质量、安全与绩效管理

这为何对公共价值重要

如今,每一个有一定规模的公共与社会部门组织,都依靠数字运转:候诊时间、结案数量、响应分钟数、通过率、满意度分数、检查评级。由这些数字构建的目标,不是从公共管理之外强加进来的东西;它们是向那些无法直接看到日常运营内部情况的资助方、立法机关、董事会与公民展示合法性与支持的方式(见主题1.2——战略三角:合法性、价值与能力)。一位无法指出一个朝正确方向移动的数字的领导者,很难为一笔预算、一项授权,或一场改革辩护。

难点在于,一个被构建来代表质量的数字,与质量本身并不是同一件事,而一旦这个数字开始比它背后的现实更重要,二者就会悄悄分道扬镳。一支警队可以通过改变警官对案件的分类方式、而非通过真正减少损害来压低记录在案的犯罪率。一家医院可以通过重新划定这个计时器适用于哪些患者、而非通过更快地治疗人们来达成一项候诊时间目标。这两种变化都不会体现在公布的数字上,而这正是本主题存在的意义所要处理的问题。

本主题是公共部门中处理这个问题的本土主题:绩效指标及其造成的逆向激励、旨在无论任何单一目标怎么说都保持标准一贯的质量保证制度,以及从产出这些数字的指挥链之外核查数字背后现实的独立检查与评级机构。主题2.1讲的是指标最初应该从哪里来——把一项衡量指标与一项关于价值的真正因果主张重新连接起来的成果框架与逻辑模型(见主题2.1——公共价值记分卡与成果框架)。本主题讲的是一旦这些指标被转化为员工据以被管理的实时目标之后会发生什么,以及一个组织如何让自己的衡量体系保持诚实。

利害关系随着一个数字被公开使用的程度而上升。一项漂移偏离现实的私人内部指标,浪费的是一位管理者的时间。一项漂移偏离现实的公开绩效目标、一项头条检查评级,或一项安全统计数字,却可能付出生命的代价、多年错误配置资源,并且——当汇报数字与亲身经历之间的差距最终变得可见时——摧毁这个数字最初被公布的意义所要建立的那份合法性(见主题3.4——问责制、透明度与合法性)。

核心概念

绩效指标是被选定用来代表一个组织绩效中某个无法被直接、持续观察的方面的一个可衡量变量(见绩效指标)。指标在结构上就是代理指标:没有人能直接衡量"照护质量"或"社区安全",因此一个组织衡量某种更狭窄、更可数的东西——一项候诊时间、一项记录在案的犯罪率——并把它的变动,当作它所代表的那个更广泛事物变动的证据。代理指标与现实之间的这道鸿沟永远不会闭合;本主题讲的是管理它、而不是忘记它的存在。

古德哈特定律,在其最常见的公共部门表述中指出,当一项衡量指标变成一个目标时,它就不再是一项好的衡量指标。这条定律以英国经济学家查尔斯·古德哈特命名,他在1975年,在货币政策的背景下阐述了这一底层洞见:一旦一家央行开始以某种特定的货币供应量衡量指标为目标,让这项指标变得有用的统计关系就会开始瓦解,因为人们会针对这个目标本身改变自己的行为。人类学家玛丽琳·斯特拉森,在1997年一项被广泛引用的、关于英国大学审计文化的研究中,为公共部门读者重新阐述了这一理念,给了它如今被最广泛引用的简洁措辞:"当一项衡量指标变成一个目标时,它就不再是一项好的衡量指标。"主题3.1在新公共管理依赖明确目标的背景下简要引入了这种动态;本主题是它的完整本土论述(见主题3.1——公共行政体系与模式)。古德哈特定律并不是一个反对衡量本身的论证——它论证的是,衡量与奖励不能被草率地融合在一起,而不改变被衡量的东西。

逆向激励是古德哈特定律造成损害的机制:一套激励结构产出的结果,与其设计者的本意背道而驰,因为对它做出回应的人,优化的是奖励的字面条件,而非它背后的目的(见逆向激励)。一项与资金、声誉或职业生涯挂钩的目标,只要存在一种能够改善汇报数字、却不改善底层成果的方式,就会产生一种逆向激励——而在一项通过成千上万次个人判断来交付的服务中,一旦人们开始寻找这种方式,它几乎总是存在的。

