各模型如何解决同样的问题
不要比较“民主与无政府主义”，而是比较解决集体问题的具体方式。
| 问题 | ✕ | ✕ | ✕ | |
|---|---|---|---|---|
| 决定如何作出？ | 由比例代表制选举产生的省议会；组成必须体现各语言群体的省政府；若某一群体认为法案会损害其利益，可由该群体进行表决。 | 523名选民组成的分层随机样本在主持人引导的小组讨论和全体会议中进行协商，并在活动前后填写问卷；未作出任何决策。抽签制／公民议会 | 中央政府下属的法定机构 UIDAI 制定规则；各部委决定在哪些情况下必须使用 Aadhaar；议会于 2016 年和 2019 年立法。数字身份 | |
| 冲突如何解决？ | 国家与省的联合委员会负责起草实施法令；争端提交宪法法院；奥地利依据1946年协议主张其保护性角色。 | 平衡的简报材料、受过培训的中立主持人以及观点不同的专家，为意见分歧提供了讨论框架。 | UIDAI 和服务机构设有申诉渠道；相关问题也在最高法院受到宪法层面的挑战，最高法院于 2017 年和 2018 年作出裁决。 | |
| 公共产品如何筹资？ | 以各自母语授课的学校、医疗、住房、交通和文化服务，资金主要来自该省征收的税收收入。 | 由私人资金资助；产出了已发表的结果、媒体报道和一项同行评审研究。 | 一种普及、低成本的身份证明，用于福利转移、金融普惠和公共服务。 | |
| 如何使用人工智能？ | 自治安排中没有为人工智能设定具体角色。 | 没有人工智能参与。 | 决策本身并未使用人工智能；自动化生物识别匹配和去重决定认证结果，2018 年又加入了人脸认证。 | |
| 主要风险是什么？ | Proporz导致族裔类别固化；语言群体相互分隔；中央法律和法院逐步侵蚀权限。 | 参加活动存在自我选择；环境人为设定；分析由该方法的设计者完成；未被制度采纳。 | 认证失败造成的排斥、数据泄露、监控与画像、独立监督薄弱，以及功能扩张。CLM-0544 |
这是对设计差异的说明，而非关于结果的普遍论断。每个单元格都链接到相关机制及其背后的论断。