独立说则认为，行政检查并不依附于其他行政决定，王名扬先生曾谈到行政检查具备与其他行政行为不一样的作用，“检查是行政机关通过直接观察取得信息的方法，是一种广泛应用的行政技术。检查的作用在于防止和矫正不符合法律规定的情况，查明是否违反法律和法规，以及提供情况作为采取决定的依据。”[19]从作用或者功能上区分行政检查与其他行政行为，以此证立其独立性，成为我国不少学者的思路。[20]由此，行政检查获得了自身的含义，其是指行政机关对行政相对人是否依法从事生产、生活和其他社会活动而进行查看的行政行为。[21]

　　

　　 制定法上也遵从这样的理解。《浙江省行政程序办法》第76条规定：“行政机关应当依照法定职权，对公民、法人和其他组织遵守法律、法规和规章情况实施行政检查。”《广东省行政检查办法》第3条规定：“本办法所称行政检查，是指行政执法主体依照法定职权，对公民、法人和其他组织（以下称检查对象）遵守法律、法规、规章和执行行政命令、行政决定的情况进行了解、调查和监督的行为。”行政检查作为一种独立的行政行为也受到了司法机关的认可，最高人民法院《关于规范行政案件案由的通知》明确将行政检查列为具体行政行为，从而行政检查成为行政诉讼案件的案由。[22]

　　

　　 行政检查需要以具体的行为方式来实施，从已有的立法规定看，至少包括了查阅、记录、核查、检验、检测、询问、巡查、视频监控等。[23]可以看到，对公共场所进行视频监控，其目的在于监督检查行政相对人是否依法从事生产、生活和其他社会活动，所以属于行政检查的方式之一，可称其为感应式检查。基于同样目的，行政机关对已掌握的海量数据进行挖掘分析，进行风险评估和预警，此种预测挖掘方式也理应归类于行政检查，可称之为大数据检查。所以，前文所述情报主导警务理念下的警务预测完全符合行政检查的界定，而市场监管领域将在风险监管的理念下运用大数据分析的监测、预警和处置的方式称为非现场检查，是相当精准的表达。

　　

　　 2.是检查而非调查

　　

　　 行政检查与行政调查不易区分，在我国自动化行政的相关研究中，有学者将电子监控设备抓拍这一类行为归属于行政处罚的调查活动，从而以自动化行政处罚的名义展开讨论。[24]这可能混淆了行政检查与行政调查的区别。

　　

　　 行政调查，是指行政主体在有具体法规范授权时，为了确定是否存在符合该授权依据行使要件的事实，针对特定当事人进行的事实调查或资料收集活动。[25]施瓦茨在《行政法》中谈及，行政检查（investigation）是政府对社会事物主动了解和获取各种“情报”的手段，而这些“情报”是行政机关得以运转的燃料，这些“燃料”对于行政机关工作的正常运转至关重要。[26]由于美国行政法中并不区分检查和调查，这里的“investigation”包含了两者，所以获取“情报”作为“燃料”是行政检查和调查的共同特征。不过，行政检查和行政调查是两种不同的行为，两者的不同之处在于：第一，是否有作成行政决定的目的，行政检查不具有依附性，并不是为了行政机关作出决定而实施的行政行为，而行政调查是行政机关在个案中为作出行政决定而实施的收集证据行为；第二，是否有直接督促行政相对人守法的作用，行政检查在立法中经常体现在“监督检查”一章，其作用在于通过检查监测行政法的实施效果，而行政调查首先为作出个案中的行政决定服务，仅附带性起到督促相对人守法的作用；第三，是否有确定的行政相对人，行政检查实施前并没有指向特定的对象，但行政调查从一开始就存在决定所指向的对象。[27]此外，行政调查的启动以一定的违法线索或者嫌疑为前提，而行政检查并不一定受此限制，可以随机抽查，也可以对有嫌疑的对象进行检查。[28]

　　