对目标的失灵反应类型学。 经济学家彼得·史密斯,在1995年一项关于公共部门绩效数据、具有影响力的研究中,编录了已公布目标扭曲行为的种种方式,其中几种至今仍是诊断一套陷入困境的指标体系的标准词汇。隧道视野是把精力集中在被衡量的事物上、而牺牲了未被衡量的事物,即便这些未被衡量的方面同样重要、甚至更重要。指标固着,是把在这项指标上的成功,当作在底层目标上的成功,于是这个代理指标悄悄取代了它本应代表的那件事,占据了每个人的注意力——这正是教育系统中"应试教学"背后的模式,教学被收窄到一项标准化评估所涵盖的内容,而不是这项评估本应示意的更广泛的学习。数据造假,是对上报数据的蓄意操纵——重新分类一个案例、调整一个计时器、选择一个更有利的分母——使数字得到改善,而现实却毫无改变。僵化,是一项目标在它所设计针对的运营环境早已改变之后,长期未被修订、缓慢地衰退成一个无关紧要的东西。格温·贝文与克里斯托弗·胡德在2006年一项关于英格兰公共卫生医疗系统目标的密切相关研究表明,当一项目标与未能达成它的严重后果配对时,这些动态可以走多远,他们为一种恰恰产出了它本欲消除的操纵行为的体制,创造了"目标与恐怖"这个说法。

质量保证是一门系统性的、由组织自己拥有的学问,旨在通过在流程中内建缺陷预防、而非仅仅检查最终产出,来确保一件产品或一项服务始终如一地满足一项明确规定的标准(见质量保证)。一项绩效目标衡量的是事后的一个结果,而质量保证的设计,是要让一个糟糕的结果从一开始就不太可能发生,通常通过标准化的程序、核对清单、同行评审,以及对失误的根本原因分析来实现。全面质量管理是建立在这门学问之上的更广泛管理哲学,把持续的质量改进当作每个人的责任,而非附加在一个流程末端的一项专门职能(见全面质量管理),而由国际标准化组织(ISO)发布、于1987年首次颁布的ISO 9000族国际标准,为组织提供了一套可认证的框架,用以证明这样一套管理体系确实存在。一个机构可以获得一项质量管理标准的认证,通过每一次内部质量保证检查,却仍然在操纵它对外汇报的绩效目标;这两套体系回答的是不同的问题,任何一个都无法替代另一个。

安全指标与安全文化理应与普通绩效指标分开处理,因为一项逆向激励所造成的损害常常是不可逆的。在医疗保健领域,患者安全实践已经学到——常常是以高昂的代价——惩罚员工报告一次差错,恰恰会压制安全系统防止下一次差错所需要的那份信息,这一洞见已经从临床环境扩散到航空、交通与其他高后果的公共服务领域。一种"无责"或"公正文化"的汇报环境,把一次被诚实汇报的险些酿成事故的情形,当作一项有价值的数据点、而非一份认罪陈述来对待,这与大多数普通绩效目标被设计来运作的方式恰恰相反:一套绩效体制奖励好的数字,而一套安全体制,即便数字很糟糕,也必须奖励诚实的数字。

独立的检查与评级机构,为以上所有内容提供了一种来自被评估的指挥链之外的核查。一个督察机构——例如检查教育与儿童服务提供方的英格兰教育标准局(Ofsted),或检查并评级卫生与社会照护提供方的护理质量委员会——派出评估人员直接观察实践、行使专业判断,并公布一份被检查机构无法控制的评级。这在结构上与内部绩效管理截然不同:一项自我上报的候诊时间数字,可以被那些以操纵它为激励的人操纵,但一位走访病房或观察课堂的检查员,看的正是这个数字本应代表的那个现实。检查是一种横向问责的形式——由一个拥有独立地位的机构、而非一个选民群体或一个市场进行的审查(见主题3.4——问责制、透明度与合法性)——它只有在其资金、任命与发布方面的独立性真正受到保护的程度上,才配得上这个角色。

