总而言之，通过权力的数据伦理学的人本方法，我们不仅要思考自身可以将数据伦理学应用到哪些具体事物之上(例如，技术设计的对象)，同时也要思考数据伦理学在什么情况下更为适用。正如我在本书中所说的那样，数据伦理学的协商空间适用于存在社会争议的关键文化时刻，适用于“所有模具被撑裂的时刻”(Bergson，1907/2001：v).适用于文化冲突当中隐含的价值与利益被明示的时刻。在我看来，这些时刻是最人性化的时刻，这一点我在前文已经说过，这里我再次予以重申：从本质上讲，关键文化时刻是人本方法的全部使命，它试图确保关键文化时刻能被纳入社会技术研发的设计、采用与治理中来。
人性化时刻的条件及其作用也是权力的数据伦理学在BISTIs与AISTls背景之下如此重要的原因。大数据社会的技术基础设施之中所特有的一个核心伦理问题就是人类文化以及相应关键文化时刻在大数据系统当中的固化问题。换言之，我们如何在不透明的社会技术研发之中支持人类关键文化时刻，并将文化争议与人类阐释简化为一个自动化的大数据过程？这是权力的数据伦理学必须要应对的一个伦理问题。
因此，当我说人本方法与文化过程与生活方式相关之时，我想表达的是人本方法涉及人类的权力基础设施。它希望能强化人类的批判能动性与伦理责任感。例如，在2020年，英国学生上街抗议英国考试委员会采用的()qual算法，在考试因新冠疫情而暂停时自动生成他们的成绩。这些不是由教师对于每个学生进行的动态的定位评估，而是由一个算法对于学生所在学校的历史表现进行加权之后而给出的评分。其结果是，那些来自大型公立学校的学生成绩暴跌，而那些在小型私立学校就读的学生的成绩扶摇直上(Hemn，2020-8-14)。现在，学生抗议是人们的主要关注点，这是我们都记得的画面，但是我们也可以试着了解一下抗议发生之前的时刻：一个名叫劳拉·霍奇森(LauraHodgson)的学生这样描述了她拿到低分的情景：“我在早上8点登录系统查询成绩之时，当我看到成绩是C的那一刻，我委屈极了，哭了将近一个小时”(Gill.2020-8-13)。在我们看来，劳拉与预测算法的这次关键会面具有重大意义：这是个人情境经验与AISTIs当中引入预测算法的经验之间发生冲突的争议时刻，这种时刻就是关键文化时刻。此时，权力从幕后走向台前，社会性争议站到舞台中心位置。同样，正如我在前文所述，这些时刻也是最人性化的时刻，我们希望能够运用权力的数据伦理学以非常具体的方式保留这些时刻。——此时此刻、人类的情境经验、人类记忆与直觉得以激活，并且人类的批判能动性得以激发彰显。
权力的数据伦理学：大数据与人工智能时代的人本方法新解
182