(福柯，1977:148)。正如福柯所描述的特定机器(即军队、监狱、医院)一样，在Facebook中，实际的个人并不重要。这就是为什么空间被设计成这样一种方式，使个体可以互换。Facebook用户档案的通用模板结构并没有为特定的个人提供太多空间，而是为个人数据的结构化组织提供了一个更容易管理的空间。因此，该系统并没有特别关心个人用户，而是通过对用户提供的数据进行分解和重组而蓬勃发展。然而尽管Panopticon的建筑使所有囚犯都能平等地获得永久的可见性，但Facebook的算法并没有平等地对待对象;它优先考虑一些人，而不是其他人。然而，作为全景布局的结果，可见性是丰富的，体验更像是来自外部力量的威胁，Facebook系统中的可见性可以说是相反的。新闻推送算法的算法架构不会自动将可见性强加于所有主体。可见性不是无处不在的东西，而是稀缺的东西。随着Facebook平台上的内容、用户和活动的增长和扩大，可见性变得更加稀缺。根据Facebook广告产品营销团队负责人Brian Boland(2014)的说法，这意味着“信息流中的竞争正在加剧”，并且“任何故事在信息流中获得曝光都变得越来越困难”。
为了了解到底有多少帖子真正进入了信息流，我进行了一个可以被认为是“逆向工程”过程的实验。18回想一下在前一章中是如何宣称，了解算法的第一步是不要把不可能看到黑盒子内部作为认识论上的限制。相反，我所说的“技术探究”首先是通过观察算法程序的结果，作为其“观点”的指示，来询问算法暗示了什么。在几个月的时间里(2011年3月至9月)，我用自己的Facebook个人资料比较了“热门新闻”和“最新新闻”的内容。最深入的调查发生在2011年4月，当时我每周进行几次比较，截取所有热门新闻源的屏幕截图，并手动统计最新消息源中的帖子。我选取了top news中发布时间最长的新闻，并将其与同一时间戳内最近的feed中发布的新闻数量进行了比较。在2011年4月随机选择的一天，这相当于280个故事/更新发布在最新的feed上，而在同一时间段内，45个帖子出现在新闻提要的顶部。乍一看，似乎只有16%的可能的故事登上了头条新闻。由于时间衰减是Facebook动态消息算法的主要已知因素之一，因此可以肯定的是，故事越接近“实时”发布，它成为头条新闻的可能性就越大。事实上，我的实验表明，如果一个故事是在最近三个小时内发布的，那么它登上头条新闻的几率在40%到50%之间。除了从实时流中好友生成的更新总数中进行选择外，头条新闻还会显示自己量身定制的非头条新闻显示在最近的提要中。我把这些故事称为“交流故事”，因为它们把两个朋友最近的交流互动编成了一个故事Facebook上的传播故事通常以“X评论了Y的照片”或“X点赞了Y的链接”的形式出现。将这些量身定制的故事纳入等式中，对45/280比例的更好估计是，只有12%的机会登上头条新闻。在所有发表的45篇报道中，有17篇是传播类报道。这17个传播故事，大多有一个共同点，就是高度的互动。例如，一个典型的故事会说：“安娜评论了克莱尔的照片”，“有11个人这样”，“查看所有14条评论”。Facebook不仅为热门新闻推送量身定制特定的故事，而且这些故事也获得了大量的可见性，而不是其他类型的边缘。据推测，强调量化应该是为了模拟高活跃度的印象，以降低平台参与的门槛。
Life at the Top
85