最佳实践

1. 从逻辑模型中推导指标,而不是从已经容易计数的东西中推导。 仅仅因为数据已经存在、而非因为它追踪着因果链条中一个真正的环节而选定一项衡量指标,正是指标固着与隧道视野开始的地方(见主题2.1——公共价值记分卡与成果框架)。
2. 为每一项产出或活动目标,配上至少一项能够揭示最可能的操纵策略的平衡衡量指标。 如果一项候诊时间目标可以通过重新分类案例来操纵,就应把重新分类率与头条数字一并追踪,而不是等一桩丑闻迫使这个问题浮现之后才想起来。
3. 把一项已经连续多个周期都达成的目标,当作一个需要调查的信号,而不仅仅是一个值得庆祝的信号。 一个不再能区分好绩效与坏绩效的数字,要么是这个问题真的已经解决了,要么是已经被操纵到无关紧要,而单凭仪表盘,这两者看起来完全一样。
4. 把设定目标的人、依据它被衡量的人,与独立核查结果的人分开。 把这三种角色都压缩进组织的同一个部分,会消除让一套衡量体系保持诚实所需要的那种结构性张力。
5. 按固定周期修订或淘汰目标,而不仅仅在明显失败之后才这样做。 僵化是一项目标的默认命运;一次按计划进行的、追问这项目标是否仍然追踪着什么有意义的东西的审查,能在一场危机之前捕捉到这种衰退。
6. 为与安全相关的险情与差错建立一条无责汇报渠道,并使其在结构上与绩效奖励决策分离。 一套惩罚诚实汇报的安全体系,底层差错的发生率依然不变——它只是不再获知这些差错,直到损害变得更大、更难以隐藏。
7. 给予独立检查与评级机构真正的准入权限、受保护的资金,以及被检查机构无法否决的发布权利。 一个在预算或准入上依赖于它所评级组织善意的督察机构,只是在表演审查,而非真正提供审查。
8. 用专业判断来解读一项定量分数,而不要任由这个分数独自说话。 一项单一的综合评级,把一个丰富而参差不齐的现实压缩成一个数字;把一项检查评级背后的定性叙述与评级本身一并公布,让读者能够看到这个数字究竟在概括什么。
9. 与将要依据目标被衡量的一线员工一起设计目标,而不仅仅是为他们设计。 最接近这项工作的人,通常比任何分析师都更早知道最容易的操纵策略;让他们参与设计,能及早暴露这项风险,而不是在目标已经生效之后才暴露它。
10. 把一套系统性的质量管理流程的认证,例如建立在ISO 9000族标准之上的认证,当作一道底线、而非成果衡量的替代品。 认证证明的是一套一贯的流程确实存在;它本身并不证明这套流程产出了良好的结果,而把这份证书当作质量的充分证据,本身就是一种指标固着。
11. 把一项目标已知的局限性,与这项目标本身一并公布。 在同一份报告中,与数字一并说明这项衡量指标没有捕捉到什么、以及它可能如何被操纵,能提前化解此后原本会损害合法性的那种发现(见主题3.4——问责制、透明度与合法性)。

与团队讨论的问题

我们目前已公布的哪些目标,可以在底层成果完全没有改善的情况下就被达成? 这是任何团队都可以运用的、对古德哈特定律最直接的应用,几乎每一个运行数字化目标超过几年的组织,都至少携带着一个正在进行的例子。逐一梳理你的头条指标,具体地追问,每一项奖励的是什么行为、而非它被设计来衡量什么。讨论一下,一线员工是否早已知道一种比预期方式更容易改变这个数字的办法,因为他们通常比它抵达高级领导者之前更早知道。把一句自信、未经审视的"这里没有人会那样做"本身,当作值得深究的对象,而不是当作一种安慰。

