臨床實務、公共衛生論述與當事人經驗等層面，深入分析外送茶工作者被強制標註為「高風險群體」的健康歧視現象，並探討此一制度性問題對個人健康、公共信任與醫療倫理所帶來的長期影響。   二、「高風險群體」概念的歷史與轉變 （一）公共衛生治理中的風險分類   「高風險群體」一詞源自流行病學與公共衛生管理，其核心目的在於提升預防效率。透過統計與模型推估，醫療體系得以針對某些特定行為或環境暴露較高的族群，提供更密集的篩檢、衛教或疫苗接種。   然而，這種風險分類原本是行為導向與情境導向的，而非身分導向。理論上，它應隨著個體狀態與行為變化而調整，而非一旦被貼上標籤便永久成立。   （二）身分化風險標註的出現   隨著某些疾病（如性傳染病、愛滋相關疾病）的公共討論高度道德化，風險分類逐漸從「行為」滑向「身分」。在這樣的轉變過程中，外送茶工作者成為最典型的被制度化標註對象之一。   當「從事外送茶工作」本身即被視為風險因子，而非實際的防護措施、健康檢查頻率或個別生活狀況時，醫療體系便開始將社會偏見內嵌於專業流程之中。   三、臨床現場的健康歧視實例 （一）未經評估即被加註風險標記   在實務中，許多外送茶工作者只要在問診表上誠實填寫職業，或被醫護人員推測其從業背景，病歷系統中便會自動或半自動地加註「高風險」標記。這些標記往往缺乏具體依據，卻會影響後續所有醫療決策。   例如，在一般症狀（如腹痛、頭暈、...

  一、問題引言：當「回覆速度」被包裝成情緒管理   在平台化勞動迅速擴張的今天，許多以媒合、聊天、互動為核心的 App ，正把「情緒」變成可計量、可評分、可治理的生產要素。援交／交友／陪伴型 App （以下以「援交 App 」作為研究語境的統稱）表面上提供「安全、便利、匿名」的互動環境，實際上卻可能透過人工情緒辨識（ Affective Computing / Emotion AI ）與行為分析模型，將女方的回覆頻率、回覆延遲、文字情緒色彩、互動節奏，轉譯為一套「情緒績效指標」。平台進一步以排序、曝光、派單、封鎖、降權等手段，促使從業者維持高強度的即時回應，最終形成一種難以被外界察覺、卻持續消耗心理資源的隱性壓力。   這種壓力之所以「隱性」，是因為它往往不以明確命令呈現，而是以「系統提醒」「服務品質」「維持活躍」「保障配對效率」「避免客訴」等語言包裝。從業者若回覆稍慢，可能收到平台提示：「最近互動率下降，建議提高回覆速度以維持曝光。」若回覆節奏不符合模型期待，則可能被貼上「態度冷淡」「情緒波動」「高風險」「疑似消極經營」等標籤；這些標籤不一定可被申訴、也不必被告知，卻會在背後悄悄改變其流量分配與收入機會。久而久之，回覆不再只是溝通，而是一種被監控、被量化、被計分的「情緒勞動」。   本文嘗試以「人工情緒辨識＋回覆頻率監控」為核心，分析其如何造成職業倦怠（ Burnout ）與身心耗竭，並提出平台治理、勞動權益與個人風險減緩的多層次對策。   二、概念釐清：何謂「人工情緒辨識」與「回覆頻率監控」？ （一）人工情緒辨識的常見輸入與推論   所謂人工情緒辨識，不必真的「看見臉」或「聽見聲音」才可運作。即使沒有相機與麥克風，平台仍可透過文字與行為資料推測情緒狀態，例如：   文字訊號：用詞正負向、感嘆號頻率、表情符號、語句長短、禮貌程度、回覆模板化程度。   互動節奏：回覆延遲（秒 / 分）、連續回覆次數、深夜時段活躍度、對同一用戶的耐心維持度。   對話結果：是否促成交易、是否被客戶檢舉或拉黑、是否出現爭執用語。   跨場景比對：同一帳號在不同客戶對話中的「情緒一致性」是否下降（被系統視為疲乏、敷...