　　 已有相关研究都将诸如电子监控这样的摄像、录像等技术直接放在行政处罚之下讨论，即以自动化设备采集、记录的数据为标准完成调查取证，进而对违法行为人作出处罚。诚然，实践中以电子监控为代表的非现场执法与行政处罚紧密相连，所以《行政处罚法》修改后增补了相应的调整规范，但这并不意味着电子监控活动本身从属于行政处罚程序或者其过程行为。[29]电子监控活动本身是一个相对独立的行为，之后经审核，电子监控所采集、记录的数据才可能成为处罚的证据。《非现场查处道路交通安全违法行为操作规程（试行）》第30条第1款规定：“公安机关交通管理部门应当自违法行为信息上传至公安交通集成指挥平台之日起五日内审核。经审核通过的，上传至公安交通管理综合应用平台，作为处罚违法行为的证据。”公安机关交通管理部门审核电子监控抓拍的违法行为，即意味着将检查程序转化为调查，从而进入行政处罚程序。而在此之前的抓拍、自动识别都属于检查行为，其具有独立性，发挥着直接督促行政相对人守法的作用，在抓拍前并没有特定对象，也不以违法线索或者存在嫌疑为前提。同理，采用大数据检查的方式实现风险监测、预警，属于行政检查而非行政调查，这也是实践中各行政领域采用“非现场检查”这一表述的原因。

　　

　　 3.大数据检查的性质

　　

　　 如果遵循附属说的理解，行政检查并不具备独立地位，其和行政调查一样，不过是行政决定的过程或者程序行为，此种理解下，行政检查的性质原则上属于事实行为。例如我国台湾地区通说就认为，行政机关为达成特定行政目的，对于特定行政客体所为之查察、收集资料活动，或行政主体以搜集、查察、验证相关事实与资料为目的，就具体时间，针对特定人民行使公权力之行政检查措施，归属于事实行为。[30]那么，独立说之下的行政检查，性质应当如何界定？在我国早期的文献中，将行政检查作为独立行政行为对待的学者普遍认为其性质也是事实行为，行政检查“基本上不产生法律效果，即大量活动属于行政事实行为”。[31]所以，早期承认行政检查独立地位的学者，多数都不加区分地认为其性质为事实行为，其可能因为法律的规定产生法效果，自身并不直接具有法效力。只有个别学者认为，“行政检查当然会影响相对人的合法权益，产生相应的法律后果。因此，行政检查完全符合行政行为的要件，而不是不产生法律效果的行政事实行为”。[32]在此基础上，有学者对行政检查情形作出了区分，若行政机关基于特定的行政目的为行政相对人设定了必须履行的义务时，行政检查对行政相对人有法效力，是一个独立的行政决定，否则仅构成事实行为不具有法效力，产生的法效果并非检查本身直接产生。[33]该观点是具有说服力的，因为行政检查方式多样，有的并未给行政相对人设定义务，应当作为事实行为对待，但诸如设卡检查车辆的行为必然要求相对人停车接受检查，其行动自由权直接受到检查行为的限制，此时的检查在性质上则为法律行为。[34]

　　

　　 大数据检查从形式上可以理解为一种机器挖掘式查阅。在传统的查阅行为中，行政机关主要通过人工的方式对被检查对象的文件资料、监控录像、录音等查询翻阅，根据办案经验分析、研判有无不符合法律规定之处，行政机关查阅被检查人的资料仅在事实上构成对相对人个人信息权益的干预。大数据检查通过机器对所有电子数据不加区分地进行挖掘分析，虽然也涉及被检查对象的个人信息权益甚至隐私权，但大数据检查本身也没有直接引起行政法律关系的发生、变更或者消灭。[35]另外，大数据检查和感应式检查也存在相通之处，在大数据检查过程中，和电子监控抓拍一样需要不断收集、感知被检查对象的数据，但电子监控抓拍本身也只是事实行为。综上，大数据检查并不产生法效力，只发生法效果，其性质应当为事实行为。

　　

　　 二、规范大数据检查的必要性

　　