我们在哪些地方悄悄任由一项容易计数的产出,代替了一项真正的质量或安全判断? 产出几乎总是比成果更廉价、更快捷地收集,这造成了一种持续的诱惑,用后者的语言来汇报前者。找出你的组织目前汇报的一项旗舰指标,作为一个小组追问,它衡量的究竟是所发生之事的质量,还是仅仅是发生活动的数量。讨论一下,针对同一项活动的一项真正的质量衡量指标,需要收集什么,以及到目前为止是什么阻止了这个组织去收集它。这个问题常常揭示出,障碍是资源、而非定义上的困难。

如果一位员工今天诚实地汇报了自己的一次险情或差错,他们实际上会发生什么? 一项无责政策的存在,并不能证明人们相信它真的适用于自己。讨论一个近期的案例,真实的或假设的,其中一次对差错的诚实披露会检验这项政策,并具体说明后果是什么、或很可能会是什么。想一想,你的安全相关汇报,是否与你的绩效奖励决策处于同一套系统之中,因为把二者混在一起,是一种名义上无责的文化悄悄仍然惩罚诚实的最常见方式。这个问题的设计初衷就是让人不舒服;一个无法公开讨论它的团队,其实已经给出了答案。

我们的检查或评级机构,对它所评估的组织是否拥有真正的独立性,还是只有形式上的独立性? 名义上的独立性很常见;而在资金、准入与发布一项不受欢迎的发现的权利上的独立性则更罕见,也更容易被逐渐侵蚀。列出你的组织所受制的检查或评级关系,诚实地对每一项评级,它是否能经受住被检查机构蓄意塑造结果的企图。讨论一下,上一次一次检查产出了一个真正不受欢迎的结果时发生了什么,以及应对方式是解决底层问题,还是管理与检查员的关系。

史密斯所描述的目标失灵反应——隧道视野、指标固着、数据造假、僵化——中的哪一种,目前在我们自己的汇报中最为明显? 明确指认出具体的失败模式,而非抽象地讨论操纵行为,能让这场对话具体到足以据以行动。逐一梳理这四种模式,追问团队在自己近期的经历中认出了哪一种,而不是假设这个组织幸免于难,因为还没有发生任何丑闻。讨论一下,针对这个具体模式的一项纠正措施,在下一个汇报周期中应该是什么样子,而不仅仅是一句"在衡量方面做得更好"的笼统承诺。

如果我们停止公开汇报当前的头条目标一年,我们实际上会失去什么,又可能获得什么? 这个问题检验的是,一项目标究竟是在真正引导决策,还是已经变成了一个目的本身,如果被要求从第一性原理为它辩护,没有人会真正为之辩护。诚实地讨论一下,过去一年里,究竟有哪项决策——如果有的话——是因为这个具体数字而改变的,与那些无论如何都会做出的决策区分开来。想一想这项目标目前耗费了多少员工时间与行为扭曲,以及一项不同的、更难以操纵的衡量指标,是否能更好地服务于同样的问责目的。这不是在主张放弃衡量——这是一门只保留那些真正值得保留的衡量的纪律。

实践中的公共价值案例

一个中等规模都市地区的救护车服务——虚构的,用于说明一种模式,而非对任何真实机构的报道——多年来一直在一项已公布的目标之下运作,该目标要求对最危及生命的呼叫,在八分钟内做出应急响应。这项目标是本着良好意图设定的,有临床证据支持,证明响应速度确实影响一类明确界定的紧急情况的生存率,该机构的董事会把已公布的、达到这项目标的呼叫百分比,当作衡量组织成功的单一最重要指标。

三年间,汇报的数字稳步改善,从符合条件呼叫的刚过半数,提升到近九成,高级领导层在每一次董事会会议上都把这一趋势当作运营改革正在奏效的明确证据来展示。这份头条数字没有显示出的是,这种改善实际上是如何实现的。接线员们知道自己的绩效部分是依据他们把多少呼叫分类进入目标类别来评估的,已经开始——逐渐地,没有任何单一的决策——把越来越大比例的真正严重的呼叫,降级归入八分钟计时器不适用的一个较低优先级类别,仅仅因为一个更小、界定更严格的呼叫池更容易达成目标。此外,救援人员也了解到,这个计时器在车辆抵达现场的那一刻就停止,而不是在真正抵达患者身边时才停止,这造成了一种虽小却真实的激励,让人们倾向于把车停在边界处、而不是最快抵达患者身边。

