对于许多用于组织、控制和评测劳动力、生产与物流的软件架构来说。情况尤为如此。这些软件通常是不透明的，有时甚至对其使用者也一样，因此研究它是一项挑战。在整个研究过程中，我首先尝试通过采访与这些数字基础设施相关的各个用户群体来了解设施的功能。在许多情况下，面对支配自身工作的算法和基础设施架构，工人就是解读其功能的最好的专家。事实还证明，民族志方法—比如我亲自参与网络平台或游戏工作来操作这些算法——很有价值，至少能让我对编码逻辑进行一定程度的推测。这通常涉及研究软件构架的第二种重要方法，即对算法进行实验，甚至还要试图展开还原工程(Reverse一Engineer)(有时只是简单地玩一玩，测试输入不同的信息会引起什么反应)。需要强调的是，上述方法和本书在软件方面的其他研究形式，都受到我在编码领域专业知识上的限制。①
事实证明，在理解各种数字工厂的运行时，分析一系列补充材料（比如工会出版物、新闻稿、经济报告、劳动合同、法律诉讼）也会富有成效。众包工作平台或内容审核服务供应商的隐蔽运作有时会被起诉、检举，被调查记者和研究人员揭露。后者是本书研究的重要来源，尤其是对社交媒体平台隐秘的内容审核领域而言。在研究其他受保护的算法和基础设施时，专利作为一个信息来源，起到了巨大的作用。亚马逊等企业很少公开其配送中心或电商平台使用的软件，但会在提交的大量专利文件中透露有关这些软件的很多内容。分析亚马逊和其他公司的专利文件，不仅可以收集到相关软件的信息，还能得到有关硬件基础设施的信息。事实证明，这有助于理解配送中心和亚马逊在不同地区的运营。
1数字工厂1
①关于主要从社会科学的角度研究算法的方式与问题的有益概述，参¿ Kitchin, "Thinking Critically about and Researching Algorithms."
020