　　 作为数字时代的一种新型的行政检查方式，是否有必要对其进行规范，取决于其完成检查任务的能力，也需考虑其是否导致了新的权利保护失衡。

　　

　　 （一）预测模型本身的不可靠性

　　

　　 大数据检查作为大数据分析的一种应用，模型建构至关重要。正如人类在工作中积累经验所形成的办案手册一样，大数据分析模型试图将这些经验数字化和程式化，通过各种指标体系的设计、赋值，再利用机器学习和专家经验结合的方式不断学习既有的数据，经过不断调试后形成一个可用的分析模型。问题在于，这样的模型是否真的可靠？当前对行政领域大数据预测的可靠性研究较少，相关成果主要集中于刑事和智慧审判领域，由于技术原理大同小异，其研究结论也具有一定参考价值。

　　

　　 从已有的一些刑事领域的实证研究中可以发现，并非所有的分析模型都起到了预想的功效。例如，美国已经有不少联邦州的警察机关使用警务预测系统来帮助侦查犯罪，2016年经一家美国媒体调查发现，系统中存在针对黑人肤色人群的大数据预测分析，且常年使用该系统并未明显提升发现案件的比率。[36]另一项大型实证研究针对预测芝加哥枪击犯罪嫌疑人展开，结果也未显示该项目有效降低了犯罪率。[37]但也有研究展现了一定的积极效果，例如德国巴登符腾堡州警察机关针对入室盗窃使用预测系统后，此类案件的犯罪率显著下降。[38]比较刑事法领域的研究表明，预测模型的可靠性跟应用场景有关，针对入室盗窃、信用卡盗刷等大规模犯罪所起到的效果较好，原因在于这类案件的样本数据充分，能为预测模型提供足够的测试和训练数据。

　　

　　 比较法上还曾经发生过一个著名的宪法案例，即德国的电子数据缉捕案。德国政府曾采取针对恐怖分子的大规模侦查行动，试图通过数据采集和分析技术找出可能参与恐怖组织犯罪的嫌疑人。北威州警察机关在高等院校、居民登记部门、移民局共享的数据库基础上，根据性别、年龄、民族、宗教信仰和出生国几个标准，构建了筛选模型并得到了一个30000人的数据库，与联邦刑事调查局所掌握的数据库比对后，最后定位到11004个所谓的“潜伏者”，后来经过调查未发现一位真正的嫌疑对象。电子数据缉捕案前后持续了20个月，共采集了800多万组个人信息，德国联邦宪法法院对此种无嫌疑地检查给予了否定性评价，认为电子数据缉捕所使用的预测模型过于粗糙，从结果上的无效也可说明该检查手段是不具有说服力的，在使用此类工具之前应当进行可靠性评估。[39]

　　

在我国刑事领域的相关讨论中，也有不少对大数据侦查所利用的预测模型的批评，主要的意见是：第一，预测模型依赖的类案特征数据的规模化严重不足，尚有大量的社会数据信息、行业数据信息和非结构化数据无法得到有效的整合、共享和利用；第二，预测系统以侦查人员的经验法则为依据，经验基础上的逻辑演绎并没有克服人主观上的不可靠性和容错可能性。[40]此外，在我国司法实务中也引入了大数据、人工智能技术，例如北京的“睿法官”智能研判系统、上海的“206”刑事案件智能辅助办案系统、贵州的“法镜系统”、海南的“量刑规范化智能辅助系统”以及浙江的“凤凰智审”等。系统对已有海量裁判文书的情节特征进行自动提取，经机器智能学习后建立裁判模型，再根据法官点选的关键词，能实现类案推荐、量刑辅助、偏离预警、一键办案等功能。但从司法实务界的反馈来看，上述智慧审判系统是建立在大数据收集、分析、加工基础之上的，若系统依赖的数据不充分或者不真实，以此开发出的自动化系统提供的推荐、辅助或者预警意见并不具有多大的指导意义。正如何帆所言，法官“需要的智慧和智能，(点击此处阅读下一页)