这两种做法,在伪造记录的意义上都不算欺诈;每一种都是对一项定义本身留出了恰好足够空间容纳这种漂移的目标所做出的、局部理性的回应——一个指标固着与数据造假共同作用的教科书式实例。这个问题不是通过该机构自己的汇报浮现的,后者持续显示出改善,而是通过一个独立的区域卫生督察机构的常规检查浮现的,该检查把病例档案审查与对接听呼叫的直接观察相结合,发现被降级的分类与同一批呼叫中记录的临床细节不一致。该督察机构的评级急剧下降,从相当于"良好"的描述降到"需要改进",尽管该机构自己公布的响应时间数字,比以往任何时候都更好。

该机构最初的回应——指出自己不断改善的数字——让这场信誉危机变得更糟,因为它回答的是督察机构从未提出过的问题;这次检查从未质疑过运算本身,只质疑了这个运算衡量的是什么。它更有效的回应,是从底层逻辑模型出发重新设计整套指标体系,而不是修补现有的目标:响应时间被重新定义为接触患者的那一刻、而非车辆抵达的那一刻,呼叫分类通过一份滚动样本接受独立审计、而不再仅凭接线员自己的记录,并引入了一项平行的临床成果衡量指标——存活入院率——因为它单凭重新分类要难得多地被操纵。在新定义之下,汇报的响应时间百分比在第一年下降了,董事会已经为此让资助方做好了心理准备;而首次以可比较的基础被追踪的临床成果衡量指标,则显示出一种更小、却真实的改善——这是原始目标从来都未曾以任何方式真正证明过的东西。

四种部门视角

地方政府

消防救援、成人社会照护与垃圾收集等地方服务,通常依据一套国家强制指标(地方政府并未选择它们)与反映某个具体议会自身优先事项的地方选定指标的混合来加以衡量,因此同一项服务,可能依据一套指标被判定为成功、依据另一套却被判定为令人担忧。地方层面的检查,常常由一个拥有覆盖众多地方政府的法定职权的国家或区域机构提供,这带来了有用的比较视角,却比它所检查的组织拥有更少的细粒度地方情境。地方民选议员与审查委员会,增添了一层更快、更直接的问责,常常是最先从居民那里听到已公布数字与亲身经历出现分歧的人。

国家政府

国家政府通常运行着最庞大、政治上最显眼的绩效体制,因为一项国家目标——一项候诊时间标准、一个减少犯罪目标,或一项考试通过率目标——在公共辩论中,成了当届政府能力的一个代理指标,这使得操纵的风险远远超出了运营层面。这正是贝文与胡德的"目标与恐怖"动态最充分实现的场域,因为国家目标常常与未能达成它的明显政治后果配对,加剧了管理这个数字、而非它背后的现实的激励。国家督察机构,恰恰因为它们与那些一项评级可能影响其政治命运的部委保持一臂之距,承担着揭示已汇报绩效与实际绩效之间差距这一负担中不成比例的一大份额(见主题3.4——问责制、透明度与合法性)。

社会部门与非营利组织

非营利组织与非政府组织,更常常把质量保证与认证当作一项自愿的、或由资助方强加的纪律来面对,而非一套法定的检查制度,因为很少有辖区为整个部门运行一个专门的独立督察机构。这使得社会部门的质量保证更加碎片化——不同的资助方对同一个组织施加不同的要求——但也更加灵活,因为一个非营利组织通常能够围绕自己真正的变革理论、而非一套从外部强加的衡量指标,来设计自己的指标体系。缺乏一个强制性的外部检查员,提高了一个独立董事会与外部审计,作为这个部门自己的横向问责替代品的相对重要性(见主题3.4——问责制、透明度与合法性),因为否则,一个非营利组织自己的领导层既是衡量者、也是被衡量者。

多边与国际

多边机构,以及它们所发布或依赖的比较性指数——治理质量、营商便利度,或公共服务绩效的跨国排名——在整个国家政府的规模上面对着古德哈特定律,一个国家可以通过针对被衡量的标准、而非该指数所声称代表的更广泛状况狭隘地展开改革,来提升自己的排名。本主题别处所使用的那种国内意义上的独立检查,在主权边界之间并没有真正的对应物,因为没有一个国家会接受一个外部督察机构,拥有一个国家机构对它所监督的一个下属机构那样的强制性地位;多边质量保证转而依赖同行评审、由技术任务团核实的自我汇报,以及一份公开评级所带来的声誉成本。这使得汇编任何跨国指标的机构的独立性与技术可信度显得格外重要,因为它常常是唯一可用的核查。

常见失败模式

隧道视野。 一个组织把精力与资源集中在被衡量的事物上,直接以未被衡量、却对它所服务的人同样重要的同一项服务的其他方面为代价。其代价是,一项服务在每一份公布的报告中看起来都在改善,而一个未被衡量的维度——患者尊严、案件复杂性、长期成果——却悄悄恶化,直到它变成一场足够大、迫使人们采取新衡量方式的危机之前都不被察觉。

指标固着。 在这项指标上的成功,在组织内部开始被当作等同于在底层目标上的成功,于是代理指标在每个人真正的注意力中取代了这个目标,即便正式的使命宣言仍然指名着这个目标。其代价是,汇报的绩效与亲身经历之间的差距不断扩大、自我强化,因为组织内部再也没有人直接关注现实本身了。

数据造假。 数据被调整——一个计时器被提前停止、一个案例被重新分类、一个分母被选定以产生有利的效果——使汇报的数字得到改善,而底层现实却毫无改变,正如上文的实例所示。这一旦被发现,代价与最初的扭曲不成比例,因为数据造假不仅损害了那一项具体数字,还损害了同一个组织此前发布过的每一个其他数字的可信度(见主题3.4——问责制、透明度与合法性)。

僵化。 一项为某个具体运营情境设定的目标,在这个情境早已发生变化之后仍然长期未被修订,于是它继续被汇报、被据以管理,即便它已经不再能区分真正良好与真正糟糕的绩效。这项代价多年来都是不可见的,因为一项僵化的目标仍然会产出一个数字;这个数字只是不再有任何意义,而这个组织真正的管理注意力,通常早已在没有任何人正式淘汰这项衡量指标的情况下转移到了别处。

督察机构俘获。 一个独立的检查或评级机构,逐渐依赖于它所检查的组织的善意、准入,或持续配合,无论是通过资金安排、在检查员与被检查方之间流动的职业路径,还是通过反复检查中建立起来的非正式关系。其代价是一种真正独立性的缓慢流失,而一份正式的章程或法规本身无法阻止这种流失,它通常只有在一次重大失败在一套本应捕捉到它的评级体系中蒙混过关时才会浮现。

由归责驱动的安全汇报。 一套与安全相关的差错或险情汇报系统,名义上是无责的,但在实践中,却与绩效评估或纪律处分流程紧密相连,以至于员工得知,汇报一次诚实的失误会带来个人风险。其代价不是更少的差错——而是对仍在持续发生的那些差错的更少汇报,这正好剥夺了一套安全系统存在的意义所要提供的、在下一次更严重的事件发生之前的早期预警信号。

成熟度模型

检查清单

• 把每一项头条绩效指标追溯回它本应代表的逻辑模型或成果框架。
• 识别每一项已公布目标最可能被操纵的方式,并指认一项能够揭示它的平衡衡量指标。
• 确认设定一项目标的人、依据它被衡量的人,与独立核查结果的人,并非组织的同一个部分。
• 为每一项正在生效的目标安排一次按固定周期的审查,不依赖于是否有明显的失败促成它。
• 确认与安全相关的汇报渠道,在结构上与绩效奖励及纪律处分决策相分离。
• 检验员工是否相信一次被诚实汇报的差错或险情会被无责地对待,而不仅仅检验政策是否这样写。
• 确认任何评估这个组织的检查或评级机构,拥有受保护的资金、准入与发布权利。
• 把每一项头条目标已知的局限性,与这个数字本身一并公布。
• 核查是否有任何指标已经连续多个周期被一贯达成、却没有相应地调查过原因。
• 在任何新目标生效之前,让一线员工参与它的设计。
• 确认一项质量管理认证(如果存在的话)被当作一道底线,而不是被单独援引为良好成果的证据。

关键资料来源

• 查尔斯·古德哈特1975年对后来被称为古德哈特定律的表述,发展于货币政策目标设定的背景之下。
• 玛丽琳·斯特拉森,《"改善评级":英国大学体系中的审计》,《欧洲评论》第5卷第3期(1997年),第305-321页——古德哈特定律被广泛引用的公共部门重述。
• 彼得·史密斯,《论在公共部门发布绩效数据的意外后果》,《国际公共行政杂志》第18卷第2-3期(1995年),第277-310页——本主题所借鉴的隧道视野、指标固着、数据造假与僵化类型学的来源。
• 格温·贝文与克里斯托弗·胡德,《被衡量的才是要紧的:英格兰公共卫生医疗系统中的目标与操纵》,《公共行政》第84卷第3期(2006年),第517-538页——关于在严重后果之下操纵行为的"目标与恐怖"研究。
• 杰里·Z·穆勒,《指标的暴政》(普林斯顿大学出版社,2018年)——一份关于教育、卫生保健、商业与政府领域衡量失败的广泛记述。
• 英国国家审计署,《监管者的绩效衡量》,以及美国政府问责局区分绩效衡量与项目评估的指导。
• 护理质量委员会与教育标准局(Ofsted),作为独立检查与评级机构与它们所评估的组织保持一臂之距运作的实例。

参考文献

1. Goodhart's law — Wikipedia — https://en.wikipedia.org/wiki/Goodhart%27s_law
2. Charles Goodhart — Wikipedia — https://en.wikipedia.org/wiki/Charles_Goodhart
3. Marilyn Strathern — Wikipedia — https://en.wikipedia.org/wiki/Marilyn_Strathern
4. Performance indicator — Wikipedia — https://en.wikipedia.org/wiki/Performance_indicator
5. Perverse incentive — Wikipedia — https://en.wikipedia.org/wiki/Perverse_incentive
6. Quality assurance — Wikipedia — https://en.wikipedia.org/wiki/Quality_assurance
7. Total quality management — Wikipedia — https://en.wikipedia.org/wiki/Total_quality_management
8. ISO 9000 family — Wikipedia — https://en.wikipedia.org/wiki/ISO_9000
9. Patient safety — Wikipedia — https://en.wikipedia.org/wiki/Patient_safety
10. Teaching to the test — Wikipedia — https://en.wikipedia.org/wiki/Teaching_to_the_test
11. Care Quality Commission — Wikipedia — https://en.wikipedia.org/wiki/Care_Quality_Commission
12. Ofsted — Wikipedia — https://en.wikipedia.org/wiki/Ofsted
13. Marilyn Strathern, ''Improving ratings': audit in the British university system' — European Review / EconPapers record — https://econpapers.repec.org/article/cupeurrev/v_3a5_3ay_3a1997_3ai_3a03_3ap_3a305-321_5f00.htm
14. Peter Smith, 'On the Unintended Consequences of Publishing Performance Data in the Public Sector' — citation record — Scientific Research Publishing — https://www.scirp.org/reference/referencespapers?referenceid=1708685
15. Gwyn Bevan and Christopher Hood, 'What's Measured Is What Matters: Targets and Gaming in the English Public Health Care System' — LSE Research Online — https://researchonline.lse.ac.uk/id/eprint/16211/
16. Jerry Z. Muller, The Tyranny of Metrics — Princeton University Press — https://press.princeton.edu/books/hardcover/9780691174952/the-tyranny-of-metrics
17. Performance measurement by regulators — UK National Audit Office — https://www.nao.org.uk/insights/performance-measurement/
18. Performance Measurement and Evaluation: Definitions and Relationships — US Government Accountability Office — https://www.gao.gov/products/gao-11-646sp
19. Care Quality Commission — official site — https://www.cqc.org.uk/
20. Ofsted — GOV.UK — https://www.gov.uk/government/organisations/ofsted